• 한국심리학회지 : 문화 및 사회문제
• /
• 제15권4호
• /
• pp.565-589
• /
• 2009

본 연구에서는 게임 사용의 부정적 결과에 초점을 둔 선행 연구와 달리, 게임활용의 긍정적 결과로서의 적응적 게임활용도를 측정하는 도구를 개발하고 타당화하였다. 예비조사를 통해 적응적 게임활용 측정 도구를 개발하고, 유층표집을 통해 선정된 전국 중고등학생 600명을 대상으로 본조사를 실시하였다. 연구결과 활력 경험, 생활경험 확장, 여가 선용, 몰입 경험, 자긍심 경험, 통제력 경험, 사회적 지지망 유지 및 확장 등 7개의 요인으로 구성되는 척도의 신뢰도와 시간에 걸친 안정성이 확인되었다. 또한, 척도의 구성타당도, 변별타당도, 및 공인타당도를 확인하였다. 게임 연구의 외연 확장과 관련한 본 연구의 시사점과 장래 연구 방향을 논의하였다.

• 한국멀티미디어학회논문지
• /
• 제20권2호
• /
• pp.404-419
• /
• 2017

This study is to examine how middle and high school students vary in terms of good and bad usage of online games and how these factors have varying effects on their use of the internet as a whole. My focus is to study their behavioral patterns individually while playing internet-based online games. The results are as follows: First, 260 out of 390 subjects used the internet. Male students who are high school students with siblings, or preschool time game users were revealed to play online games more often rather than female students who are middle school students with no siblings, or non-preschool time game users. Secondly, the analysis of differences of good and bad usage of online games revealed that there is a significant correlation between gender and beginning age. Lastly, a thorough analysis of the average difference in terms of following the online game shutdown found that there is no significant correlation among the sub-groups. However, an analysis of the difference of the problematic game usage has shown that there is a significant difference in the heavy user group. This findings means that the students who don't follow the online game shutdown spend more time than those who do.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권12호
• /
• pp.6069-6091
• /
• 2017

Augmented Reality (AR) overlays virtual information on real world data, such as displaying useful information on videos/images of a scene. This paper presents an Enhanced AR (EAR) system that displays useful statistical players' information on captured images of a sports game. We focus on the situation where the input image is degraded by strong sunlight. Proposed EAR system consists of an image enhancement technique to improve the accuracy of subsequent player and face detection. The image enhancement is followed by player and face detection, face recognition, and players' statistics display. First, an algorithm based on multi-scale retinex is proposed for image enhancement. Then, to detect players' and faces', we use adaptive boosting and Haar features for feature extraction and classification. The player face recognition algorithm uses boosted linear discriminant analysis to select features and nearest neighbor classifier for classification. The system can be adjusted to work in different types of sports where the input is an image and the desired output is display of information nearby the recognized players. Simulations are carried out on 2096 different images that contain players in diverse conditions. Proposed EAR system demonstrates the great potential of computer vision based approaches to develop AR applications.

• 정보처리학회논문지B
• /
• 제9B권2호
• /
• pp.139-146
• /
• 2002

로봇 축구 시뮬레이션 게임은 하나의 동적 다중 에이전트 환경이다. 본 논문에서는 그러한 환경 하에서 각 에이전트의 동적 위치 결정을 위한 새로운 강화학습 방법을 제안한다. 강화학습은 한 에이전트가 환경으로부터 받는 간접적 지연 보상을 기초로 누적 보상값을 최대화할 수 있는 최적의 행동 전략을 학습하는 기계학습 방법이다. 따라서 강화학습은 입력-출력 쌍들이 훈련 예로 직접 제공되지 않는 다는 점에서 교사학습과 크게 다르다. 더욱이 Q-학습과 같은 비-모델 기반의 강화학습 알고리즘들은 주변 환경에 대한 어떤 모델도 학습하거나 미리 정의하는 것을 요구하지 않는다. 그럼에도 불구하고 이 알고리즘들은 에이전트가 모든 상태-행동 쌍들을 충분히 반복 경험할 수 있다면 최적의 행동전략에 수렴할 수 있다. 하지만 단순한 강화학습 방법들의 가장 큰 문제점은 너무 큰 상태 공간 때문에 보다 복잡한 환경들에 그대로 적용하기 어렵다는 것이다. 이런 문제점을 해결하기 위해 본 연구에서는 기존의 모듈화 Q-학습방법(MQL)을 개선한 적응적 중재에 기초한 모듈화 Q-학습 방법(AMMQL)을 제안한다. 종래의 단순한 모듈화 Q-학습 방법에서는 각 학습 모듈들의 결과를 결합하는 방식이 매우 단순하고 고정적이었으나 AMMQL학습 방법에서는 보상에 끼친 각 모듈의 기여도에 따라 모듈들에 서로 다른 가중치를 부여함으로써 보다 유연한 방식으로 각 모듈의 학습결과를 결합한다. 따라서 AMMQL 학습 방법은 큰 상태공간의 문제를 해결할 수 있을 뿐 아니라 동적인 환경변화에 보다 높은 적응성을 제공할 수 있다. 본 논문에서는 로봇 축구 에이전트의 동적 위치 결정을 위한 학습 방법으로 AMMQL 학습 방법을 사용하였고 이를 기초로 Cogitoniks 축구 에이전트 시스템을 구현하였다.