인공지능(AI) 씨름 학습용 데이터를 활용한 e스포츠 콘텐츠 개발 방향 연구 - OCA 인정 종목 사례를 중심으로 -

권석무; 박우진; 허건식; 이승재

doi:10.47684/jcd.2024.03.26.3.313

추천

검색

질문

자료유형: 학술저널

저자정보: 권석무 (용인대학교) 박우진 (이랜서) 허건식 (용인대학교) 이승재 (용인대학교)

저널정보: 한국코칭능력개발원 코칭능력개발지 코칭능력개발지 제26권 제3호 (통권 제94호)

발행연도: 2024.3

수록면: 313 - 322 (10page)

DOI: 10.47684/jcd.2024.03.26.3.313

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 인공지능 기술 발전 및 e스포츠 시장의 성장과 더불어 아시아올림픽평의회의 e스포츠 정책을 탐색 및 분석하여 인공지능 씨름 학습용 데이터를 활용한 e스포츠 콘텐츠 개발 방향성 제시를 목적으로 한다. 설정한 연구목적을 위해 국내·외 학술논문, 단행본, 보도자료 등의 문헌자료 및 아시아올림픽평의회를 비롯한 종목별 배급사의 공식 홈페이지 자료를 참고하는 문헌고찰법과 내용분석법을 연구방법으로 설정했다. 수집된 문헌자료는 해당 내용 분석 과정을 거쳐 핵심이 되는 이론적 사실을 추려내었으며, 신뢰성과 타당성을 확보하기 위해 객관적인 다각적 검증법을 실시할 인공지능 분야 및 체육학 박사학위 소지자 5인이 검수에 참여하였다. 결론은 다음과 같다. 첫째, 현재까지 아시아올림픽평의회에서 공인한 전체 26개 e스포츠 종목은 신체성과 경쟁을 기준으로 구분하여 ‘신체적 가상 스포츠’, ‘비신체적 가상 스포츠’, ‘경쟁적인 게이밍’ 등의 세 가지 유형으로 분류 가능하다. 주관 국제연맹 대신 e스포츠 콘텐츠를 개발 및 배급하는 기업이 그 역할을 수행한다. 공인 OCA e스포츠 종목은 최초에는 실제 스포츠를 기반으로 개발된 ‘비신체적 가상 스포츠’ 유형과 실제 스포츠에 기반하지 않는 ‘경쟁적인 게이밍’ 유형이 1:1의 구성 비율을 이루었으나, 가장 최근의 아시안게임에서는 ‘경쟁적인 게이밍’ 유형이 대다수를 차지하며, 실제 스포츠 기반의 ‘비신체적 가상 스포츠’는 축구 기반의 e스포츠 콘텐츠가 유일했다. 둘째, 씨름 기술의 인공지능 동작 학습용 데이터 활용에 가장 적합한 e스포츠 콘텐츠 개발 전략 수립에 가장 적절한 사례 유형은 ‘비신체적 가상 스포츠’ 유형과 ‘경쟁적인 게이밍’ 유형 특성이 동시에 나타나는 대전 격투 게임 콘텐츠였다. 셋째, 개발에 필요한 제반 사항에 따라 국내외 기업과의 협력으로 씨름의 대전 격투 게임 콘텐츠의 개발 전략을 선택 가능하지만, 이는 공통적으로 씨름 기술에 대한 AI 동작 학습용 데이터를 최대한 다양한 기술을 대상으로 구축해야 한다는 결론이다. 대한씨름협회에서 지정한 55수 원형기술뿐만 아니라 씨름의 역사 문헌 또는 사진 자료 등을 바탕으로 씨름의 과거 기술 등을 발굴 및 복원하는 과정을 거쳐 구축되는 AI 학습용 데이터를 확대해 대전 격투 게임 콘텐츠에서 씨름 기술의 매력적 표현이 가능하다.

The purpose of this study is to explore and analyze the e-sports policy of Olympic Council of Asia (OCA) along with the development of artificial intelligence (AI) technology and the growth of the e-sports market to present the direction of e-sports contents development using data for artificial intelligence learning dataset of Ssireum. For the researching objectives, a literature review method and a contents analysis method were set to refer to literature data such as domestic and foreign academic papers, books, press releases, and official website data of publisher of each e-sports, including the OCA. The collected literature data was analyzed to select key theoretical facts, and five Ph.D holders in the field of AI and physical education participated in the inspection to secure reliability and validity. The conclusion is as follows. First, the total 26 e-sports contents recognized by the OCA so far can be classified into three types: "physical virtual sports" (PVS), "non-physical virtual sports" (N-PVS), and "competitive gaming" (CG1) based on physicality and competition. Instead of the international sports federation (IF) in charge, companies that develop and publish e-sports content play a role. Initially, the N-PVS type developed based on real sports and the CG1 type not based on real sports made up a 1:1 composition ratio, but in the most recent Asian Games, the CG1 type accounted for the majority, and soccer-based N-PVS type contents were the only real sports-based. Second, the most appropriate type of case for establishing an e-sports content development strategy for using the AI learning data set of Ssireum technology was the content of a fighting game format in which the characteristics of N-PVS and CG1 appeared simultaneously. Third, it is possible to select a strategy for developing the fighting game contents of Ssireum in cooperation with domestic and foreign companies depending on the needs for development, but this is a common conclusion that AI learning data set of Ssireum technology should be built for as many skills as possible. By expanding AI learning data set built through the process of discovering and restoring the past skills of Ssireum based on historical literature or photographic materials as well as 55 prototype skills designated by the Korea Ssireum Association, it is possible to express Ssireum skills in fighting game format contents.

#인공지능 #씨름 #아시안게임 #e스포츠 #AI씨름학습용데이터 #artificial intelligence #ssireum #Asian Games #e-Sports #AI learning data set of Ssireum

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

권석무

소속기관 용인대학교

주요연구분야 예술체육학 > 체육 TOP 10%

논문수 23 이용수 1,211

이 논문과 함께 이용한 논문

OpenAI 모델 비교를 통한 초거대 언어모델 기술 발전 동향

김민주 , 허주희 , 박수현 정보과학회지 2025 .05

[콜라보] 전통 스포츠도 협업하는 e스포츠 열풍 : MZ 잡기 위해 e스포츠와 협업하는 유통업계

조주홍 넥스트 이코노미 2025 .01

머신러닝 알고리즘 적용 KLPGA 선수 경기력 예측이 스포츠 산업에 미치는 사회학적 함의

김필수 , 이상현 , 우성빈 한국스포츠사회학회지 2024 .09

심층강화학습 및 xAI 기술 무선 네트워크 핸드오버 연구 적용 사례

남가연 , 김시영 , 송유재 한국통신학회지(정보와통신) 2024 .09

증거기반정책에서 생성형 인공지능(AI)의 활용 가능성과 한계: 천안시 도시재생사업 사례를 중심으로

윤상오 , 진수영 한국공공관리학보 2024 .06

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)