以一种可访问且愉快的方式为字幕做标注：对TikTok上用户驱动的字幕实践的特征分析

文献标题

“Caption It in an Accessible Way That Is Also Enjoyable”: Characterizing User-Driven Captioning Practices on TikTok

文献信息

• 主题领域: 人机交互与视频内容的可访问性
• 关键词: 视频字幕, TikTok, 可访问性, 用户生成内容, 开放字幕, 社会媒体设计, 残疾社区, 多模态数据, 自动字幕, 标准化字幕设计

研究背景与问题

• 问题与挑战: 用户生成视频内容的快速普及带来了可访问性挑战，特别是对于聋人或有障碍群体而言。这些内容不受现有的媒体字幕法规的约束，为依赖字幕进行视频访问的用户带来了困扰。在TikTok上，尽管字幕文化逐渐流行，但用户生成字幕的质量和一致性存在较大差异。
• 研究重要性: 无障碍字幕的普及能够帮助聋人、听力障碍者、神经多样性群体以及其他需要字幕支持的人群，更好地参与数字生态。这对于社交互动和娱乐消费尤为重要。
• 研究动机与相关工作: 现有研究主要集中在传统视频领域（例如电视和电影）的字幕质量，但鲜有关注社交媒体尤其是TikTok等平台的字幕实践。本研究从TikTok文化入手，分析创作者如何生成字幕并评估其对有字幕需求用户的影响，以补充这一领域的研究空白。

解决方案

• 方法与研究设计:
  1. 数据分析: 对300个TikTok视频进行内容分析，其中150个为面向一般观众的视频，另外150个来自与聋人和残疾相关的社区（通过特定标签如#Deaf和#Accessibility筛选）。
  2. 用户访谈: 对9名TikTok用户进行半结构化访谈，这些用户因聋人、障碍或相关条件需要依赖字幕。
• 创新之处:
  • 开创性地结合数据分析与用户访谈理解TikTok用户生成字幕的实践，填补对字幕在萌发性社交视频中的研究空缺。
  • 提出针对用户生成内容的具体字幕标准化步骤，包含对风格设计、文本内容及字幕布局的实证探索。
• 核心技术与步骤:
  • 采用混合方法进行数据收集与分析。
  • 针对字幕的三大方面：音频语言覆盖、风格与布局、字幕内容，开发编码方案用于系统性分析。
  • 运用词错误率（WER）量化字幕准确性。
  • 对比现有的DCMP字幕标准，识别TikTok字幕的优劣势。

研究成果

• 具体成果:
  1. TikTok字幕在音频语言覆盖、大多数时间的风格与排版上符合用户需求，但需要改善字体大小、颜色以及字幕位置等设计问题。
  2. 创作者通过字幕可以进行某些创新表达（如使用emoji描述音调），但内容上仍存在错误与不一致。
  3. 用户总体认为TikTok的字幕能大体满足需求，但更高质量、标准化的字幕实践可以进一步提升可访问性。
• 优势: 当前的开放字幕文化实现了一定程度的无障碍，但本研究提出的建议可以进一步提高字幕质量并减少视觉分散。
• 实验或评估结果:
  • 18.3%的视频使用了非逐字字幕。
  • 23.7%的视频通过插入额外内容提供更多上下文，例如表情符号。
  • 字幕错误率较低，但仍需要改善（19.7%的视频发现至少有一个错误）。
• 局限性与未来方向:
  • 视频样本量仅限300，需进一步扩大。
  • 研究重点主要集中于美国英语环境，未来可探索其他语言与国际文化环境中的字幕实践。
  • 建议研究如何通过平台设计规范创作者的字幕行为，例如设计更易用的字幕生成工具，以及提升字幕定制化选项。

讨论与未来展望

• 标准化探索: 对比现有美国标准（DCMP），指出未来社交视频字幕标准可能需要对音乐和非语言声音的覆盖宽松一些，以减少认知负担。同时建议根据内容审核算法（如TikTok的审查机制）调整非逐字字幕的包容性。
• 平台优化与用户参与: 将视频创作者纳入设计过程，推出兼具创意与规范的字幕设计工具。鼓励通过集体无障碍和互助原则推广高质量字幕。
• 研究扩展: 制定用于分析开放字幕的视频质量评估指标，从而系统性评估复杂字幕环境，并为视频创作者提供优化字幕的指导。

总结

文章首次全面分析了TikTok上的用户生成字幕实践，并通过访谈揭示用户对字幕质量的需求和期望。研究为提升社交平台无障碍提供了详细的实证基础，并为未来标准化字幕设计和工具开发提出了推荐方案，旨在实现用户生成内容中的全面无障碍。