몰입형 가상현실 심각게임을 활용한 건물 대피 교육 및 연구 체계적 고찰

초록

본 논문은 몰입형 가상현실(IVR) 기반 심각게임(SG)이 화재·지진 등 실내 재난 상황에서 대피 행동과 학습 효과를 향상시키는 메커니즘을 체계적으로 검토한다. 문헌 조사 결과, 교육·훈련, 행동 평가, 게임 환경 설계, 성과 측정 네 축을 연결하는 통합 프레임워크를 제시하고, 설계 원칙·참여 경험·학습 전이 효과 등을 도출하였다.

상세 분석

본 연구는 2010년 이후 발표된 IVR 기반 대피 심각게임 논문을 PRISMA‑like 절차로 선별·분류하여 45편을 최종 분석 대상으로 삼았다. 주요 분석 항목은 (1) 교육·훈련 목표(지식 전달, 위험 인식, 의사결정 능력 강화), (2) 행동 측정 지표(대피 시간, 경로 선택, 스트레스 수준), (3) 게임 환경 구현(그래픽 리얼리즘, 물리 엔진, 인터랙션 방식, 하드웨어 종류), (4) 평가 방법(전후 테스트, 설문, 생체 신호, 로그 데이터)이며, 각 항목 간 상호작용을 시각화한 개념적 프레임워크를 구축하였다.

첫째, IVR SG는 전통적 영상·포스터 교육에 비해 몰입감과 존재감(presence)을 크게 증대시켜 학습자의 인지 부하를 최적화한다는 점이 반복적으로 보고되었다. 특히, 실시간 피드백과 상황 변이(연기, 구조물 붕괴 등)를 제공함으로써 위험 인식과 위험 회피 행동이 실제 현장과 높은 상관관계를 보였다.

둘째, 행동 측정 측면에서 대피 경로 선택의 다양성, 대피 속도, 그리고 심리적 스트레스(심박수, 피부 전도도) 변화가 정량화되었으며, 이러한 데이터는 AI 기반 행동 모델링에 활용될 가능성을 시사한다. 특히, 다중 감각 피드백(청각·촉각·진동)을 적용한 실험군이 단일 시각 피드백군보다 대피 효율이 12% 이상 향상되었다는 결과가 눈에 띈다.

셋째, 게임 환경 구현에서는 Unity와 Unreal Engine이 주류를 이루었으며, HMD로는 Oculus Rift, HTC Vive, 그리고 최근의 Stand‑alone 기기인 Oculus Quest가 혼용되었다. 그래픽 디테일과 물리 엔진의 정밀도가 학습 전이 효과에 직접적인 영향을 미치는 것으로 나타났으며, 저해상도 환경에서는 ‘현실감 저하 → 학습 효과 감소’라는 부정적 연쇄가 관찰되었다.

넷째, 평가 방법에서는 전통적인 사전·사후 설문 외에 로그 기반 행동 데이터와 생체 신호를 복합적으로 활용한 혼합 연구가 증가 추세에 있다. 특히, ‘실제 대피 훈련과의 교차 검증’ 연구가 아직 부족해, IVR SG의 외적 타당성을 확보하기 위한 장기 추적 연구가 필요함을 강조한다.

마지막으로, 프레임워크는 (가) Pedagogical Impact – 학습 목표와 평가 설계, (나) Behavioral Impact – 행동 데이터와 심리적 반응, (다) Game Development – 하드웨어·소프트웨어 선택 및 인터랙션 설계, (라) Outcome & Participation – 성과 지표와 사용자 만족도 네 축으로 구성된다. 각 축은 상호 보완적으로 작용하며, 설계 단계에서부터 이 네 요소를 균형 있게 고려할 때 IVR SG의 효과가 극대화된다는 결론을 도출한다.

이러한 분석을 통해 본 논문은 IVR 기반 대피 심각게임이 교육·연구 도구로서 갖는 잠재력을 체계적으로 정리하고, 향후 연구자가 설계·평가 단계에서 참고할 수 있는 구체적 가이드라인을 제공한다.