User churn in games often arises due to inadequate game difficulty. To address this, non-player characters (NPCs) has been utilized to modulate difficulty according to individual game skill. Nevertheless, the effectiveness of solely NPC-based adjustments is limited since game difficulty is influenced by both NPCs and environmental factors. This paper introduces a novel method for dynamically tailoring game difficulty by adjusting in-game environments based on player behavior patterns in top-down shooter game. Through analysis of diverse user game play data, we find that factors within the game environment, such as the distribution of enemy characters and the arrangement of terrain, have a substantial influence on the level of difficulty. Furthermore, it has been observed that behavioral patterns of players show variations according to changes in the game environment. Using these analytical result, we devise an artificial neural network model that configures an environment that suit player behavior patterns. With the model, we figure out the user player pattern and control the difficulty dynamically by changing the environment factors. Through the experiments, we show that our method provides an appropriate level of difficulty for users to prevent user churn.

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.

An automated note generation system has been designed that improves the disadvantages of creating notes in music using BMS programs. In this paper, using FFT algorithm, the sound scale was extracted through frequency analysis of audio file and converted to color information. This was used to create automatic notes and balance the game in the rhythm game. In the case of non-complexed music such as children's songs, sound extraction was possible, but music such as K-pop, which had complex voices mixed, lacked accuracy. In this paper, the existing research on the relationship between pitch and color was objectively quantified and the system was designed to determine the balance and difficulty of the game based on the synesthesia felt by human.

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.

As mobile devices are becoming ubiquitous, more users encompassing different are groups are enjoying mobile games. There are two types of mobile games – games mandating a certain type of learning and games not requiring any sophisticated learning such as casual games. In this paper, we first define th the degree of learning and compare the acceptance of these two types of mobile games on two different ages groups, i.e., 2~30 age group and 40~50 age group. For this experiment, we recruited 20 users, 10 users per each group, and each participant responds to our survey after playing 15 games with different degrees of difficulty. Our survey results show that 1) both age groups are more engaged in popular games, 2) 20~50 age group is less engaged in brain-teasing games and social network games, 3) both age groups feel difficult as more learning is required, and 4) 20~30 age group quickly learns new games if those are similar to the games they played before.

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.

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.