본 논문은 심각한 게임(SGs) 개발 과정에 절차적 콘텐츠 생성(PCG)을 통합하는 것의 영향을 평가하기 위한 프레임워크를 제안합니다. 심층 강화 학습(DRL) 게임 테스트 에이전트를 통합한 자동화된 평가 방법론을 제시하며, 카드 게임 메커니즘을 특징으로 하고 세 가지 다른 버전의 PCG(비플레이어 캐릭터 생성용)를 통합한 기존 SG를 사용하여 프레임워크를 검증합니다. 세 가지 버전은 무작위 NPC 생성(Version 1), 유전 알고리즘 기반 생성(Version 2, 3)으로 구성되며, 다양한 동적 SG 환경에 대한 프레임워크 에이전트의 영향을 테스트합니다. 실험 결과, Version 2와 3에서 훈련된 DRL 에이전트가 Version 1보다 승률과 훈련 시간 면에서 우수함을 보여줍니다. 특히, 일반적인 게임플레이를 모방한 테스트에서 Version 2와 3은 97%의 승률을 기록했고, 94%의 승률을 기록한 Version 1보다 통계적으로 유의미하게 높은 승률(p=0.0009)을 달성했습니다. 결과적으로, 본 논문은 제안된 프레임워크가 SG에서 절차적으로 생성된 콘텐츠 평가를 위한 의미 있는 데이터를 생성할 수 있음을 보여줍니다.
