[논문 리뷰] Deconstructing Open-World Game Mission Design Formula: A Thematic Analysis Using an Action-Block Framework

Kaijie Xu, Yiwei Zhang외 2명|arXiv (Cornell University)|2026. 03. 19.

Artificial Intelligence in Games인용 수 0

한 줄 요약

이 논문은 MAQV라는 여섯 차원 프레임워크와 액션 블록 문법을 도입하여 20개의 AAA 타이틀에 걸친 커뮤니티 워크스루를 LLM 보조로 파싱하여 오픈월드 미션 설계의 속도와 디자인 상충을 규모의 분석으로 밝힌다.

ABSTRACT

Open-world missions often rely on repeated formulas, yet designers lack systematic ways to examine pacing, variation, and experiential balance across large portfolios. We introduce the Mission Action Quality Vector (MAQV), a six-dimensional framework-covering combat, exploration, narrative, emotion, problem-solving, and uniqueness-paired with an action block grammar representing missions as gameplay sequences. Using about 2200 missions from 20 AAA titles, we apply LLM-assisted parsing to convert community walkthroughs into structured action sequences and score them with MAQV. An interactive dashboard enables designers to reveal underlying mission formulas. In a mixed-methods study with experienced players and designers, we validate the pipeline's fidelity and the tool's usability, and use thematic analysis to identify recurring design trade-offs, pacing grammars, and systematic differences by quest type and franchise evolution. Our work offers a reproducible analytical workflow, a data-driven visualization tool, and reflective insights to support more balanced, varied mission design at scale.

연구 동기 및 목표

• MAQV와 액션 블록을 통해 미션 속도와 체험 균형의 디자이너 친화적 표현 제공.
• 오픈월드 미션의 크로스-타이틀 코퍼스를 구축하고 워크스루를 구조화된 액션 시퀀스로 변환.
• 미션 설계 공식을 탐색하기 위한 시각화/대시보드 개발 및 검증.
• MAQV 기반 파이프라인의 타당성, 활용성, 충실도에 대한 혼합 방법 연구를 통한 평가.
• 반사적 주제 분석을 통해 실행 가능한 속도 추정치와 크로스-게임 디자인 통찰 도출

제안 방법

• MAQV를 각 액션에 대해 0-1로 점수화된 여섯 차원 벡터(Un uniqueness, Combat, Narrative, Exploration, Problem-Solving, Emotion)로 정의한다.
• 일반 블록으로 워크스루 텍스트를 표준화하기 위한 액션 블록 문법을 구성한다(traversal, social, puzzle, stealth, combat, 등).
• 공개 Fandom 워크스루를 활용하여 20개 AAA 오픈월드 게임(2011–2025)에서 ~2191 미션의 크로스-타이틀 코퍼스를 구성한다.
• LLM 보조 파서를 사용하여 워크스루를 구조화된 MAQV 액션 시퀀스로 변환하고 검증 체크를 수행한다.
• 추출 충실도를 인간이 라벨링한 골드 세트와 비교하여 평가하고 사용성 테스트(SUS, UEQ-S, SEQ)를 실시한다.
• 반사적 주제 분석을 적용하여 속도 추정치와 디자인 상충을 식별한다.

Figure 1. End-to-end workflow of our study. Left-top (Data Acquisition & Structuring): community Fandom walkthroughs (text only, via MediaWiki API) are consolidated into a mission dataset and converted by an LLM-assisted parser into normalized action block sequences. Left-bottom (Frameworks & Tools)

실험 결과

연구 질문

• RQ1 오픈월드 퀘스트를 형성하는 잠재적 '미션 설계 공식'은 무엇인가?
• RQ2 MAQV가 서로 다른 타이틀과 프랜차이즈의 체험 균형을 포착할 수 있는가?
• RQ3 LLM 보조 추출이 워크스루 텍스트를 일관된 MAQV 액션 시퀀스로 변환하는 정도는 얼마나 되는가?
• RQ4 크로스-타이틀 분석에서 어떤 속도 문법과 디자인 상충이 도출되는가?
• RQ5 전문 디자이너를 위한 MAQV 기반 대시보드의 활용도와 가치성은 어떠한가?

주요 결과

• MAQV는 2191개의 미션에 걸쳐 미션 액션을 정량화하는 일관된 여섯 차원 렌즈를 제공한다.
• LLM 보조 파이프라인은 커뮤니티 워크스루를 분석 가능한 MAQV 시퀀스로 변환하고 충실도가 검증된다.
• 인터랙티브 대시보드는 Browse/Compare 뷰를 통해 기저의 미션 공식을 드러낸다.
• 반사적 주제 분석은 퀘스트 유형과 프랜차이즈 진화와 관련된 속도 추정치 및 크로스-타이틀 디자인 패턴을 식별한다.
• 연구는 미션 설계 분석의 대규모 확장을 위한 프레임워크의 타당성과 활용성을 입증한다.

Figure 2. Action view in Browse mode from our implemented tool. Actions are grouped by category; each row shows 0-1 MAQV scores: Uniqueness (U), Combat (C), Narrative (N), Exploration (E), Problem-Solving (P), and Emotion (A), plus a brief description. This figure and all other visualizations in the