본 연구는 AIGC-NPC가 RPG 플레이어의 몰입 경험에 미치는 영향을 실증적으로 분석하고, 전통적 스크립트 기반 NPC와 AIGC-NPC간의 몰입 형성 메커니즘차이를 비교•분석하였다. AIGC-NPC는 생성형 인공지능 기술을 통해 동적 자가 적응 행동과 대화를 구현하며, 전통적인 AI-NPC와 스크립트 기반 NPC보다 더 개인화되고 풍부한 상호작용 경험을 제공한다. 본 연구는 분층 몰입 이론을 바탕으로 IEQ 문항을 재구성하고, "삼단계—오차원" 몰입 모델을 구축하였다. 정량 분석방법을 사용하여 의 전통적 NPC와 의 AIGC-NPC를 대상으로 설문조사와 데이터 분석을 수행하였다. 연구는 각 NPC 상호작용 방식에 따른 각 몰입 단계에서의 플레이어 경험 차이를 정량적으로 측정하였다. 실험 참여자는 Steam플랫폼을 통해 모집되었으며, 모두 RPG 게임 경험을 보유한 참가자들로 구성되었다. 총 60부의 설문지를 배포하였고, 55부를 유효 표본으로 회수하였다. 데이터는 기술통계 분석, 대응표본 -검정, 피어슨 상관분석을 통해 분석되었다. 연구 결과, 몰입 초기 단계에서는 평균 점수에 차이가 있었으나 통계적 유의미성은 없었다. 반면, 중기와 후기 몰입 단계에서는 AIGC-NPC의 점수가 전통적 NPC보다 유의미하게 높게 나타났다. 이는 플레이어가 초기 단계에서 NPC 유형보다 인터페이스 명확성이나 과제 안내와 같은 외부 요인에 더 큰 영향을 받음을 시사한다. 몰입이 심화되는 중기와 후기 단계에서는 강한 정서적 피드백과 상호작용의 연속성이 몰입 질에 중요한 요소로 작용하였다. 이러한 결과는 AIGC-NPC가 지속적인 주의 흡수와 정서적 참여를 촉진하며, 심층 몰입 경험에서 독립적인 강점을 보인다는 것을 시사한다. 생성형 인공지능 환경에서 NPC 상호작용과 몰입 경험의 관계를 실증 분석한 본 연구는 AIGC-NPC 설계 원칙의 이론화검증을 위한 기초 모델을 제시하며, 향후 연구와 디자인 실천을 위한 방법론적 근거를 제공한다.
Wang et al. (2026) studied this question.