Earticle

초록

영어

We identify that previous puzzle-game studies have treated difficulty adjustment and hint provision separately, leaving the complementary effects or potential over-intervention of integrating these two elements insufficiently examined. To address this gap, we apply artificial intelligence (AI) to a game environment and propose an adaptive support system that adjusts NPC trust levels and automatically controls puzzle difficulty and hint tiers based on player behavior data. We designed and implemented the system in Unreal Engine 5.6, constructing a cyclical interaction structure that links trust adjustment to difficulty control and subsequent hint provision. Through this structure, we enable difficulty to adapt to the player's skill level, reducing fatigue and maintaining engagement. We also employ lightweight algorithms and computational structures to ensure real-time responsiveness and resource efficiency. From prototype testing using a single puzzle type, we confirmed that variations in trust are immediately reflected in puzzle difficulty and hint levels. By linking player behavior with performance data, we further established a foundation for exploring appropriate AI intervention levels and potential complementary effects. This study holds academic significance in that we experimentally implement an AI-based feedback structure that integrates trust adjustment, difficulty control, and tiered hint provision. The proposed system has the potential to expand to multiplayer settings and various game genres, and it may serve as a practical reference for AI-based puzzle design and personalized feedback research.

한국어

기존 퍼즐 게임 연구는 난이도 조정과 힌트 제공을 별도로 다뤄져 왔기에 통합시에 발생하는 상호보완적 효과나 과도 개입 문제가 충분히 검증되지 않았다. 이에 본 연구는 인공지능(AI)을 게임 환경에 적용하여, 플레이어의 행동 데이터를 기반으로 NPC 신뢰도를 조정하고 퍼즐 난이도 및 힌트 수준을 자동으로 제어하는 적응형 지원 시스템을 제안하였다. 제안된 시스템은 언리얼 엔진 5.6에서 신뢰도 → 난이도 조정→ 힌트 제공으로 이어지는 순환적 상호작용 구조를 설계하였다. 이를 통해 플레이어 숙련도에 맞춰 난이도가 조절되어 피로감을 줄이고 몰입을 유지하도록 하였다. 또한 경량화된 알고리즘과 연산 구조를 활용함으로써 실시간 반응성과 자원 효율성을 확보하였다. 단일 퍼즐 유형의 프로토타입 검증 결과, 신뢰도의 변동이 난이도·힌트에 즉시 반영되는 것을 확인하였다. 또한 플레이어 행동과 성과 데이터의 연동을 통해 AI 개입 수준의 적정선과 상호보완성 가능성을 탐색할 기반을 마련하였다. 더 나아가 본 시스템은 신뢰도 조정, 퍼즐 난이도 제어, 단계별 힌트 제공을 통합한 AI 기반 피드백 구조를 실험적으로 구현하였다는 점에서 학문적 의의를 가진다. 제안된 시스템은 향후 멀티플레이어 환경과 다양한 게임 장르로의 확장성을 지니며, AI 기반 퍼즐 설계 및 맞춤형 피드백 연구의 실증적 기초 자료로 활용될 수 있을 것으로 기대된다.

키워드

저자

• 권순형 [ Soon-Hyeong Kwon ]
• 김정이 [ Jung-Yi Kim ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]

• 간기

  격월간

• pISSN

  2384-0358

• eISSN

  2384-0366

• 수록기간

  2015~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700