[논문 리뷰] Rules, Resources, and Restrictions: A Taxonomy of Task-Based Information Request Intents

Melanie A. Kilian, David Elsweiler|arXiv (Cornell University)|2026. 01. 19.

Information Retrieval and Search Behavior인용 수 0

한 줄 요약

이 논문은 공항 정보 데스크 직원과의 전문가 인터뷰에 근거 이론에 기반한 작업 기반 정보 요청 의도 분류 체계를 개발하고, 작업 맥락을 전통적인 로그 기반 접근 방식 너머의 쿼리 의도와 연결합니다. 이 분류 체계는 고수준의 업무에 집중하여 AI 구동형 작업 지향 검색을 지원합니다.

ABSTRACT

Understanding and classifying query intents can improve retrieval effectiveness by helping align search results with the motivations behind user queries. However, existing intent taxonomies are typically derived from system log data and capture mostly isolated information needs, while the broader task context often remains unaddressed. This limitation becomes increasingly relevant as interactions with Large Language Models (LLMs) expand user expectations from simple query answering toward comprehensive task support, for example, with purchasing decisions or in travel planning. At the same time, current LLMs still struggle to fully interpret complex and multifaceted tasks. To address this gap, we argue for a stronger task-based perspective on query intent. Drawing on a grounded-theory-based interview study with airport information clerks, we present a taxonomy of task-based information request intents that bridges the gap between traditional query-focused approaches and the emerging demands of AI-driven task-oriented search.

연구 동기 및 목표

• 전통적인 쿼리 중심 의도 분류와 AI 구동형 작업 지향 검색의 요구 사이의 간극을 메운다.
• 정보 데스크 직원과의 질적 전문가 인터뷰를 통해 작업 맥락과 사용자의 목표를 포착한다.
• 다른 작업 맥락에 대해 추상적이고 이전 가능한 근거 이론 기반 분류 체계를 개발한다.
• 작업 맥 context가 정보 요청의 해석을 어떻게 바꾸는지 보여준다.

제안 방법

• 질적 GTM 방법을 사용하여 여덟 명의 공항 정보 데스크 직원과 함께 근거 이론 기반 인터뷰 연구를 수행했다.
• 인터뷰에서 720건의 정보 요청 진술을 수집하고 개방 코딩, 축 코딩, 선택 코딩을 수행했다.
• 범주를 정교화하기 위해 지속적 비교(constant comparisons)을 사용했고, 인간 주도 해석을 보존하는 한편 카테고리에 도전하기 위해 AI 언어 모델(GPT-4o)을 참고했다.
• 작업 기반 의도를 설명하는 4계층 분류 체계로 20개의 1단계 카테고리와 86개의 하위 카테고리를 작성했다.
• 147개의 무작위로 선택된 질문에 대해 외부 평가자와 함께 분류 체계의 신뢰성을 평가했으며, 설명자 간 일치도가 상당하다(Cohen’s κ = 0.84) 달성.
• 공항 특유의 라벨보다 추상적이고 맥 context 일반적인 범주를 목표로 했다(예: ‘실행을 위한 규칙’).

Figure 1. The top levels of the task-based request intent taxonomy

실험 결과

연구 질문

• RQ1 공항 방문객은 어떤 다양한 정보 요구를 가지며, 그 요구 아래 어떤 작업이 작용하는가?
• RQ2 작업 맥 context가 고립된 쿼리 의도를 넘어 정보 요청을 어떻게 형성하고 분류할 수 있는가?
• RQ3 작업 기반 분류 체계가 전통적인 로그 기반 데이터를 넘어 더 넓은 AI 구동형 작업 지향 검색을 지원할 수 있는가?
• RQ4 공항에서 도출된 이 분류 체계가 다른 작업 맥락으로 얼마나 이전될 수 있는가?

주요 결과

• 4계층 분류 체계로 20개의 1단계 카테고리와 86개의 하위 카테고리를 갖춘 작업 기반 정보 요청 의도를 포착한다.
• 행동 규칙, 맥락/제약, 자원, 진행 신호를 작업 기반 검색의 핵심 의도 영역으로 삼는 주장을 제시한다.
• 계획 작업은 일반적으로 실행 작업보다 덜 상세한 답변을 요구하지만, 형식화가 맥락을 신뢰성 있게 드러내지 않는 경우가 있다.
• 작업 맥 context는 요청 해석에 필수적이다; '어디에 … ?'와 같은 질의가 계획 단계인지 실행 단계인지에 따라 같은 수준의 상세 정보를 산출하지 않는 경우가 있다.
• 이 분류 체계는 기존의 기능 기반 및 콘텐츠 기반 분류 체계와 일치하며, 이전 가능성을 위해 작업 및 행동 기반 관점을 강조한다.
• 요청 뒤에 있는 맥 context가 평가자에게 제공되었을 때 카테고리 배정에 대한 평가자 간 일치도는 상당했다(κ = 0.84).