"它给我带来了欢乐"：桌面屏幕阅读器中空间浏览的机会

研究背景与问题

• 发现的问题与挑战:

  • 盲人和低视力（BLV）用户与桌面网站的交互体验显著低于非BLV用户（视力正常用户）。
  • 当前屏幕阅读器是通过线性方式语音播报网页内容，而无法呈现网页的空间布局。此种操作方式排除了视觉语义（例如布局）的丰富性，不利于用户快速定位或理解内容的特定位置。
  • 尽管有一些研究在触觉和音频反馈上进行了探索，但这些往往需要额外的硬件或与当前辅助技术标准不兼容。

• 问题的重要性:

  • 理解网页布局对于用户导航体验、网页设计认知以及更广泛的数字包容性至关重要。
  • 当前的数字鸿沟使BLV用户难以与视力正常用户共享相同的参考框架，从而限制了合作和信息获取。

• 研究动机与相关工作:

  • BLV用户对视觉语义有兴趣（Potluri 等，2021），并对在移动端相较于桌面端的空间导航更有感触。
  • 尽管已有基于触觉或音频的空间交互方法（如 ScreenTrack 和 CollabAlly），它们并未满足用户在动态网站上自发浏览的需求，也未推广到桌面屏幕阅读器。

解决方案

• 方法与解决方案:

  • 提出一种谷歌 Chrome 扩展工具 "WebNExt"，支持通过空间输入（方向键导航）和空间输出（基于立体声和音调的空间化语音反馈）实现网页布局感知。
  • WebNExt 能够在现有桌面屏幕阅读器（如 JAWS、NVDA、VoiceOver）的基础上，提供基于方向的空间导航。

• 创新之处:

  • 结合了方向输入和空间音频输出，使用户能通过听觉建立对网页布局的「心理图像」。
  • 无需额外硬件，完全基于现有屏幕阅读器兼容的标准，实现灵活且便捷的操作。
  • 该工具支持动态网页的空间交互，而不仅限于静态、实验室搭建的网页。

• 实施步骤与关键技术:

  1. 技术探针设计: WebNExt 将网页元素的中点位置转化为音频的立体声（左右位置）和音调变化（上下位置）。
  2. 输入导航机制: 使用方向键或 WASD 键导航，依次寻找导航方向上最近的页面元素。
  3. 音频空间化: 采用 Web Audio API 和 meSpeak.js 库，实时渲染页面元素的空间音频。
  4. 滚动反馈: 当用户滚动网页时，播放一系列音调以指示页面滚动的方向和程度。

研究成果

• 具体成果:

  • 在实验室研究和五天的田野研究中，参与者普遍表示 WebNExt 提供了直观且令人愉悦的空间浏览体验。
  • BLV用户能够更贴近地理解网页设计，并提出了布局简洁性与直觉友好的偏好。
  • 用户视 WebNExt 为一种减少数字鸿沟的工具，为与视力正常人群（如家人、同事）建立共同参考框架提供了可能性。

• 与现有解决方案的比较与优势:

  • 相较于现有基于触觉或音频反馈的方法，WebNExt 的优势在于无需额外硬件，且与现有屏幕阅读器的集成性强。
  • 提供动态网页的广泛支持，而非局限于实验性静态网站。

• 实验与评估结果:

  1. 在实验室研究中，所有用户都能通过 WebNExt 准确感知页面布局，而传统屏幕阅读器难以实现这一点。
  2. 田野研究显示，用户对任务导向型网站（例如 Google 搜索和 Wordle）的空间导航价值评分更高。
  3. 多位参与者提到，在使用工具时感觉“沉浸其中”且“感到愉悦”，尤其是在诸如在线游戏场景中。

• 局限性与未来方向:

  • 局限性:
    • WebNExt 仅支持 Chrome 浏览器，如果要投入实际生产环境，则需要跨浏览器实现。
    • 当前未能为盲聋人群提供支持。
    • 用户需要关闭个人屏幕阅读器才能启用 WebNExt，这可以优化。
  • 未来方向:
    • 与主流屏幕阅读器开发者合作，原生集成空间浏览功能。
    • 开发触觉版本，用于支持盲聋群体。
    • 扩展实验规模，以涵盖更长周期和更多多样化用户的研究。