由中佛羅里達大學（University of Central Florida，UCF）虛擬閱讀實驗室（Virtual Readability Lab）和 Adobe 公司合作開發(fā)出一種 AI 學習模型，旨在提供個性化的字體推薦，以增強個人閱讀體驗，幫助人們更高效地閱讀。他們的研究表明，機器學習模型可以通過將讀者特征與推薦字體相匹配，來提高閱讀速度。
該團隊由 Adobe 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(shù)據(jù)科學家和 UCF 可讀性研究人員合作研究 Adobe 的機器學習模型 FontMART。
Adobe 是閱讀聯(lián)盟（The Readability Consortium）的一員，該聯(lián)盟主導 UCF 的數(shù)字可讀性研究，使用個性化的排版來增強讀者的閱讀體驗。
閱讀聯(lián)盟和 UCF 虛擬閱讀實驗室主任 Ben D. Sawyer 介紹：“設想未來有一種設備，可以識別人類閱讀習慣，并據(jù)此來定制閱讀格式，輔助大家以最佳狀態(tài)閱讀。我們期待有一天人們可以拿起設備，以自己特有的方式閱讀和接收信息?！?/p>
Sawyer 和 Adobe 科學家 Zoya Bylinskii 參與了研究的構(gòu)思，并在整個研究過程中提供了指導。Acrobat.com 的機器學習工程師 Tianyuan Cai 主持了 FontMART 相關研究。該研究使用 UCF 虛擬閱讀實驗室網(wǎng)站上的字體偏好測試（鏈接見文末）作為基礎數(shù)值，來評估 FontMART 提供的建議。
研究結(jié)果表明，F(xiàn)ontMART 模型將閱讀器特征與特定字體特征匹配后，推薦的字體可以提高閱讀速度。
FontMART 模型經(jīng)過 252 名工作者的數(shù)據(jù)訓練后，學習了將字體與特定閱讀器特征相關聯(lián)。根據(jù)對印刷師的采訪，研究最終選定了八種字體，包括襯線（即 Georgia、Merriweather、Times 和 Source Serif Pro）和無襯線（即 Arial、Open Sans、Poppins 和 Roboto）兩類。
研究人員發(fā)現(xiàn)，字體的效果因人而異。FontMART 會學習在字體特征與讀者特征之間建立關系，據(jù)此來預測不同字體適合哪些不同字體熟悉度、自我報告的閱讀速度和年齡等特征的讀者。其中，年齡因素在推薦字體時影響最大。
例如，較粗的字體筆畫對于視力較弱人來說更容易閱讀，這樣的字體就有利于老年人的閱讀體驗。
該模型后期需要進行更多研究，擴大參與者的年齡范圍，評估模型對其他像不同篇幅的閱讀環(huán)境的有效性，并擴展語言和相關字體特征，以更好地適應讀者的多樣性。后續(xù)的合作和研究將有助于擴展模型探索的特征，以改進 FontMART 模型并增強個人閱讀體驗。
參考文獻
[1]Cai, T., Wallace, S., Rezvanian, T., Dobres, J., Kerr, B., Berlow, S., ... & Bylinskii, Z. (2022, June). Personalized Font Recommendations: Combining ML and Typographic Guidelines to Optimize Readability. Designing Interactive Systems Conference (pp. 1-25). 10.1145/3532106.3533457
[2]https://www.eurekalert.org/news-releases/961726
相關鏈接
[1] 虛擬閱讀實驗室鏈接：Virtual Readability Lab
[2] 閱讀聯(lián)盟相關報導：Readability Consortium Forms at UCF to Push Reading Research Boundaries | University of Central Florida News
[3] 字體偏好測試網(wǎng)站：https://readability-test.org/ vrl_preference?vrl_portal_
研究團隊
第一 / 通訊作者 Tianyuan Cai/ Ben D. Sawyer
作者單位
美國 Adobe 公司（Adobe, United States）
美國中佛羅里達大學（University of Central Florida, United States）
論文信息
發(fā)布于 設計交互系統(tǒng)會議（Designing Interactive Systems Conference）
發(fā)布時間 2022 年 6 月 16 日
論文標題 Personalized Font Recommendations: Combining ML and Typographic Guidelines to Optimize Readability
（DOI：https://doi.org/10.1145/3532106.3533457）
文章領域 人工智能
本文來自微信公眾號：我是科學家 iScientist （ID：IamaScientist），編譯：鱈魚，編輯：靳小明，排版：尹寧流
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。