Journal Archive

Karasek(1979)은 직무 스트레스를 작업환경의 단적 측면에서 발생하는 것이 아니라, 근로자가 활동 중인 상황에서 근로자에게 주어지는 요구와 의사결정반영 여부가 서로 영향을 미치면서 직무 스트레스가 발생한다고 분석했다. 높은 수준의 업무를 요구하는 상황에 처했지만, 업무 처리를 위해 반영된 자신의 의사결정수준이 상대적으로 낮거나 적은 수준의 영향을 미친다면 직무 스트레스로 연결된다고 정의했다.

Karasek은 위에서 언급한 근로자가 직무 수행 과정에 경험하게 되는 요인을 직무 요구(Job Demand) 요인과 직무 통제(Job Control) 요인으로 정의했다. 직무 요구 요인은 직무를 수행할 때, 근로자에게 요구되는 상태를 의미한다. 직무 요구 요인이 높거나 낮으면 직무 스트레스로 연결된다. 직무 요구 요인은 일의 부하량, 업무 처리 속도, 생산 수준, 노동의 강도, 업무 간의 갈등 상황 등이다.

직무 통제 요인은 근로자가 일을 처리하는 과정에서 자신의 의사결정 권한(Decision Authority)과 지적재량권(Intellectual Discretion, Skill Discretion)으로 구성된다. 의사결정 권한은 근로자가 일을 처리할 때 필요한 절차와 방법 결정 권한을 의미한다. 지적재량권은 근로자가 처리하는 일에 필요한 아이디어, 기술 개발, 창의력 등을 요구하는 정도이다.

스트레스 범주에 따라 다음과 같이 정리된다(그림 1). 첫 번째, 근로자의 직무 요구 요인과 직무 통제 요인이 모두 높을 경우(High Strain Job), 적극적으로 업무를 처리하고, 효율적인 업무 처리를 위해 필요한 새로운 행동 패턴을 학습하게 된다. 업무 진행 간 우울증 감소 등 이상적인 상태이다. 두 번째, 직무 요구 요인과 직무 통제 요인이 모두 낮을 경우(Low Strain Job), 근로자는 매우 수동적인 상태가 된다. 이때, 근로자가 보유한 지식이나 기술 활용도가 떨어지기 때문에 퇴화할 가능성이 존재한다. 세 번째, 직무 요구 요인은 높으나 직무 통제 요인이 낮은 경우(Active Job), 근로자는 고 긴장 상태에 놓이게 되고, 많은 직무 요구로 인해 효과적으로 업무를 처리하지 못하는 상황이며, 간혹, 부적절한 업무 처리 패턴을 보인다. 마지막, 직무 요구 요인은 낮고, 직무 통제 요인은 높은 경우(Passive Job), 근로자는 저 긴장 상태에 해당하며, 자신의 능력으로 충분히 업무 처리가 가능하지만, 스스로 포기하고 무기력한 상태로 갈 수 있는 상태이다.

Fig. 1. 
Karasek’s Job Strain Model

Karasek의 직무 스트레스 모델은 지속적인 연구를 통해 새로운 요인이 추가됐다. Theorell et al.,[9]은 추가 연구를 통해 근로 환경에서 상사와 동료로부터 얻게 되는 감정적 지지와 신뢰를 의미하는 사회적 지지(Social Support)를 추가한 모델을 개발했다. 해당 모델에 따르면, 직무 요구가 높고 직무 통제 요인이 낮으며, 사회적 지지까지 낮은 근로자의 경우, 직무 스트레스가 최고조에 달하지만, 사회적 지지가 높은 근로자의 경우, 직무 스트레스가 줄어든다.

게이미피케이션은 포인트(Point), 배지(Badge), 리더보드(Leaderboard) 등 게임을 구성하는 요소, 게임 규칙을 교육, 경영, 훈련, 건강 등 게임이 아닌 영역(Non-Context)에 적용하여 동기부여, 참여 촉진, 협력을 유도하는 기법(Technique)이다[10]. 게이미피케이션을 교육적 맥락(Educational Context)에 적용하여 교육적 효과성을 극대화하는 기법이 교육 게이미피케이션(Gamification in Education)이다[11]. 교육 게이미피케이션은 학습자에게 게임적 경험(Gameful Experience)을 바탕으로 재미와 몰입을 제공하여 학습동기를 촉진하고, 학습 참여, 학습 태도 개선, 자기주도적 참여를 유도한다[12]. 게이미피케이션을 MOOC 플랫폼에 적용할 경우, 게이미피케이션을 적용하지 않은 MOOC 플랫폼 보다 이수율 28% 증가, 이수 실패율 14% 감소, 최종 시험 거부 비율 30% 감소가 가능한 것으로 나타났다[13]. 뿐만 아니라, 교육 게이미피케이션은 학습동기 자극을 통해 학습 참여 촉진 및 학습 경험 혁신이 가능하다[14]. 교육 게이미피케이션 적용을 위해 필요한 교육학적 이론은 자기 결정성 이론(Self-Determination Theory), 몰입 이론(Flow Theory), 목표 설정 이론(Goal Setting Theory), 인지적 평가 이론(Cognitive Evaluation Theory), 인지 부하 이론(Cognitive Load Theory)인 것으로 나타났고[15], 2000년부터 2017년까지 발표된 게이미피케이션 사례 754개 중에서 교육 게이미피케이션 사례는 35.9%(교육 16.9%, 훈련 19%)로 나타났다[16].

연구 진행을 위해 Karasek의 직무 스트레스 모델 이해를 위한 게이미피케이션 콘텐츠를 개발했다. 체계적인 게임 개발을 위해 Park & Kim[17]의 4F 프로세스 절차에 따라서 개발했다(그림 2).

Fig. 2. 
4F Process

4F는 현황 분석(Figure out), 목표 설정(Focus), 게이미피케이션 설계(Fun design), 마무리(Finalize) 단계로 구성된다. 현황 분석 단계에서는 게이미피케이션을 적용하는 대상을 분석하는 단계이다. 현재 운영 중인 콘텐츠나 프로그램의 상태와 상황, 학습자의 연령, 성별 및 성비, 선호하는 게임 장르나 플레이어 유형을 분석하는 단계이다.

목표 설정 단계는 게이미피케이션 적용을 고려하는 프로그램이나 콘텐츠의 적용 범위를 설정하고, 학습자에게 어떤 재미경험을 전달할지 설정하는 단계이다.

게이미피케이션 설계 단계는 실질적으로 학습자에게 전달되는 스토리와 게임 메커닉스, 게임 규칙을 설정하는 단계이다.

마무리 단계는 게이미피케이션 설계 단계까지 설정했던 요소를 실제 프로토타입으로 개발하고, 실제 학습자를 대상으로 사전 테스트, 피드백 & 의견 수렴을 통해 콘텐츠의 완성도를 향상 시켜서 서비스 가능한 정도의 제품을 개발하는 단계이다.

4F 프로세스를 통한 개발 절차 분석 결과, 강의식으로 진행되는 스트레스 관리 교육은 학습자가 지루함을 느끼고 있는 것으로 분석됐다. 연령은 사회 초년생 연령대인 20대 중반에서 30대 초반으로 분석됐다. 교육 방식 및 스트레스 이해 교육이 가능해야 하기 때문에 소프트웨어를 사용하기 보다는 학습자 간 실시간 오프라인 상호작용이 가능한 보드 게임의 형태로 개발해야 하고, 게임을 통해 공감, 매혹, 자기표현, 동료의식, 시뮬레이션의 재미경험을 전달하는 것이 바람직하다고 분석했다. 스토리의 경우, 현실을 사는 직장인의 이야기로 구성하고, 게임 규칙과 구성은 최대한 단순하고 가볍게 개발되어야 하는 것으로 분석됐다.

개발된 스트레스 관리 보드 게임은 다음의 그림 3, 4, 5와 같다. Karasek의 직무 스트레스 모델 요소인 직무 요구 요인, 직무 통제 요인, 직무지지 요인을 수치화 하여 카드로 구성했다(그림 3). 또한, 플레이어에게 가상의 업무 진행상황을 알려주기 위한 상황카드(그림 4)를 부여하여 해당 상황에 맞는 선택을 했을 때, 해당 상황에서 받는 스트레스 요소를 측정할 수 있도록 개인 상황판(그림 5)을 제작했다.

Fig. 3. 
Stress Card in Job Stress Board Game

Fig. 4. 
Job Stress Situation Card

Fig. 5. 
Individual Leaderboard

본 연구진이 개발한 보드 게임의 효과성을 검증하기 위해 설문 도구를 개발했다. 설문 도구를 개발하기 위해 보드 게임을 통해 검증하고자 하는 구인을 설정하고, 선행연구 분석을 통해 이미 검증된 설문 도구의 구인을 차용하는 방식으로 개발했다.

첫 번째 구인은 학습효과(Learning Effect, LE)이다. 학습효과는 학습자가 보드 게임 플레이를 통해 전달된 내용을 학습 했는지 묻기 위한 구인이다. 두 번째 구인은 교육몰입(Learning Flow, LF)이다. 교육몰입은 학습자가 게임 플레이 동안 얼마나 몰입 했는지 확인하기 위해 설정했다. 세 번째 구인은 전이효과(Transmission Effect, TE)이다. 전이효과는 학습자가 보드 게임을 통해 학습한 지식을 실생활이나 실제 상황에서 얼마나 잘 사용할 것인지 확인하기 위한 구인이다. 네 번째 구인은 재미경험(Fun, F)이다. 게이미피케이션, 보드 게임이기 때문에 재미를 경험해야 게임의 기본 조건 충족을 확인할 수 있기 때문에 설정했다.

학습효과 구인과 전이효과 구인은 Lee[19]가 개발한 설문 문항을 차용했다. 학습효과 구인은 학습효과를 묻는 기본적인 내용과 함께 다른 사람에게 설명할 수 있을 정도로 학습이 잘됐음을 묻기 위해 관련된 문항을 차용했다. 전이효과 구인의 경우, 습득한 지식을 실제 상황에서 얼마나 효과적으로 적용할 수 있을지 묻는 구인이다. 구인을 통해 문제해결, 실제활용, 스트레스 개선을 묻기 위함이며, Lee[19]가 해당 의도를 바탕으로 설문 도구를 개발했기 때문에 해당 구인을 차용했다.

교육몰입 구인은 Schilling[20], Jang[21], Kim & Park[22]이 개발한 설문 구인을 차용했다. 보드 게임을 통한 학습 과정 전체에 대하여 교육과정에 열정적 참여 확인, 교육 과정 집중, 과정의 고됨 정도를 확인해야 한다. 관련된 구인이 개발된 선행연구 3건에 문항을 차용하여 개발했다.

재미경험 구인은 Wang & Berlin[23], Lazzaro[24]가 개발한 설문 구인을 차용했다. Wang & Berlin의 경우, 과학 학습동기 측정을 위해 설문 도구를 개발했고, 과학 학습 과정 중 재미를 묻는 구인이 존재했기 때문에 해당 구인을 차용했다. Lazzaro의 경우, 근본적인 재미와 관련된 내용을 포함하고 있었기 때문에 해당 내용을 설문 구인으로 개발하여 적용했다.

설문구인 설정 후, 각 구인에 대한 통계적 검증을 통한 인과관계 확인을 위해 다음과 같은 가설을 설정한다.

가설 1: 보드 게임 플레이를 통해 느낀 재미경험은 학습효과에 긍정적인 영향을 미치지 않는다.

가설 2: 보드 게임 플레이를 통해 느낀 재미경험은 전이효과에 긍정적인 영향을 미치지 않는다.

가설 3: 보드 게임 플레이를 통해 느낀 재미경험은 교육몰입에 긍정적인 영향을 미치지 않는다.

연구 진행을 위해 보드 게임 개발이 완료된 후, 인터넷과 SNS 채널을 이용하여 실험집단을 모집했다. 실험자는 자발적으로 참가했고, 설문도 자발적으로 응답했다. 총 62명이 모집됐고, 남성 32명(51.6%), 여성 30명(48.4%)로 구성됐다. 연령은 30대가 34명으로 가장 많은 비중을 차지했다. 근속년수는 5년 미만(사회 초년생)과 5년 이상으로 구분했다. 5년 미만은 38명으로 나타났고, 5년 이상은 24명으로 나타났다. 하루 평균 게임 시간은 1시간에서 2시간 미만 플레이하는 비중이 26명으로 가장 많은 비중을 차지했고, 3시간 이상 13명, 1시간 미만 12명, 2시간에서 3시간 미만이 11명인 것으로 나타났다. 실험집단의 인구통계학적 분석 결과는 다음의 표 1과 같다.

다음의 표 2는 설문응답의 신뢰도 분석 결과이다. 분석을 위해 크론바흐 알파계수(Cronbach Alpha)를 적용했다. 분석 결과, 전체 설문에 대한 크론바흐 알파계수는 0.935로 매우 높은 신뢰도를 기록했다. 설문 구인 별 크론바흐 알파계수는 학습효과 0.815, 전이효과 0.807, 교육몰입 0.696, 재미경험 0.85으로 모든 구인이 신뢰 가능한 것으로 분석됐다.

통계적 검증을 위해 Lee & Yeom[24]의 연구 진행 절차를 참고했다. 회귀 분석을 통해 인과관계를 검증하기 위해서 분석 대상 변수의 정규성을 검증해야 한다. 정규성 검증을 위해 왜도(Skewness)와 첨도(Kurtosis)를 확인해야 한다. 왜도는 절대값 3을 초과하지 않아야 하고, 첨도는 절대값 10을 초과하지 않아야 한다[25]. 기술 통계 및 왜도, 첨도 분석 결과는 표 3과 같다. 표 3에 따르면, 17개 설문 항목 모두 왜도와 첨도 기준을 충족했기 때문에 정규성이 검증됐다.

다음의 표 4는 설문 문항에 대한 상관관계 분석 결과이다. 상관관계 분석은 변수 간 독립성을 확인하기 위해 실시하는 분석이다. 일정 수준 이상의 상관계수가 확인된다면, 변수 간 독립성에 대한 문제가 발생했을 가능성이 존재한다.

전반적으로, 통계적으로 유의미한 상관계수의 범주는 0.3 ~ 0.6 사이로 나타났고, 재미경험 구인은 학습효과, 전이효과, 학습몰입 구인과 통계적으로 유의미한 상관관계가 있는 것으로 나타났다(r = 0.4 ~ 0. 6). 교육몰입 구인도 학습효과, 전이효과, 재미경험과 유의미한 상관관계가 있는 것으로 나타났다(r = 0.3 ~ 0.5). 전이효과도 학습효과, 교육몰입, 재미경험 구인과 통계적으로 유의미한 관계가 있는 것으로 나타났다(r = 0.2 ~ 0.7). 학습효과 역시, 다른 구인과 유의미한 관계가 있는 거으로 나타났다(r = 0.2 ~ 0.6).

다음의 표 5, 6, 7은 재미경험이 학습효과, 전이효과, 교육몰입에 미치는 영향을 확인하기 위한 회귀분석 결과이다. 회귀분석은 선형 회귀분석이 적용된다. 선형 회귀분석 모형을 검증하기 위해 공차한계(Tolerance)와 분산팽창계수(VIF)를 확인해야 한다. 공차한계는 0.1보다 커야하고, 분산팽창계수는 10보다 작아야 한다[24].

분석 결과, 학습효과, 전이효과, 교육몰입 모두 공차한계와 분산팽창계수 조건을 충족했기 때문에 선형 회귀분석을 진행했다. 선형 회귀분석 결과에 따르면, 재미경험은 학습효과, 전이효과, 교육몰입에 긍정적인 영향을 미치는 것으로 나타났다. 학습효과의 경우, F = 81.538, p < 0.000으로 나타났기 때문에 회귀모형이 통계적으로 유의미하며, 비교적 높은 설명력을 가진 것으로 나타났다(R = 0.759, R² = 0.576, 수정된 R² = 0.569).

재미경험이 학습효과에 미치는 영향은 β = 0.91, t = 9.03, p < 0.000으로 통계적으로 유의미하며, 긍정적인 영향을 미치는 것으로 해석된다. 이에, 가설 1을 기각하고, 재미경험은 학습효과에 긍정적인 영향을 미치는 것으로 나타났다.

재미경험이 전이효과에 미치는 영향은 β = 1.004, t = 10.159, p < 0.000으로 통계적으로 유의미하며, 긍정적인 영향을 미치는 것으로 해석된다. 이에, 가설 2를 기각하고, 재미경험은 전이효과에 긍정적인 영향을 미치는 것으로 나타났다.

재미경험이 교육몰입에 미치는 영향은 β = 0.772, t = 10.256, p < 0.000으로 통계적으로 유의미하며, 긍정적인 영향을 미치는 것으로 해석된다. 이에 가설 3을 기각하고, 재미경험은 교육몰입에 긍정적인 영향을 미치는 것으로 나타났다.