• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2014년도 추계 종합학술대회 논문집
• /
• pp.453-454
• /
• 2014

교육용 게임은 학습 흥미를 증진시킬 수 있는 중요한 도구 중 하나이다. 웹 기반의 정보화 기술의 발전에 따라 웹 기반의 학습 콘텐츠의 수요도 계속 증가하고 있다. 본 논문에서는 초등학교 저학년생을 대상으로 기초적인 사칙 연산 학습을 위한 게임 콘텐츠를 개발하였다. 특히, 웹 소켓 기술을 사용하여 개발된 본 게임은 다수의 사용자가 동시에 게임에 참여할 수 있으며, 각 사용자는 별도의 학습 프로그램 설치를 하지 않고도 웹에 연결된 환경이라면 브라우저를 통해 본 학습 게임에 접속하여 활용이 가능하다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(B)
• /
• pp.272-275
• /
• 2011

본 논문에서는 수학에서 사용하는 소수(Prime number)를 찾는 원리에 대한 학습을 위한 게임 기반 학습(Game based learning) 콘텐츠인 Prime Miner라는 게임을 제안한다. Prime Miner는 게임이 가지고 있는 장점과 소수의 원리를 결합하여 게임을 통해 학습자의 흥미를 이끌어 학습에 몰입할 수 있도록 도우며, 학습자가 게임 규칙을 통해 소수의 원리를 합리적으로 배울 수 있도록 유도한다. 본 논문에서는 Prime Miner의 게임 원리와 학습자가 Prime Miner를 통해 소수 학습을 하는 방법을 설명한다. 또한 퍼즐게임에서 종종 발생하는 더 이상 게임을 진행할 수 없는 상태인 교착상태(Deadlock)를 피하기 위한 숫자 타일의 배치에 관한 방법도 제시한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.475-477
• /
• 2022

최근 강화 학습을 적용한 게임 AI 에 대한 연구가 활발히 진행되고 있다. 하지만 대부분 상용게임은 유한 상태 머신(Finite State Machine, FSM)을 이용한 스크립트 기반 AI 를 사용하기 때문에 복잡한 환경의 게임에서 불안정한 상태로 인해 적절한 강화 학습의 수행이 어렵다. 따라서 본 논문에서는 상용 게임 강화 학습 적용을 위하여 상태 정규화 및 Dense 보상 기반 강화 학습 기법을 제안한다. 제안한 기법을 상용 농구 게임에 적용하고 학습된 모델의 성능을 기존 FSM 기반 AI 와 비교를 통해 성능이 약 80% 증가한 결과를 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2012년도 제46차 하계학술발표논문집 20권2호
• /
• pp.355-357
• /
• 2012

본 논문에서는 안드로이드 기반 스마트폰을 이용하여 모바일 게임개발을 위한 기초 학습용 앱의 구현 내용을 소개하였다. 이미 상용화 되어 있는 학습용 앱의 용도 외에 게임적 요소를 접목하여 학습의 효과와 흥미를 높일 수 있도록 하였다. 누구나 배우고 즐길 수 있는 학습용 앱으로 평가할 수 있다. 디자인적 요소와 게임 기능의 확대 후 안드로이드 마켓에 배포하여 서비스를 할 수 있으며 본 연구의 과정은 게임 앱 설계 관련 프로젝트의 수행이나 학습용 게임 앱 개발의 학습 모형을 제시한 사례로 활용할 수 있다.

• 정보교육학회논문지
• /
• 제20권3호
• /
• pp.313-322
• /
• 2016

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.

• 한국게임학회 논문지
• /
• 제11권5호
• /
• pp.79-88
• /
• 2011

본 연구는 스마트폰으로 인식이 가능한 QR코드를 이용한 퀘스트 기반학습을 적용하여 교육 현장에서 학습방법으로서 가능성을 확인하는데 있다. 퀘스트 기반학습의 적용은 초등학교 3학년 32명을 대상으로 1개월간 총 8차시에 걸쳐 적용되었다. 학습활동 후 학습동기의 네 가지 하위요인에 대한 다변량분석을 하였다. 연구결과, 퀘스트 기반학습은 동기하위요인 중 주의집중과 자신감 요인의 동기를 촉진하는 긍정적인 결과를 보였다. 게임형태의 퀘스트 기반학습은 다양한 미디어를 활용한 학습방법으로 교육현장에서 학습자 참여를 촉진하고, 활동중심의 경험학습을 위한 학습방법으로 활용될 수 있을 것이다.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2002년도 춘계학술발표논문집(상)
• /
• pp.308-314
• /
• 2002

본 논문은 2인용 보드게임의 정보에 대한 전략을 학습할 수 있는 방법을 유전자기반 역전파 신경회로망과 Temporal Difference학습알고리즘을 이용하여 제안하였다. 학습의 과정은 역전파에 의한 초기학습에 이어 국부해의 단점을 극복하기 위하여 미세학습으로 유전자알고리즘을 이용하였다. 시스템의 구성은 탐색을 담당하는 부분과 기물의 수를 발생하는 부분으로 구성되어 있다. 수의 발생부분은 보드의 상태에 따라서 갱신되고, 탐색커널은 αβ탐색을 기본으로 유전자알고리즘을 이용하여 가중치를 최적화하는 유전자기반 역전파 신경회로망과 TD학습을 결합하여 게임에 대해 양호한 평가함수를 학습하였다. 일반적으로 많은 학습을 통하여 평가함수의 정확도가 보장되면 승률이 학습의 양에 비례함을 알 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제55차 동계학술대회논문집 25권1호
• /
• pp.155-156
• /
• 2017

본 논문에서는 블리자드 회사에서 제작한 게임 중 하나인 오버워치(Overwatch)에서 게임의 간접정보를 학습하여 플레이어에게 유리한 영웅 캐릭터를 추천해주는 인공신경망 기반 영웅 캐릭터 추천 방법을 제안한다. 오버워치에서 게임 맵별로 적군 캐릭터와 아군 캐릭터가 선정되었을 때 플레이어가 어떤 영웅캐릭터를 선정하면 승률에 좋은지를 알기가 어렵다. 본 논문에서는 플레이어의 영웅캐릭터 선정을 도와주기위하여 오버워치 게임의 간접정보를 기반으로 학습데이터를 만들어 인공신경망을 학습한 후 학습한 인공신경망을 이용하여 영웅캐릭터를 추천한다. 실험결과 인공신경망이 추천하는 영웅캐릭터가 적절한 캐릭터임을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (B)
• /
• pp.210-215
• /
• 2008

SCORM(Sharable Content Object Reference Model)은 세계 이러닝(e-Learning) 표준화 분야에서 가장 주목을 받고 있는 ADL(Advanced Distributed Learning)의 표준화 모델이다. ADL은 비교적 안정화 단계에 접어들었다는 평가를 받고 있는 SCORM 2004를 제시함으로써 콘텐츠의 재활용성을 높여 경제성 있는 콘텐츠 구현을 가능하게 하였고, 개발 과정에서의 효율성을 극대화 시켰다. 그러나 SCORM 스펙의 다양한 요소를 충분히 활용하면서도 게임적인 요소를 가미하여 효과적인 학습 콘텐츠를 구현 할 수 있는가에 대한 연구는 현재 매우 미약한 실정이다. 또한 IMS SS(Simple Sequencing)를 기반으로 하는 SCORM 시퀀싱 & 네비게이션은 구현 방법이 간단하지 않아 LSAL등에서 제공하는 SCORM 시퀀싱 템플릿을 거의 그대로 사용하는 것이 일반적이다. 따라서 본 연구에서는 LSAL 템플릿 모델 및 게임 기반 학습에 대한 관련 연구 조사를 수행하고, 게임 기반 학습에서 사용 될 수 있는 SCORM 데이터 모델을 참고하여 이를 실제 초등 학습에서 적용 가능한 SCORM 기반 에듀테인먼트 콘텐츠를 제작한다. 또한 기존의 선형적인 학습 구조에서 벗어나 수준별 학습을 실현하는 보다 구체적이고 세련된 시퀀싱 & 네비게이션 설계 방법을 제시한다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2007년도 추계학술대회
• /
• pp.294-302
• /
• 2007

멀티 에이전트 강화학습에서 중요한 이슈 중의 하나는 자신의 성능에 영향을 미칠 수 있는 다른 에이전트들이 존재하는 동적 환경에서 어떻게 최적의 행동 정책을 학습하느냐 하는 것이다. 멀티 에이전트 강화 학습을 위한 기존 연구들은 대부분 단일 에이전트 강화 학습기법들을 큰 변화 없이 그대로 적용하거나 비록 다른 에이전트에 관한 별도의 모델을 이용하더라도 현실적이지 못한 가정들을 요구한다. 본 논문에서는 상대 에이전트에 대한RBFN기반의 행동 정책 모델을 소개한 뒤, 이것을 이용한 강화 학습 방법을 설명한다. 본 논문에서는 제안하는 멀티 에이전트 강화학습 방법은 기존의 멀티 에이전트 강화 학습 연구들과는 달리 상대 에이전트의 Q 평가 함수 모델이 아니라 RBFN 기반의 행동 정책 모델을 학습한다. 또한, 표현력은 풍부하나 학습에 시간과 노력이 많이 요구되는 유한 상태 오토마타나 마코프 체인과 같은 행동 정책 모델들에 비해 비교적 간단한 형태의 행동 정책 모델을 이용함으로써 학습의 효율성을 높였다. 본 논문에서는 대표적이 절대적 멀티 에이전트 환경인 고양이와 쥐 게임을 소개한 뒤, 이 게임을 테스트 베드 삼아 실험들을 전개함으로써 제안하는 RBFN 기반의 정책 모델의 효과를 분석해본다.