[논문 리뷰] MentalGame: Predicting Personality-Job Fitness for Software Developers Using Multi-Genre Games and Machine Learning Approaches

Soroush Elyasi, Arya VarastehNezhad외 1명|arXiv (Cornell University)|2026. 01. 03.

Educational Games and Gamification인용 수 0

한 줄 요약

다중 장르의 시리어스 게임과 머신러닝을 활용해 게임플레이에서 파생된 행동 특징으로 소프트웨어 개발자 적합도를 예측하는 게임 기반 프레임워크를 제안하며, 최대 97% 정밀도와 94% 정확도를 달성한다.

ABSTRACT

Personality assessment in career guidance and personnel selection traditionally relies on self-report questionnaires, which are susceptible to response bias, fatigue, and intentional distortion. Game-based assessment offers a promising alternative by capturing implicit behavioral signals during gameplay. This study proposes a multi-genre serious-game framework combined with machine-learning techniques to predict suitability for software development roles. Developer-relevant personality and behavioral traits were identified through a systematic literature review and an empirical study of professional software engineers. A custom mobile game was designed to elicit behaviors related to problem solving, planning, adaptability, persistence, time management, and information seeking. Fine-grained gameplay event data were collected and analyzed using a two-phase modeling strategy where suitability was predicted exclusively from gameplay-derived behavioral features. Results show that our model achieved up to 97% precision and 94% accuracy. Behavioral analysis revealed that proper candidates exhibited distinct gameplay patterns, such as more wins in puzzle-based games, more side challenges, navigating menus more frequently, and exhibiting fewer pauses, retries, and surrender actions. These findings demonstrate that implicit behavioral traces captured during gameplay is promising in predicting software-development suitability without explicit personality testing, supporting serious games as a scalable, engaging, and less biased alternative for career assessment.

연구 동기 및 목표

• 문헌과 전문가들에 대한 실증 연구에서 개발자와 관련된 성격 및 행동 특성을 식별한다.
• 소프트웨어 개발과 연관된 특성을 이끌어내기 위한 다장르 시리어스 게임을 설계한다.
• 게임 플레이에서 얻은 특징을 이용해 소프트웨어 개발 적합성을 추론하는 예측 ML 모델을 개발한다.

제안 방법

• 소프트웨어 개발의 핵심으로 MBTI의 Thinking 특성을 식별하고 관련 행동 특성으로 보완한다.
• 다장르에 걸친 모듈식 단계를 갖춘 Unity-based 모바일 시리어스 게임을 개발하여 인지 및 행동 신호를 이끌어낸다.
• 동의 기반 데이터 처리로 세밀한 게임 플레이 이벤트를 로깅하기 위한 백엔드 (ASP.NET Core, SQL Server)를 구축한다.
• 고차원 게임 플레이 데이터를 전처리하고, 정보가 많은 특징을 선택하며, 라벨링된 데이터와 라벨링되지 않은 데이터를 활용하기 위해 두 단계 모델링을 적용한다.
• 확인된 소프트웨어 개발 전문가의 라벨링된 예를 사용하여 모델을 학습·평가하고, 라벨링되지 않은 데이터는 예측 프레임워크를 통해 추론한다.

실험 결과

연구 질문

• RQ1 게임 플레이에서 파생된 행동 특징이 자가 보고된 성격 척도 이상의 소프트웨어 개발 적합도를 예측할 수 있는가?
• RQ2 어떤 개발자 관련 특성과 게임 플레이 패턴이 적합한 후보를 가장 잘 구별하는가?
• RQ3 제한된 라벨을 사용할 때 두 단계 모델링 접근법(데이터 세트 보완 후 전체 예측)이 정확도를 향상시키는가?
• RQ4 게임 기반 평가에서 MBTI Thinking 유형과 관련 행동이 예측자로서 얼마나 효과적인가?
• RQ5 확장 가능하고 편향이 적은 직업 지도를 위해 게임 기반 평가를 사용하는 것의 실용적 함의는 무엇인가?

주요 결과

• 모델은 게임 플레이 특징으로부터 소프트웨어 개발 적합성을 예측하는 데 최대 97% 정밀도와 94% 정확도를 달성했다.
• 적합한 후보를 특징짓는 뚜렷한 게임 플레이 패턴으로는 더 많은 퍼즐 게임 승리, 더 많은 사이드 도전, 잦은 메뉴 탐색, 그리고 더 적은 일시정지, 재시도, 포기 행동 등이 있다.
• 두 단계 모델링 전략은 먼저 성격 기반 정보로 라벨을 보완한 후 게임 플레이 특징에서 적합성을 예측함으로써 제한된 라벨 데이터로도 예측을 가능하게 한다.
• 이 접근 방식은 게임 플레이 중의 암시적 행동 흔적이 경력 평가를 위한 명시적 성격 테스트에 비해 확장 가능하고 몰입도가 높으며 편향이 적은 대안이 될 수 있음을 시사한다.