Projet CAAIRN | FEREC 2019

37 qui et comment doivent être renseignés ces paramètres. Cela pourrait faire l’objet de futures recherches. 5.4. Conclusion Nous avons proposé dans cette tâche A3 une approche originale, basée sur une approche issue de l’Intelligence Artificielle, l’argumentation abstraite, pour formaliser et analyser les controverses autour de projets d’infrastructure. Par la formalisation des arguments via le modèle AIPA et par le recours aux moteurs d’inférences empruntés à l’argumentation abstraite de Dung, il est possible d’acquérir des connaissances supplémentaires sur les débats liés à un projet d’infrastructure et ainsi de mieux comprendre les enjeux liés à l’acceptabilité des infrastructures. La méthodologie proposée a été appliquée à un cas réel de projets d’infrastructure, la requalification de l’avenue de Marseille à Vitrolles, qui a permis d’illustrer la démarche. On pourra regretter l’absence des focus groups, en raison de la situation sanitaire, qui auraient notablement enrichi les résultats. Toutefois les résultats actuels sont déjà intéressants et permettent de bien mettre en lumière les avantages de l’approche proposée. En outre, la méthodologie exposée est reproductible à tout cas de projet d’infrastructure et permet d’apporter un éclairage nouveau sur l’acceptabilité des projets d’infrastructure. 5.5. Références Amgoud, L., Ben-Naim, J., 2013. Ranking-Based Semantics for Argumentation Frameworks, in: Liu, W., Subrahmanian, V.S., Wijsen, J. (Eds.), . Presented at the Scalable Uncertainty Management, Springer Berlin Heidelberg, pp. 134–147. Bench-Capon, T.J.M., 2003. Persuasion in Practical Argument Using Value-based Argumentation Frameworks. J. Log. Comput. 13, 429–448. https://doi.org/10.1093/logcom/13.3.429 Dung, P.M., 1995. On the acceptability of arguments and its fundamental role in nonmonotonic reasoning, logic programming and n-person games. Artif. Intell. 77, 321–357. https://doi.org/10.1016/0004-3702 (94)00041-X Dunne, P.E., Hunter, A., McBurney, P., Parsons, S., Wooldridge, M., 2011. Weighted argument systems: Basic definitions, algorithms, and complexity results. Artif. Intell. 175, 457–486. https://doi.org/10.1016/j.artint.2010.09.005 Lytos, A., Lagkas, T., Sarigiannidis, P., Bontcheva, K., 2019. The evolution of argumentation mining: From models to social media and emerging tools. Inf. Process. Manag. 56, 102055. https://doi.org/10.1016/j.ipm.2019.102055 Morveli-Espinoza, M., Nieves, J.C., Tacla, C.A., 2019. An imprecise probability approach for abstract argumentation based on credal sets, Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). https://doi.org/10.1007/978-3-030-29765-7_4 Schöpfel, J., 2015. Comprendre la littérature grise. I2D – Inf. Données Doc. 52, 30–32. https://doi.org/10.3917/i2d.151.0030 Taillandier, F., Delhomme, B., Abi-Zeid, I., Thomopoulos, R., Baudrit, C., Mora, L., 2017. Designing an argumentative decision-aiding method for urban planning. Presented at the 86th Meeting of the European Working Group «Multiple Criteria Decision Aiding».