PleaSQLarify: 자연어 데이터베이스 질의를 위한 시각적이고 실용적인 오류 수정

PleaSQLarify: Visual Pragmatic Repair for Natural Language Database Querying

자연어 데이터베이스 인터페이스는 데이터 접근성을 넓히지만, 입력의 모호성으로 인해 여전히 불안정합니다. 기존 방식은 종종 불확실성을 하나의 질의로 압축하여 사용자 의도와 시스템 해석 간의 불일치에 대한 지원이 부족합니다. 우리는 이 문제를 실용적 추론 관점에서 재해석합니다. 사용자는 표현을 간결하게 사용하지만, 시스템은 사용자의 의도와 일치하지 않을 수 있는 행동 공간에 대한 사전 지식을 기반으로 작동합니다. 이러한 관점에서, 실용적 오류 수정은 최소한의 상호 작용을 통한 점진적인 명확화 전략으로서 자연스러운 해결책입니다. 우리는 extsc{PleaSQLarify}를 제안하며, 이는 해석 가능한 의사 결정 변수를 중심으로 상호 작용을 구조화하여 효율적인 명확화를 가능하게 합니다. 시각적 인터페이스는 사용자가 탐색할 수 있는 행동 공간을 보여주고, 사용자에게 명확화를 요청하며, 각 단계에서의 시스템의 이해도를 추적할 수 있도록 지원합니다. 12명의 참가자를 대상으로 한 연구에서, extsc{PleaSQLarify}는 사용자에게 대체 해석을 인식하고 모호성을 효율적으로 해결하도록 도왔습니다. 우리의 연구 결과는 실용적 오류 수정을 자연어 인터페이스 설계 원칙으로 강조하며, 이를 통해 사용자가 인터페이스를 효과적으로 제어할 수 있도록 합니다.

Natural language database interfaces broaden data access, yet they remain brittle under input ambiguity. Standard approaches often collapse uncertainty into a single query, offering little support for mismatches between user intent and system interpretation. We reframe this challenge through pragmatic inference: while users economize expressions, systems operate on priors over the action space that may not align with the users'. In this view, pragmatic repair -- incremental clarification through minimal interaction -- is a natural strategy for resolving underspecification. We present \textsc{PleaSQLarify}, which operationalizes pragmatic repair by structuring interaction around interpretable decision variables that enable efficient clarification. A visual interface complements this by surfacing the action space for exploration, requesting user disambiguation, and making belief updates traceable across turns. In a study with twelve participants, \textsc{PleaSQLarify} helped users recognize alternative interpretations and efficiently resolve ambiguity. Our findings highlight pragmatic repair as a design principle that fosters effective user control in natural language interfaces.