Social Network in Online Game - 게임도 사회다.

흔히, 온라인 게임을 하나의 작은 사회라고 말하는 사람들이 있다.

실제로 온라인 게임은 실제 사회와 큰 유사성을 보이기에 다양한 사회 현상의 연구에 사용되어왔다.

  - 대표적으로, World of Warcraft의 오염된 피 사건이 있다.

  - https://ko.wikipedia.org/wiki/%EC%98%A4%EC%97%BC%EB%90%9C_%ED%94%BC_%EC%82%AC%EA%B1%B4

오염된 피 사건 - 위키백과, 우리 모두의 백과사전

    - 간단하게 설명하자면, 게임 내 오류로 인해 일종의 디버프(저주)가 게임 내에서 전염병처럼 돌았던 사건이다.

    - 해당 디버프가 보통의 방법으로는 해제되지 않자, 구석에서 혼자 죽음을 맞이하는 사람, 의도적으로 이를 퍼뜨리는 사람, 치료하고자 하는 사람 등 다양한 사회적 행위들이 관찰되어 많은 사람들이 이를 연구에 사용하였다.

 

이와 같은 특별한 경우를 제외하고도, 게임 내에는 많은 사회적 현상들이 내제되어있다.

유저끼리 파티를 맺고 사냥을 하는 경우, 길드를 형성하여 단체 활동을 하는 경우, PvP 와 같이 적대적인 행위를 하는 경우, 게임 내 재화를 통해 거래 관계를 유지하는 경우 등이 대표적인 예라고 볼 수 있다.

온라인게임에서 작업장(GFG-Gold Farming Group) 탐지에 대한 논문들을 살펴보면, 이처럼 유저의 행위 및 네트워크적 특성을 토대로 이들을 탐지하는 방안에 대한 논문들도 있다. 작업장의 경우, 대부분 bot 등을 이용한 자동화된 행위를 수행하고, 일반 유저들과 달리 특정 행위들을 반복하며 일부 유저끼리만 소통(거래 및 귓속말 등)을 진행하기에 보편적인 유저와는 다른 특성을 보인다.

해당 논문들은 이러한 차이를 이용하여 작업장을 구분지었으며, 논문들의 결과를 보면 꽤나 높은 탐지율을 보이고 있음을 알 수 있다.

(사실, 부끄럽게도 석사 1년차에 작성한 국문 논문도 이와 관련된 내용이다 ㅎ;ㅎ;)

 

이처럼, 유저들의 사회적 특성은 유저들을 그룹화할 수 있으며 이를 이용하여 다양한 분석이 가능한 중요한 특성이라고 볼 수 있다.

 

대학원 진학중에, 이러한 게임 내 유저끼리 형성하는 네트워크에 대한 분석을 진행했었다.

타겟으로 삼은 온라인 게임의 데이터를 기반으로, 유저간 사회적 활동을 규정하고 데이터 분석을 통해 유저들의 특성이 드러나는 정보들을 선정하였다.

이후, 사회적 활동에 따른 유저별 특징을 관측하고 이를 정리하였다. 이를 통해 게임 내 유저 그룹별 차이를 확인하고 그러한 차이가 생기는 이유 등을 분석할 수 있다.

  - 예를 들어, 유저의 과금 정도와 친구의 수의 상관관계 / 유저의 소셜 네트워크 규모와 플레이 타임의 상관관계 등의 분석이 있을 수 있다.

  - 더불어, 게임 내 유명인(길드 마스터, 친구의 수가 많은 유저 등)이 전체 네트워크에 미치는 영향력을 분석해 보았다.

 

프로젝트에서 주된 주제와 별개로, 개별적으로 진행한 내용을 간략하게 이야기하자면, 게임 내 유명인이라고 불릴 수 있는 유저를 우선 판별한다.

이후 해당 유저들이 포함된 네트워크와 제외된 네트워크의 네트워크 특성의 차이를 분석하여 그들의 영향력을 확인한다

개별적으로 진행한 주제의 경우, 네트워크 내의 일명 '유명인'들은 전체 네트워크 내에서 큰 영향력을 가졌을 것이라는 주제였다.

물론, 생각해보면 당연하게도 유명인들은 말그대로 유명하기에 영향력이 클 수밖에 없다는 결론이 내려진다. 그러나 이를 직접 눈으로, 수치로 확인하여 이것이 진짜 맞다는 것을 보이고 싶어 관련한 분석을 진행하였다.

  - 네트워크의 특성에는 다양한 정보들이 포함된다. 각종 centrality(중심성), community의 수, degree의 평균, modularity, eccentricity 등이 있다.

    - 각각에 대해서 짧게 설명해보자면, Centrality는 크게 Betweenness, Degree, Closeness centrality 등 이 있다.

         - Betweenness Centrality : 전체 네트워크의 모든 shortest path에 대해, 자주 지나는 점일수록 해당 값이 높다. 이를 통해 한 노드가 전체 네트워크 내에서 가지는 연결의 중요성을 확인할 수 있다.

         - Degree Centrality : 한 노드가 가지는 주위 이웃의 수(In/Out으로 나누기도 하고 통합하기도 한다.)를 계산한다! 즉 해당 노드가 얼마나 인-싸인지 판단하는 것. 

         - Closeness centrality : 한 노드에 대해, 다른 모든 노드와의 shortest path를 계산하고, 해당 path들의 길이의 평균의 역수를 이용한다. 이는, 중요한 노드일수록 타 노드와의 평균적인 거리가 적을 것 이라는 발상에 대한 값이다.

 

    - Community는 전체 네트워크 내에서, 비슷한 성향을 띄는 유저들을 묶은 그룹이라고 볼 수 있다. 주로 네트워크에서 교류가 많은(연결성이 높은) 노드들을 묶은 것을 의미한다.

    - Degree는 한 노드가 지니는 이웃 노드의 수(그들과의 edge 수)를 의미한다.

    - Modularity는 전체 네트워크 내에서, 생성한 임의의 커뮤니티가 얼마나 타당한지/적절한지 를 판단하는 기준이 된다. 이는 설정한 해당 커뮤니티가 임의의 네트워크 분포에 비해 얼마나 결집되어있는지 등을 판단한다.

    - Eccentricity는 한 노드에서, 다른 모든 노드와의 shortest path중 가장 큰 값을 의미하며, 이를 이용하여 네트워크가 얼마나 결집된 상태인지 확인할 수 있다.

 

이처럼, 다양한 네트워크 정보들을 통해 네트워크 별 특성을 이야기할 수 있다.  Centrality, Modularity, Eccentricity 등의 지표를 이용하여 네트워크 커뮤니티가 정상적으로 구성되었음을 이야기하고, 유명인들의 네트워크 내의 영향력을 그들의 유무에 따라 판별해보았다.

 

 

 

 

추신. 물론, 당연하게도 영향력은 매우 컸으며 이는 지표로 확인할 수 있었다. ㅎㅎ..