UCF可读性研究人员与Adobe团队合作开发了一种机器学习模型，以提供个性化的字体建议，从而改善数字信息的可访问性并增强个人阅读体验。该团队由Adobe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Adobe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，使用个性化排版来增强所有年龄和能力的读者的数字可读性。
UCF 可读性研究人员与 Adobe 团队合作开发了一种机器学习模型，以提供个性化的字体建议，从而改善数字信息的可访问性并增强个人阅读体验。
该团队由Adobe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Adobe的机器学习模型FontMART。
结果最近发表在ACM Designing Interactive Systems 2022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Virtual Readability Lab合作完成的。
“可读性的未来是一种设备，观察人类阅读，并利用他们的性能来定制格式，以便他们以最佳状态阅读，”可读性联盟和UCF虚拟可读性实验室主任Ben Sawyer说，“我们期待有一天，你可以拿起设备，以一种独特的方式阅读和接收信息，以一种独特的方式满足你的需求。
Sawyer和Adobe研究科学家Zoya Bylinskii参与了研究的概念，并在整个研究过程中提供了指导。Acrobat.com 机器学习工程师蔡天元（Tianyuan Cai）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为评估FontMART的建议提供基线。
字体偏好的考虑很重要，因为人们的首选字体通常与最能改善其阅读体验和性能的字体不同。读者首选字体和最快字体之间的差异已经在以前的可读性研究中得到证明。
研究表明，FontMART模型可以通过将阅读器特征与特定字体特征相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的阅读器特征相关联。FontMART接受了一项针对252名人群工作人员及其自我报告的人口统计信息的远程可读性研究的培训。对排版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衬线（即Georgia，Merriweather，Times和Source Serif Pro）和Sans Serif（即Arial，Open Sans，Poppins和Roboto）家族的字体。
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。在考虑的特征中，当模型确定为读者推荐哪种字体时，年龄起着最大的作用。
例如，较重的字体特征有利于老年人的阅读体验，因为较厚的字体笔划对于视力较弱和变化较大的人来说更容易阅读。
需要更多的研究，可能包括更广泛的参与者年龄分布，以更好地代表一般人群，评估模型对其他阅读上下文（如长篇或可浏览）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，以改善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探讨了个性化如何提高阅读效率和速度。Sawyer还领导着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拥有UCF的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。
原文标题：AI model recommends personalized fonts to improve digital reading, accessibility
原文链接：https://techxplore.com/news/2022-08-ai-personalized-fonts-digital-accessibility.html
作者：ara Cannon
编译：LCR
