docs(taxonomy): #499 Virtues scale-up phase 1 — 18 depth-2 sub-families (gated)

docs/taxonomy/499-scaleup-phase1-annotations.csv

@@ -0,0 +1,19 @@
+virtue_pk,virtue_title,prevented_family_pk,prevented_family_name,crossLink_Opposes,opposed_fallacies_readable,AIF_skosDirectRef,AIF_skosMappingType,link_type,justification
+2,Argument fondé,1,Insuffisance,3;33,3=Argument vide; 33=Justification triviale,Argument from Sign,Les faits ou raisons invoqués constituent-ils un appui pertinent et suffisant pour la conclusion ?,crossLink_Opposes,L’argument fondé prévient l’insuffisance en exigeant que les prémisses fournissent un signe réel et solide de la conclusion.
+28,Interprétation juste,1,Insuffisance,953;153,953=Attention sélective; 153=Argument des mauvaises raisons,Argument from Sign,L’interprétation prend-elle en compte tous les éléments pertinents sans sélection ni distorsion biaisée ?,crossLink_Opposes,L’interprétation juste prévient l’insuffisance en restaurant l’examen complet et loyal des signes disponibles avant de conclure.
+35,Rhétorique acceptable,887,Tricherie,177;219,177=Langage persuasif; 219=Humour,Argument from Values,Le procédé rhétorique sert-il une valeur argumentative légitime sans manipuler l’auditeur ?,crossLink_Opposes,La rhétorique acceptable prévient la tricherie en subordonnant le style à la clarification éthique plutôt qu’à la manipulation.
+51,Équilibre émotionnel,887,Tricherie,357;511,357=Conditionnement; 511=Influence non verbale,Argument from Values,L’appel émotionnel reste-t-il proportionné et compatible avec une évaluation rationnelle de l’argument ?,crossLink_Opposes,L’équilibre émotionnel prévient la tricherie en empêchant que l’affect remplace ou déforme l’évaluation rationnelle des raisons.
+55,Communication authentique,887,Tricherie,889;953,889=Mensonge; 953=Attention sélective,Argument from Commitment,Les positions exprimées sont-elles sincères et répondent-elles loyalement aux arguments de l’autre ?,crossLink_Opposes,La communication authentique prévient la tricherie en restaurant la sincérité des engagements et l’écoute loyale des objections.
+60,Généralisations justifiées,594,Erreur mathématique,596;759,596=Échantillon biaisé; 759=Conclusion hâtive,Argument from Example,"L’échantillon est-il représentatif, suffisant et analysé objectivement pour justifier la généralisation ?",crossLink_Opposes,Les généralisations justifiées préviennent l’erreur mathématique en exigeant que l’induction repose sur des données robustes et représentatives.
+64,Interprétation rigoureuse des données,594,Erreur mathématique,596;644,596=Échantillon biaisé; 644=Probabilités faussées,Argument from Sign,"Les données invoquées sont-elles représentatives, correctement traitées et statistiquement fiables ?",crossLink_Opposes,L’interprétation rigoureuse des données empêche les biais et les distorsions statistiques en restaurant la question de la représentativité et de la fiabilité du signe quantitatif.
+71,Résultats valides,594,Erreur mathématique,681;690,681=Erreur de calcul; 690=Opération inappropriée,Argument from Sign,"Les résultats sont-ils correctement calculés, reproductibles et cohérents avec les méthodes employées ?",crossLink_Opposes,Des résultats valides préviennent les erreurs mathématiques en vérifiant que les calculs et les opérations produisent un signe quantitatif fiable.
+80,Causalités bien identifiées,696,Erreur de raisonnement,707;719,707=Inversion de causalité; 719=Effet cigogne,Argument from Cause to Effect,"La relation causale est-elle correctement établie, sans confondre cause, effet et simple corrélation ?",crossLink_Opposes,Identifier correctement les causalités empêche de prendre une corrélation pour une cause ou d’inverser le sens causal en restaurant l’examen du lien cause-effet.
+84,Énoncés rigoureux,696,Erreur de raisonnement,727;784,727=Erreur de logique propositionnelle; 784=Syllogisme invalide,Argument from Rule,L’énoncé et l’inférence respectent-ils les règles syntaxiques et logiques du système employé ?,crossLink_Opposes,Des énoncés rigoureux préviennent les erreurs de raisonnement en restaurant la conformité aux règles formelles de construction et d’inférence.
+135,Définitions claires,798,Abus de langage,800;826,800=Acception vague; 826=Définition incohérente,Argument from Verbal Classification,"Le terme est-il défini de façon précise, cohérente et conforme à l’usage pertinent ?",crossLink_Opposes,Des définitions claires empêchent les confusions lexicales en restaurant la question de la précision et de la cohérence de la classification verbale.
+142,Comparaisons justifiées,798,Abus de langage,834;839,834=Comparaison abusive; 839=Fausse analogie,Argument from Analogy,Les éléments comparés présentent-ils des ressemblances pertinentes et suffisantes malgré leurs différences ?,crossLink_Opposes,Des comparaisons justifiées préviennent les abus de langage analogiques en restaurant l’examen de la pertinence réelle des ressemblances invoquées.
+146,Clarté linguistique,798,Abus de langage,847;855,847=Amphibologie; 855=Équivoque,Argument from Verbal Classification,Les termes employés sont-ils suffisamment clairs et univoques pour soutenir la classification proposée ?,crossLink_Opposes,"La clarté linguistique prévient l’abus de langage en restaurant l’exigence que les mots utilisés aient un sens accessible, stable et non ambigu."
+159,Clarté des enjeux,887,Tricherie,953;942,953=Attention sélective; 942=Fausse attribution,Argument from Commitment,"Les enjeux pertinents du débat sont-ils exposés loyalement, sans omission ni attribution trompeuse ?",crossLink_Opposes,"La clarté des enjeux empêche la tricherie en rendant explicites les objectifs, les responsabilités et les points réellement discutés."
+167,Effort d'objectivité,887,Tricherie,953;1242,953=Attention sélective; 1242=Biais théoriques,Argument from Bias,"Les faits sont-ils établis avec impartialité, en tenant compte des biais possibles ?",crossLink_Opposes,L’effort d’objectivité prévient la tricherie en restaurant l’examen impartial des faits plutôt qu’une sélection orientée des éléments favorables.
+180,Contribution positive,1280,Obstruction,1297;1313,1297=Preuve par assertion; 1313=Évasion,Argument from Commitment,La contribution apporte-t-elle des raisons substantielles qui répondent réellement à la discussion ?,crossLink_Opposes,La contribution positive prévient l’obstruction en remplaçant l’affirmation gratuite ou l’évitement par un apport argumentatif constructif.
+199,Participation efficace,1280,Obstruction,1313;1345,1313=Évasion; 1345=Complication exagérée,Argument from Commitment,"La participation fait-elle avancer le débat de façon pertinente, claire et coopérative ?",crossLink_Opposes,La participation efficace prévient l’obstruction en maintenant l’échange centré sur des réponses utiles plutôt que sur l’évitement ou la complexification stérile.
+207,Respect de la personne,1280,Obstruction,1398;1352,1398=Attaque personnelle; 1352=Empoisonnement du puits,Argument from Bias,La critique porte-t-elle sur l’argument plutôt que sur la disqualification de la personne ?,crossLink_Opposes,Le respect de la personne prévient l’obstruction en préservant la dignité des participants et en empêchant que le débat soit détourné par des attaques personnelles.

docs/taxonomy/499-virtues-parity-pilot.md

@@ -26,7 +26,7 @@ Without these layers, Virtues cannot express *which fallacies a virtue prevents*
 Add to `Argumentum Virtues - Taxonomy.csv` the **same 12 columns** Fallacies uses, verbatim names:
 
 ```
-crossLink_PredatesOn, crossLink_Denounces, crossLink_Levarages, crossLink_Allows,
+crossLink_PredatesOn, crossLink_Denounces, crossLink_Leverages, crossLink_Allows,
 crossLink_Opposes, crossLink_Inverts, crossLink_Mirrors, crossLink_IsRelatedTo,
 AIF_skosDirectRef, AIF_skosExceptionRef, AIF_skosOther, AIF_skosMappingType
 ```

docs/taxonomy/499-virtues-scaleup-phase1.md

@@ -0,0 +1,88 @@
+# #499 — Virtues Scale-up, Phase 1: the 18 depth-2 sub-families (GATED proposal)
+
+**Issue:** [#499 — Virtues parity with Fallacies relational + AIF layers](https://github.com/ArgumentumGames/Argumentum/issues/499)
+**Author:** Claude Code @ myia-po-2024 (worker)
+**Date:** 2026-06-17
+**Base:** master `fc8313b3`
+**Status:** **GATED PROPOSAL** — ai-01 reviews structure, jsboige validates content. **No production Virtues CSV change until jsboige approves.** This document + the annotation CSV are the proposition.
+
+**Calibration:** [`499-virtues-parity-pilot.md`](499-virtues-parity-pilot.md) + [`499-pilot-annotations.csv`](499-pilot-annotations.csv) — jsboige **validated interactively** ("nickel pour la parité", 2026-06-17) and merged as the few-shot exemplar.
+
+---
+
+## 1. Scope of Phase 1
+
+The pilot annotated **10 structuring virtues** (7 family roots at depth 1 + 3 central depth-2 sub-virtues: pk 12, 88, 153). Phase 1 completes the **depth-2 structural backbone**: the **18 remaining depth-2 sub-families** (3 per Virtue family, minus the 3 already done). These are the nodes that anchor each family's three sub-branches before the depth-3+ leaves are refined.
+
+| Virtue family | depth-2 pks (Phase 1) | prevented Fallacy family |
+|---|---|---|
+| Argument pertinent | 2, 28 | Insuffisance (1) |
+| Présentation intègre | 35, 51, 55 | Tricherie (887) |
+| Rigueur mathématique | 60, 64, 71 | Erreur mathématique (594) |
+| Raisonnement valide | 80, 84 | Erreur de raisonnement (696) |
+| Langage exact | 135, 142, 146 | Abus de langage (798) |
+| Honnêteté intellectuelle | 159, 167 | Tricherie (887) |
+| Échange enrichissant | 180, 199, 207 | Obstruction (1280) |
+
+Remaining after Phase 1: **194 depth-3…7 leaf nodes** (Phase 2+, per family).
+
+## 2. Schema — mirrors the validated pilot (10-col presentation), not the 12-col prod write
+
+The pilot CSV uses a **10-column presentation schema** (what jsboige validated). Phase 1 reuses it verbatim:
+
+```
+virtue_pk, virtue_title, prevented_family_pk, prevented_family_name,
+crossLink_Opposes, opposed_fallacies_readable,
+AIF_skosDirectRef, AIF_skosMappingType, link_type, justification
+```
+
+Two naming notes carried over from the pilot (intentional, not errors):
+- `AIF_skosDirectRef` holds the **Walton scheme name** the virtue honors.
+- `AIF_skosMappingType` holds the **critical question (CQ) the virtue restores** (FR), not a mapping-type enum.
+
+When jsboige approves and we write to the production Virtues CSV, these map into the **12-col Fallacies-mirror schema** (8 `crossLink_*` + 4 `AIF_skos*`, §2 of the pilot doc). Phase 1's `crossLink_Opposes` cell → the `crossLink_Opposes` column; `AIF_skosDirectRef`/`AIF_skosMappingType` carry straight over. That prod write is the **final gated step** (spot-check ai-01 + nod jsboige).
+
+## 3. The inverse paradigm (honored per virtue)
+
+A virtue is the **good holding of a scheme** — the **correct answer to the CQ** that the corresponding fallacy **violates**. So each row gives: the Fallacy family prevented, 1–2 specific named fallacies opposed (`crossLink_Opposes`, real depth-3 PKs), the Walton scheme, and the CQ the virtue restores. The same family mirror the pilot recovered independently is used here as a **hard constraint**.
+
+## 4. Method & anti-fabrication guarantee
+
+- **Model:** gpt-5.5 (OpenAI direct, key live 2026-06-17). `POST /v1/responses`, `reasoning:{effort:"low"}`, `max_output_tokens:4500`, no `temperature` (rejected). 3 batches of 6 virtues (smoke first → batch validated format before continuing). Answer read from `output[].content[].text` (the `output_text` top-level field is empty for this provider).
+- **Grounding catalog:** the **7 Fallacy family PKs** (1, 175, 594, 696, 798, 887, 1280) + **63 named depth-3 fallacies** (9 per family), extracted via CSV-aware parsing (`csv.DictReader` — naive `awk -F','` corrupts on quoted multilingual fields). The prompt forbids referencing any PK outside this catalog.
+- **Family mirror as hard constraint:** each Virtue family's `prevented_family_pk` is fixed (pilot §3), so the model cannot invent a family mapping.
+- **Verification (three independent layers, all re-checked against the REAL corpus, not the prompt catalog):**
+  1. *Catalog membership* — every opposed PK ∈ the 63 depth-3 set; `prevented_family_pk` ∈ the 7 families.
+  2. *Ground-truth* — every PK re-verified against the real 1408-row Fallacies CSV; opposed-PK ↔ name and family-PK ↔ name cross-checked character-for-character.
+  3. *Mirror consistency* — each virtue's `prevented_family_pk` equals the pilot §3 mirror for its Virtue family.
+- **Result: 18/18 annotated, 0 violations across all three layers.** [PASS — structural integrity + mirror consistency verified.]
+
+Generation/verify script: `tmp/499_gen.py` (ephemeral, not committed). Raw model output: `tmp/499_gen_batch{A,B,C}.json` (ephemeral).
+
+## 5. Sample of the 18 rows (full set in the CSV)
+
+| Virtue (pk) | → Fam. (PK) | Opposes (PK = fallacy) | Walton scheme | CQ restored |
+|---|---|---|---|---|
+| Généralisations justifiées (60) | Erreur math (594) | 596 Échantillon biaisé · 759 Conclusion hâtive | Argument from Example | L'échantillon est-il représentatif et suffisant ? |
+| Causalités bien identifiées (80) | Erreur raisonn. (696) | 707 Inversion de causalité · 719 Effet cigogne | Argument from Cause to Effect | La relation causale est-elle établie sans confondre cause et corrélation ? |
+| Comparaisons justifiées (142) | Abus langage (798) | 834 Comparaison abusive · 839 Fausse analogie | Argument from Analogy | Les ressemblances invoquées sont-elles pertinentes ? |
+| Clarté linguistique (146) | Abus langage (798) | 847 Amphibologie · 855 Équivoque | Argument from Verbal Classification | Les termes sont-ils univoques ? |
+| Respect de la personne (207) | Obstruction (1280) | 1398 Attaque personnelle · 1352 Empoisonnement du puits | Argument from Bias | La critique porte-t-elle sur l'argument, pas la personne ? |
+
+Machine-readable: [`499-scaleup-phase1-annotations.csv`](499-scaleup-phase1-annotations.csv).
+
+## 6. What this does NOT do (gate boundaries)
+
+- ❌ Does **not** edit the production `Argumentum Virtues - Taxonomy.csv` (no schema cols added, no rows changed). Awaiting jsboige approval.
+- ❌ Does **not** touch OWL, EPITA consumer, cards, or mindmaps.
+- ❌ Does **not** claim the content is final — Phase 1 is the depth-2 backbone; depth-3…7 refinement (Phase 2+) follows, then the gated prod write.
+
+## 7. Proposed next steps (gated on jsboige)
+
+1. **jsboige validates** the 18 Phase-1 rows (paradigm + content).
+2. **Phase 2+** — refine the depth-3…7 leaves per family (Raisonnement valide = 55 nodes is the largest; Langage exact = 18 the smallest), same method + anti-fab.
+3. On approval of the full set: add the 12 columns to the production Virtues CSV (empty), populate via DatasetUpdater gpt-5.5 using pilot + Phase 1 as calibration, then propagate to OWL + wire the EPITA consumer.
+
+---
+
+*GATED proposal. Worker signals structure + grounding; ai-01 reviews, jsboige validates content. No production data changed.*