In the face of a lack of research on the game addiction process, this study sought to understand the process more deeply through the verification of the mediated effects of related variables, and it is meaningful to note the user's internal factors, unlike prior studies that focused on the game itself. In this study, we examined the mediated effects of withdrawal symptoms and loss of control in the impact of game use on game addiction among teenagers. Studies have shown that average game time per day, average game time on holidays and game duration time of teenagers causes withdrawal symptoms and loss of control, which increases the possibility of game addiction.

감성공학이라는 개념이 대두된 이래로 게임 산업에서도 감성적 성향에 기반한 게임을 개발하려는 움직임이 나타났다. 기존의 경쟁과 승리를 갈구하는 게임 방식에서 인간의 감성을 자극해 몰입을 유도하는 방식으로 전환된 것이다. 따라서 게임을 출시하기 전 개발단계에서 감성평가라는 시스템이 적용되었다. 감성 평가 시스템은 게임 인터페이스, 시스템 등의 사용성과 플레이어의 감성 욕구를 검증할 수 있는 평가 방법이다. 하지만 문항 선택 방식의 평가 방식으로는 평가자의 주관에 의존해야 한다는 단점이 있으며, 게임에 충분히 몰입을 했는지의 여부에 의해 평가자의 답변이 바뀔 수 있다는 문제가 있다. 특히 게임은 다른 미디어 콘텐츠에 비해 몰입성에 대한 영향을 크게 받는 편이며 몰입성은 수치를 통한 계량화가 힘들기 때문에 평가 대상으로 삼기 힘든 면이 있다. 이에 본 연구에서는 시선 추적 기술을 이용해 플레이어의 몰입도를 측정한 뒤 감성 평가를 실시하여 감성 평가의 신뢰성을 높이는 방법을 제안하고자 한다.

모바일 게임 시장이 스마트폰 중심으로 변화되기 시작하면서 모바일 게임에서는 오토 플레이 시스템이 적용되기 시작하였다. 오토플레이 시스템은 버튼 한번으로 게임을 자동으로 진행하는 시스템 이며 현재 거의 대부분의 모바일 게임에서 적용되었고 PC게임에서 까지 이러한 시스템이 적용되고 있다. 하지만 이러한 오토 플레이 시스템의 성능은 매우 비효율적으로 행동하고 있으며 본 논문에서는 플레이어의 행동 패턴을 기반으로 학습한 인공지능을 제안하고자 한다. 본 논문에서 제안하는 인공지능 모델은 플레이어가 게임을 진행하면서 게임 데이터와 플레이어가 입력한 버튼 값을 학습 데이터로 저장하고 학습데이터를 DNN(Deep Neural Network) 신경망 모델을 사용하여 학습하였다. 게임에서는 플레이어가 중복적으로 다른 버튼을 동시에 누르기 때문에 Output Layer를 다층으로 분류하여 학습을 진행했다. 본 논문 실험에서는 20명의 실험자들에게 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 제대로 이동하지 않아 결과 값을 얻을 수가 없었다. 또한 간단한 아케이드 게임을 만들어 강화학습과 비교하였으며 강화학습보다 성능은 좋지 않았지만 학습속도가 약 10배 빨랐다.