본 논문에서는 각 사용자에게 적합한 게임의 난이도 조절을 위하여 인간의 생리적 반응을 분석하는 방법을 이용하여 객관적이고 정량적인 사용자 반응을 측정하는 방식을 사용하였다. 생리적 신호 측정 방식 중 인간의 인지와 감정을 계량하는데 적합한 뇌파 신호를 측정하고 기존의 연구에서 사용되었던 지표를 이용해 측정한 신호를 분석하였다. 그리고 기존의 다른 분야에서 사용하던 지표를 게임의 난이도에 적합하게 개선하여 기존의 방식을 그대로 사용한 결과와 비교하여 어떤 개선점을 보이는지 확인하였다. 이를 위해 먼저 피험자의 휴식 상 태에서 나타나는 뇌파를 측정하여 기준이 되는 배경 뇌파로 사용하였다. 테트리스에 두 가지 난이도를 설정하고 각각의 난이도를 진행하는 피험자의 뇌파를 측정하였다. 각 난이도에서 측정한 뇌파와 기준이 되는 배경 뇌파의 차이를 각 난이도를 진행할 때 피험자가 보이는 뇌파 반응의 결과로 간주하였다. 이 결과를 기반으로 지금까지 다양한 분야에서 지표로 삼았던 뇌파의 대역별 주파수 변환 결과를 비교 지표로 사용하는 방식과 좌뇌와 우뇌의 비대칭성을 기반으로 긍정, 부정을 파악하는 지표로 사용하는 방식, 알파파와 베타파의 비례 값을 각성, 이완의 지표로 사용하는 방식으로 분석하였다. 마지막으로 세타파를 기준으로 알파파와의 비례 결과와 베타파와의 비례 결과를 각각 몰입과 긴장의 지표로 이용하여 분석하였다.

이제는 모바일 마켓순위에서 많은 게임이 높은 점유율을 차지하지만 점유율을 오랫동안 유지 하는 것은 쉽지 않다. 게이머를 끌어당기는 중요한 요소는 게임 재미(Game Fun)이고, 게임을 재미있게 만드는 가장 중요한 요소는 게임 난이도이다. 하지만 게임 난이도를 디자인하는 것은 매우 어려운 일이다. 본 논문은 두 개의 연속적인 컨볼루셔널 레이어를 사용한 컨볼루셔널 신경망과 SVM 분류기를 이용하여 게임 시 플레이어의 얼굴 표정을 실시간으로 검출하고 판단한다. 실험 결론은 CNN을 이용한 표정 시스템은 게임 play-time 및 score를 늘릴 수 있고, 게임 재미를 증진시키기에 도와 준다고 증명하였다.

어린이나 청소년을 대상으로 한 에듀게임은 타 게임과는 다르게 구매자와 이용자가 뚜렷하게 구분된다는 특징을 가지고 있다. 하지만 에듀게임의 구매자 측면에서의 국내 연구는 부족한 실정이다. 따라서 본 연구는 구매자 측면에서 에듀게임을 구매할 때 구매 의사를 결정하는 요인을 찾아내고, 구매 결정 요인을 중심으로 타 게임과의 특징적 차이점을 비교하고 파악함으로써 향후 에듀게임에 관한 연구 및 에듀게임 산업의 도움이 되고자 한다.

NPC, 특히 적 캐릭터들의 인공지능은 게임의 설계 단계에 있어 난이도를 조절하기 위해 핵심적인 요소이다. 지능적인 적들은 게임을 보다 도전적으로 만들 뿐 아니라, 동일한 게임 환경에서도 유저들 에게 다양한 경험을 제공할 수 있다. 오늘날 대부분의 게임 유저들은 다수의 적들과 상호작용을 하기 때문에, 적 캐릭터들의 협업을 제어하는 것은 이전 어느 때보다 그 중요성이 크다고 할 수 있다. 본 연구는 팩맨 게임의 적 인공지능에 구현될 수 있는 A* 알고리즘 기반의 협력전술을 제안한다. 17명 의 피실험자로부터 얻은 설문 결과는 제안된 협력전술을 따르는 적으로 구성된 레벨이, 기존 팩맨게 임에서의 적들 또는 비협력적인 적들로 구성된 레벨들보다 더 어렵고 흥미로웠음을 보여준다.

다양한 수준의 게임 난이도를 사용자에게 제공하는 것은 게임 개발 시 주요 고려 사항 중 하 나이다. 본 논문에서는 1인용 자동차 주행 게임에서 주어진 난이도를 갖도록 주행 트랙에 도전 들을 배치하는 방법을 제안한다. 여기서 도전은 자동차 주행을 방해하는 장애물을 말하고, 게임 난이도는 트랙 한 바퀴를 도는데 필요한 예상 주행 시간으로 나타낼 수 있다. 제안된 방법에서 는 도전 배치 문제를 IP(Integer Programming) 문제로 모델링한 후, LP 완화 및 시뮬레이티드 어닐링 방법으로 해를 구한다. 실험 결과, 주어진 목표 시간에 맞는 주행 시간을 갖는 도전 배 치를 구할 수 있었다. 이들 도전 배치를 트랙에 적용한 후 시험 주행해 봄으로써, 실제 주행 시 간은 평균적으로 해당 도전 배치의 목표 시간과 일치함을 보였다. 제안된 방법은 사용자에게 다양한 난이도의 게임 플레이를 제공함으로써, 게임의 흥미와 몰입감을 높일 것이다.

게임의 난이도는 게임의 재미와 깊은 연관이 있다. 하지만 게임 레벨의 난이도를 적절하게 결정 하는 것은 쉽지 않다. 대부분의 경우 사람의 실제 게임 플레이를 통한 테스트가 요구한다. 또한 정 량적인 평가도 어렵다. 따라서 게임 레벨 난이도의 정량적 평가를 자동으로 수행하는 것은 게임 개 발에 많은 도움이 될 것이다. 이 논문에서는 경로 탐색 알고리즘을 사용하여 게임 레벨의 길 찾기 난이도를 평가하였다. 길을 찾는 것은 많은 게임들의 기본 속성으로 게임 레벨의 전반적인 난이도 를 대표한다. 그리고 우리는 게임 레벨의 탐색 가능 영역이 동적으로 확장되고 다시금 탐색이 요구 되는 경우 이전 경로 탐색 결과를 재사용하여 난이도 평가 알고리즘의 성능을 최적화하였다.

본 논문에서는 쉽게 즐길 수 있는 미니 게임과 같은 콘텐츠에서 이미지 검색 기술을 이용하여 게임에 적합한 이미지를 찾을 수 있고 또한 게임 난이도를 조절할 수 있는 방법도 보여준다. 본 방법에서는 영상처리 기술에서 내용기반 영상검색 방법 중의 색상과 질감 특징 값들을 추출하는 기술을 이용한다. 본 논문에서는 이를 이용하여 미니게임인 카드 짝 맞추기 게임에서 게임 안에 사용되는 카드 이미지를 자동으로 선택하게 한다. 이때 검색 기준이 되는 이미지(시드 이미지)의 개수를 조절하여 게임의 난이도에 적용 할 수 있는 것을 보여준다. 실험을 통하여 기존의 영상검색을 이용할 경우 게임에서 부적합 할 수 있는 이미지가 검색되는 문제가 나오는데 반하여 본 논문에서는 게임에 활용하기 용이한 이미지를 검색 할 수 있다는 것을 보여준다.

슈팅 게임이나 플랫폼 게임과 같은 액션 게임에서는 플레이어 캐릭터가 적 캐릭터와 충돌하면 플레이어 캐릭터가 죽거나 에너지가 감소하게 되므로 적 캐릭터를 회피하는 요소가 중요하다. 본 논문에서는 적 캐릭터를 회피하는 요소가 중요한 게임에서 셀리언시(saliency)가 높은 물체가 있을 경우 게임의 난이도에 어떠한 영향을 미치는가에 대하여 고찰하였다. 플레이어는 셀리언시가 높은 물체의 움직임을 주목하게 되므로 이로 인해 셀리언시가 낮은 다른 많은 물체들의 움직임을 간과할 수 있다. 그 결과로 물체의 회피에 실패할 확률이 높아질 것이다. 본 연구에서는 셀리언시가 높은 물체의 존재여부가 게임 난이도에 미치는 영향을 검증하기 위해 사용자 실험을 수행하였으며, 셀리언시가 높은 물체가 없는 게임을 수행한 그룹이 셀리언시가 높은 물체가 있는 게임을 수행한 그룹보다 더 높은 점수를 획득하는 결과를 얻었다. 본 연구는 인간의 지각적인 측면에서 게임의 난이도에 영향을 끼칠 수 있는 요소를 살펴보고 이를 실험을 통해 검증하였고 이는 게임 제작 및 기획 단계에서 난이도 예측에 도움이 되는 요소가 될 수 있을 것이다.