VR 기반 분리배출 교육 효과 연구 제안: AI 에이전트와 가이드북 비교연구

Ⅰ. 서 론

오늘날 환경 문제는 생태적 위기를 넘어 사회 전반에 영향을 미치는 중대한 이슈로 부각되고 있으며, 이에 따라 올바른 분리배출의 중요성도 함께 강조되고 있다. 그러나 국민 다수가 폐기물 처리 기준을 잘 지키고 있다고 인식하는 반면, 실제 분리배출 실태는 그에 미치지 못한다. 이는 일상 속 환경교육이 충분히 이루어지지 않고 있음을 시사한다[1].

이처럼 교육의 부재는 환경 문제에 대한 무관심으로 이어지고, 실천을 저해하는 요인이 된다. 따라서 단순한 지식 전달을 넘어 환경 보호에 대한 ‘인식’을 높이고, 관련 ‘지식’, ‘태도’, ‘기술’을 제공하며, 실제 ‘참여’를 유도하는 방향으로 전환될 필요가 있다[2]. 특히, 지속적인 행동 변화를 위해서는 자발적으로 몰입하고 체험할 수 있는 교육 방식이 요구된다.

디지털 미디어 환경의 확산으로 교육은 온라인과 오프라인의 경계를 넘나들며 확장되고 있다. 온라인 콘텐츠는 교육 접근성을 높였지만, 비대면 특성상 학습자의 적극적 참여를 유도하는 데 한계가 있다[3]. 환경교육에서도 단순히 면대면 수업을 디지털로 전환한 방식은 체험적 학습을 충분히 제공하지 못하며, 교수자와 학습자 간의 소통 단절을 초래할 수 있다. 따라서 온라인 환경교육에서는 상호작용 기반 프로그램을 통해 양방향 커뮤니케이션을 활성화하고, 학습자의 주도적 참여를 유도하는 설계가 필요하다. 더불어, 온라인에서 습득한 지식이 가상공간에서의 체험으로 확장된다면, 환경에 대한 이해와 실천 행동을 더욱 효과적으로 촉진할 수 있다[3].

이러한 맥락에서 가상현실(VR)은 사용자가 실제와 유사한 경험을 통해 학습할 수 있는 기술로 주목받고 있다. VR은 단순한 정보 전달을 넘어, 사용자가 콘텐츠와 직접 상호작용하며 몰입할 수 있게 함으로써 온라인 교육의 한계를 보완할 수 있는 유용한 수단이다. 특히 환경오염 문제를 주제로 한 VR 시뮬레이션은 감각적 몰입을 통해 환경에 대한 인식을 제고하고, 경각심을 유도하는 데 효과적이다.

이에 본 연구는 인공지능(AI) 기반 에이전트와 게임화(gamification) 요소를 접목한 VR 환경교육 콘텐츠를 개발하였으며, 학습자가 VR을 통해 환경 문제를 보다 현실감 있게 인식하고, AI 에이전트와 실시간으로 상호작용하며 피드백을 받을 수 있도록 설계되었다. 이를 바탕으로 동일한 VR 환경 내에서 두 가지 정보 제공 방식(AI 에이전트 vs. 텍스트 기반 가이드북)의 효과를 비교하고, 효과적인 환경교육 설계의 방향성을 탐색하고자 한다.

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

3-1 실험참여자와 측정

본 연구는 서울 소재 4년제 대학교 재학생을 대상으로 진행되었다. 전체 참여자는 남성 26명, 여성 20명으로 구성되었으며, 평균 연령은 21.9세(SD = 2.14)였다. 모든 실험 참여자는 실험 참여 공고를 보고 자발적으로 참여하였다.

실험 참여자의 환경 문제에 대한 인식 수준을 파악하기 위해 사전-사후 동일한 문항으로 구성된 설문지를 활용하였다. 해당 설문 문항은 트빌리시 선언(Tbilisi Declaration)에서 제시한 환경교육의 다섯 가지 핵심 목표인 ‘인식’, ‘지식’, ‘태도’, ‘기술’, ‘참여’에 근거하되, 본 연구의 목적과 맥락에 맞게 수정하였다. 환경 인식의 변화를 측정하기 위한 문항은 (1) “환경 문제에 관심이 있습니까?”, (2) “환경 오염과 그로 인한 문제는 심각하다고 생각하십니까?”, (3) “분리배출을 올바르게 실천하면 우리 삶에 긍정적인 영향을 준다고 믿으십니까?”, (4) “분리배출을 올바르게 하는 방법을 배울 필요가 있다고 생각하십니까?”로 구성되었으며, 선행연구를 바탕으로 본 연구에 맞게 재구성하였다[15].

또한, 정보 제공 방식 간 교육 효과 인식은 사전-사후 비교 및 VR 콘텐츠의 유익성 평가 항목으로 측정하였다[16]. VR 분리배출 교육 콘텐츠의 사용자 경험을 파악하기 위해 AttrakDiff 도구의 핵심 요소를 바탕으로 하되, 본 연구의 목적에 맞게 다섯 범주로 재구성하였다(표 1)[17]. 또한, 정보 제공 방식의 효과 비교를 위해 ‘용이성’, ‘실용성’, ‘전문성’, ‘동기부여’ 항목으로 문항을 구성하였다(표 2)[17]. 마지막으로, AI 에이전트와의 상호작용 경험을 측정하기 위해 선행연구를 바탕으로 총 5개의 문항을 구성하였으며, 각 문항은 본 연구에 맞게 수정하였다(표 3)[18].

Table 1.

Items for evaluating user experience with VR waste sorting content

Table 2.

Items for evaluating the usefulness of information delivery methods (AI agent vs. guidebook) in VR waste sorting content

Table 3.

Items for evaluating the AI agent in VR waste sorting content

3-2 실험처치물

1) 교육 콘텐츠 개요

본 연구는 VR 환경에서의 환경교육 효과를 분석하기 위해 Unity 엔진(2020.3.27 ver)을 활용하여 VR 교육 콘텐츠를 직접 개발하였다(그림 1). 개발은 Windows 10 운영체제를 기반으로, AMD Ryzen 5 7600X CPU, 16GB RAM, GeForce RTX 4070 Ti GPU가 탑재된 컴퓨터 환경에서 진행되었다. 콘텐츠는 (1) 대화형 AI 에이전트를 이용한 가상 학습 가이드와 (2) 텍스트 기반 가이드북, 두 가지 정보 제공 방식으로 구성되었다. AI 에이전트형 콘텐츠는 음성 상호작용을 통해 분리배출 방법과 환경 정보를 실시간으로 안내하도록 설계되었으며, 가이드북형 콘텐츠는 사용자가 필요 시 텍스트 자료를 열람하며 정보를 탐색할 수 있도록 하였다.

Fig. 1.

Procedure of the VR waste sorting*The text of the content is written in Korean to convey enough information.

2) AI 에이전트

본 연구에서 활용된 AI 에이전트(이하 ‘Leo’)는 ChatGPT-4o를 기반으로 한 음성 인터페이스 플랫폼 Convai(https://convai.com/)를 활용하여 개발되었다. Convai는 LLM에 기반한 멀티모달 상호작용 플랫폼으로, 텍스트, 음성 등 다양한 입력을 처리할 수 있도록 설계되어 있다. 다만 본 연구에서는 해당 플랫폼의 음성 인식 기능과 음성 출력 기능을 중심으로 구성하여, 사용자가 AI 에이전트와 실시간 음성 기반 대화를 통해 상호작용할 수 있도록 구현하였다. Leo는 평균 1~2초 내외의 응답 속도로 자연스러운 실시간 상호작용이 가능하도록 구현되었다.

Leo의 핵심 구성 요소 중 하나는 신뢰성 있는 정보 제공을 위한 지식 데이터베이스 구축이다. 본 연구에서는 환경부에서 제공하는 공식 자료(폐기물 분류 기준, Q&A 문서 등)를 수집하여 학습 데이터로 구성하였으며[19], 해당 자료는 토큰화(tokenization), 정규화(normalization), 표제어 추출(lemmatization) 등 일련의 전처리 과정을 거쳐 LLM이 효과적으로 응답할 수 있는 형태로 정제되었다. 이를 통해 Leo의 응답 정확도와 일관성을 높였다.

Leo는 환경교육 목적에 맞춰 질문 응답 흐름과 상호작용 방식을 정교하게 설계되었으며, 폐기물 분류 및 분리배출과 관련된 다양한 질문에 적절히 대응할 수 있도록 구현되었다. 사용자의 발화에 따라 관련 정보를 설명하거나, 잘못된 분리배출 행동에 대해 즉각적인 피드백을 제공한다. 예를 들어, 잘못된 분류 시 올바른 처리 방법과 그 오류로 인한 환경적 영향을 함께 설명한다. 또한, Leo는 단순 정보 전달을 넘어서 학습자의 능동적 참여를 유도하도록 대화형 구조로 설계되었다. 예를 들어, 사용자가 “이건 어디에 버려야 하나요?”라고 물으면 Leo는 폐기물의 분류 방법뿐 아니라 해당 폐기물이 환경에 미치는 영향, 분리배출 시 주의사항 등 연관된 정보를 추가로 제공한다(그림 2, 3). 이러한 대화형 상호작용은 학습자의 몰입도와 주체적 학습 참여를 촉진하는 데 목적이 있다.

Fig. 2.

Scene showing a question about the importance of waste sorting*The text of the content is written in Korean to convey enough information.

Fig. 3.

Scene showing a question about sorting a specific type of waste*The text of the content is written in Korean to convey enough information.

3) 가이드북

본 연구에서는 사용자가 분리배출 관련 정보를 직관적으로 습득할 수 있도록 VR 환경 내에서 활용 가능한 가이드북을 개발하였다. 해당 가이드북은 사용자가 필요 시 자유롭게 열람할 수 있는 텍스트 기반 학습 도구로, 분리배출 방법, 폐기물 분류 기준 등 실용적인 정보를 제공한다. 가이드북은 AI 에이전트와 달리, 음성 인식이나 실시간 대화 기능을 포함하지 않으며, 전통적인 정보 탐색 방식을 기반으로 한다. 사용자는 VR 컨트롤러를 이용해 가이드북을 열람하며, 특정 폐기물 항목을 선택하거나 내용을 스크롤하여 필요한 정보를 탐색할 수 있다(그림 4).

Fig. 4.

Information delivery via the guidebook*The text of the content is written in Korean to convey enough information.

가이드북은 정보 제공의 효율성과 직관성을 높이기 위해 폐기물의 종류별로 체계적인 카테고리 구성을 적용하였다. 예를 들어, ‘플라스틱’, ‘유리’, ‘종이류’, ‘금속류’ 등의 항목으로 분류하고, 각 항목별로 배출 방법과 주의사항 등을 시각적으로 제시하였다. 사용자가 특정 폐기물을 검색하면 해당 항목에 대한 기초 정보뿐 아니라, 재활용 가능성이나 처리 과정에서의 환경적 영향 등 추가적인 배경 정보도 함께 제공되어, 학습 내용을 보다 심화할 수 있도록 구성하였다.

4) 사용자 인터랙션

VR 콘텐츠 내에서 구현된 특수 폐기물 분리배출 프로세스는, 일반적인 배출 방식과는 달리 별도의 처리 절차가 요구되는 폐기물을 중심으로 설계되었다. 사용자는 시뮬레이션을 통해 다양한 폐기물 유형을 경험하며, 일부 폐기물의 경우 단순 배출이 아닌 구조적 해체나 성분별 분리와 같은 복합적인 절차를 학습하게 된다. 예를 들어, 플라스틱·종이·금속이 혼합된 복합 폐기물의 경우, 사용자가 이를 직접 분해하여 내부 구성 요소를 확인한 뒤, 각 부품을 적절한 분리배출 방식에 따라 처리하는 과정을 수행하게 된다(그림 5). 이러한 구성은 폐기물의 구조적 특성과 처리의 복잡성, 그리고 이와 관련된 환경적 영향을 함께 인식하도록 설계된 것으로, 기존 환경교육의 한계를 보완하고자 하였다.

Fig. 5.

Interaction of placing special waste into the sorting marchine(top); result of sorted special waste(bottom)*The text of the content is written in Korean to convey enough information.

또한, 잘못된 분리배출의 부정적 결과를 직관적으로 인식할 수 있도록 실시간 피드백 시스템을 적용하였다. 사용자가 폐기물을 부적절하게 배출할 경우, 시뮬레이션 환경에 쓰레기 더미가 증가하거나 해충이 출현하는 등의 시각적 변화가 즉각적으로 발생하도록 설계하였다(그림 6). 이러한 환경 변화 피드백은 분리배출의 중요성을 학습자가 스스로 자각하고 올바른 실천 행동으로 이어지도록 유도하는 데 목적이 있다.

Fig. 6.

Scene depicting the growth of a trash pile*The text of the content is written in Korean to convey enough information.

본 연구에서 개발한 대화형 AI 에이전트, VR 가이드북, 그리고 특수 폐기물 분리배출 시뮬레이션은 기존 정보 전달 중심의 환경교육을 보완하며, 사용자의 능동적 참여와 인지적·정서적 몰입을 촉진하는 몰입형 학습 환경을 제공한다. 이를 통해 단순한 정보 습득을 넘어 실생활에서 적용 가능한 분리배출 습관 형성과 환경 문제에 대한 주체적 인식 및 태도 변화를 기대할 수 있다.

Ⅳ. 결 과

연구문제에 대한 통계 분석을 수행하기 위해 IBM SPSS Statistics 23을 활용하여 연구문제별로 통계 분석을 실시하였다. 환경 인식 변화에 대해서는 반복측정 ANOVA, 집단 내 대응표본 t-검정을 사용하였고, VR 콘텐츠 사용성과 AI 에이전트 상호작용 평가는 일표본 t-검정으로 분석하였다. 특히 본 연구에서는 5점 리커트 척도를 사용한 평가 문항에 대해 척도의 중립값인 3점을 기준값으로 일표본 t-검정을 실시하였다. 3점은 긍정과 부정 인식의 경계값으로 간주되며, 평균 점수가 이보다 통계적으로 유의하게 높은 경우 긍정적인 인식 또는 효과가 나타난 것으로 해석하였다. 이는 리커트 척도에 대한 일반적인 해석 방식에 근거한 것이다[20].

연구문제 1-1은 정보 제공 방식(AI 에이전트 vs. 가이드북)을 개체-간 요인, 시점(사전 vs. 사후)을 개체-내 요인으로 설정하고, 환경 인식을 종속변수로 하여 반복측정 이원분산분석을 실시하였다. 분석 결과, 정보 제공 방식과 시점 간의 상호작용 효과는 통계적으로 유의하지 않았다, F(1, 44) = 0.00, p > .05, np² = .00. 정보 제공 방식의 주효과도 유의하지 않았다, F(1, 44) = 0.195, p > .05, np² = .00. 반면, 시점의 주효과는 통계적으로 유의하였으며, 사후 점수(M = 4.54, SD = .57)가 사전 점수(M = 3.98, SD = .70)보다 높았다, F(1, 44) = 44.42, p < .001, np² = .50(그림 7).

Fig. 7.

Main effect of time point on environmental awareness score

연구문제 1-2인 AI 에이전트를 활용한 실험집단의 환경 인식 변화 정도를 확인하기 위해, 학습 전후 점수에 대한 대응표본 t-검정을 실시하였다. 그 결과, 사전(M = 4.02, SD = .61) 대비 사후(M = 4.58, SD = .47) 평균 점수가 유의미하게 증가한 것으로 나타났다(t(22) = 4.713, p < .001).

연구문제 1-3인 가이드북을 활용한 통제집단의 환경 인식 변화 정도를 분석하기 위해, 학습 전후 점수에 대한 대응표본 t-검정을 실시하였다. 그 결과, 사전(M = 3.94, SD = .80) 대비 사후(M = 4.51, SD = .67) 점수가 유의미하게 증가한 것으로 나타났다(t(22) = 4.713, p < .001) (그림 8).

Fig. 8.

Environmental awareness scores by group and time point

연구문제 2-1은 VR 분리배출 콘텐츠에서 정보 제공 방식에 따라 교육 효과에 차이가 있는지를 검토한 것이다. 독립표본 t-검정 결과, 두 집단 간 교육 효과 점수에는 통계적으로 유의한 차이가 나타나지 않았다(t(44) = 0.00, p > .05). 연구문제 2-2는 AI 에이전트 그룹을 대상으로 교육 효과를 분석한 것으로, 일표본 t-검정 결과 평균 4.60(SD = 0.62)으로 기준값 3보다 유의하게 높았다(t(22) = 12.42, p < .001). 연구문제 2-3에서는 가이드북 그룹을 동일하게 분석한 결과, 평균 4.60(SD = 0.52)으로 역시 기준값보다 유의하게 높은 것으로 나타났다(t(22) = 14.80, p < .001) (그림 9).

Fig. 9.

Learning effectiveness by group

연구문제 3-1은 VR 분리배출 콘텐츠의 사용자 경험(이하 VR 효과)에 있어 정보 제공 방식에 따른 차이를 검토한 것으로, 집단 간 유의한 차이는 나타나지 않았다(t(44) = 1.02, p > .05). 한편, 연구문제 3-2에서는 AI 에이전트 그룹의 VR 효과 평균 점수가 4.52(SD = 0.46)로 기준값 3보다 통계적으로 유의하게 높았다(t(22) = 15.76, p < .001). 연구문제 3-3은 가이드북 그룹을 대상으로 동일한 분석을 실시한 것이며, 평균 점수는 4.34(SD = 0.69)로 기준값 3보다 유의하게 높았다(t(22) = 9.23, p < .001) (그림 10).

Fig. 10.

VR effectiveness by group

연구문제 4-1은 정보 제공 방식(AI 에이전트 vs. 가이드북)에 따라 사용자가 인식한 정보 제공 방식 효과에 차이가 있는지를 검토한 것이다. 독립표본 t-검정 결과, 두 집단 간의 평균 차이는 통계적으로 유의하지 않았다(t(44) = 0.973, p > .05). 반면, 연구문제 4-2에서는 AI 에이전트 그룹만을 대상으로 정보 제공 방식 효과를 분석한 결과, 평균 점수는 4.41(SD = 0.57)로 기준값보다 통계적으로 유의하게 높은 수준으로 나타났다(t(22) = 11.74, p < .001). 연구문제 4-3에서는 가이드북 그룹에 대해 동일한 분석을 수행한 결과, 평균 점수는 4.18(SD = 0.96)으로 나타났으며, 이 역시 기준값보다 유의하게 높은 수준이었다(t(22) = 5.88, p < .001) (그림 11).

Fig. 11.

Information delivery effectiveness by group

연구문제 5는 AI 에이전트와의 상호작용에 대한 사용자 경험이 긍정적인지를 검토한 것이다. AI 에이전트 그룹을 대상으로 일표본 t-검정을 실시한 결과, 상호작용 효과에 대한 평균 평가는 4.31(SD = 0.53)으로 나타났으며, 이는 기준값보다 통계적으로 유의하게 높은 수준이었다(t(22) = 11.68, p < .001).

Ⅴ. 결 론

본 연구는 VR 기반 분리배출 교육 콘텐츠를 활용하여, 정보 제공 방식(AI 에이전트 vs. 가이드북)이 사용자의 환경 인식 변화, 교육 효과, 사용자 경험, 정보 제공 방식에 대한 인식, 그리고 AI 에이전트와의 상호작용 경험에 미치는 영향을 종합적으로 분석하였다. 그 결과, 모든 측정 영역에서 양 집단 모두 기준값을 통계적으로 유의하게 초과하였으며, 정보 제공 방식 간에는 유의미한 차이가 나타나지 않았다. 이는 몰입형 VR 환경 자체가 학습자의 환경 인식, 태도 변화, 학습 경험에 핵심적인 영향을 미친 것으로 해석할 수 있다.

우선 환경 인식 변화 측면에서, 두 집단 모두 사전 대비 사후 점수가 유의미하게 상승하였다. 이는 학습자들이 분리배출 및 환경 문제를 단순한 정보 전달이 아닌 감각적 체험을 통해 이해하고 내면화했음을 시사한다. 특히, VR 시뮬레이션은 추상적인 환경 문제를 구체적이고 실감나는 맥락 속에서 체험하게 함으로써, 학습자의 감정적 몰입과 태도 형성에 효과적으로 작용하였다. 이러한 결과는 트빌리시 선언에서 제시한 ‘인식’과 ‘태도’ 중심의 환경교육 목표와 부합하며, VR 경험이 환경 감수성과 실천 의지에 긍정적 영향을 미친다는 기존 연구와도 일치한다[13],[14].

교육 효과 측면에서도, 두 집단 모두 기준값을 유의하게 초과하는 긍정적 평가를 보였다. 이는 정보 제공 방식의 차이보다는 VR 환경이 제공하는 몰입적 학습 경험이 학습자의 집중력과 이해도를 향상시키는 주요 요인임을 시사한다. 특히 AI 에이전트 ‘Leo’는 단순 정보 전달을 넘어 학습자의 정서적 참여와 자기주도성을 유도하는 대화형 구조를 갖추고 있었으며, 학습자의 능동적 반응을 촉진하는 데 효과적이었다. 이는 멀티미디어 학습 이론에서 제시하듯, 시각 및 언어적 정보를 통합하여 제공할 경우 학습 효과가 향상된다는 주장과도 일맥상통한다[21].

VR 콘텐츠 전반에 대한 사용자 경험 역시 매우 긍정적으로 나타났다. 프레즌스, 몰입감, 흥미, 만족도, 교육 효과 등 다양한 항목에서 모든 집단이 기준값을 초과하였으며, 이는 VR이 인지적‧정서적 몰입을 유도하는 강력한 매개 도구임을 보여준다. 특히, 잘못된 행동에 따른 환경 변화 피드백(예: 쓰레기 더미 증가, 해충 발생 등)은 사용자에게 환경 문제를 보다 직관적이고 감각적으로 인식하게 하는 데 기여했을 가능성이 있다. 다만, 본 연구에서는 해당 피드백 요소가 환경 문제 이해에 미친 영향을 직접적으로 측정하지 않았으므로, 이러한 해석은 제한적으로 받아들여질 필요가 있다.

정보 제공 방식에 대한 인식 비교 결과, AI 에이전트와 가이드북 간 통계적으로 유의한 차이는 없었지만, 두 방식 모두 높은 평가를 받았다. 이는 각 방식이 상호보완적인 장점을 지니고 있음을 의미하며, 학습자의 특성이나 학습 상황에 따라 유연하게 활용될 수 있는 교육 전략임을 시사한다. 예컨대, AI 에이전트는 실시간 상호작용과 정서적 피드백을 제공하고, 가이드북은 자율적인 정보 탐색을 가능케 하는 점에서 서로 다른 방식으로 학습을 지원한다.

AI 에이전트와의 상호작용 경험에 대한 평가에서도 사용자들은 에이전트와의 대화가 자연스럽고 유익했다고 응답하였으며, 실제 사람과 대화하는 것처럼 느껴졌다는 반응도 다수 나타났다. 이는 LLM 기반 AI 기술의 교육적 활용 가능성을 뒷받침하며, 향후 AI 에이전트를 정서적으로 더 정교하게 설계할 경우 학습자와의 관계 형성 및 몰입도 향상에 보다 큰 효과를 기대할 수 있다.

그러나 본 연구는 상대적으로 소규모 표본과 단기 효과 측정에 한정되어 있어, 결과를 일반화하는 데에는 한계가 있다. 또한 AI 에이전트는 정서적‧문화적 맥락에 따라 학습자에게 상이하게 인식될 수 있으므로, 향후 연구에서는 다양한 연령과 교육 배경을 포함한 실험 설계, 장기적 추적 조사, 에이전트의 화법 등의 요소가 몰입과 수용성에 미치는 영향 등을 포괄적으로 검토할 필요가 있다.

종합적으로, 본 연구는 몰입형 VR 환경에서 정보 제공 방식보다 학습자의 심리적 관여와 체험적 요소가 교육 효과에 결정적이라는 점을 실증적으로 확인하였다. 또한, AI 에이전트와 가이드북 모두 환경교육에서 효과적인 전략이 될 수 있음을 보여주며, 디지털 기술을 활용한 실천적 환경교육 설계에 실질적 시사점을 제공한다.

Acknowledgments

본 논문은 2023년도 광운대학교 교내학술연구비 지원에 의해 연구되었음.

References

• S. J. Kim. How Much Do You Know and Practice the Rules for Recycling and Food Waste Disposal? [Internet]. Available: http://hrcopinion.co.kr/archives/19151, .
• UNESCO. Intergovernmental Conference on Environmental Education [Internet]. Available: https://www.gdrc.org/uem/ee/Tbilisi-Declaration.pdf, .
• H. S. Lee and J. H. Cho, “Investigation of Perception and Strategy of Online Environmental Education Based on Main Perspectives from both Environmental Education and Environmental Communication,” Journal of Cybercommunication Academic Society, Vol. 39, No. 1, pp. 47-102, March 2022. [https://doi.org/10.36494/JCAS.2022.03.39.1.47]
• D. Y. Lee, S. J. Lee, and E. J. Jeong, “The Long Term Memory Effects of Virtual Reality Edutainment with HMD,” Journal of Korea Game Society, Vol. 18, No. 2, pp. 69-76, April 2018. [https://doi.org/10.7583/jkgs.2018.18.2.69]
• E. Han and J. N. Bailenson, “Lessons for/in Virtual Classrooms: Designing a Model for Classrooms Inside Virtual Reality,” Communication Education, Vol. 73, No. 2, pp. 234-243, March 2024. [https://doi.org/10.1080/03634523.2024.2312879]
• J. Kang, S. Kwon, and D. Chung, “Effects of Linguistic Immersion Synthesis on Foreign Language Learning Using Virtual Reality Agents,” Informatization Policy, Vol. 31, No. 1, pp. 32-52, March 2024.
• H. Yang, M. Cai, Y. Diao, R. Liu, L. Liu, and Q. Xiang, “How Does Interactive Virtual Reality Enhance Learning Outcomes via Emotional Experiences? A Structural Equation Modeling Approach,” Front in Psychol, Vol. 13, January 2023. [https://doi.org/10.3389/fpsyg.2022.1081372]
• S. Fountoukidou, J. Ham, U. Matzat, and C. Midden, “Effects of an Artificial Agent as a Behavioral Model on Motivational and Learning Outcomes,” Computers in Human Behavior, Vol. 97, pp. 84-93, August 2019. [https://doi.org/10.1016/j.chb.2019.03.013]
• J. Kang and D. Chung, “Exploring the Synergy of Words and Worlds in Immersive Learning,” in Proceedings of the 9th International XR-Metaverse Conference 2024, Busan, pp. 73-86, May 2025. [https://doi.org/10.1007/978-3-031-77975-6_6]
• X.-K. Lin, C.-W. Shiu, and N.-Y. Pai, “Application of ChatGPT-Integrated NPCs to Enhance Virtual Reality Brainstorming,” in Proceedings of the 2024 IEEE 13th Global Conference on Consumer Electronics, Kitakyushu, Japan, pp. 1271-1272, October 2024. [https://doi.org/10.1109/GCCE62371.2024.10760995]
• J. S. Park, J. O’Brien, C. J. Cai, M. R. Morris, P. Liang, and M. S. Bernstein, “Generative Agents: Interactive Simulacra of Human Behavior,” in Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology (UIST '23), San Francisco, CA, pp. 1-22, October 2023. [https://doi.org/10.1145/3586183.3606763]
• S. H. Kwon and D. Hwang, “Development of 3D Printing Troubleshooting Guidelines in Virtual Reality,” Journal of Digital Contents Society, Vol. 25, No. 7, pp. 1977-1988, 2024. [https://doi.org/10.9728/dcs.2024.25.7.1977]
• D. M. Markowitz, R. Laha, B. P. Perone, R. D. Pea, and J. N. Bailenson, “Immersive Virtual Reality Field Trips Facilitate Learning about Climate Change,” Frontiers in Psychology, Vol. 9, November 2018. [https://doi.org/10.3389/fpsyg.2018.02364]
• J. H. Park, J. H. Boo, and K. S. Park, “Design and Development of an Immersive Virtual Reality Simulation for Environmental Education,” Journal of the Korea Institute of Information and Communication Engineering, Vol. 26, No. 4, pp. 541-547, April 2022. [https://doi.org/10.6109/jkiice.2022.26.4.541]
• R. Szczytko, K. Stevenson, M. N. Peterson, J. Nietfeld, and R. L. Strnad, “Development and Validation of the Environmental Literacy Instrument for Adolescents,” Environmental Education Research, Vol. 25, No. 2, pp. 193-210, June 2018. [https://doi.org/10.1080/13504622.2018.1487035]
• I. Cicek, A. Bernik, and I. Tomicic, “Student Thoughts on Virtual Reality in Higher Education—A Survey Questionnaire,” Information, Vol. 12, No. 4, April 2021. [https://doi.org/10.3390/info12040151]
• M. Hassenzahl, M. Burmester, and F. Koller, “AttrakDiff: Ein Fragebogen zur Messung Wahrgenommener Hedonischer und Pragmatischer Qualität,” in Mensch & Computer 2003 Interaktion in Bewegung, Wiesbaden, Germany, B.G. Teubner Verlag, pp. 187-196, September 2003. [https://doi.org/10.1007/978-3-322-80058-9_19]
• T. Li, M. Vorvoreanu, D. DeBellis, and S. Amershi, “Assessing Human-AI Interaction Early through Factorial Surveys: A Study on the Guidelines for Human-AI Interaction,” ACM Transactions on Computer-Human Interaction, Vol. 30, No. 5, pp. 1-45, September 2023. [https://doi.org/10.1145/3511605]
• Ministry of Environment. Guidelines for the Separation and Discharge of Recyclables [Internet]. Available: https://me.go.kr/home/file/readDownloadFile.do?fileId=158655&fileSeq=1
• A. Joshi, S. Kale, S. Chandel, and D. K. Pal, “Likert Scale: Explored and Explained,” Current Journal of Applied Science and Technology, Vol. 7, No. 4, pp. 396-403, February 2015. [https://doi.org/10.9734/BJAST/2015/14975]
• R. E. Mayer, “Principles Based on Social Cues in Multimedia Learning: Personalization, Voice, Image, and Embodiment Principles,” in The Cambridge Handbook of Multimedia Learning, Cambridge, UK, Cambridge University Press, pp. 345-368, 2014. [https://doi.org/10.1017/CBO9781139547369.017]