Earticle

본 연구는 로블록스와 마인크래프트의 구글 플레이 스토어 한국어 이용자 리뷰를 평점수준별로 분석하여, 평점에 따라 리뷰의 주제 구성이 어떻게 달라지며 두 게임 간에 어떤 차이가 나타나는지 확인하고자 하였다. 기존 게임 리뷰 연구는 평점을 통합한 단일 코퍼스에서 토픽을 도출하거나 리뷰를 긍정과 부정으로 이분하여 분석함으로써 평점 수준별로 구별되는 주제 구성이 드러나지 않는다. 이에 본 연구는 각 게임별 공통 토픽 공간을 바탕으로 1점부터 5점까지의 평점 수준에 따른 토픽 구성의 변화를 분석하였다. 분석 결과, 두 게임 모두 평점 수준에 따라 주요 토픽의 구성과 비중이 달라졌으며, 평점 수준별로 두드러지는 이용 경험의 주제에도 게임별 차이가 나타났다. 본 연구는 한국어 이용자 리뷰를 대상으로 로블록스와 마인크래프트의 주제 구조를 BERTopic으로 비교하고, 이를 평점 수준별로 세분화하여 분석했다는 점에서 기존 연구와 차별성을 갖는다.

This study examined Korean-language user reviews of Roblox and Minecraft on the Google Play Store to investigate how topic composition varies across rating levels and how these patterns differ between the two games. Previous game review studies have typically extracted topics from a single corpus combining all ratings or divided reviews into positive and negative categories, making rating-level differences difficult to identify. Accordingly, this study analyzed changes in topic composition across ratings from one to five stars within a common topic space constructed for each game. The results showed that the composition and relative prevalence of major topics varied by rating level in both games, and that the user experiences emphasized at each rating level differed between Roblox and Minecraft.

문화유산의 디지털 재현은 기록과 복원을 중심으로 발전해 왔으나, 재료가 지닌 물성을 감각적 경험으로 확장하는 접근은 상대적으로 부족했다. 본 연구는 조선시대 왕실 장신구인 떨잠을 소재로 생성형 인공지능 기반 미디어아트 <물성의 시간>을 제작하고, 물성 중심의 문화유산 재현 방법을 제안했다. 실천기반 연구로서 블렌더를 활용한 물성 가이드 이미지 제작, Veo 3 기반 이미지-투-비디오 생성, 영상 편집 과정을 분석했다. 재료의 물성을 빛과 시간의 변화 속에서 시각화하고, 물성 우선 제작, 레퍼런스 조건화, 문화유산 물성단위 해체의 제작 원칙을 도출했다. 이를 바탕으로 생성형 인공지능이 물성의 감각적 경험을 확장하는 창작 매체로 활용될 수 있는 가능성을 제시했다.

This practice-based study examines Time of Materiality, a generative AI artwork inspired by the Joseon royal hair ornament tteoljam, to explore sensory representations of cultural heritage beyond documentation and restoration. The workflow combines Blender material guide images, Veo 3 image-to-video generation, and video editing to visualize material properties through light and time. The analysis identifies three principles: material-first production, reference conditioning, and material-unit decomposition of cultural heritage. The case suggests generative AI’s potential to extend sensory representations of materiality. However, this offline, single-artwork approach requires further validation across other heritage objects and interactive, real-time environments.

본 연구는 별도의 외부 메모리 구축 없이 프롬프트 수준의 '자기 앵커링' 지침만으로 LLM 기반 NPC의 다중 턴 대화에서 사실적 자기 일관성을 향상시킬 수 있는지를 3단계 실험을 통해 검증하였다. 확증 실험의 평가 결과를 이종 모델(GPT)로 교차 검증한 결과, 평가자 모델과 생성 모델의 조합에 따라 평가가 달라질 가능성과 단순 지침 분량 효과의 혼재 가능성이 확인되었다. 이에 자기 앵커링 효과와 지침 분량에 따른 일반적 효과를 구분하기 위해 활성 대조군을 추가하여 실험을 실시하였다. 활성 대조군과 비교한 결과, 정교화된 자기 앵커링 지침은 단순 분량 효과만으로 설명되기 어려운 방식으로 적대적 압박이 누적되는 도발·횡설수설 시나리오에서 일관성을 유의하게 향상시켰다. 페르소나 유지도 향상되었으나 정서적 적절성은 일부 하락하는 양상이 나타났다. 본 연구는 지속적인 대립 상호작용 환경에서 경량화된 프롬프트 개입이 별도의 메모리 아키텍처 없이도 일관성 개선에 활용될 수 있는 실용적 접근이 될 가능성을 제시한다.

This study examined whether prompt-level “self-anchoring” instructions, without external memory, can improve factual self-consistency in LLM-based NPC multi-turn dialogue. Cross-validation with GPT revealed possible model-dependent evaluation variability and instruction-length confounds. An additional experiment with an active control group was therefore conducted to distinguish the self-anchoring effect. Refined self-anchoring instructions significantly improved consistency in provocation and rambling scenarios under accumulating adversarial pressure, beyond simple length effects. Persona retention also improved, although emotional appropriateness slightly declined. These findings suggest that lightweight prompt interventions can serve as a practical approach to enhancing consistency in continuous multi-turn dialogue with LLM-based NPCs.

본 연구에서는 게임 환경에서 런타임 절차적 지형 생성의 성능 특성을 분석하였다. Unity Terrain에서 Perlin Noise, Fractal Brownian Motion, Diamond-Square를 구현하고, 세 가지 높이맵 해상도에 따른 높이맵 계산 시간, 지형 적용 시간, 전체 생성 시간 및 생성 프레임 시간을 측정하였다. 실험 결과 해상도가 증가할수록 생성 비용이 증가하였으며, 알고리즘에 따라 전체 생성 비용을 구성하는 주요 처리 구간에 차이가 나타났다. 또한 16개의 지형 타일을 대상으로 프레임당 처리량을 달리하여 생성 작업의 부하 분산 효과를 분석하였다. 타일 생성을 여러 프레임에 분산한 결과 전체 완료 시간은 유사하게 유지되면서 최대 프레임 시간이 크게 감소하였다. 이를 통해 런타임 지형 생성에서는 알고리즘 계산과 지형 적용 비용을 함께 고려해야 하며, 프레임 단위 작업 분산이 순간적인 생성 부하를 완화하는 데 효과적임을 확인하였다.

This study analyzes the performance characteristics of runtime procedural terrain generation in game environments. Perlin Noise, fractal Brownian motion, and Diamond-Square were implemented using Unity Terrain, and algorithmic computation time, terrain application time, total generation time, and generation-frame time were measured at three heightmap resolutions. Generation cost increased with resolution, while the dominant cost component differed by algorithm. A second experiment distributed the generation of sixteen terrain tiles across multiple frames. This reduced the maximum frame time while maintaining a similar total completion time. The results show that runtime terrain generation performance is affected by both algorithmic computation and terrain application, and that frame-based workload distribution can reduce concentrated frame load.

본 연구는 초등학생 여학생 3명(3학년 2명, 5학년 1명)의 그리드 그림이 제미나이 픽셀 이미지, 디폼블럭 입체물, 최종 그림으로 번역되는 과정에서 아동이 AI 이미지를 어떻게 전유하는지 탐색한 질적 다중사례 연구이다. 전유는 수용·수정·거부·재의미화로 코딩하였다. 어떤 아동도 AI 결과물을 그대로 수용하지 않았다. 학습자 A는 이를 정서적으로 수정했고, 학습자 B는 픽셀 논리는 유지하되 AI의 사실적 렌더링을 거부했으며, 학습자 C는 그리드 축약에 저항하며 추상적으로 재의미화하였다. 자기평가 점수는 기술적으로만 제시하였고, 발달단계에 따른 차이는 후속 연구를 위한 가설로 제시한다.

This multiple case study examines the cross-media process in which three elementary girls (two third-graders, one fifth-grader) translate narrative drawings into low-resolution pixel images via Google Gemini, then re-materialize them as deform-block objects and hand-drawn artworks on a 25x32 grid. Guided by (RQ1) how children appropriate AI suggestions, and (RQ2) how this differs by developmental stage, the study finds children negotiated or reinterpreted AI outputs rather than accepting them passively. One third-grader's confidence rebuilt over sessions, another sustained already-high efficacy while intensifying engagement, and the fifth-grader resisted grid constraints, shifting to abstract expression. Supplementary Wilcoxon results were not significant given the small sample. Findings tentatively suggest AI art curricula may benefit from attending to developmental stage.

본 연구는 게임 이용자가 개별 타이틀을 중단·전환하더라도 동일 플랫폼에 잔존하는 현상을 설명하기 위해 상태 보존형 시간분할 소비의 이론모형을 제시하였다. 운영체제 시간 분할, 작업중단·재개, 순차적 미디어 선택, 플랫폼화 및 게임 플랫폼 연구를 통합하여 상태 보존과 스케줄링을 구분하고 재진입 비용을 핵심 메커니즘으로 설정하였다. 패키지 게임, 라이브 서비스 게임, 로블록스형 플랫폼의 분석적 비교를 통해 여섯 개의 명제를 제안하였다. 본 연구의 차별성은 새로운 인지개념의 제안보다 경험 수준의 상태 보존, 재진입비용, 분산된 스케줄링, 공유 플랫폼 상태 및 다수준 잔존을 하나의 플랫폼 지향 구조로 통합한 데 있다.

This study proposes state-preserving time-sliced consumption as a framework for explaining how game users interrupt or switch titles while remaining on the same platform. Integrating operating-system time slicing, task-resumption, sequential media selection, platformization, and game-platform research, the model separates state preservation from scheduling and positions re-entry cost between saved context and resumption. An integrative theory-building review and comparison of package games, live-service games, and Roblox-like platforms yield six propositions concerning state preservation, re-entry, distributed scheduling, shared platform state, local completion, and thrashing. The contribution lies in integrating experience-level state preservation, re-entry cost, distributed scheduling, shared platform state, and multi-level retention within a single platform-oriented structure.

게임 의류 아이템의 설명문은 재질 메타데이터에 비해 두께, 광택, 촉감 등 세부 물성서술이 부족하며, 언어 모델 단독으로는 출처 없는 자체 지식에 의존하여 부정확하거나 모호한 표현을 생성하는 한계가 있다. 본 연구는 재질 필드를 기준으로 게임 아이템과 대응하는 직물 코퍼스를 서술 템플릿으로 배정하고 생성 결과를 선택·검증하는 출처 추적 기반의 재질 서술 생성 프레임워크 FabriLore를 제안한다. 대표적인 오픈소스 게임 중 하나인 Cataclysm: Dark Days Ahead를 대상으로 실증한 결과, 템플릿을 배정하자 재질 반영률이 미배정 조건(0.622)보다 높은 0.965로 올랐다. 또한 생성문은 고유명·수치 등 원문의 고유 정보를 모두 보존하였으며, 재질의 일반적 두께와 반대인 템플릿에서도 높은 물성 반영률을 보였다. 이는 FabriLore가 재질 서술을 갖춘 게임 아이템 코퍼스 구축에 기여할 수 있음을 보여 준다.

Game clothing descriptions often lack physical properties such as thickness, gloss, and touch, while standalone language models produce vague, ungrounded expressions. We propose FabriLore, a source-conditioned framework that assigns fabric corpus templates to game items by material field, selects representative outputs, and verifies them with lexical rules and frozen embeddings. On Cataclysm: Dark Days Ahead, template assignment raised the template adherence rate, i.e., conformity to the source properties, from 0.622 to 0.965. Outputs also preserved all proper nouns and numbers, and reflection stayed high (0.919) even for templates of atypical thickness. FabriLore thus supports building game item corpora with material descriptions.

본 연구는 근거이론을 활용하여 코칭 기반 글쓰기 활동에 참여한 청소년의 디지털·AI 문제해결 과정이 어떻게 전개되는지를 탐색하였다. 이를 위해 디지털·AI 활용 과정에서 다양한 문제를 경험한 청소년을 대상으로 심층면담을 실시하였다. 분석 결과, 청소년은 디지털·AI 문제를 경험하면서 인지적 혼란과 정서적 불안, 행동의 위축을 경험하였다. 이후 글쓰기를 통해 문제 경험을 재구성하고, 코칭 질문을 통해 해결 가능성을 탐색하며 문제해결 전략을 구체화하였다. 이러한 전략을 실제 상황에 적용 및 조정하면서 새로운 문제에도 대처하였으며, 이러한 과정은 위험 인식(Recognize)–경험 재해석(Interpret)–해결전략 구체화(Strategize)–해결전략 실천(Enact)의 RISE 과정모형으로 도출되었다. 이는 디지털·AI 문제해결 과정이 일상과 삶의 맥락으로 확장되는 평생학습 과정임을 시사한다.

This study employed grounded theory to explore adolescents’ digital and AI problem-solving processes through coaching-based writing activities. In-depth interviews were conducted with adolescents who had experienced various problems while using digital technologies and AI. The findings showed that adolescents experienced cognitive confusion, emotional anxiety, and behavioral withdrawal. Through writing and coaching questions, they reconstructed their experiences, explored possible solutions, and developed problem-solving strategies. They applied and adjusted these strategies in real-life situations to address new problems. This process was conceptualized as the RISE model: Recognize, Interpret, Strategize, and Enact. The findings suggest that digital and AI problem-solving is a lifelong learning process that extends into everyday life contexts.