Earticle

현재 위치 Home

대규모 언어 모델 등장에 따른 게임 분야 절차적 콘텐츠 생성 연구 동향의 변화 : 텍스트 마이닝 기반 핵심어 분석을 중심으로
Shifts in Game Procedural Content Generation Research after the Emergence of Large Language Models : A Text Mining-Based Keyword Analysis

첫 페이지 보기
  • 발행기관
    한국콘텐츠산업학회 바로가기
  • 간행물
    콘텐츠와산업 KCI 등재 바로가기
  • 통권
    제8권 제5호 (2026.10)바로가기
  • 페이지
    pp.201-205
  • 저자
    최수환
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A494059

※ 기관로그인 시 무료 이용이 가능합니다.
※ 학술발표대회집, 워크숍 자료집 중 4페이지 이내 논문은 '요약'만 제공되는 경우가 있으니, 구매 전에 간행물명, 페이지 수 확인 부탁 드립니다.

4,000원

원문정보

초록

영어
Procedural content generation (PCG) creates game data and assets algorithmically, lowering production costs while improving the reusability and diversity of game content. Recent advances in large language models (LLMs) have opened a new direction for PCG research, particularly in semantic content generation. This study uses text mining to examine research trends in game PCG before and after the emergence of LLMs. We first reviewed key studies on game PCG and LLMs to establish the theoretical background and survey the current state of the technology, and then applied N-gram, TF-IDF, and keyness analyses to English-language abstracts collected from OpenAlex and Semantic Scholar. The results show that LLM-related terms appeared far more frequently in abstracts published after the public release of ChatGPT than in earlier ones. This suggests that PCG is shifting from rule-based and search-based algorithms toward LLM-based generation, with the target content expanding to more complex, higher-level elements such as narrative structure and game mechanics.
한국어
절차적 콘텐츠 생성(procedural content generation)은 컴퓨터 알고리즘을 통해 게임 콘텐츠를 생성하는 기술로 게임 제작 비용 절감과 함께 콘텐츠의 재사용성과 다양성을 높일 수 있는 장점이 있다. 대규모 언어 모델(large language model)의 비약적 발전은 게임 PCG 연구에도 새로운 가능성을 보여주고 있는데 특히 기존 PCG 알고리즘이 취약했던 의미론적 콘텐츠 생성에 도움이 될 것으로 전망된다. 이 연구에서는 텍스트 마이닝 기법을 활용하여 대규모 언어 모델 등장 전후 게임 분야의 절차적 콘텐츠 생성 연구 동향을 핵심어 중심으로 분석하였다. 게임 PCG와 LLM에 관한 주요 선행 연구를 검토하여 이론적 배경과 기술 현황을 살펴보고 OpenAlex와 Semantic Scholar에서 수집한 영문 초록을 대상으로 N-gram, TF-IDF, 핵심도(keyness) 분석을 수행하였다. 분석 결과 ChatGPT가 공개된 시점 이후 LLM 관련 특징어가 유의미하게 증가했는데 이는 게임 분야 PCG 연구의 기술 요소가 기존의 규칙이나 탐색 기반 알고리즘에서 LLM 기반 생성 기법으로 이동하고 있으며 콘텐츠 요소는 서사 구조와 게임 메카닉 등 복잡도가 높은 상위 계층으로 확장되고 있음을 시사한다.

목차

요약
Abstract
I. 서론
II. 관련 연구
1. 콘텐츠 유형에 따른 PCG 연구
2. PCG에 사용되는 컴퓨터 알고리즘 연구
III. 연구방법
1. 데이터 수집
2. 데이터 전처리 및 분석
IV. 연구결과
1. N-gram 및 TF-IDF 분석
2. 핵심도 분석
V. 결론
참고문헌

저자

  • 최수환 [ Choe, Souhwan | 대구가톨릭대학교 뉴미디어&게임디자인과 부교수 ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국콘텐츠산업학회 [Korean Contents and Industry Association]
  • 설립연도
    2019
  • 분야
    복합학>학제간연구

간행물

  • 간행물명
    콘텐츠와산업 [Journal of Contents and Industry]
  • 간기
    격월간
  • pISSN
    2765-317X
  • 수록기간
    2019~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 600 DDC 700

이 권호 내 다른 논문 / 콘텐츠와산업 제8권 제5호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      페이지 저장