ArgSciChat : Un Jeu de Données pour les Dialogues Argumentatifs sur les Articles Scientifiques

Les applications des agents conversationnels pour les disciplines scientifiques (en tant que domaines d'expertise) sont peu étudiées en raison du manque de données de dialogue pour former ces agents. Bien que la plupart des cadres de collecte de données, tels qu'Amazon Mechanical Turk, favorisent la collecte de données pour des domaines génériques en reliant les travailleurs à la demande et les concepteurs de tâches, ces cadres ne sont pas beaucoup optimisés pour la collecte de données dans des domaines d'expertise. Les scientifiques sont rarement présents dans ces cadres en raison de leur budget limité en temps. Par conséquent, nous présentons un nouveau cadre permettant de recueillir des dialogues entre scientifiques agissant comme experts dans leurs domaines sur des articles scientifiques. Notre cadre permet aux scientifiques de présenter leurs articles scientifiques comme base pour les dialogues et de participer aux dialogues dont ils approuvent le titre. Nous utilisons notre cadre pour recueillir un nouveau jeu de données de dialogue argumentatif, ArgSciChat. Il comprend 498 messages collectés à partir de 41 dialogues sur 20 articles scientifiques. Outre une analyse approfondie d'ArgSciChat, nous évaluons un agent conversationnel récent sur notre jeu de données. Les résultats expérimentaux montrent que cet agent performe mal sur ArgSciChat, motivant ainsi des recherches supplémentaires sur les agents conversationnels argumentatifs dans le domaine scientifique. Nous mettons à disposition notre cadre et notre jeu de données.