[논문]게임 중독과 디지털 중독 예방을 위한 게이미피케이션 개발 요소 제언

박성진; 김상균

doi:10.7583/jkgs.2019.19.1.95

게임 중독과 디지털 중독 예방을 위한 게이미피케이션 개발 요소 제언
A Proposal of Gamification Design Elements to prevent Game and Digital Addiction 원문보기

한국게임학회 논문지 = Journal of Korea Game Society, v.19 no.1, 2019년, pp.95 - 108

초록
AI-Helper

본 연구의 목적은 게임 중독을 개선하기 위한 게이미피케이션 개발 방법 방향 제언이다. 연구 진행을 위해 782개의 게이미피케이션 사례를 수집했다. 게이미피케이션 개발에 필요한 요소를 분석하기 위해 4F 프로세스를 기반으로 게임 메커닉스와 재미 경험을 분석했다. 분석한 사례를 기반으로 개발 요소 패턴을 분석하기 위해 아프리오리 알고리즘을 적용했다. 연구결과, 게임 메커닉스는 63개의 연관규칙이 발견됐다. 재미 경험은 37개의 연관규칙이 발견됐다. 본 연구 결과를 바탕으로 게임 중독 개선을 위한 게이미피케이션 개발 방향에 대해 제언한다.

Abstract ▼ AI-Helper

The purpose of this study is to suggest ways to design gamification to improve the game and digital addiction. For the study, 782 of gmaification cases were collected and game mechanics and fun experience were analyzed by 4F process which is to design the effective gamification. To find the specific pattern, apriori algorithm, which is to find associated rules in transaction is applied to the 782 cases. According to the results, 63 of game mechanics associated rules are found. In the fun experience, 37 of associated rules are found. Based on the result, this study suggest the direction of gamification design for game and digital addiction improvement.

주제어

표/그림 (6)

그림 [Fig. 1] Video Game Therapy To ready for the FDA Approval
표 [Table 1] Applied Game Mechanics Summary
표 [Table 2] Applied PLEX Fun Factors
표 [Table 3] Example of Apriori Algorithm
표 [Table 4] Results of Descriptive Statistics
표 [Table 5] This Study Results Summary

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 게임 중독과 디지털 중독을 예방하고 개선하는 방법 중 하나로 게이미피케이션을 제언했다. 게이미피케이션의 특징 중 하나인 행동유도성을 통해 중독을 예방하고, 올바른 게임 및 디지털 기기 사용법을 제언하기 위한 연구이다.
본 연구에서는 게이미피케이션을 통한 행동유도성 자극이 게임 중독 및 디지털 중독 예방에 효율적일 것으로 판단했다. 그렇기 때문에 기존에 발표된 개발 방법론 기반으로 게이미피케이션을 개발할 때, 효율적인 게임 메커닉스와 재미 경험 설정을 위해 빅데이터 분석 알고리즘으로 적용 패턴을 찾아서 기초적인 배경 및 틀을 제시하는 것이 목적이다.
게임 메커닉스 사용과 관련하여 Werbach, Hunter[11]은 자주 사용되는 게임 메커닉스인 포인트, 배지, 리더보드(레벨)을 합쳐 PBL 시스템이라고 정의했다. 본 연구에서 수집한 사례에서 PBL시스템을 제외한 게임 메커닉스 중에서 연관 규칙이 발생하는지에 대해 알아본다.
해당 연구에 따르면, 각 카테고리 별 적용된 게임 메커닉스와 재미 경험은 비슷한 방향성을 보였다. 본 연구에서는 선행연구를 기반으로, 적용 분야와 상관없이 게임메커닉스와 재미 경험의 적용 패턴을 분석하여 개발자가 겪는 어려움을 일부 해소하는 것이 목적이다.
이러한 문제점들을 해결하기 위해 본 연구는 머신러닝 알고리즘 중 하나인 아프리오리 알고리즘(Apriori Algorithm)을 활용하여 게임 메커닉스와 재미 경험 설정에 대한 문제를 일부 해결하는 것이 목적이다. 체계적인 연구를 진행하기 위해 다음의 연구 질문(Research Question)을 설정하여 순차적으로 연구를 진행했다.
본 연구도 마찬가지로 개발 방법론의 절차를 따르는 것이 옳다고 판단했다. 이처럼, 게임 중독, 디지털 중독을 예방하기 위해 게이미피케이션이 적절하며, 효과적인 게이미피케이션을 개발하기 위해 기존에 발표된 개발 방법론의 필요성을 확인했다.
아프리오리 알고리즘의 초기 사용처는 대형 마켓의 소비자 분석에서 시작됐다. 특정 소비자의 구매이력 데이터를 분석하여 제품 판매 유도 및 매장 구조설정이 목표였다. A라는 고객이 “라면을 샀다면, 계란을 살 가능성도 높다”라는 결과를 확률적으로 도출하는 알고리즘이다.

제안 방법

사례 분포 년도는 총 7개로, 2012년 이전~2017으로 구분했다. 게이미피케이션 유형은 소프트웨어, 하드웨어, 빅게임/대체현실게임(Alternative Reality Game)으로 구분했다. 게이미피케이션 유형에서 소프트웨어 형태가 619개로 가장 많았으며, 하드웨어 98개, 빅게임/대체현실게임이 65개 순으로 많은 비중을 차지했다.
본 연구 역시, 이러한 세계적 움직임에 합류하여 게임을 이용하여 게임 중독 예방의 가능성을 확인하는 이열치열(以熱治熱)식 방법으로 게이미피케이션을 제시한다. 게임 중독 뿐만 아니라, 최근 스마트폰 기능 향상과 온라인 콘텐츠 사용의 시간적, 공간적 제약이 약화되고 접근성이 향상됐다.
체계적인 연구를 진행하기 위해 다음의 연구 질문(Research Question)을 설정하여 순차적으로 연구를 진행했다. 세 가지 연구질문에 대한 답을 찾아가면서 게임 중독 및 디지털 중독 예방을 위한 게이미피케이션 개발 방향을 제시하고, 적절한 게임 메커닉스와 재미 경험을 제시한다.

대상 데이터

게이미피케이션 사례는 구글 검색과 엔터프라이즈 게이미피케이션 위키(Enterprise Gamification WiKi) 페이지를 참고했다. 본 연구진이 수집한 사례 중, 일회성 사례는 제외했다.
게이미피케이션과 관련된 선행 연구 사례도 제외했다. 본 연구에서 수집한 사례는 직접 플레이가 가능하거나, 현재 진행중인 사례, 인터넷에 플레이 영상 또는 스크린샷이 존재하는 사례만 수집했다. 사례 수집 기간은 2017년 12월부터 2018년 6월까지이다.
은 게임 메커닉스와 관련된 선행연구를 정리하여 25 가지 게임 메커닉스를 제안했다. 본 연구에서는 제안된 25 가지 게임 메커닉스 중에서 분석이 가능한 18개의 게임 메커닉스를 적용했으며, 다음의 Table 1과 같다.
다음의 Table 4는 본 연구진이 수집한 782개의 게이미피케이션 사례에 대한 기술 통계 결과이다. 사례 분포 년도는 총 7개로, 2012년 이전~2017으로 구분했다. 게이미피케이션 유형은 소프트웨어, 하드웨어, 빅게임/대체현실게임(Alternative Reality Game)으로 구분했다.
본 연구에서 수집한 사례는 직접 플레이가 가능하거나, 현재 진행중인 사례, 인터넷에 플레이 영상 또는 스크린샷이 존재하는 사례만 수집했다. 사례 수집 기간은 2017년 12월부터 2018년 6월까지이다. 총 782개의 사례를 수집했다.
연구 진행을 위해 782개의 게이미피케이션 사례를 수집했다. 적용된 게임 메커닉스와 재미 경험을 분석하기 위해 4F 프로세스[9] 절차를 적용했다.
사례 수집 기간은 2017년 12월부터 2018년 6월까지이다. 총 782개의 사례를 수집했다. 또한, 학술적 분석 결과가 아닌 해당 사례를 개발한 기업 또는 개인이 분석한 결과, 언론이나 외부에 노출된 결과가 존재한 사례만 취급했다.

이론/모형

게임 메커닉스는 Kim ea al. [13]의 기준을 적용했다. Kim et al.
아프리오리 알고리즘 전체 분석 결과는 Appendix 1, 2에 기록했다. 아프리오리 알고리즘 분석을 위해 R Studio arules 패키지를 사용했다. 아프리오리 알고리즘 설정 단계에서 지지도는 최소 0.
재미 경험은 PLEX(PLayful EXperience) 모델을 적용했다. PLEX 모델은 시판중인 게임을 분석하여 인간이 경험 가능한 22가지 재미를 이론으로 정리한 모델이다[14].
연구 진행을 위해 782개의 게이미피케이션 사례를 수집했다. 적용된 게임 메커닉스와 재미 경험을 분석하기 위해 4F 프로세스[9] 절차를 적용했다. 게임 메커닉스는 Kim ea al.

성능/효과

782개 사례 중에서 게임 메커닉스의 연관 규칙은 63개, PLEX 재미 경험의 연관 규칙은 37개가 발견됐다. 가장 높은 지지도를 기록한 게임 메커닉스 연관 규칙은 포인트, 배지, 가상물품, 리더보드, 진척도였다.
가장 높은 지지도를 기록한 게임 메커닉스 연관 규칙은 포인트, 배지, 가상물품, 리더보드, 진척도였다. 가장 높은 신뢰도를 기록한 게임 메커닉스 연관 규칙은 진척도, 배지, 가상물품, 아바타, 리더보드로 나타났다. 가장 높은 향상도를 기록한 게임 메커닉스 연관 규칙은 포인트, 진척도, 리더보드, 카운트다운과 퀘스트(미션)으로 나타났다.
782개 사례 중에서 게임 메커닉스의 연관 규칙은 63개, PLEX 재미 경험의 연관 규칙은 37개가 발견됐다. 가장 높은 지지도를 기록한 게임 메커닉스 연관 규칙은 포인트, 배지, 가상물품, 리더보드, 진척도였다. 가장 높은 신뢰도를 기록한 게임 메커닉스 연관 규칙은 진척도, 배지, 가상물품, 아바타, 리더보드로 나타났다.
가장 높은 신뢰도를 기록한 PLEX 재미 경험 연관 규칙은 완성, 발견, 시뮬레이션, 도전이다. 가장 높은 향상도를 기록한 PLEX 재미 경험 연관 규칙은 도전, 완성. 휴식.
가장 높은 신뢰도를 기록한 게임 메커닉스 연관 규칙은 진척도, 배지, 가상물품, 아바타, 리더보드로 나타났다. 가장 높은 향상도를 기록한 게임 메커닉스 연관 규칙은 포인트, 진척도, 리더보드, 카운트다운과 퀘스트(미션)으로 나타났다.
PLEX 재미 경험은 도전이 779개로 가장 많은 비중을 차지했다. 그 다음으로 완성, 발견, 자기표현, 시뮬레이션, 동료의식, 양육, 휴식, 경쟁, 감각, 공감, 탐험, 판타지, 통제, 매혹, 유머, 전율, 복종, 고통, 에로티시즘, 가학, 전복 순으로 적용된 것으로 나타났다. 게임 메커닉스와 PLEX 재미 경험 모두 Park, Kim[10]의 선행연구와 비슷한 분포를 보였다.
85배 더 높은 것으로 나타났다. 또한, 주당 6시간 이상 게임을 플레이한 어린이는 그렇지 못한 어린이 보다 우울증, ADHD, 정서 불안등과 같은 정신 건강 문제가 적은 것으로 나타났다. Granic, Lobel & Engels[3]은 게임이 가진 동기부여, 감정, 사회적, 기능적 관점에서 플레이어들의 능력을 향상시키고, 장시간 게임 플레이로 인해 발생하는 부정적인 가치 개선이 가능하다고 제언했다.
또한, 게임 메커닉스나 게임 규칙을 통한 바람직한 행동 유도가 가능하다. 본 연구에서는 게이미피케이션을 통한 행동유도성 자극이 게임 중독 및 디지털 중독 예방에 효율적일 것으로 판단했다. 그렇기 때문에 기존에 발표된 개발 방법론 기반으로 게이미피케이션을 개발할 때, 효율적인 게임 메커닉스와 재미 경험 설정을 위해 빅데이터 분석 알고리즘으로 적용 패턴을 찾아서 기초적인 배경 및 틀을 제시하는 것이 목적이다.
본 연구결과는 Table 5과 같이 요약된다. 세 가지 연구 질문에 대한 해답으로, 게임 메커닉스와 재미 경험에 연관 규칙이 존재했으며, PBL 시스템을 제외했을 때는 게임 메커닉스 연관 규칙이 생성되지 않았다.
출시 년도는 2014년이 291개로 가장 많은 사례가 발표됐으며, 그 다음으로 2015년 210개, 2016년 89개, 2012년 이전 86개, 2013년 55개, 2017년 51개로 나타났다. 수집된 사례의 게임메커닉스 분포는 진척도가 774개로 가장 많은 비중을 차지했으며, 리더보드, 포인트, 배지, 가상물품, 퀘스트(미션), 공동발견, 아바타, 경쟁, 카운트다운, 레벨, 언락킹, 권한, 복권(운), 비계, 가상화폐, 소셜 네트워크, 실제물품 순이었다. PLEX 재미 경험은 도전이 779개로 가장 많은 비중을 차지했다.
[2]는 동-서유럽 6세에서 11세 아이들과 학부모, 교사를 대상으로 실험적 연구를 진행했다. 해당 연구결과에 따르면, 1주일에 6시간 이상 게임을 플레이 하는 아이들이 그렇지 못한 아이들보다 지적 능력이 1.75배 뛰어나며, 학교에서 진행하는 학습 활동의 성과물 점수가 1.85배 더 높은 것으로 나타났다. 또한, 주당 6시간 이상 게임을 플레이한 어린이는 그렇지 못한 어린이 보다 우울증, ADHD, 정서 불안등과 같은 정신 건강 문제가 적은 것으로 나타났다.

후속연구

그렇기 때문에 본 연구는 정량적 척도와 관계없이 본 연구에서 제언하는 게임 메커닉스 연관 규칙의 사용을 긍정적으로 고려할 것을 제언한다. 사용자마다 선호하는 재미 유형이 다르다.
기존에 발표된 게이미피케이션 개발 방법론들은 효율적인 게이미피케이션을 개발하기 위해 반드시 개발 방법론의 절차를 따를 것을 제언한다. 본 연구도 마찬가지로 개발 방법론의 절차를 따르는 것이 옳다고 판단했다.
이러한 조건을 맞추기 위해서 체계적으로 게이미피케이션을 개발해야 한다. 본 연구 결과는 이러한 설계 원칙을 지킬 수 있도록 도와주는 역할 수행이 가능할 것으로 기대된다.
본 연구는 게임 중독과 디지털 중독을 예방하고 개선하는 방법 중 하나로 게이미피케이션을 제언했다. 게이미피케이션의 특징 중 하나인 행동유도성을 통해 중독을 예방하고, 올바른 게임 및 디지털 기기 사용법을 제언하기 위한 연구이다.
본 연구의 한계점은 검증 절차의 부재이다. 빅데이터 분석 알고리즘을 통해 결과를 도출했으나, 실제 중독 현상 개선을 위한 게이미피케이션을 개발하고, 효과성 분석을 진행해야 본 연구결과의 신뢰성, 타당성, 일반화 가능성에 대한 언급이 가능하다.
Jiang et al.은 위의 4 가지 조건을 갖추기 위해서는 기본 프로그램보다 소프트웨어 기반의 치료법을 개발해야 할 것을 제언했으며, 해당 조건 충족이 가능한 방법으로 게이미피케이션을 제시했다. 게이미피케이션은 포인트, 레벨, 배지, 리더보드와 같은 게임 요소(Game Elements)를 게임이 아닌 영역(Non-Game Context)에 적용하여 게임적 경험(Gameful Experience)를 제공하여 참여자에게 재미와 몰입을 제공하고, 동기를 부여하고, 협업과 협력을 촉진하는 기법(Technique)이다[6, 7].
이러한 특징을 바탕으로 게임 중독과 디지털 중독 예방을 위한 콘텐츠 개발에 본 연구결과가 적극 활용되어야 한다. Jiang et al.
하지만 본 연구에서는 적용에 필요한 요소를 분석 기법 기반의 제언에서 그쳤다. 하지만 추가연구에서는 본 연구결과를 적용한 게이미피케이션을 개발하고, 실제 중독 또는 과몰입 증상을 보이는 사람들을 대상으로 효과성 분석 연구를 진행 할 것이다.
하지만, 본 연구는 지지도, 신뢰도, 향상도와 상관없이 본 연구결과를 활용할 것을 제언한다. 게이미피케이션 설계 단계에서 게임 메커닉스와 재미 경험 설정 단계는 아직 전문지식이 요구된다.
Kim[20]은 대학생을 대상으로 PLEX 재미 유형을 조사했으며, 학년, 성별에 따라 일부 선호하는 재미 유형이 다른 것으로 나타났다. 하지만, 본 연구진이 제언하는 재미 경험 연관 규칙을 사용함으로써 재미경험 부분에서 참여자가 경험하는 이질감 최소화가 가능할 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Jiang et al.은 어떤 게임 메커닉스를 사용하여 플레이어의 과도한 게임사용을 제한했는가?	Jiang et al.은 게임 메커닉스인 진척도나 아바타를 사용하여 플레이어의 과도한 게임사용을 제한하고, 디지털 중독을 경험하는 사람들에게 새로운 소프트 웨어 기반 동기부여 접근법이 중독자들의 욕구 및 요구 사항 충족이 가능한 방법이라고 언급했다. 또한, 게이미피케이션이 정의된 2011년 이후, 성공적인 게이미피케이션 사례가 발표되기 시작했으며, 효율적인 게이미피케이션을 개발하기 위해서 개발 방법론도 함께 연구되기 시작했다.
	초기 아프리오리 알고리즘의 목표는 무엇인가?	아프리오리 알고리즘의 초기 사용처는 대형 마켓의 소비자 분석에서 시작됐다. 특정 소비자의 구매이력 데이터를 분석하여 제품 판매 유도 및 매장 구조설정이 목표였다. A라는 고객이 “라면을 샀다면, 계란을 살 가능성도 높다”라는 결과를 확률적으로 도출하는 알고리즘이다.
	게이미피케이션은 무엇인가?	은 위의 4 가지 조건을 갖추기 위해서는 기본 프로그램 보다 소프트웨어 기반의 치료법을 개발해야 할 것을 제언했으며, 해당 조건 충족이 가능한 방법으로 게이미피케이션을 제시했다. 게이미피케이션은 포인트, 레벨, 배지, 리더보드와같은 게임 요소(Game Elements)를 게임이 아닌 영역(Non-Game Context)에 적용하여 게임적 경험(Gameful Experience)를 제공하여 참여자에게 재미와 몰입을 제공하고, 동기를 부여하고, 협업과 협력을 촉진하는 기법(Technique)이다[6, 7]. Jiang et al.

참고문헌 (21)

Korea Creative Content Agency(KOCCA), "The White Paper of Game in 2017," Kocca, 2017.
V. Kovess-Masfety et al, "Is time spent playing video games associated with mental health, cognitive and social skills in young children?" Soc. Psychiatry Psychiatr. Epidemiol., vol. 51, (3), pp. 349-357, 2016.

상세보기
I. Granic, A. Lobel and R. C. Engels, "The benefits of playing video games." Am. Psychol., vol. 69, (1), pp. 66, 2014.

상세보기
Jeff Engel, "Akili Grabs $55M, Seeking FDA Approval of First Viedo Game Therapy," Xconomy, May 9th, 2018.
J. Jiang, K. T. Phalp and R. Ali, "Digital addiction: Gamification for precautionary and recovery requirements," 2015.
I. Bunchball, "Gamification 101: An introduction to the use of game dynamics to influence behavior," White Paper, vol. 9, 2010.
S. Deterding et al, "From game design elements to gamefulness: Defining gamification," in Proceedings of the 15th International Academic MindTrek Conference: Envisioning Future Media Environments, 2011, pp. 9-15.
A. Mora et al, "A literature review of gamification design frameworks," in 2015 7th International Conference on Games and Virtual Worlds for Serious Applications (VS-Games), 2015, pp. 1-8.
S. Park, S. Kim, "Gamification Development Methodology-Design and Comparative Analysis of 4F Process," Journal of Digital Contents Society, vol. 19, (6), pp. 1131-1144, 2018.

원문보기 상세보기
S. Park and S. Kim, "Patterns Among 754 Gamification Cases: Content Analysis for Gamification Development," JMIR Serious Games, vol. 6, (4), pp. e11336, 2018.

상세보기
K. Werbach and D. Hunter, For the Win: How Game Thinking can Revolutionize Your Business. Wharton Digital Press, 2012.
J. Hamari, J. Koivisto and H. Sarsa, "Does gamification work?--a literature review of empirical studies on gamification," in 2014 47th Hawaii International Conference on System Sciences (HICSS), 2014, pp. 3025-3034.
S. Kim et al, "What is gamification in learning and education?" in Gamification in Learning and EducationAnonymous Springer, 2018, pp. 25-38.
J. Arrasvuori, M. Boberg and H. Korhonen, "Understanding playfulness-an overview of the revised playful experience (PLEX) framework," in Proc. of Design & Emotion 2010 Conference, Design and Emotion Society, 2010,
R. Agarwal and R. Srikant, "Fast algorithms for mining association rules," in Proc. of the 20th VLDB Conference, 1994, pp. 487-499.
K. Cho and H. Park, "A study on insignificant rules discovery in association rule mining," Journal of the Korean Data and Information Science Society, vol. 22, (1), pp. 81-88, 2011.
S. Park, S. Kim, "An optimized Number of Game Mechanics and PLEX Fun Factors for the Gamification Development," Journal of Digital Contents Society, vol. 19, (10), pp. 2009-2017, 2018.

상세보기
D. Dicheva et al, "Gamification in education: A systematic mapping study." Journal of Educational Technology & Society, vol. 18, (3), 2015.
N. Ostashewski and D. Reid, "A history and frameworks of digital badges in education," in Gamification in Education and Business Anonymous Springer, 2015, pp. 187-200.
S. Kim, "Analysis of engineering students' needs for gamification based on PLEX model," Journal on Knowledge and Data Engineering, vol. 1, (1), pp. 1-7, 2013.
A. Kankanhalli et al, "Gamification: A new paradigm for online user engagement," 2012.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증