게임 기반 행동 분석으로 소프트웨어 개발자 적합성 예측

초록

본 연구는 다중 장르의 심리 게임과 머신러닝을 결합해, 게임 중에 기록되는 미세 행동 데이터를 통해 소프트웨어 개발 직무 적합성을 예측한다. 기존 자기보고식 검사와 달리 응답 편향을 최소화하고, 퍼즐·전략·시간 관리 등 다양한 게임 요소에서 나타나는 문제 해결, 계획성, 적응력 등을 행동 특성으로 추출한다. 두 단계 모델링으로 97% 정밀도, 94% 정확도를 달성했으며, 적합 후보는 퍼즐 승리 횟수·부가 과제 수행·메뉴 탐색 빈도는 높고, 일시정지·재시도·포기 행동은 적은 패턴을 보였다.

상세 분석

이 논문은 전통적인 성격·직무 적합성 검사가 갖는 ‘사회적 바람직성’·‘피로’·‘의도적 왜곡’ 문제를 해결하고자, 게임 기반 평가(Game‑Based Assessment, GBA)의 가능성을 실증적으로 검증한다. 먼저, 소프트웨어 개발자에게 핵심적인 성격·행동 요인을 도출하기 위해 체계적 문헌 고찰과 현직 엔지니어 대상 설문·인터뷰를 병행하였다. 여기서 도출된 요인—문제 해결 능력, 계획·조직화, 적응성, 끈기, 시간 관리, 정보 탐색—은 각각 게임 메커니즘에 매핑되었다. 예를 들어, 퍼즐 게임은 문제 해결과 끈기를, 전략 게임은 계획·조직화를, 타임 매니지먼트 게임은 시간 관리와 정보 탐색을 촉진한다.

게임은 모바일 플랫폼으로 구현돼, 사용자가 자연스럽게 여러 장르를 순차·동시적으로 체험하도록 설계되었다. 게임 진행 중 발생하는 ‘클릭, 스와이프, 메뉴 진입, 레벨 진입·이탈, 일시정지, 재시도, 포기’ 등 200여 개의 세밀한 이벤트가 로그로 수집되었다. 이 로그는 원시 시계열 데이터에서 파생된 ‘행동 빈도’, ‘전환 확률’, ‘시간 간격’, ‘성공/실패 비율’ 등 150여 개의 특징(feature)으로 변환되었다.

모델링은 두 단계로 진행된다. 1단계에서는 특성 선택(feature selection) 기법—L1 정규화, 상관계수 기반 필터링—을 적용해 과잉 차원을 축소하고, 각 특성의 직무 적합성에 대한 기여도를 평가한다. 2단계에서는 선택된 특성을 입력으로 하여 여러 머신러닝 알고리즘(랜덤 포레스트, XGBoost, LightGBM, 딥러닝 기반 다층 퍼셉트론) 중 가장 성능이 우수한 모델을 선정한다. 교차 검증(k‑fold, k=10)과 별도 검증 집합을 활용해 모델의 일반화 능력을 검증했으며, 최종 모델은 97%의 정밀도와 94%의 정확도를 기록했다.

특히, 모델이 강조한 행동 패턴은 직관적이면서도 실무와 연관성이 높다. 적합 후보는 퍼즐 레벨에서 높은 승률을 보이며, 메인 퀘스트 외에 부가 과제(‘사이드 챌린지’)를 자발적으로 시도한다. 이는 문제 해결에 대한 호기심과 지속적인 학습 의지를 반영한다. 또한, 메뉴 탐색 빈도가 높고, 일시정지·재시도·포기 행동이 적은 것은 작업 흐름을 유지하고, 방해 요소에 쉽게 굴복하지 않는 성향을 의미한다. 반대로, 비적합 후보는 반복적인 재시도와 포기, 과도한 일시정지, 메인 흐름에서 벗어나지 않는 경향을 보였다.

이러한 결과는 ‘행동 기반’ 평가가 성격 설문과 동일하거나 그 이상으로 직무 적합성을 예측할 수 있음을 시사한다. 특히, 게임이라는 몰입형 환경은 응시자의 자연스러운 행동을 이끌어내어, 기존 설문이 포착하기 어려운 ‘암묵적’ 특성을 드러낸다. 또한, 모바일 기반이라는 점에서 대규모 인재 선발·경력 전환 프로그램에 손쉽게 적용 가능하며, 실시간 피드백과 맞춤형 학습 경로 제공도 기대된다. 다만, 데이터 편향(예: 게임에 익숙한 세대)과 문화적 차이, 게임 설계에 따른 특성 과대/과소 평가 위험 등은 향후 연구에서 보완해야 할 과제로 남는다.