e스포츠 선수 수준을 가늠하는 시선 고정 지속시간 분석

초록

본 연구는 프로, 아마추어, 초보 e스포츠 플레이어의 시선 고정 지속시간 분포를 비교하여, 고숙련자는 고정 지속시간의 변동성이 크고 이중 피크(ambient·focal)를 보인다는 점을 발견하였다. 이러한 특징은 시각 정보 처리 방식의 차이를 반영하며, 적응형 인터페이스 설계에 활용될 수 있다.

상세 분석

본 논문은 고도의 시각‑운동 통합이 요구되는 컴퓨터 게임을 대상으로, 눈동자 움직임 중 가장 의미 있는 지표인 ‘시선 고정(fixation)’을 정량화하였다. 실험 참가자는 세계 최고 수준의 프로게이머, 중급 아마추어, 그리고 게임 경험이 거의 없는 초보자 3그룹으로 구성되었으며, 60 Hz 이상의 고정밀 아이 트래킹 장치를 이용해 각 라운드 동안의 고정 시작·종료 시점을 기록하였다. 데이터 전처리 단계에서 잡음 제거와 고정 기준(속도 < 1 °/s, 최소 지속시간 100 ms) 적용 후, 각 참가자의 고정 지속시간을 히스토그램으로 시각화하고, 커널 밀도 추정(KDE)과 혼합 가우시안 모델을 통해 분포 형태를 정량적으로 분석하였다. 결과는 두 가지 핵심 패턴을 드러낸다. 첫째, 프로게이머 그룹은 전체 고정 지속시간의 표준편차가 가장 크게 나타나, 상황에 따라 짧은 ‘ambient’ 고정과 긴 ‘focal’ 고정을 유연하게 전환한다는 것을 의미한다. 둘째, 프로와 아마추어 그룹 모두 이중 피크를 보였으며, 특히 프로는 두 피크 사이의 간격이 넓어 두 종류의 시각 처리 전략이 명확히 구분된다. 반면 초보자는 단일 피크(주로 200–300 ms)로 집중된 고정 패턴을 보여, 시각 정보의 자동·의식적 구분이 미비함을 시사한다. 이러한 차이는 ‘ambient’ 고정이 주변 상황 파악을 위한 자동적, 저비용 처리이며, ‘focal’ 고정이 목표물에 대한 집중적, 고비용 인지 처리라는 기존 이론과 일치한다. 논문은 또한 고정 지속시간 변동성이 게임 내 의사결정 속도와 정확도, 궁극적으로 승률과 상관관계가 있음을 시사하지만, 직접적인 행동 데이터와의 연계 분석은 향후 연구 과제로 남겨두었다. 마지막으로, 저자는 이러한 시선 패턴을 실시간으로 감지해 난이도 조절, UI 레이아웃 최적화, 혹은 개인 맞춤형 트레이닝 피드백을 제공하는 적응형 인터페이스 설계 가능성을 제시한다.