Study on Influencing Factors of Camera Balance in MOBA Games - Focused on

MOBA 게임 카메라 밸런스 개선을 위한 영향요소 분석 - 중심으로

Abstract

This study examines the game balance of the MOBA game genre, which was selected as a model item for the Asian Games. The "bird-eye view" was used for a more efficient representation of 3D modeling. Based on that, statistical analysis was conducted to present appropriate game camera settings and camera balance to match the competitive structure of the MOBA game. A review of the game camera settings reveals that 64° to 70° is the angle that minimizes the difference in vision between the two-player teams the most. Through a one-way ANOVA analysis, we found that the user ranking level and SVB value are closely related. Therefore, the factor of the regression equation using the SVB value must have a user ranking level. As a result of the optimized camera focus analysis of , the camera setting methods were classified into 3 types. For main action games, the recommended camera angle is 64°~66°, and the recommended camera focus is 11.2 mm~19.3 mm. For action and strategy games, the camera angle is 66°~68°, camera focus - 19.3 mm~27.3 mm. And lastly, for the main strategy game, the recommended camera angle is 68°~70°, and the camera focus is 27.3 mm~35.3 mm.

1. 서론

1.1 연구의 배경 및 목적

코로나19 펜데믹(Pandemic) 사태로 인해 세계적으로 자연스럽게 게임이 스포트라이트를 받고 있게 되었다. 사람들은 갑자기 불어난 여유 시간을 소비하기 위한 수단들이 절실해졌고, 특히 비대면에 익숙한 한국 청소년 사이에서는 최고의 인기 스포츠로 사랑받기 시작했다[1]. 2018년 e-스포츠 게임인 [League of Legends]는 아시안 게임즈(Asian games)의 시범 항목으로 선정되었지만, 현재 게임 장르의 불안정성에 대한 대책 방안 연구는 아직도 미비한 상황이다. e-스포츠 진흥에 따라서 본 연구는 MOBA(Multiplayer online battle arena) 게임 장르에 대한 게임 밸런스 검증과 더불어[League of Legends]에 Red team과 Blue team 사이의 시야(Visual field) 밸런스에 관한 문제를 제시하고 최적화된 게임 카메라 밸런스 개선방안을 제시하고자 한다.

1.2 연구의 범위 및 방법

MOBA 게임은 AOS라고 불리우는 [Starcraft]속의 유즈맵(Use map)을 기반으로 게임 유저들이 만들어 낸 게임 레벨의 한 종류이다. 본 연구는 아시안 게임즈 e-스포츠 항목 중에서 PC 플랫폼인 MOBA게임 [League of Legends] 중심으로 진행하였다.

본 연구의 목적을 달성하기 위하여 먼저 MOBA 게임 유저의 밸런스에 대한 평가를 수집한 후, MOBA게임 공식 홈페이지 데이터를 분석하여 연구문제를 제시하였다. 이어서 관련 이론정리 및 문헌 고찰을 통해 MOBA 게임 카메라 뷰어의 종류와 변화, 그리고 MOBA 게임의 밸런스 요소에 대해 알아보았고, 유저의 SVB 기준을 정의하였다. 실증연구 단계에서는 이론적 고찰을 바탕으로 달라진 게임 시점에 대한 분석과 게임 카메라로 인해 생기는 게임 밸런스에 대한 문제점을 살펴보았다(Fig. 1).

Fig. 1. Research process.

2. 이론적 고찰

2.1 MOBA 게임 밸런스 요소

앤드류 롤링스와 데이브 모리스(Andrew Rollings & Dave Morris, 2004)는 게임 밸런스를 유저와 유저 사이의 상호작용 요소, 유저와 게임 사이의 상호작용 요소, 게임과 게임 사이의 상호작용 요소로 나누었다[2]. 게임과 게임 사이의 상호작용 요소는 게임 수학적 월드 기반으로 설명하는 게임 밸런스이기 때문에 게임 개발 시 충분히 컴퓨터로 계산 가능한 밸런스 요소이다[3]. MOBA 게임 밸런스에서 유저와 유저 사이의 상호작용요소에서는 카메라 밸런스 요소와 게임 레벨 밸런스 요소로 구성 되어있다. 유저와 게임 사이의 상호작용 요소는 캐릭터 밸런스 요소와 GUI 밸런스 요소가 있다[4]. 애시(Asch, 1952)의 연구에서는 다수 집단이 개인에게 상당한 영향을 미친다는 사실을 밝혀냈다[5]. 현재 게임 밸런스의 연구는 보편적으로 수학으로부터 시작하여 사회학으로 풀이해야 집단의 영향을 받은 개인의 의향을 판단할 수 있다. 즉, 게임 유저의 구성과 게임 장르가 점차 다양해지고 게임 승리를 위한 플레이 과정이 점점 복잡해져 게임 밸런스는 단지 수학만을 통해 근본적인 문제를 해결할 수 없게 되었다. 현재 자주 사용되는 연구 방법 중 하나로 유저들이 게임을 플레이 한 빅 데이터를 활용하여 게임 밸런스가 조절되고 있다.

2.2 MOBA 게임 유저 SVB 기준 정의

게임 속 유저는 전반적인 게임 월드를 기반으로 게임 플레이를 완료한 후 유저 스스로 자아판단을 내리게 되는데 이때의 자아 밸런스 검증 기준을 SVB(Self-verification balance) 기준이라고 정의하였다[6].

유저의 개인 속성과 게임 플레이 과정에서의 다양한 요인들이 융합되어 유저의 SVB 기준 값을 이룬다. SVB 기준 값을 생각할 때, 먼저 게임 유저의 게임에 대한 만족도를 생각함으로 만족감이 좋은 게임은 당연히 게임 밸런스도 좋다는 것을 의미한다. 또한 각 유저의 성향에 따라 고려하는 게임 밸런스 측면이 다양해지면서 수학적 사고로 최종 유저의 SVB 값을 유도할 수 있다. 본 연구자는 게임 밸런스를 개선하기 위해 SVB 값을 이용하여 다수의 게임 유저 집단을 통해 게임 유저들의 추세를 추정한 후, 게임에서 수정되어야 하는 정도 값을 구하여 게임 밸런스 개선에 합리적인 지표의 값을 제시하고자 한다(Fig. 2).

Fig. 2. SVB Value.

2. 연구문제 제시

2.1 연구문제 분석 과정

League of Graphs([League of Legends] Game date web site) 조사에 따르면 2018년 6월부터 2020년 7월까지 Red team(상팀)과 Blue team(하팀)의 승률은 항상 Blue team이 50%에서 높았고 Red team이 50%에서 낮았다[7].

Fig. 3에서는 2019년 [League of Legends] e-스포츠 LCS(League Championship Series) 경기에서 Red team과 Blue team의 승률이 54.5%와 45.5%로 Blue team이 게임 시작부터 Red team 보다 9%의 승률을 더 많이 가지고 있다[8].

Fig. 3. Blue vs. Red Team stats in the LCS 2019 via League of Graphs.

이러한 현상은 게임 유저들에게 게임 시작부터 주어진 플레이 조건에 대한 불합리성을 느끼게 한다. Red team과 Blue team은 한 유저 당 한 캐릭터를 운영하며 각자의 지역에서부터 시작하여 방어와 공격을 통해 게임 맵에 있는 자원들을 점령하여 상대의 포탑들을 무력화 시키면 승리하게 된다. [League of Legends]의 이러한 플레이 과정 중 발생한 플레이 조건의 불합리성에 대한 조사결과는 다음과 같다.

[League of Legends]에서 ARAM 모드의 밸런스를 살펴보면, ARAM 모드는 일반 모드처럼 게임 유저가 Red team과 Blue team으로 나누어지고 각 팀별 5명으로 구성되어 게임이 시작된다.

ARAM 모드의 게임 레벨이 일반 모드와 다른 점은 완벽한 대칭으로 이루어져 있다. 게임 레벨에서 주어진 조건이 똑같고, 자신의 캐릭터는 랜덤으로 선택된다, 캐릭터 또한 'ban'을 할 수 없다. ARAM 모드는 완전한 미러링(Mirroring)된 게임 환경을 마련하였다. 두 팀이 가진 유일한 차이점은 유저의 개인적인 플레이 기술과 카메라 시점이다. Fig. 4의 승률 차이를 보면 Blue team이 늘 50% 이상으로 나타나므로, MOBA 게임의 카메라 각도는 승률에 영향을 미친다는 것을 확인할 수 있다.

Fig. 4. Blue vs. Red Team stats in the ARAM Mode via League of Graphs.

초기 MOBA 게임에 사용되고 있는 카메라 뷰(Camera view)는 아이소메트릭 뷰(Isometric view)로 표현되었고, 게임 맵은 대칭이었으며, 캐릭터 종류와 캐릭터의 스킬은 다양하지가 않았기 때문에 게임 밸런스에서 문제가 나타나지 않았다. 그러나 현재 MOBA 게임을 보면 아이소메트릭 뷰로 제작했던 2.5D의 게임에서 3D로 출시가 되고 있으며, 유저에게 전략 게임을 체험하는데 있어 다양한 가능성을 보여주기 위해 맵 또한 비대칭으로 제작되고 있다. 또한 캐릭터까지 각 역할군으로 나뉘어져 다양한 스킬 효과와 속성들을 지니고 있다. 이러한 풍부한 게임 요소들이 모여서 불안정하고 가변성 있는 게임을 구성한다. 여기서 나타난 첫 번째 문제가 바로 경쟁구도를 이루고 있는 게임 속 Red team, Blue team에 속한 유저의 시야는 항상 같아야 하지만, 3D 모델링을 효과적으로 표현하기 위해 사용된 버드아이 뷰(Bird-eye view)로 인하여 랜덤으로 배정되는 Red team과 Blue team에 따라 유저의 시야에 차이가 생기게 된다.

2.2 시야 영역의 차이

Fig. 5는 Red team과 Blue team의 시야차이 영역을 설명하는 그림이다. 캐릭터가 게임 화면 중심에 있을 때 현재 MOBA 카메라인 버드아이 뷰 각도를 보게 되면, 위쪽에서 아래쪽을 공격하는 유저는 스킬 UI 화면 아래 부분의 체크된 영역이 보이지 않는다. 이러한 결과, Blue team 유저가(아래쪽에서 위쪽을 공격함) 상대적으로 유리하게 되므로 이는 경쟁 구도를 이루고 있는 게임의 공정성을 방해하는 요소이다.

Fig. 5. Blue team & red team visual-field.

2.3 마우스 위치와 스킬 Flash point의 차이

다음 Fig. 6을 보면 Red team 캐릭터가 Blue team 캐릭터를 공격하는 장면이다. 여기에서 Red team 유저의 마우스는 Blue team 캐릭터의 다리 쪽을 선택하지만 실제 스킬은 Red team 캐릭터의 중심축에서 나오게 되므로 마우스로 가리킨 부분보다 더 위쪽으로 스킬 효과를 보게 된다. 게임 화면의 우상변 쪽으로 갈수록 투사된 스킬과 마우스 위치의 차이는 점점 줄어드는 반면 좌하변 쪽의 차이는 상대적으로 커진다. 그리고 투사된 스킬과 마우스가 터치된 위치의 거리차이는 스킬 방향에 따라 다르다. 게임화면에서 세로 90°는 제일 차이가 없는 각도이고, 가로 90° 각도에 가면 갈수록 차이는 점점 커진다. 특히 스킬 각도에 따라 지정한 위치와 스킬 투사 위치의 차이 변화는 게임 초반에 Red team과 Blue team이 Bottom 라인에서의 경쟁에 큰 영향을 주고 있다. 게임 초반에 Blue team이 Red team보다 상대방의 포탑까지 밀고 들어가 상대팀을 공격하고 상대팀의 포탑을 파괴하는 과정에서 스킬 명중에 대한 난이도는 상대적으로 낮다.

Fig. 6. Difference between mouse position and skill flash point position.

2.4 MOBA 게임 카메라 뷰어의 문제 제시

3D게임 개발이 가능하게 되면서 2.5D로 표현된 Isometric view가 Bird-eye view로 바꾸게 되었다. 유저들은 시각적인 표현이 제한된 2.5D의 게임 그래픽 보다 자연스러운 원근거리감과 화려한 표현력을 가진 3D게임 그래픽을 더 선호하였다. 3D 기술이 발전함에 따라 RPG, MMORPG, RTS등 다양한 게임 장르가 3D게임으로 출시되기 시작하였고[9], MOBA게임도 마찬가지로 초기에 2.5D에서 3D로 발전하였다. 하지만 3D게임은 필수적으로 원근거리감의 표현 때문에 게임 그래픽이 왜곡되어 보여진다. 다른 게임 장르에서는 장점이라고 볼 수 있는 문제가 MOBA 게임에서는 유저의 게임 체험에 불이익한 영향을 미치게 하는 요인이 된다. 따라서 Bird-eye view를 사용하고 있는 MOBA 유형의 3D게임은 적합한 카메라 앵글과 포커스 설정이 중요하다고 판단된다.

MOBA 게임에서의 카메라는 항상 고정된 위치에 있으며 카메라의 높이만을 마우스의 중간 버튼으로 Zoom in, Zoom out 할 수 있다. 그 외의 카메라 앵글과 포커스는 유저의 개인 취향으로 설정할 수 없다. Red team과 Blue team은 통일한 게임 카메라 앵글 56°와 카메라 포커스 40mm로 경쟁하고 있다.

기존 Autodesk 3ds max에서의 기본 카메라 포커스는 35mm이다. 그러나 [League of Legends]에서는 더 선명한 원근거리감 표현을 위해 40mm의 포커스를 사용하고, 카메라 앵글은 Bird-eye view의 45°∼90°사이에서 비교적 기울어진 56°를 사용하였다(Fig. 7).

Fig. 7. Camera FOV.

따라서 본 연구에서는 먼저 MOBA 게임인 [League of Legends]의 카메라 앵글과 포커스의 불합리한 요소를 파악하였다. 본 연구대상 MOBA 게임의 카메라 뷰를 고찰한 후, 선행연구를 바탕으로 2가지 연구문제를 제시하였다. 분석결과를 활용하여 MOBA 게임 장르에 대한 밸런스 검증, 최적화된 게임 밸런스 개선방안을 구축하는데 있어 실증적인 연구 가능성을 제시하고자 한다.

4. 연구 방법

4.1 실증 연구방법

분석한 이론적 배경을 바탕으로 달라진 게임 시점에 대한 분석과 게임 카메라로 인해 생기는 게임 밸런스에 대한 문제점을 설문조사를 통하여 진행하였고, 본 연구를 위한 설문 대상자로는 [League of Legends] 게임을 플레이하는 시각, 영상 전공인 대학생과 일반 직장인으로 총 174명을 설문하였다. 이에 수집된 174개의 설문지 중에서 불성실한 자료들을 제외한 124개를 최종 분석에 활용하였다.

4.2 통계분석 방법

본 연구의 실험결과를 위한 자료 분석은 SAS 9.4통계 프로그램을 사용하고자 한다. 먼저 게임 유저 랭킹 수준에 따라 전반적인 게임 SVB기준의 변화를 일원 분산분석(One-way anova)을 실시한 후 사후 검증으로 Duncan을 실시한다. 124개 설문지 중 게임 카메라에 대한 인식이 부족한 유저를 가려내기 위해 SQ문제(Standard selection questionnaire)를 설정한다. 유효한 65개의 설문지의 SVB 값을 바탕으로 유저가 수정하고자 하는 카메라 정도 값을 구한 후 다중회귀분석(Multiple regression analysis)을 통해 카메라 앵글, 포커스, 유저 랭킹 수준과의 다중회귀식(Multiple regression equation)을 추정한다. 마지막으로 다중회귀식으로 e-스포츠 게임에 적합한 MOBA 게임 카메라 앵글과 포커스 설정 방안을 규정하여 MOBA 게임 카메라에 대해 평가하고 본 연구에서 실행한 e-스포츠 게임 밸런스의 연구방법에 대한 가능성을 검증한다.

5. 실증연구

5.1 MOBA 게임 카메라 앵글 분석

[League of Legends]의 카메라 뷰 각도가 56°라고 하면, Table 1에서는 [Dota2], [Ascendant One], [Heroes of the Storm], [Marvel End Time Arena]는 56°인 [League of Legends]보다 Red team과 Blue team의 시야의 차이가 더 크게 나타나고 있다. 다음은 카메라의 앵글에 따른 유저의 시야의 표현정도이다. 고찰 기준은 Fig. 6과 같이 게임 화면의 게임 정보가 최대한 많이 포함되어 있으면 비교적 좋은 MOBA 게임 카메라 앵글이라고 예측한다.

Table 1. MOBA game camera view

Fig. 6. Important game information factors on the game camera view.

기존 출시된 MOBA 게임들 중에서는 [League of Legends]만이 카메라 움직임이 가능하였다. 카메라 이동 후, 고찰한 결과 64°∼70°가 유저 게임을 플레이하기에 가장 좋은 시야로 나타났다(Table 2).

Table 2. Game camera angle

기존 56°에 비하여 Red team과 Blue team의 정보전달과 시야차이가 적당해져 게임 속 공정성에 더 가까워졌음을 확인하였다. 또한 게임의 시각적 표현이 기존의 각도에서 표현된 것과 크게 달라지지 않았으므로 유저가 게임 플레이 시 느끼는 변화가 크지 않을 것이라 예측된다.

시각적인 표현에 대한 만족을 중요시하는 현재 게임 시장에서 MOBA 게임의 버드아이 뷰는 포기할 수 없는 부분이다. 비록 전략 게임의 시점으로 보면 위치와 각도를 확실히 파악할 수 있는 아이소메트릭뷰가 더 안정되고 공평하지만, 게임은 유저의 시각적 욕구를 만족시키되 게임 플레이시 느끼는 유희 또한 추구해야 한다. 다양한 상호작용으로 이루어진 게임은 어느 한 부분만을 추구하면서 생기는 많은 부작용들을 최소화하여야 지속적으로 발전해 나갈 수 있다[10].

5.2 설문지 설정

설문지 내용은 Table 3과 같이 구성하였다. SQ문제로 게임 플레이 할 수 있는 연령 여부 확인, 게임 경험 유무 확인, 게임 플레이 빈도에 대하여 조사하여 연구 주제에 적합한 게임 유저를 채택하였다. 그리고 설문 문제에는 유저 랭킹 수준을 5단계로 (Bronze 이하, Silver, Gold, Platinum, Diamond 이상) 나누었다. Diamond 이상의 유저는 전체 유저의 5%이하의 점유율이기 때문에 다이아몬드 이상의 랭킹 수준을 갖춘 유저를 모두 통합하여 “Diamond 이상”으로 구분하였다. 2번 설문문제 선호하는 카메라 앵글은 게임 카메라 앵글 분석에 대한 실증연구 부분을 참고한 64°∼70°의 각도를 범위로 설정하여 설문을 하였다.

Table 3. Questionnaire form structure

게임 카메라 포커스는 기존 설정되어있는 40 mm에서 10 mm로 4단계를 나누어 설문을 진행하였다. 선호 앵글과 선호 포커스 설문문제는 유저가 게임 카메라 앵글과 포커스의 변화를 구분하기 쉽게 gif파일로 제작한 게임 카메라 앵글과 포커스가 움직이는 영상을 연속으로 보여주며 선택을 하도록 하였다(Fig. 7).

Fig. 7. Questionnaire No.2 & No.3 gif models.

5.3 게임 유저 랭킹 수준 별 SVB 비교 분석

유저의 랭킹 수준은 유저의 숙련도, 게임 전략의 전술력, 팀원들 간의 협조 등 종합적인 소질을 레벨로 나누는 유저의 등급이다. 유저의 종합적인 소질을 바탕으로 조사된 SVB 기준은 유저의 랭킹 수준에 영향이 미친다면 유저가 수정하고자하는 게임 카메라 정도 값 또한 유저의 랭킹 수준에 영향을 미칠 것이다. 따라서 유저 랭킹 별 SVB기준에 차이를 분석하고, 차이가 유의미하게 나타나면 다중회귀분석에서 독립변인으로 추가해야 한다.

먼저 유저가 느끼는 SVB 기준과 유저의 랭킹 수준은 상호 영향을 미치는지 확인하고자 일원분산분석을 실시하였다.

Table 4를 보면 SVB 평균값이 Bronze 이하가 가장 작았으며 Platinum이 가장 컸다. Bronze 이하와 Silver, Gold 그리고 Diamond 이상 간에는 유의성이 없었고 Platinum과는 유의성이 있었다(P<0.05). 또한 Platinum과 Silver, Gold 그리고 Diamond 이상은 유의성이 없었다. Platinum은 상위 10%좌우의 유저로 구성되어, 일반 유저 중에서 비교적 높은 위치에 속한 타깃층이다. Platinum의 유저들은 일반 유저들 보다 게임 아이템에 대한 이해력이 뛰어나고 게임 플레이에 충분히 적응을 한 상태지만 게임 플레이에 대한 디테일성은 Diamond 이상의 프로 유저들 보다 떨어지기 때문에 게임에 대한 전반적인 밸런스 검증 값은 보편적으로 높은 편이다.

Table 4. Comparison of SVB by user ranking level

5.4 인구 통계학적 분석

현재 [League of Legends]의 게임 카메라 포커스는 40 mm로 설정되어있다. 따라서 40 mm를 선택한 유저의 게임 카메라 밸런스 평가는 높은 수치임으로 포커스가 적을수록 현재 게임 카메라 밸런스의 SVB 값이 낮아야한다. 124개 설문 중 유효한 설문 65개를 채택(채택 율=52.4%)한 후 실증연구를 실시하였다.

5.5 MOBA 게임 카메라 앵글과 포커스에 대한 기준

5.5.1 연구가설 설정

유저가 느끼기에 부족한 게임 카메라 값에 유저가 선호하는 게임 카메라 앵글과 게임 카메라 포커스가 어떻게 구성되는지를 알아보고자 한다. 유저가 느끼는 게임 전반적인 밸런스 SVB와 상호 관계가 있는 유저 랭킹 수준은 유저가 느낀 부족한 게임 카메라 값에 영향을 미치는지, 그리고 각 카메라 앵글에 따라 포커스 값에 영향을 미치는지 알아보기 위하여 다음 Table 5과 같이 가설을 정리하였다.

Table 5. Research hypothesis setting

독립변수는 게임 카메라 앵글(평균 66.154), 게임 카메라 포커스(평균 26.769), 유저 랭킹 수준(평균 3.231) 종속변수는 전반적 게임 카메라 밸런스를 위한 수정 값(평균 46.259)으로 설정하였다. 다음 연구 절차인 독립변수는 선호 앵글(비율척도), 선호 포커스(비율척도), 유저 랭킹수준(등간척도)이고, 종속변수는 유저가 느끼기에 부족한 게임 카메라 값(비율 척도)으로 설정하였다.

5.5.2 게임 카메라 수정 값에 대한 함수식

게임에서 유저가 느끼기에 부족한 게임 카메라 값을 구하고자 SVB을 바탕으로 식(1)을 아래와 같이 설정하였다.

\(Y=100 \%-\frac{a^{*} S V B}{100}(a<100 \%, S V B \leq 100 \%)\)       (1)

식(1)의 [a]는 설문지에 4번째 문항에 대한 유저의 평가 결과로 게임 유저가 게임 밸런스에서 카메라 비중의 양을 가리키고, [SVB]는 설문지에 5번째 문항으로 유저가 느끼는 게임 전반적인 밸런스를 가리킨다. [a]와 [SVB]를 곱한 값을 퍼센트로 변형하면 유저가 느끼는 현재 게임 카메라 밸런스에 대한 평가 값을 계산할 수 있다. 그다음 100%에서 현재 게임 카메라 밸런스 퍼센트 값을 덜어내면 유저가 느끼기에 부족한 게임 카메라 값을 구하게 된다.

이어서 다중회귀 분석결과 Table 6과 같다.

Table 6. Multiple regression analysis result

분석결과 유저가 느끼기에 부족한 게임 카메라 값 상수는 181.838이고(p<0.01), 유저의 랭킹 수준은 -2.145(p<0.05)인 마이너스 값으로 유의하며, 유저가 선호하는 게임 카메라 앵글 또한 -2.163(p<0.01)으로 유의하게 나타났다. 그리고 유저가 선호하는 게임 카메라 포커스는 0.54(p<0.01)로 유의하게 나타났다.

따라서 게임 카메라 앵글을 많이 수정하고 싶은 유저일수록 y값은 점점 올라가는 동시에 선호하는 게임 카메라 앵글 각도는 -2.163씩 줄어들고 게임 카메라 포커스는 0.54씩 증가한다. 유저 랭킹 수준은 -2.145로 y값이 올라가면 유저 랭킹 수준은 떨어지는 현상이 나타났다. 즉, 유저의 랭킹 수준이 높을수록 게임 카메라를 수정하고자 하는 제한이 점점 줄어든다는 뜻이다. 왜냐하면 게임 유저는 초보로 시작하여 프로까지 레벨 업을 했기 때문에 이미 플레이한 게임의 카메라에 대한 고정 관념이 세워졌기에 수정하고 싶은 욕구가 줄어드는 것을 확인할 수 있다. 다중회귀 식은 식(2)와 같다.

\(\hat{Y}=181.383-2.145^{*} X_{\text {Rank }}-2.163^{*} X_{\text {Angle }}+0.54^{*} X_{\text {Focus }}\)       (2)

식 (2)는 전체 데이터의 48.4%(R제곱 = 0.484)를 설명할 수 있다. F값은 19.080 유의확률은 p<0.01이므로 이 회귀 식은 신뢰할 수 있다는 것을 확인하였다. 중회귀계수표를 살펴보면, 모든 요인은 유의한 영향을 미치며 표준화계수 β값을 통한 각 요인별 중요도는 선호하는 포커스( =0.412)가 부족한 게임 카메라 값이 양(+)적인 영향을 미치는 요인이었고 게임 카메라 앵글( =-.331)은 음(-)적인 영향을 미치는 요인이었다. 유저의 개인 랭킹 수준( =-.197)도 음(-)적으로 영향을 미친 것으로 나타났다.

5.5.3 카메라 앵글에 따른 포커스 값 추정

먼저 현재 밝혀진 랭킹 수준이 Diamond 이상의 유저 평균 y 값을 식(2)에 적용하고, x_rank인 유저 랭킹 수준은 연구목적에 맞게 게임 경기에 참가할 수 있는 프로 유저(다이아몬드 이상=5)를 상대로 함수식에 적용하였다. 그다음 x_angle 값은 실증연구에서 제시한 카메라 앵글 범위로 64°, 66°, 68°, 70°의 각도로 적용하였다. 최종 카메라 포커스 x_focus 값을 함수식으로 계산한 결과를 Table 7과 같이 분석해 보았다.

Table 7. Three types of game camera settings

MOBA 게임 장르의 다양성을 고려하여 본 연구의 결과를 3가지 범위로 제시하고자 한다.

주 액션을 목적으로 제작된 MOBA 게임은 타격감과 VFX(Visual effects)가 자연스럽게 표현되어야하고 캐릭터의 움직임도 게임을 플레이하는 유저에게 잘 보여져야 하기 때문에 게임 카메라 앵글은 64°∼66°로 유지하는 것이 좋은 것으로 나타났다. 그 반면 카메라 포커스 값은 11.2 mm∼19.3 mm 범위로 상대적으로 적어야 한다.

액션과 전략이 반반으로 게임 비중을 차지할 경우 66∼68°, 19.3 mm∼27.3 mm로 카메라 앵글과 포커스를 설정하는 것이 적당하다.

주 전략을 목적으로 제작된 MOBA 게임은 유저가 게임 플레이 시 팀원과 상대 팀원의 캐릭터 위치, 그리고 전체적인 게임 동향을 쉽게 파악하고 분석할 수 있는 게임 시야가 필요하다. 그러므로 카메라 앵글은 최대한 90° 가까이 설정되어야 하고, 카메라 포커스는 너무 위에서 바라보아도 과하지 않는 27.3mm∼35.3 mm로 적용하는 것이 합리적이다.

6. 결론 및 향후연구

본 연구에서는 연구대상 MOBA 게임의 카메라 뷰를 고찰한 후, 선행연구를 바탕으로 제시된 2가지 연구문제를 분석하였다. 그리고 MOBA 게임 카메라 뷰와 게임 밸런스에 대해 이론적 고찰을 진행하였고, 게임 유저 SVB 기준을 본 연구자가 직접 정의하였다. 현재 게임들은 다양한 아이템과 플레이 방식이 융합되어 있는 장르가 기본 특징이다. 그리고 유저 또한 다양한 특성들을 갖고 있다. 그러므로 게임 밸런스는 그에 상관된 유저의 타깃을 중심으로 맞추어 밸런스 검증을 해야 하며, 게임 연구에 있어 유저의 체험 평가와 게임 밸런스의 브릿지(Bridge)인 유저 SVB 기준이 필요하다. 즉, SVB 값은 MOBA 게임 장르에 대한 게임 카메라 밸런스 검증, 최적화된 게임 밸런스 개선방안을 구축하는데 있어 실증적인 연구 자료로 사용가능하다.

본 연구결과, [League of Legends] 게임에서 최적화된 카메라 앵글은 64°∼70° 사이이다. 게임 카메라 앵글에 따른 최적화된 게임 카메라 포커스를 분석한 결과 3가지 범위로 나누어 방안을 분류하였다. 주 액션 게임의 경우 유저는 주로 타격감, 화려한 스킬과 자연스러운 화면을 추구함으로 카메라 앵글 64°∼66°, 카메라 포커스 11.2 mm∼19.3 mm로 제작하는 것이 합리적이다. 액션과 전략 게임의 경우 두 가지 설정 값이 모두 적당해야 하기 때문에 카메라 앵글 66°∼68°, 카메라 포커스 19.3 mm∼27.3 mm로 제작하는 것이 합리적이다. 주 전략 게임의 경우 유저는 게임 화면에 정보를 최대한 담을 수 있어야 하며, 게임 레벨 표현의 자연스러움을 추구해야 함으로 카메라 앵글 68°∼70°, 카메라 포커스 27.3 mm∼35.3 mm로 제작하는 것이 합리적이다.

본 연구에서는 게임 카메라의 통일성을 바탕으로 연구를 진행하기 위하여 각기 다른 [League of Legends] 게임 유저의 성향은 배제하였다, 향후연구에서는 다양한 유저의 성향까지 포함하여 게임 밸런스 개선을 위한 캐릭터 개발 및 다자인 방안을 구축하고자 한다.