실감미디어의 범위 · 연구 포털

실감미디어 연구의 범위: 30년(1995–2025) 범위고찰 및 계량서지 분석 — 연구 프로토콜 (초안)

작성일: 2026-09-21 · 작성: AIForA Lab

1. 연구 목적

본 연구는 1995년부터 2025년까지 SCIE·SSCI급 학술지에 게재된 실감미디어(immersive media) 연구를 망라하여, 실감미디어의 개념적·기술적·응용적 범위를 체계적으로 규명하는 것을 목적으로 한다. 범위의 도출은 검색 전에 잠근 개념 범위(검색어 21개와 5.4절의 배제 규칙) 안에서 이루어진다. 이 잠금은 범위고찰의 대상·개념·맥락(PCC) 틀이 요구하는 개념의 사전 규정(Peters et al., 2020)이며, 그 안에서의 기술·분야·주제·정의의 분포와 변화를 문헌으로부터 실증적으로 도출한다. 개별 효과크기의 통합이 아니라 연구 지형 전체의 구조와 변화를 파악하는 것이 목적이므로, 설계는 범위고찰(scoping review)과 계량서지 분석(bibliometric analysis)을 결합한다.

2. 연구 질문

3. 보고 지침

PRISMA 2020 및 PRISMA-ScR(범위고찰 확장판)을 따른다. 검색·선별 과정은 PRISMA 흐름도로 보고한다.

4. 자료원

역할 자료원 비고
문헌 수집(제목·초록·OA 링크) Semantic Scholar Academic Graph (대량 검색 API) 무료, 재현 가능한 검색식
학술지 판정 OpenAlex Sources CWTS 핵심 학술지 표시(is_core), 2년 평균 피인용
저자 소속·국가 보완 OpenAlex Works (DOI 대조) 최종 선정 문헌에 한함
원문 오픈액세스 PDF (Semantic Scholar·OpenAlex·Unpaywall 경로) 내용 추출 표본

Web of Science·Scopus에 직접 접근하지 않으므로, 학술지 수준 판정은 아래 5.3의 근사 기준을 사용하고 이를 연구의 한계로 명시한다. Clarivate Master Journal List(SCIE·SSCI)를 확보하는 경우 ISSN 대조로 판정을 교정한다.

5. 적격성 기준

5.1 검색식 (제목·초록)

“virtual reality” OR “augmented reality” OR “mixed reality” OR “extended reality” OR metaverse OR “immersive media” OR “immersive technology” OR “immersive technologies” OR “immersive virtual environment” OR “immersive environment” OR “360-degree video” OR “360 video” OR “omnidirectional video” OR “volumetric video” OR “holographic display” OR “hologram display” OR “light field display” OR “head-mounted display” OR “spatial audio” OR “haptic feedback” OR telepresence

“holographic” 단독어는 물리학(홀로그래피 원리)·광학 저장 분야의 무관 문헌을 대량으로 포함하므로 디스플레이 맥락의 구(句)로 한정하였다.

홀로그램 확장 검색(2026-09-21 추가). 위 한정으로 누락될 수 있는 홀로그램 문헌을 보완하기 위하여 hologram, holograms, holographic, holography, HoloLens, “computer-generated hologram(y)”, autostereoscopic, “light field display”, “volumetric display”, “3D display”로 OpenAlex 핵심 학술지를 별도 검색하였다(46,426건, 과반이 물리·천문 분야). 제목·초록에 디스플레이·영상·사용자 맥락어(display, near-eye, head-mounted, AR/VR/MR/XR, HoloLens, telepresence, viewer, user, participants, immersive, video, visualization, metaverse 등)가 함께 나타나고 기존 말뭉치에 없는 5,192건을 후보로 삼았으며, 학술지 수준 기준(5.3)을 충족한 3,792건을 동일한 초록 선별 절차에 투입하였다. 그 결과 1,747건이 추가로 포함되었다.

가설 기반 보강 검색 — 민감도 분석 전용(2026-09-22 변경). 연구 초기에 생성형 AI·피지컬 AI·스마트 글래스 관련 문헌이 존재하는지 연역적으로 점검하기 위하여 OpenAlex 핵심 학술지를 대상으로 세 가지 보강 검색을 수행하였다. 이 검색은 연구자가 미리 정한 가설에 따라 특정 주제의 문헌을 추가로 모으는 것이므로, 본 분석 말뭉치에 합치면 해당 주제의 비중과 성장세가 인위적으로 커진다. 따라서 보강 문헌 1,774건(그중 선별 포함 702건)은 본 분석에서 제외하고 boost_corpus.csv로 따로 보관하며, 결과의 강건성을 확인하는 민감도 분석에만 사용한다. 홀로그램 확장 검색은 기존 검색식의 누락(재현율 부족)을 바로잡는 보완이므로 본 분석에 유지한다.

보강 검색 검색식 요지 기간 수집
생성형 AI × 실감 (generative AI, LLM, ChatGPT, diffusion, text-to-image/3D, GAN, NeRF, Gaussian splatting, digital human, conversational agent, generative model) AND (실감미디어 용어) 2014–2025 1,687
피지컬 AI × 실감 (humanoid, social robot, embodied AI, physical AI, embodied (conversational) agent, android robot, geminoid, telepresence robot, robot avatar) AND (hologram, digital/virtual human, avatar, metaverse, VR/AR/MR/XR, telepresence, immersive) 1995–2025 1,018
스마트·AI 글래스 smart glasses, Google Glass, AR glasses, AI glasses, smart eyewear, wearable/head-worn display 1995–2025 1,956

생성형 AI 능력 코딩(대화, 학습·기억, 맞춤 대응, 홀로그램 현전, 물리적 몸 등)은 탐색적 부가 분석으로만 보고하며, 본 분석의 주제 구조나 시각화의 범주로 사용하지 않는다.

최종 흐름(2026-09-22 기준, 본 분석). 합친 말뭉치 70,305건 = 초록이 없어 선별하지 못한 7,813건 + 초록 선별 62,492건. 선별 결과 10,141건을 제외하고 52,351건을 최종 포함하였다.

5.2 포함 기준

5.3 학술지 수준 (SCIE·SSCI 근사 기준)

다음을 모두 충족하는 학술지를 SCIE·SSCI급으로 간주한다.

  1. OpenAlex가 CWTS 핵심 학술지로 표시한 학술지(is_core = true)
  2. 2년 평균 피인용(2yr mean citedness) 1.0 이상
  3. 학술대회 논문집·발표 초록집이 아닐 것

5.4 배제 기준

PRISMA 흐름도(그림 1)의 제외 사유 여섯 범주와 같다.

  1. 실감 기술이 연구의 중심이 아님: 배경·예시·향후 과제로만 언급되거나, 다른 주제 연구의 도구·자극으로만 쓰인 문헌
  2. 다른 기술에 관한 연구: 컴퓨터 비전, 엣지 컴퓨팅, 3D 프린팅, 화상회의 등 실감미디어가 아닌 기술
  3. 몰입형 디스플레이·사용자 맥락이 없는 홀로그래피·광학·디스플레이 소재·물리
  4. 문헌 유형: 사설·의견·인터뷰·논평·정정·웹사이트·제품 평론, 학술대회 초록
  5. 용어의 비기술적·은유적 사용: 언어 ‘몰입’ 교육, ’가상’이 온라인·원격을 뜻하는 경우 등
  6. 그 밖·불분명

이와 별도로 초록이 없어 적격성 판정이 불가능한 문헌은 내용 분석에서 제외하고 수를 보고한다.

6. 선별 절차

  1. 검색식 적용 후 중복 제거(DOI·제목 정규화 기준)
  2. 학술지 수준 기준(5.3) 적용
  3. 초록 선별: 대형언어모델(gpt-5-mini)을 선별자로 사용한다. 전문가 판정은 수행하지 않으며, 층화 무작위 표본 500건을 선별 모형과 다른 5개 개발사의 LLM 배심원 5종이 같은 기준으로 독립·맹검 판정한다(2026-09-22 변경). 배심원 다수결을 기준값으로 Cohen’s κ, 층 가중 정밀도·재현율·특이도(부트스트랩 95% CI)를 보고하고, 배심원 간 일치도(Fleiss’ κ)와 기술·분야·방법 코딩 정확도를 함께 보고한다(jury.py, jury_analyze.py, 근거 문헌 manuscript/references_llm_jury.md).

6.1 LLM 배심원 검증 결과 (jury_analyze.py, 2026-09-22)

층화 표본 500편(LLM 포함 300, 제외 200)을 배심원 5종(claude-sonnet-5, gemini-2.5-pro, Qwen3-235B-A22B-Instruct-2507, DeepSeek-V3.2, Llama-4-Maverick)이 모두 판정하였다. 한 배심원이 같은 항목을 두 번 판정한 경우(병렬 보조 실행) 먼저 기록된 판정을 쓴다. - 배심원 간 Fleiss κ 0.686, 만장일치 71.4%(357편). - gpt-5-mini 대 배심원 다수결: Cohen κ 0.714(95% CI 0.649–0.774). 선별 모형과 각 배심원의 κ는 0.59–0.69. - 모집단 가중 추정: 정밀도 0.937(0.907–0.960), 재현율 0.953(0.942–0.964), 특이도 0.698(0.609–0.793), 정확도 0.908. - 표본 혼동행렬: 둘 다 포함 281, 선별만 포함 19, 배심원만 포함 48, 둘 다 제외 152. 만장일치 항목에서 선별 모형 일치 93.8%(κ 0.845). - 코딩 정확도(281편): 기술 미시 F1 0.853(정밀도 0.753, 재현율 0.982), 분야 미시 F1 0.838, 연구방법 일치율 0.904. - 같은 모형 재판정 불일치(의도하지 않은 재검사): deepseek-v3.2 34/340(10%); gemini-2.5-pro 21/290(7%); llama-4-maverick 45/330(14%); qwen3-235b 47/410(11%). 같은 모형도 같은 초록에 대해 7–14% 판정을 바꾸므로, 단일 모형 판정의 한계와 배심원(다수결) 방식의 필요를 함께 보여 준다. - 해석: 선별 모형은 개별 배심원과 같은 수준의 판단을 보인다. 표본 건수로는 ‘배심원만 포함’(48)이 ‘선별만 포함’(19)보다 많지만, 층화 표본(포함 52,351편 중 300편, 제외 10,141편 중 200편)을 모집단 크기로 가중하면 배심원 다수가 제외할 문헌을 선별 모형이 포함한 규모가 약 3,300편, 그 반대가 약 2,400편이다. 따라서 말뭉치는 과소 포함이 아니라 약간 과대 포함 쪽이며, 이는 가중 특이도 0.698과도 맞는다(2026-09-22 공동저자 검토로 바로잡음). 전문가 판정은 수행하지 않았다.

7. 자료 추출 항목

서지정보(연도, 학술지, 분야, 국가, 피인용), 기술 유형(RQ2), 응용 영역(RQ3), 연구 방법(실험·조사·시스템 개발·질적·리뷰), 대상자, 핵심 개념·이론(RQ4), 실감미디어 정의 문장(해당 시 원문 인용).

기술 유형·응용 영역·연구 방법은 초록 기반 코딩 규칙표에 따라 자동 분류하고, 표본 검증으로 정확도를 보고한다. 정의 문장은 오픈액세스 원문 층화 표본과 최종 포함 논문 전체 초록 두 곳에서 추출한다(8.3절).

8. 분석

8.1 민감도 분석 (sensitivity.py, 2026-09-22)

  1. 가설 기반 보강 문헌의 영향. 본 분석 말뭉치(A, 52,351편)에 보강 3종 중 선별 포함 702편(1.3%)을 더한 말뭉치(B, 53,053편)를 비교하였다. 기술·응용 분야 비중의 변화는 최대 0.75%p이며 순위 변동은 없었다. 2020년 이후 비중(71.3% → 71.2%)과 2015–2025년 연평균 성장률(26.5% → 26.2%)도 사실상 같았다. B에서 떠오르는 주제 탐지를 같은 설정으로 다시 수행한 결과 상위 6개 중 5개가 동일하였고, 6위 자리에 확장현실 개관 군집(보강 문헌 비중 0.4%)이 들어왔다. 보강 문헌 비중이 20% 이상인 군집은 어떤 설정에서도 상위 6에 들지 않았다. 생성형 AI 보강 논문 130편은 11개 군집에 분산되었고, 가장 많이 모인 군집은 교육 군집(최근성 순위 12위)이었다.
  2. 탐지 설정의 강건성. 군집 수(30·40·50), 난수 씨앗(0·1·2), 최근 기간(2022–25·2023–25)의 18개 조합에서 기준 주제와 구성 논문 자카드 지수 0.3 이상인 군집이 상위 6에 다시 나타난 비율과, 기준 주제 논문이 상위 6 군집에 남은 비율(중앙값)을 보고한다. 메타버스 거버넌스(100%/99%), 엣지 컴퓨팅(83%/98%), 의료 훈련용 VR(89%/92%), 통증·불안 관리용 VR(94%/93%)은 안정적이었다. 메타버스 교육(11%/71%)은 설정에 따라 메타버스 거버넌스 군집에 합쳐졌으며, 교육용 VR 도구·교수법(56%/66%)은 상위 6의 경계에 있는 주제로 해석한다.

8.2 범위의 시간 변화와 전망 (scope.py, 2026-09-22)

각 논문이 다루는 범위를 네 가지로 측정한다. (1) 논문 단위 기술 폭: LLM 코딩 기술 범주(12개) 수와 복수 기술 논문 비율. (2) 포괄 틀: 제목·초록에서 기술을 한데 묶는 상위 용어(extended reality, XR, x-reality, cross reality, immersive technology·media·system·platform, spatial computing, 현실-가상 연속체)를 쓰는 논문 비율. (3) 분야 단위 유효 범주 수: 기술, 응용 분야, 기술×분야 조합의 힐 수(1차, exp(섀넌 엔트로피)). (4) 의미 분산: 같은 해 초록 임베딩과 그 중심 사이 평균 코사인 거리. (3)과 (4)는 연도별 표본 크기의 차이를 보정하기 위하여 해마다 80편을 200회 무작위 추출(희박화)하여 평균한다.

전망은 2011–2025년 연 단위 계열에 선형 추세, 감쇠 추세 지수평활(ETS A,Ad,N), 비율 지표의 경우 로짓 선형 추세를 적합하고, 2011–2020년으로 학습하여 2021–2025년을 예측하는 역검증 평균절대오차가 가장 작은 모형으로 2026–2030년을 예측한다(95% 예측구간). 역검증 오차가 ‘2020년 값 유지’ 기준보다 크면 전망을 보고하지 않는다. 기술·분야별 비중은 로짓 선형 추세로 같은 절차를 따른다.

주요 결과: 논문 1편당 기술 수 1.46(1995–2009) → 1.61(2025) → 1.67(2030, 1.59–1.74). 유효 기술 수 5.2 → 6.9 → 7.3(6.4–8.2). 기술×분야 조합 29 → 41 → 44(39–49). 포괄 용어 사용 0.8% → 11.4% → 27%(13–46%). 유효 응용 분야 수 7.4 → 7.9(전망 보류). 의미 분산은 2010–2015년 0.39에서 2025년 0.37로 감소. 기술 비중 전망: XR 13% → 27%(15–42%), VR 63% → 60%, 햅틱 7% → 5%, 원격현전 3% → 2%. AR·메타버스·MR·360° 영상·홀로그램·공간음향·볼류메트릭 영상은 역검증 미통과로 전망 보류.

8.3 정의 분석 (RQ4, fetch_oa.py·defs.py, 2026-09-22)

오픈액세스 원문 층화 표본(시기 4 × 리뷰·그 밖, 층당 목표 150편; 1995–2009·2010–2015 리뷰는 공개 원문이 부족하여 각 24·55편) 982편과 최종 포함 논문 전체 초록에서, 핵심 개념어(실감미디어·몰입형 기술·몰입·실재감·원격현전·VR·AR·MR·XR·메타버스·가상환경·체현·360° 영상·홀로그램 등)가 정의 표지(defined as, refers to, 개념어를 주어로 한 is/are/describes/encompasses 등)와 함께 쓰인 문장을 후보로 뽑았다(PDF 합자는 NFKC로 정규화). gpt-5-mini가 후보 문장마다 정의 여부, 정의 대상, 근거(기술·경험·내용·사회공간·기능, 복수 선택), 포함하는 기술, 감각, 인용한 정의 출처를 구조화 출력으로 코딩하였다.

결과: 정의 문장은 원문 608개(282편), 초록 1,995개(1,889편). 초록에서는 기술 근거(72–79%)가 경험 근거(58–63%)보다 많고, 원문에서는 경험(66–72%)이 기술(52–66%)과 비슷하거나 많다. 사회·공간 근거는 초록에서 2016–2019년 9%에서 2020–2025년 37%로 늘었다. 포괄 개념 정의 616개 중 601개가 2020년 이후이며, 정의가 이름을 드는 기술은 평균 1.6개, 둘 이상은 34%. 인용되는 정의 출처는 Milgram 1994, Slater & Wilbur 1997, Azuma 1997, Heeter 1992, Steuer 1992 순.

주: 원문 수집 코드의 결함(응답 본문 일부만 저장)으로 380편이 잘려 저장되었던 것을 발견하여 375편을 다시 받았고(refetch_truncated.py), 수집 코드를 고쳤다.

8.4 정의 코딩 검증과 재집계 (defs_jury.py·defs_revision.py, 2026-09-22, 공동저자 검토 반영)

검증. 정의 후보 문장 300개(출처 2 × 시기 4 층, 층마다 모형이 정의로 본 문장 2/3·아니라고 본 문장 1/3)를 선별 검증과 같은 LLM 배심원 5종이 코딩 결과를 보지 않고 같은 지시문으로 코딩하였다. 정의 여부 κ 0.645(배심원 간 Fleiss κ 0.652), 근거 κ 기술 0.64·경험 0.56·내용 0.52·사회공간 0.72·기능 0.53, 정의 대상 일치 43%, 명명 기술 미시 F1 0.42. 코딩 모형은 배심원보다 근거를 많이 붙이고(문장당 2.19 대 1.72) 명명 기술을 많이 보았다(1.02 대 0.28). 사전에 정한 규칙에 따라 RQ4 정의 비율은 탐색적 기술로, 포괄 정의 수·명명 기술 수는 상한으로 보고한다. 배심원 코딩에서도 유지되는 결과(사회·공간 근거가 메타버스 정의에 집중, 정의의 기술 열거가 매우 적음)만 결론에 쓴다. 핵심 개념어 빈도는 사전(정규식)으로 센 것이므로 이 검증과 무관하다.

재집계. (1) 포괄 개념 정의는 초록 616개·원문 88개(합 704) — 그림 12 세 번째 칸을 출처별로 나눠 다시 그렸다. (2) 정의 출처는 222/2,603(8.53%)만 밝혔고, ‘Slater 1997’ 10회는 모두 Slater & Wilbur 1997(FIVE), ‘Milgram 1994’ 9회 중 6회는 Kishino 명시. (3) 원문 표본의 리뷰 비중 38.4%(말뭉치 16.3%). (4) 초록·원문 정의를 모두 가진 23편의 짝 비교에서 유의한 차이 없음 — ‘초록은 기술, 본문은 경험’ 해석은 쓰지 않는다. (5) 사회·공간 근거의 상승은 메타버스·XR 정의에 몰려 있고 VR 정의는 그대로다. (6) 포괄 용어 사용 논문 3,167편(2020–2025 2,959, 2025 1,041). (7) 은유 배제 453편이 초록 정의의 기술 근거 비율에 줄 수 있는 영향은 75.9% → 75.3%(극단 가정 61.9%). (8) 선별 검증의 층 가중 오분류: 선별만 포함 약 3,315편, 배심원만 포함 약 2,416편.

8.5 확산모형으로 본 성장 단계 (diffusion.py, 2026-09-27)

추세 연장이 S자 곡선과 붐-버스트를 따라가지 못하는 한계를 보완하기 위하여, 기술 12·응용 분야 12·떠오르는 주제 6·포괄 용어 사용·전체의 연도별 편수를 누적곡선으로 바꾸어 Bass(1969), 로지스틱(Fisher & Pry, 1971), 곰페르츠 모형을 적합하고 잔차제곱합이 가장 작은 모형을 골랐다. 각 계열에서 최종 누적 추정치 m, 2025년까지의 포화도, 정점(연간 최대) 연도를 얻어 기술수명주기 상의 위치를 판정하였다(Taylor & Taylor, 2012).

변곡점을 지나지 않은 계열에서는 m이 식별되지 않으므로, 식별 조건(정점 2045년 이전, 2025년까지 포화도 5% 이상, m이 관측 누적의 50배 미만)을 충족한 계열만 m·정점·2030년 값을 보고하고 나머지는 ’지수 성장 국면’으로만 적는다. 2030년 예측과 95% 구간(잔차 부트스트랩 300회)은 2021–2025년 역검증을 통과한 계열에만 붙인다.

결과: 전체 32개 계열 가운데 10개만 식별되었다. 실감미디어 전체, VR, 의료·건강, 교육·훈련 등은 아직 지수 성장 국면이어서 최종 규모를 추정할 수 없다. 식별된 계열의 단계는 성장기(AR 정점 2028, MR 2032, 통증·불안 관리용 VR 2029), 변곡점 부근(XR 2026, 엣지 컴퓨팅 2026, 포괄 용어 2028), 성숙(메타버스 거버넌스·윤리·비즈니스 정점 2024, 포화도 86%; 메타버스 기술·메타버스 교육도 정점 통과)로 나뉜다. 한계: 로지스틱은 포화 이후 연간 편수가 0으로 수렴한다고 가정하므로, 성숙 계열의 2030년 연간 예측치는 관심의 한 물결이 지나간 것으로 읽어야 하며 주제의 소멸을 뜻하지 않는다.

8.6 기술 간 상호작용: 대체인가 공존인가 (lv.py·substitution.py, 2026-09-28)

확산모형이 기술마다 곡선을 따로 그린 것을 보완하여, 기술 쌍의 상호작용을 Lotka–Volterra 경쟁모형으로 적합하였다(Morris & Pratt, 2003; Pistorius & Utterback, 1997; Sandén & Hillman, 2011). 12개 쌍에 대해 상호작용 모형과 독립 로지스틱 모형을 AIC와 2021–2025년 역검증으로 견주고, 상호작용 계수는 잔차 부트스트랩 200회로 구간을 구하였다.

결과는 음성이다. 12쌍 중 11쌍에서 상호작용 모형의 역검증 오차가 독립 모형보다 컸고(VR↔︎XR은 연평균 10,647편 대 931편), 계수의 부트스트랩 구간은 대부분 모수 경계에 걸쳐 식별되지 않았다. 대부분의 계열이 아직 변곡점 전이라는 같은 이유이며, 이를 ’상호작용이 없다’가 아니라 ’자료가 상호작용을 식별하지 못한다’로 보고한다.

같은 질문을 말뭉치의 기술 꼬리표로 직접 보면 답은 공존이다. (1) VR 논문은 2015년 531편에서 2025년 5,789편으로 늘었고 비중도 63%를 지킨다. (2) 2020–2025년 XR 논문 가운데 VR 동반 38%, AR 37%, MR 24%, 메타버스 33%이며 XR 단독은 10%뿐이다. (3) Fisher–Pry 대체 비율 XR/(VR+XR)은 2020년 5.4%에서 2025년 16.7%로 올랐으나 대체라 부를 수준이 아니다. 다만 메타버스는 단독 표기가 32%로, 상위 명칭이라기보다 별도의 연구 대상에 가깝다.

9. 한계