AI模型推薦個性化字體以改善數字閱讀可訪問性

UCF可讀性研究人員與Adob??e團隊合作開發機器學習模型，以提供個性化的字體推薦，從而提高數字信息的可訪問性并增強個人閱讀體驗。

該團隊由Adob??e機器學習工程師和研究人員組成，他們與視覺科學家、印刷師、數據科學家和UCF可讀性研究人員合作研究Adob??e的機器學習模型FontMART。

結果最近發表在ACMDesigningInteractiveSystems2022上。

Adobe是可讀性聯盟的一部分，該聯盟領導UCF的數字可讀性研究，使用個性化的排版來增強所有年齡和能力的讀者的數字可讀性。Adobe的FontMART研究是與UCF的虛擬可讀性實驗室合作完成的。

可讀性聯盟和UCF虛擬可讀性實驗室主任BenSawyer說：“可讀性的未來是一種設備，可以觀察人類閱讀并利用他們的表現來定制格式，以便他們以最佳狀態閱讀。”“我們期待有一天您可以拿起設備，以獨特的方式閱讀和接收信息，以滿足您的需求。”

Sawyer和Adob??e研究科學家ZoyaBylinskii參與了研究的構思，并在整個研究過程中提供了指導。Acrobat.com機器學習工程師TianyuanCai領導了FontMART研究。

該研究使用UCF虛擬可讀性實驗室網站上的字體偏好測試來提供評估FontMART建議的基線。

字體偏好的考慮很重要，因為人們喜歡的字體通常與最能改善他們閱讀體驗和性能的字體不同。讀者喜歡的字體和最快的字體之間的差異已經在之前的可讀性研究中得到證明。

研究結果表明，FontMART模型可以通過將閱讀器特征與特定字體特征匹配來推薦提高閱讀速度的字體。

模型的工作原理

FontMART模型學習將字體與特定閱讀器特征相關聯。FontMART接受了對252名人群工作者及其自我報告的人口統計信息的遠程可讀性研究的培訓。對印刷師的采訪影響了研究中使用的八種字體的選擇。最終的字體選擇包括來自serif(即Georgia、Merriweather、Times和SourceSerifPro)和SansSerif(即Arial、OpenSans、Poppins和Roboto)系列的字體。

研究人員發現，字體的效果因讀者而異。

根據FontMART的研究，FontMART可以通過了解字體特征與讀者特征(如字體熟悉度、自我報告的閱讀速度和年齡)之間的關系來預測適合特定讀者的字體。在所考慮的特征中，年齡在模型確定向讀者推薦哪種字體時起著最大的作用。

例如，較重的字體特征有利于老年人的閱讀體驗，因為較粗的字體筆畫對于視力較弱和多變的人來說更容易閱讀。

需要進行更多研究，可能包括更廣泛的參與者年齡分布以更能代表一般人群，評估模型對其他閱讀上下文(如長篇或一目了然)的有效性，并擴展語言和相關字體特征以更好地適應讀者的多樣性。

持續的合作和研究將有助于擴展探索的特征，以改進FontMART模型并增強個人閱讀體驗。

UCF的可讀性聯盟和虛擬可讀性實驗室解決了個性化如何提高閱讀效率和速度。Sawyer還領導LabX，這是一個專注于人類績效的應用??神經科學小組，他是工業工程和管理系統的副教授。Sawyer在UCF獲得人因心理學博士學位和工業工程碩士學位。他在麻省理工學院完成了博士后研究。