Earticle

본 연구는 마이크로비트와 레트로 아케이드 게임 코딩 키트를 활용한 게임 제작 기반의 블록코딩 수업이 초등 정보 영재의 창의적 문제해결력, 컴퓨팅 사고력, 학습 몰입에 미치는 영향을 분석하고자 하였다. 20명의 정보 영재 학생을 대상으로 10차시 수업을 실시하고, 사전-사후 검사를 통해 효과를 측정하였다. 또한 개방형 설문, 수업 관찰, 산출물 분석 등 질적 자료를 수집하여 학습자의 학습 경험을 심층적으로 분석하였다. 분석 결과 세 변인 모두에서 통계적으로 유의미한 향상이 나타났으며, 특히 컴퓨팅 사고력 향상이 두드러졌다. 학생들은 수업을 통해 창의적인 아이디어 발상, 문제 해결 전략 구상, 반복적 디버깅 등의 과정을 경험하며 자기 주도성과 몰입을 높였다. 질적 분 석에서도 수업에 대한 높은 흥미와 성취감이 보고되었다. 이러한 결과는 게임 제작 기반 블록코딩 수업이 정보 영 재의 사고력과 정서적 참여를 동시에 증진시킬 수 있는 효과적인 교수학습 전략이 될 수 있음을 시사한다.

This study aimed to analyze the effects of a game-based block coding program using Micro:bit and retro arcade game coding kits on the creative problem-solving ability, computational thinking, and learning engagement of sixth-grade gifted students in information science. The program was conducted over 10 sessions with 20 gifted students, and its effectiveness was measured through pre- and post-tests. In addition, qualitative data such as open-ended surveys, class observations, and analysis of student artifacts were collected to examine learners’ experiences in depth. The analysis revealed statistically significant improvements in all three variables, with a particularly notable increase in computational thinking. Students experienced processes such as generating creative ideas, devising problem-solving strategies, and engaging in iterative debugging, which enhanced their self-directed learning and engagement. The qualitative analysis also reported high levels of interest and a strong sense of achievement among students. These results suggest that a game development-based block coding program can serve as an effective instructional strategy to simultaneously enhance both cognitive skills and emotional engagement in gifted students in information science.

본 연구는 생성형 AI 시대에 학생들의 디지털 활용 및 창작 역량 제고를 위하여 유니티(Unity)를 활용한 게임 기반 교육 프레임워크 를 제안하고, 그 타당성을 검증하는 데 목적이 있다. 이를 위해 초·중등 교육의 핵심 소양으로 강조되는 디지털 리터러시와 창작 리터 러시의 개념을 통합적으로 고찰하고, 이들이 게임 리터러시와 맺는 관계 및 게임 개발 과정에서 융합적 역량으로 발현되는 기제에 대한 이론적 틀을 제시하였다. 게임 기반 교육 전문가를 대상으로 델파이 분석을 수행하여 제안된 프레임워크의 타당성을 검증한 결 과, 유니티 기반의 게임 교육 과정에서 소프트웨어 활용 및 콘텐츠 제작 경험은 디지털 리터러시를, 게임 규칙과 상호작용의 설계 과 정은 게임 리터러시 및 컴퓨팅 사고력을, 아이디어를 구체적 결과물로 실체화하는 경험은 창작 리터러시를 효과적으로 향상시킴을 확인하였다. 본 연구에서 제안하는 게임 프로젝트 기반 교육은 미래 교육과정 설계와 교수법 개발에 기여할 수 있는 효과적인 교육 방법론이 될 것이다.

This study proposes a framework for Unity-based game development education, designed to enhance students’ digital and creative competencies in the Generative AI era, and examines its pedagogical validity. To this end, the study comprehensively reviewed the concepts of digital and creative literacy—emphasized as core competencies in K-12 education— and investigated their relationship with game literacy. Subsequently, a theoretical framework was presented to elucidate how these literacies converge and manifest as key competencies in the game development process. A Delphi analysis, conducted with educational experts experienced in game-based instruction, confirmed the proposed framework’s validity. The findings indicated that software utilization and content creation within Unity effectively enhance digital literacy, the design of game rules and interactions fosters game literacy alongside computational thinking and problem-solving skills, and the experience of materializing ideas into concrete outputs significantly improves creative literacy. Consequently, the proposed game project-based education model serves as an effective pedagogical methodology for designing future curricula and developing teaching strategies.

본 연구에서는 초등학교 4학년 학생을 대상으로 인공지능에 관한 동화책과 마인크래프트 에듀케이션을 활 용한 8차시 AI교육 동아리 프로그램을 개발하고 적용하였다. 이를 위해 AI4K12 Initiative의 AI+Me 동화책 시리 즈와 Microsoft의 Hour of Code 2023: Generation AI 커리큘럼을 분석하여 교육 내용을 구성하였으며, H초등학 교 4학년 학생 88명을 대상으로 동아리 활동 형태로 프로그램을 운영하였다. 연구 결과, 동아리 수업 만족도는 5점 척도에서 평균 4.5점 이상으로 높게 나타났으며, AI 기술 태도 검사 결과 사전 평균 4.05점에서 사후 평균 4.16점으로 향상되었다. 특히 AI 창의적 활동 영역에서 가장 큰 차이를 보였으며, AI 학습 동기와 AI 흥미 영역 에서 통계적으로 유의미한 차이가 나타났다. 개발된 교육 프로그램은 초등학교 저학년 학생도 동화책을 통해 AI의 핵심 개념을 이해하고, 게임 기반 학습을 통해 실제로 AI를 체험할 수 있다는 점에서 교육적 의의가 있다. 본 연구는 정규 교육과정 외 동아리 활동을 통한 AI 교육의 실제적 적용 사례를 제시함으로써 초등 AI 교육의 다양한 운영 방안을 모색하는 데 기여할 수 있을 것으로 기대된다.

This study developed and applied an 8-session AI education club program using storybooks about artificial intelligence and Minecraft Education for fourth-grade elementary school students. The educational content was structured by analyzing the AI+Me storybook series from the AI4K12 Initiative and Microsoft's Hour of Code 2023: Generation AI curriculum, and the program was implemented as a club activity for 88 fourth-grade students at H Elementary School. The results showed that club activity satisfaction was high, with an average score of 4.5 or higher on a 5-point scale, and AI technology attitude test results improved from a pre-test average of 4.05 to a post-test average of 4.16. Particularly, the AI creative activities domain showed the greatest improvement, and statistically significant improvements were confirmed in the AI learning motivation and AI interest domain. The developed educational program has educational significance in that lower-grade elementary school students can understand core AI concepts through storybooks and actually experience AI through game-based learning. This study is expected to contribute to exploring various operational methods for elementary AI education by presenting a practical application case of AI education through club activities outside the regular curriculum.

생성형 인공지능의 확산에도 불구하고, 대표적 오류인 할루시네이션에 대한 사용자 인식은 여전히 낮고 이를 다루는 교육 콘텐츠 역시 제한적이다. 본 연구의 목적은 학습자가 할루시네이션 현상을 안전한 가상 환경에서 직접 체험하며, AI 생성 정보를 비판적으로 판단하는 역량을 함양할 수 있도록 교육용 게임 콘텐츠를 설계하는 데 있다. 이를 위해 본 연구는 AI의 출력 방식이 대표성 휴리스틱, 정박 효과 등 인간의 인지 오류와 구조적으로 유사하다는 점에 주목하여 이를 교육의 핵심 원리로 삼았다. 전체 시나리오는 오스벨의 유의미학습 이론을 기반으로 구성하였으며, 프로토타입은 Unity 기반 RPG 형식으로 구현되었다. 학습자의 행동은 세 가지 지표(DP, HP, LV)로 수집되며, xAPI 형식으로 기록, 분석할 수 있도록 설계되었다. 이러한 상호작용 구조는 학습자가 위험 없이 판단 오류를 교정하고, 비판적 사고 전략을 점진적으로 형성할 수 있도록 지원한다. 본 연구는 할루시네이션을 기술과 인지 오류가 결합된 복합적 문제로 해석하고, 게임 기반의 상호작용 학습과 데이터 기반 평가를 통합하여 AI 리터러시 교육 콘텐츠의 새로운 방향을 제시한다는 점에서 의의가 있다.

Despite the rapid spread of generative artificial intelligence, user awareness of its representative error—AI hallucination—remains limited, and corresponding educational resources are scarce. This study aims to design educational game content that enables learners to experience the AI hallucination phenomenon in a safe virtual environment and to develop the competence to critically evaluate AI-generated information. To achieve this, the study draws on the structural similarity between AI output generation and human cognitive biases—such as the representativeness heuristic and anchoring effect—as a core educational principle. The overall scenario was organized according to Ausubel’s meaningful learning theory, and a prototype was implemented in a Unity-based RPG format. Learner behaviors were tracked through three indicators (DP, HP, LV) and recorded in xAPI format for analysis. This interactive design offers an experiential learning process in which learners can recognize and correct judgment errors while gradually fostering critical thinking strategies. By refram-ing AI hallucination as a phenomenon arising from both technical flaws and cognitive biases, this study highlights a novel direction for AI literacy education, integrating game-based experiential learning with data-driven assessment.

본 연구는 교사들이 교실에서 디지털 게임을 사용하는 결정에 영향을 미치는 요인, 게임 기반 학습 (GBL)에 대한 지식과 인식, 그리고 전문성개발의 역할을 연구하였다. 설문 기반의 동시성 내재 연구 디자인을 활용하여 133명의 K-12 교육자가 참여하였다. 연구의 결 과, 교사들의 대부분이 이미 교실에서 디지털 게임을 사용하며, 매일 사용하는 교사도 약 18.8%에 이르고 있었다. 그러나 제한된 시간, 수업 관리의 문제, 그리고 교사의 지식 부족과 같은 장애요인으로 인해 GBL의 확산적 사용이 어려운 것으로 나타났다. 이러한 장애요 인을 극복하기 위해서는 표적 지향적 전문성 개발이 필수적이다. 잘 설계된 전문성 개발은 게임 통합, 적극적 학습, 협업, 지속적 지원 에 초점을 맞춰야 한다. 교사들에게 자료, 수업 계획, 실습 기회를 제공하는 전문성 개발을 하여 디지털 게임을 효과적으로 교육에 통합 할 수 있도록 도울 수 있다. 이러한 장애요인을 극복함으로써 교실에서 디지털 게임의 사용이 증가할 수 있으며 학습은 더욱 매력적, 흥 미유발적, 그리고 효과적으로 이루어질 수 있을 것이다.

This study examines the factors influencing teachers' decisions to use digital games in the classroom, their knowledge and perception of game-based learning (GBL), and the role of professional development in enhancing game integration. Utilizing a survey-based concurrent embedded research design, 133 K-12 educators participated in the study. The findings reveal that 86.8% of educators already use digital games in their classrooms, with 18.8% using them daily. However, perceived barriers, such as limited time, classroom management concerns, and lack of teacher knowledge, hinder broader implementation of GBL. To address these barriers, targeted professional development is essential. Well-designed professional development should focus on game integration, active learning, collaboration, and ongoing support. By providing resources, lesson plans, and opportunities to practice, professional development can empower educators to effectively integrate digital games into their instruction. Overcoming these obstacles can lead to increased usage of digital games in the classroom, making learning more engaging, fun, and effective for students.

모바일 게임 시장이 스마트폰 중심으로 변화되기 시작하면서 모바일 게임에서는 오토 플레이 시스템이 적 용되기 시작하였다. 오토플레이 시스템은 버튼 한번으로 게임을 자동으로 진행하는 시스템 이며 현재 거의 대부분의 모바일 게임에서 적용되었고 PC게임에서 까지 이러한 시스템이 적용되고 있다. 하지만 이러한 오 토 플레이 시스템의 성능은 매우 비효율적으로 행동하고 있으며 본 논문에서는 플레이어의 행동 패턴을 기 반으로 학습한 인공지능을 제안하고자 한다. 본 논문에서 제안하는 인공지능 모델은 플레이어가 게임을 진행 하면서 게임 데이터와 플레이어가 입력한 버튼 값을 학습 데이터로 저장하고 학습데이터를 DNN(Deep Neural Network) 신경망 모델을 사용하여 학습하였다. 게임에서는 플레이어가 중복적으로 다른 버튼을 동시 에 누르기 때문에 Output Layer를 다층으로 분류하여 학습을 진행했다. 본 논문 실험에서는 20명의 실험자들 에게 제안하는 인공지능 모델을 사용함으로써 결과를 기록하였고 트랙을 일정하게 벽을 부딪치지 않고 달린 플레이어 데이터만 제대로 학습되어 결과를 얻을 수 있었고 그렇지 않은 플레이어의 데이터는 캐릭터가 제 대로 이동하지 않아 결과 값을 얻을 수가 없었다. 또한 간단한 아케이드 게임을 만들어 강화학습과 비교하였 으며 강화학습보다 성능은 좋지 않았지만 학습속도가 약 10배 빨랐다.

The autoplay system is a system that automatically plays the game with the one click of a button. Currently, almost all mobile games use this system, and some PC games also use this system. However, this autoplay system tends to play games inefficiently. In this paper, we propose artificial intelligence based on the player's behavior pattern to improve the disadvantages of autoplay system. The artificial intelligence model proposed in this paper stores game data and input button values when a player plays a game as learning data. This stored data was learned using DNN (Deep Neural Network) model. In the game, because the player repeatedly presses another button at the same time, we proceeded to use the multiple Output Layers. We loaded the learned data back into Unity3D and applied it to the character to check the result. It was found that the lap time and the movement path were different each time it was executed. In this paper, we record the results by using the artificial intelligence model proposed by 20 experimenters. Only the data of the player with the constant track without crashing against the wall was learned properly, and the data of the player who did hit the wall could not get the result because the character did not move properly. We also made a simple arcade game to compare reinforcement learning with our AI model. The performance was not as good as reinforcement learning, but the learning speed was about 10 times faster.

최근, 여러 분야에서의 AI가 빠르게 성장하였고 게임에서도 큰 발전이 있었다. 게임 AI에 대한 접근 방법은 여러 가지가 있다. 먼저 지도 학습 기반 접근 방법은 게임 플레이 데이터에서 학습하고, 플레이 행동을 흉내 낸다. 그러나, 지도 학습 기반 접근 방법은 입력 자질을 선형 조합하므로, 복잡한 문제에는 성능 향상에 한계 가 있다. 선형 조합에 따른 성능 한계를 개선하기 위해, 딥 뉴럴 네트워크 기반 접근방법은 지역적 특성 및 전역적 특성을 개별적으로 각각 표현하기 위해 둘 이상의 뉴럴 네트워크를 사용한다. 그러나 딥 뉴럴 네트워 크 기반 접근방법은 충분한 학습 집합이 필요하다. 학습 집합을 준비해야 하는 부담을 줄이기 위해서, 강화 학습 기반 접근 방식은 Agent가 먼저 Action을 하고 이에 따른 보상을 분석하여 학습한다. 즉, 이 접근방법 은 Agent가 최대 보상을 받도록 학습한다. 본 논문에서는 강화 학습을 통해 여러 게임에서 학습하는 AI를 제 안한다. 제안하는 AI 모델은 개별 게임에서 Local Agent가 플레이하고, 여러 Local Agent에서 Global Agent 를 학습한다. 실험 결과, 한 게임에서 학습한 Agent는 학습했던 게임에서는 우수한 성능을 보여주었지만, 새 로운 게임에서는 성능이 떨어졌다. 반면에, 두 게임에서 학습한 제안하는 Agent는 학습한 게임과 새로운 게 임 모두에서 잘 적응했다.

Recently, AI Technologies have grown rapidly in various fields including game. There are many approaches to game AI. First, the supervised learning-based approaches are learned from the game play data, and mimic a series of the playing behavior. However, there are limitations in the complicated games due to the linear combination of input features. In order to solve these limitations by the linear combination, the deep neural network-based approaches utilizes more than two neural networks to represent the local characteristics and the global characteristics respectively. Still, these approaches require the enough training data. Without any already prepared training data, the reinforcement learning based approaches can be learned from the relations between the agent action and its reward in the environment, and aimed at that the agent obtains the maximum reward. In this paper, we propose a single AI trained from multi-games by the reinforcement learning. In the proposed AI model, every local agent plays each single game, while the global agent is learned from all local agents. Experimental results show that the agent learned from multi-games is adjusted well on both the training game and a new game, while the agent learned from a single game achieves good performance at only the training game.

본 연구에서는 게임 영상과 같은 생성된 영상으로부터 물체를 인식하는 심층 학습 기반 모델의 성능을 향상 시키는 방법을 제시한다. 특히, 실제 영상으로 훈련된 물체 인식 모델에 대해서 게임 영상으로 추가 훈련을 수 행함으로써 물체 인식 성능이 향상됨을 검증한다. 본 연구에서는 심층 학습 기반의 물체 인식 모델들 중에서 가장 널리 사용되는 YoloV2 모델을 이용한다. 이 모델에 대해서 8 종류의 다양한 게임에서 샘플링한 160장의 게임 영상을 적용해서 물체 인식 모델을 다시 훈련하고, IoU와 정확도를 측정해서 본 연구에서 주장하는 게임 영상을 이용한 훈련이 효과적임을 입증한다.

We present a framework that improves the performance of deep learning-based object detection model for generated images including game scenes. In particular, we aim to verify that the additional training using images sampled from game scenes can improve the performance of the object detection model, which was pre-trained using photographs. Among the various object detection schemes including Yolo V1, Yolo V2 and SSD, we employ YoloV2 model, which is one of the most widely used deep learning-based object detection model. YoloV2 model is pretrained using diverse photographs. This model is further trained through 160 game scene images sampled from eight different kinds of games. We select the games that range from realistic scenes and highly deformed scenes. We measure IoU (intersection over union) and accuracy using this model. The comparison between our re-trained model and the original model demonstrates the effectiveness of our strategy.

본 논문에서는 생성 모델로 색칠하기 게임에서 사용 가능하도록 임의의 선화와 원하는 컬러링 스타일을 입력하 면 자동으로 컬러링 영상을 생성하는 신경망 모델인 FillingGAN을 제안한다. 제안된 모델은 스타일 영상의 특징 을 추출하는 오토 인코더 구조의 모듈과 추출된 스타일 영상의 특징을 선화에 적용해서 이미지를 생성하는 GAN 모델로 구성된다. GAN 모델은 선화에서 추출된 구조와 스타일 영상에서 추출된 색 정보를 이용해서 채색 영상을 생성하는 과정을 수행하며, 이를 위해서 선화의 구조와 스타일 영상의 색 정보를 유지하는 손실 함수를 설계한다. 우리의 모델은 선화의 고유한 특징을 보존하며 스타일이 적용된 이미지를 생성한다.

In this paper, we contribute to the field of game by presenting FillingGAN, an automatic coloring framework using a generative adversarial network (GAN). FillingGAN is devised to generate a coloring image from a line drawing by filling empty regions between the lines in the line drawing image from the coloring styles learned from sample coloring images. Our model consists of two style extracting modules and a GAN model. The style extracting modules are designed as an auto-encoder that extracts feature from input images. One module extracts color styles from coloring sample images and the other extracts structure from a line drawing. FillingGAN executes coloring process by applying the coloring styles from coloring samples to a line drawing. It determines the similarity between the generated coloring image and the input line drawing, and calculate the perceptual loss to preserve the structural similarity. FillingGAN generates coloring images with preserved details by adjusting the weights between the structural feature vectors and the style feature vectors. As a result, it generates a stylized image without distorting the unique features of a line drawing. Our framework can be improved to apply various styles including artistic media strokes to line drawings.

Purpose: This study examined the effects of applying game-based learning to normal childbirth nursing in a women's health nursing class on nursing students' learning engagement, learning satisfaction, and teamwork. Methods: A single-group pre- and post-test design was adopted. The subjects were 77 college students enrolled in the Department of Nursing at a university in City G, who were taking women's health nursing courses. The study instrument was a self-report questionnaire consisting of 37 items: two questions on general characteristics, 17 on learning engagement, 10 on learning satisfaction, and eight on teamwork. The subjects studied normal childbirth nursing for six weeks, followed by a game-based learning session in the seventh week. Results: Learning engagement (t=-2.01, p=.048), learning satisfaction (t=-5.41, p<.001), and teamwork (t=-3.59, p=.001) significantly increased after the implementation of game-based learning. Conclusion: This study confirmed that game-based learning for normal childbirth nursing exerted a positive effect on learning engagement, learning satisfaction, and teamwork for nursing students. Therefore, we suggest that such learning be actively developed so that it can be used in various nursing classes and its effects confirmed in various variables.

초등학생을 대상으로 샌드박스형 게임인 마인크래프트 에듀를 활용한 게임기반학습을 적용하여 창의적 문제해결력과 학습몰입도에 미치는 영향을 분석하였다. 그 결과 기존의 전통적인 강의식 교수법보다 샌드박스형 게임을 활용한 게임기반학습을 적용했을 때 창의적 문제해결력과 학습몰입도에서 긍정적인 효과가 있는 것으로 나타났다. 창의적 문제해결력은 모든 하위요소에서 유의미한 차이가 나타났으며 학습몰입도는 통제감, 시간 감각의 왜곡을 제외한 하위요소에서 유의미한 차이가 나타났다.

The effect on creative problem solving ability and learning flow is analyzed by applying game-based learning using sandbox game, Minecraft Edu for elementary school students. It appeared to be effective when applied to sand box utilizing game-based learning than traditional lecture teaching method on creative problem solving ability and learning flow. It is found to be a significant difference observed in all sub-elements on Creative problem solving ability and it is found to be a significant difference in all sub-elements on learning flow except sense of control and transformation of time.

최근 디지털 네이티브 학습자를 위한 교수방법인 게임 활용 학습에 대한 관심이 증가하고 있다. 이에 본 연구 에서는 초등학교 역사수업에 맞춰 개발된 Kinect 게임 활용 수업을 실시한 후 성공적으로 학습에 참여한 것으로 관찰된 학생 14명을 대상으로 인터뷰를 실시하여 참여적 학습 경험을 분석하였다. 연구 결과 학생들은 경쟁과 협력 놀이 요소에서는 ‘목표 달성’과 ‘상호작용’을, 디지털 놀이 요소에서는 ‘다감각적 자극’, ‘환상과 호기심’, ‘정 확한 피드백’, ‘우연’, ‘통제감’을, 신체활동 놀이 요소에서는 ‘체감된 인지’, ‘실재감’을 경험하면서 참여적 학습을 하는 것을 확인할 수 있었다. 이를 통해 Kinect 게임 활용 수업을 참여적 학습을 위한 교수학습방법으로 도입할 기초자료로서 도움을 주고자 한다.

Recently, there is an increasing interest in game‐based learning as a teaching method for digital native learners. This study set kinect game contributes to engaged learning as the competition and cooperation play (achievement goals, interaction), the digital game play (multisensory stimulation, fantasy and curiosity, chance, accurate feedback, control), and the body movement play (embodied cognition, presence). After performing classes using the motion recognition game developed for the elementary school history class, this study conducted semi‐structured interviews based on engaged learning elements of kinect game based learning for students who were successfully participating in learning. In the result, each element appeared to a successful learner. Based on these results, this study hopes to assist researchers as a basic evidence to introduce kinect game-based learning for engaged learning.

최근 디지털 네이티브 학습자를 위한 교수방법으로 게임활용학습에 대한 관심이 증가하고 있다. 이에 본 연구 에서는 초등학교 역사수업에 맞추어 개발된 동작인식 게임을 활용하여 수업을 실시한 후 신체운동지능, 언어지 능, 몰입, 학습성과(학업성취도, 지속의향) 간 경로분석을 실시하였다. 그 결과 신체운동지능은 몰입에 직접적인 영향을 학습성과에는 간접적인 영향을 미쳤고, 언어지능은 몰입에 직접적인 영향, 그리고 학습성과에의 간접적인 영향을 미치지 않는 것으로 분석되었다. 이 결과를 통해, 동작인식 게임활용학습은 신체운동 역량이 높은 학습자 들의 학습동기 및 성과 향상을 지원할 수 있음을 기대하게 한다

Recently, there is a growing interest in learning to use games as a teaching method for digital native learners. In this study, we conducted a path analysis between bodily-kinesthetic intelligence, linguistic intelligence, flow, learning outcomes(academic achievement, persistence intention) in motion-capture game-based learning(the used game developed for elementary school history class). As a result, bodily-kinesthetic intelligence directly influenced flow and indirectly influenced learning outcomes. Linguistic intelligence did not have direct influence on flow and indirect effects on learning outcomes. Through this result, we expected that the motion-capture game-based learning improve learning motivation and performance of learners for higher bodily-kinesthetic intelligence.

본 연구는 코로나19 전·후 게임기반 학습 관련 연구의 연구 주제의 주요 네트워크 지도와 의미 구조를 파 악하고 향후 연구 방향을 모색하는 데 목적이 있다. 이에 텍스트 네트워크 분석을 이용하여 네트워크 구조를 제시하고 단어 그룹을 시각화했다. 분석 결과, 코로나19 이전(2010~2019년)에는 '교육', '설계', '개발', '콘텐츠', '모바일', '수업', '온라인'이 중심 개념을 형성했으며, 주요 개념들은 콘텐츠 개발, 학업성취도 전략, 컴퓨터 활 용으로 군집화되었다. 코로나19 이후(2020년~2025년 2월)에는 '교육', '게이미피케이션', '설계', '개발'이 주요 개념으로 나타났으며, '디지털', '메타버스', '프로그램', '애플리케이션'이 높은 중심성을 보였다. 주요 연구 주 제는 콘텐츠 관리, 학업 활동 프로그램으로 군집화되었다. 특히 코로나19 이후 사이버공간과 메타버스를 활용 한 교육에 관심이 증대되면서, 게이미피케이션과 메타버스가 게임기반 학습 연구의 대표적인 용어로 부상했다. 이러한 분석 결과를 바탕으로 다음과 같은 발전적 제언을 제시한다. 첫째, 게임기반 학습 관련 연구의 확대를 통해 대학에서의 적용 연구가 활성화될 필요가 있다. 둘째, 교과 내용 자체를 게임으로 활용할 수 있는 게임 및 콘텐츠 개발과 함께 학생 참여 및 맞춤형 에듀테크 개발이 요구된다. 셋째, 교수자가 AI 및 디지털 환경에서 게임기반 학습활동을 원활하게 지도할 수 있도록 연수 지원을 확대하여 교수 역량을 강화해야 한다.

This study aims to identify the main network map and semantic structure of research topics related to game-based learning before and after COVID-19, and to explore future research directions. To achieve this, text network analysis was used to present the network structure and visualize word groups. The analysis revealed that before COVID-19 (2010-2019), 'education', 'design', 'development', 'content', 'mobile', 'class', and 'online' formed the central concepts, with key concepts clustered into content development, academic achievement strategies, and computer utilization. After COVID-19 (2020-February 2025), 'education', 'gamification', 'design', and 'development' emerged as key concepts, while 'digital', 'metaverse', 'program', and 'application' showed high centrality. Major research topics were clustered into content management and academic activity programs. Notably, as interest in education utilizing cyberspace and the metaverse increased after COVID-19, gamification and metaverse have emerged as representative terms in game-based learning research. Based on these analysis results, the following suggestions for development are proposed: First, it is necessary to expand research related to game-based learning to activate application studies at the university level. Second, there is a demand for the development of games and content that can utilize course material as game content itself, along with student participation and customized edutech development. Third, support for training should be expanded to enhance instructors' teaching capabilities, enabling them to effectively guide game-based learning activities in AI and digital environments.

Recently the creative education is being discoursed actively for the primary and the secondary school inKorea. It makes students get the creativity and the alternative knowledge which is merged in the newsolution for solving some problems that they can meet in their life. On the other hand, Game BasedLearning (G-Learning) has been approved it's educational effects not only in Korea but also all over theworld. This study tried to consider G-Learning as educational methods for improving the creativity. To putit concretely, the purpose of this study is inquiry useful strategies for designing the G-Learningconsidering factors for the creativity. There are many scholars who has been researching about thecreativity factors such as Guilford, Torrance, Anderson or Clark and so on. This study inquired somestrategies into the G-Learning considering creativity factors by Guilford and Torrance who had researchedcreativity factors for the primary and the secondary school students. For the game design theory, this studyexamined Whitton's one because he had reported one of the most comprehensive game design strategies. Finally, this study inquired game design strategies based on merging the creativity factors by Guilfordwith the game design strategies by Whitton. It suggests useful strategies for the game designer who arewilling to develop some games for improving students' creativity directly or creativity strategies asnecessary factors for the G-Learning.

게이미피케이션은 수업에 게임의 요소나 게임을 접목함으로서 학생의 흥미도를 향상시키고, 직접 참여할 수 있 는 환경을 조성함으로서 보다 뛰어난 학업성취도 향상을 도우며, 이와 같은 게이미피케이션을 인공지능이라는 IT기술에 융합함으로서 초등 과정을 대상으로 핵심원리를 학습할 수 있는 교육과정을 제안한다. 제안된 교육과 정은 인공지능의 학습방법에 대해 보드 게임형식으로 학습함으로서 초등 과정의 피학습자에 수준에 맞추어 원리 를 이해할 수 있도록 돕는다. 이와 같은 게임의 요소를 접목한 학습방법은 피학습자에게 IT원리를 학습할 수 있 도록 함으로서 다양한 관점에서 대상을 이해하는 능력을 키우고, 컴퓨팅 사고력을 강화한다. 제안된 게이미피케 이션을 접목한 초등 인공지능 교육과정은 최근 2015 교육과정에서부터 크게 부각되고 있는 정보과학 교육과정의 발전에 이바지 할 수 있을 것으로 예상된다.

By combining the elements of the game or game in education, it improves the interest of the students and improves academic achievement by creating an environment where they can participate directly. We propose a curriculum that can learn the core principles of the elementary curriculum through fusion. The proposed curriculum helps students to understand the principles of the elementary curriculum by learning the artificial intelligence method in board game form. Learning methods that incorporate such elements of the game will enable learners to learn the principles of IT so that they can develop their ability to understand objects from various perspectives and enhance their thinking skills. It is expected that the elementary artificial intelligence curriculum that incorporates the proposed gamification will contribute to the development of the information science curriculum, which has been highlighted recently from the 2015 curriculum.

This paper proposes an educational smartphone applicaiton which usages augmented reality and GPS on a smartphone to lead a learner's experience, and which provides games on cultural properties to keep the learner's interests. The proposed educational app is based on Keller's ARCS model system. To acquire knowledge through experience by using a GPS on a smartphone, the learner solves problems on cultural properties located in which the learner stays and thus the learner can keep her/his interest and increase her attention. Also, using augmented reality gives encouragement and rewards to the learner, increases her confidence and satisfaction, and helps her/him continue learning.

이 연구에서는 우리나라의 문제점으로 지적되고 있는 낮은 수학교과 정의적 수준을 신장시킬 수 있는 방안 중 하나로 교육용 프로그래밍 언어의 활용 가능성을 확인해보았다. 중학교 수학교과의 삼각함수와 연계하여 포 트리스 게임을 제작하는 과정을 교수․학습으로 설계하고 그 효과성 검증을 하였다. 연구 방법은 이질 사전․사 후 실험설계를 하였다. 연구 과정은 4차시 동안은 실험․비교집단 공통적으로 삼각함수의 개념의 이해와 적용 관련 수업을 하였다. 이 후 실험집단에는 이 연구에서 설계한 스크래치를 활용한 포트리스 게임 제작 활동을 하 도록 하였으며, 비교집단에는 실생활 수학인 삼각비 개념 활용으로 건물의 높이 구하는 과정을 해결할 수 있도 록 하였다. 적용 후 t검증 결과 수학교과 흥미와 가치인식 수준은 실험집단이 비교집단에 비해 유의미하게 향상 되었음을 확인하였으나, 두 변인의 사전점수를 공변인으로 공변량 분석을 한 결과 수학교과 가치인식 수준의 향 상은 유의미하였으나, 홍미 수준은 사전점수의 영향이 있었음을 확인할 수 있었다.

The present study investigates the potential of an educational programming game as a strategy for enhancing effective domains of mathematics curriculum, which has been criticized as a problem of education in Korea. The process of programming Fortress, an educational game, in conjunction with the lesson on the trigonometric function as part of the middle school mathematics curriculum, was designed for instruction and learning, and its effectiveness was tested. The study was conducted using a nonequivalent pretest-posttest experimental design. Research procedures included the following steps: (1) both the experimental and the comparison groups participated in four classes to understand and apply the concept of the trigonometric function, and (2) the experimental group participated in Fortress game programming activities using Scratch, which was designed in this study, while the comparison group participated in solving a real-life trigonometric problem - calculating the height of a building using the concept of trigonometry. The results of the t-test showed that students’ interest and perceived value of the mathematics curriculum were significantly higher in the experimental group than in the comparison group. However, the results of analysis of covariance (ANCOVA) using pretest scores of the interest and perceived value showed the influence of pretest scores on posttest scores for the interest level, although the effect of the experiment on the perceived value of the mathematics curriculum was more significant.