인지 기반 게임의 난이도 최적화를 위한 정량적 모델 설계 = Quantitative Model Design for Optimizing the Difficulty of Cognitive Games

국문 초록 (Abstract)

본 연구는 인지 기반 게임을 활용하여 인지적 부하를 정량적으로 산출할 수 있는 새로운 난이도 지수(ID) 모델을 제안하고, 이를 기존 대안모델과 비교 검증하였다. 실험은 참가자가 0∼9 사이의 숫자를 제시 속도에 맞추어 역순으로 입력하는 과제를 수행하는 방식으로 진행되었으며,숫자의 개수와 표시 시간을 조합하여 총 60개의 난이도 조건을 설계하였다. 제안된 모델은 작업 기억 용량의 한계를 반영하여 정의되었으며, 이는숫자 개수가 네 개를 초과할 때 난이도가 기하급수적으로 증가한다는 가정을 수학적으로 표현한 것이다. 비교 대상으로는 단순 선형 모델과 Fitts’Law를 변형한 로그 스케일 모델을 설정하였다. 회귀 분석 결과, 제안 모델은 가장 높은 설명력을 보여주었으며, 다른 두 모델에 비해 우수한 예측성능을 입증하였다. 이러한 결과는 제안 모델이 난이도의 비선형적 증가를 효과적으로 반영하고, 실제 사용자 수행을 예측하는 데 있어 신뢰성있는 지표로 활용될 수 있음을 시사한다. 나아가 본 연구는 작업 기억 연구의 이론적 토대와 실험적 검증을 결합함으로써, 교육 및 훈련 환경에서도전성과 학습 효율성을 균형 있게 설계할 수 있는 실질적 도구를 제시한다는 점에서 학문적, 실천적 의의를 갖는다.

다국어 초록 (Multilingual Abstract)

This study proposes a novel Difficulty Index (ID) model to quantitatively assess cognitive load using cognition-based games and validatesit through comparison with existing alternative models. The experiment required participants to perform a task in which they entereddigits from 0 to 9 in reverse order according to the presentation speed. A total of 60 difficulty conditions were designed by combiningthe number of digits and display time. The proposed model was defined to reflect the limitations of working memory capacity,mathematically expressing the assumption that difficulty increases exponentially when the number of digits exceeds four. For comparison,a simple linear model and a logarithmic-scale model adapted from Fitts’ Law were employed. Regression analysis revealed that the proposedmodel exhibited the highest explanatory power and demonstrated superior predictive performance compared to the other two models.
These findings suggest that the proposed model effectively captures the nonlinear increase in task difficulty and can serve as a reliableindicator for predicting actual user performance. Furthermore, by integrating theoretical foundations of working memory with experimentalvalidation, this study provides a practical tool for designing educational and training environments that balance challenge and learningefficiency, thereby offering both academic and practical contributions.