迭代反馈中的可读性主题

文献标题

COR Themes for Readability from Iterative Feedback

文献信息

• 主题领域: 人机交互与可读性优化
• 关键词: 可读性，文本格式设置，定制化，阅读主题，众包，机器学习，用户体验，排版设计，可访问性

研究背景与问题

• 问题/挑战:

  • 背景: 数字阅读是信息获取的主要方式，用户对文本格式如字体、间距的个性化调整可能提升阅读体验。
  • 挑战:
    1. 用户很难自行找到适合的文本设置。
    2. 调整参数间的交互较复杂，例如字符间距可能影响行间距。
    3. 相对狭窄的用户群体定制（如专为阅读障碍设计的字体）未覆盖多样化需求。

• 重要性: 提供适合多数用户的预设文本主题能够提升阅读效率和舒适性，并促进大众化的数字阅读技术发展。

• 研究动机: 希望通过融合用户反馈、自动化算法和设计师的专业意见，开发标准化的“阅读主题”预设，解决用户定制过程中的繁琐性，同时促进 inclusivity（包容性设计）。

解决方案

• 方法或解决方案:

  1. 阅读主题开发:
     • 将字体选择、字符间距、单词间距、行间距等文本参数组合成多个预设主题：Compact, Open, Relaxed。
  2. 反馈循环:
     • 采用用户中心化设计，通过众包获取用户偏好数据。
     • 使用机器学习算法进行自动聚类生成阅读主题。
     • 邀请设计师进一步完善自动生成的主题。

• 创新点:

  1. 三阶段反馈方法: 结合用户调整（阶段1）、自动化聚类（阶段2）及专家改进（阶段3）。
  2. 多轮迭代: 通过四次设计迭代，不断优化阅读主题以满足多样化需求。
  3. 动态主题生成: 通过实验得出的预设主题自动适配不同用户需求。

• 实施步骤与关键技术:

  1. 用户数据收集:
     • 利用完整交互界面让用户调节文本设置，采集调整后的偏好数据。
  2. 自动化聚类:
     • 使用卷积神经网络（CNN）和 k-means 算法对用户生成的文本格式进行聚类。
     • 提取每类文本的代表性设定作为新一轮主题。
  3. 设计师校准:
     • 涉及多位设计师审阅自动生成的主题，并在必要时补充集群缺失的设计考量。
  4. 实验与评价:
     • 对三种最终主题（Compact, Open, Relaxed）进行性能评估，对比阅读速度、舒适度和理解率等指标。

研究成果

• 具体成果:

  1. 提出三种阅读主题（Compact, Open, Relaxed），结合不同的字体和间距设置，适配不同用户群体的需求。
  2. 针对用户偏好和包容性设计的标准化过程，结合实证数据和设计共识。

• 优势:

  1. 用户满意度:
     • 主题默认设置减少了用户需调整的参数量和时间。
     • 主题选项的多样性增强了对用户偏好的代表性。
  2. 性能优化:
     • 与默认文本设置相比，主题改善了用户的阅读速度、舒适性和理解效果。
  3. 包容性验证:
     • 研究覆盖不同年龄段和具有阅读障碍（如读写困难）的用户，体现了普适性。
     • 更大行间距的“Relaxed”主题受到老年用户和阅读障碍用户的偏好。

• 实验或评估结果:

  1. 用户在 Compact 和 Open 主题中的阅读速度最佳，Relaxed 主题则提供了最大的舒适性和内容理解效果。
  2. 老年和阅读障碍用户显著偏爱 Relaxed 的较大行间距，而年轻专业用户偏好 Compact 的紧凑排版。
  3. 通过四轮迭代，阅读主题的设置值趋于稳定，用户调整的时间逐渐减少。
  4. 使用混合效果线性模型（LME）验证了主题对速度和舒适性的性别、年龄、学习障碍相关差异的影响。

• 局限性与未来方向:

  1. 人群局限:
     • 研究主要关注了18岁以上、以英语为母语的用户群体，未涵盖儿童、非母语用户及其他语言。
  2. 场景限制:
     • 研究主要场景为桌面数字阅读，尚未扩展至移动设备或实体材料。
  3. 技术改进:
     • 聚类耗时依赖于用户数和设计迭代，未来需挖掘更精简的计算方法。
     • 字体规范化过程仍有优化潜力，例如考虑字符的宽度差异。

通过此优雅且数据驱动的方法，该研究为以用户体验为中心的数字阅读技术提供了新的视角，同时验证了跨学科团队协作在复杂产品开发中的高效性和适用性。