《视情况而定，是更容易还是更难》：与听力状况各异的小团体共同设计视频会议工具

文献标题

“Easier or Harder, Depending on Who the Hearing Person Is”: Codesigning Videoconferencing Tools for Small Groups with Mixed Hearing Status

文献信息

• 主题领域: 人机交互、无障碍设计
• 关键词: 无障碍设计，聋人与听力障碍群体，视频会议，实时字幕，共同设计，行为反馈

研究背景与问题

• 发现的问题或挑战:

  1. 自动语音识别（ASR）的实时字幕已广泛应用于视频会议，但其准确性和可用性在不同的听力场景下仍然有限。
  2. 听力正常者的沟通行为显著影响聋人和听力障碍（DHH）用户的字幕可访问性，但现有研究主要聚焦于聋人个体或简单的聋人/听力正常者二人交互。
  3. 视频会议环境未充分考虑DHH群体的需求，尤其是在小型混合听力群体中，沟通动态、社会互动对无障碍效果的关键影响尚未充分研究。

• 研究的重要性:

  1. COVID-19大流行期间视频会议的普及加速了无障碍技术的需求；为整个群体（而非单个用户）优化实时字幕非常重要。
  2. 混合听力群体逐渐成为教育和工作场景中的主流，其独特的沟通需求要求更深入的设计探索。
  3. 设计需要超越技术能力，支持社会行为的改变，通过软件基础结构促进群体间无障碍的规范化。

• 研究动机与相关工作: 作者采用聋人社区长期倡导的去中心化听力文化的方法，并考虑残疾平权运动中“集体无障碍”的原则。通过与DHH和听力正常者的混合群体合作，寻找能够共同塑造更具无障碍性的在线互动及协作解决方案。

解决方案

• 提出的解决方案: 作者通过三次共同设计代会（codesign sessions），与4组参与者（17位成员，其中10位为DHH，7位听力正常者）共同探索视频会议环境中实时字幕的改进方向。研究设计包括对现有实践的质疑与观察、未来功能的草图设计、视频原型评审。

• 创新之处:

  1. 强调“集体无障碍”的设计思路，将无障碍责任从个人转向整个群体。
  2. 拓展了现有研究，关注小型混合听力群体在长期使用字幕时自发形成的社会行为及沟通规范。
  3. 提出了一系列以群体行为反馈为核心的功能设计，包括对讲话者身份和重叠的标识、字幕错误的标记、摄像头视图调整以及语速控制。

• 实施步骤与关键技术:

  1. 第一阶段：通过游戏观察和访谈，梳理每组当前的沟通实践和挑战。
  2. 第二阶段：让参与者设计并手绘功能的草图，通过讨论优先化这些功能。
  3. 第三阶段：制作包含每组设计理念的高保真视频原型，评估功能的作用和潜在问题。
  4. 使用Zoom进行实验，并对语音识别、视频设计以及交互界面进行改进。

研究成果

• 具体成果:

  1. 在现有实践中，混合群体通过微调沟通行为建立特定无障碍规范，例如清晰转述、适当轮流发言。
  2. 设计的功能包括讲话者身份标识、语速适应提醒以及摄像头调整提示等。
  3. 探索增强视频会议基础设施的方法，例如创建群体无障碍设置和配置文件来共享行为规范。

• 优势对比:

  1. 该研究扩展了现有字幕技术的功能，从单一用户视角转向群体行为的支持。
  2. 将无障碍设计融入视频会议技术基础设施，为定制群体标准提供了结构化支持。

• 实验或评估结果:

  1. 大部分功能（如讲话者标识、重叠检测、字幕个性化）被参与者认为能够显著提升沟通质量。
  2. 某些设计（如情境提示按钮或显示音量信息）被认为不切实际或引入额外的认知负荷。
  3. 对功能的使用和偏好因社会和个人因素，以及群体动态而异。

• 局限性与未来方向:

  • 限制性：
    1. 参与者人数较少，且大部分为美国的白人群体，跨文化适用性需要进一步研究。
    2. 使用Zoom作为唯一的平台，可能限定了对其他工具的探索。
    3. 视频原型模拟但未提供实际操作功能，真实环境中的适配性尚需验证。
  • 未来方向：
    1. 深化对行为反馈工具的自动化与手动选项之间的社会影响的研究。
    2. 在多文化环境中测试功能的适用性，并将研究范围扩大至其他语言和沟通风格。
    3. 开发基于集体无障碍原则的数字化“DeafSpace”系统标准。