AI模型推荐个性化字体以改善数字阅读可访问性

UCF可读性研究人员与Adob​​e团队合作开发机器学习模型，以提供个性化的字体推荐，从而提高数字信息的可访问性并增强个人阅读体验。

该团队由Adob​​e机器学习工程师和研究人员组成，他们与视觉科学家、印刷师、数据科学家和UCF可读性研究人员合作研究Adob​​e的机器学习模型FontMART。

结果最近发表在ACMDesigningInteractiveSystems2022上。

Adobe是可读性联盟的一部分，该联盟领导UCF的数字可读性研究，使用个性化的排版来增强所有年龄和能力的读者的数字可读性。Adobe的FontMART研究是与UCF的虚拟可读性实验室合作完成的。

可读性联盟和UCF虚拟可读性实验室主任BenSawyer说：“可读性的未来是一种设备，可以观察人类阅读并利用他们的表现来定制格式，以便他们以最佳状态阅读。”“我们期待有一天您可以拿起设备，以独特的方式阅读和接收信息，以满足您的需求。”

Sawyer和Adob​​e研究科学家ZoyaBylinskii参与了研究的构思，并在整个研究过程中提供了指导。Acrobat.com机器学习工程师TianyuanCai领导了FontMART研究。

该研究使用UCF虚拟可读性实验室网站上的字体偏好测试来提供评估FontMART建议的基线。

字体偏好的考虑很重要，因为人们喜欢的字体通常与最能改善他们阅读体验和性能的字体不同。读者喜欢的字体和最快的字体之间的差异已经在之前的可读性研究中得到证明。

研究结果表明，FontMART模型可以通过将阅读器特征与特定字体特征匹配来推荐提高阅读速度的字体。

模型的工作原理

FontMART模型学习将字体与特定阅读器特征相关联。FontMART接受了对252名人群工作者及其自我报告的人口统计信息的远程可读性研究的培训。对印刷师的采访影响了研究中使用的八种字体的选择。最终的字体选择包括来自serif(即Georgia、Merriweather、Times和SourceSerifPro)和SansSerif(即Arial、OpenSans、Poppins和Roboto)系列的字体。

研究人员发现，字体的效果因读者而异。

根据FontMART的研究，FontMART可以通过了解字体特征与读者特征(如字体熟悉度、自我报告的阅读速度和年龄)之间的关系来预测适合特定读者的字体。在所考虑的特征中，年龄在模型确定向读者推荐哪种字体时起着最大的作用。

例如，较重的字体特征有利于老年人的阅读体验，因为较粗的字体笔画对于视力较弱和多变的人来说更容易阅读。

需要进行更多研究，可能包括更广泛的参与者年龄分布以更能代表一般人群，评估模型对其他阅读上下文(如长篇或一目了然)的有效性，并扩展语言和相关字体特征以更好地适应读者的多样性。

持续的合作和研究将有助于扩展探索的特征，以改进FontMART模型并增强个人阅读体验。

UCF的可读性联盟和虚拟可读性实验室解决了个性化如何提高阅读效率和速度。Sawyer还领导LabX，这是一个专注于人类绩效的应用​​神经科学小组，他是工业工程和管理系统的副教授。Sawyer在UCF获得人因心理学博士学位和工业工程硕士学位。他在麻省理工学院完成了博士后研究。