UCF 可读性研究职员与 Adobe 团队互助开拓了一种机器学习模型，以供应个性化的字体建议，从而改进数字信息的可访问性并增强个人阅读体验。
该团队由Adobe机器学习工程师和研究职员组成，他们与视觉科学家，印刷师，数据科学家和UCF可读性研究职员互助，研究Adobe的机器学习模型FontMART。
结果最近揭橥在ACM Designing Interactive Systems 2022上。
Adobe 是可读性同盟的一部分，该同盟领导 UCF 的数字可读性研究，利用个性化排版来增强所熟年龄和能力的读者的数字可读性。Adobe的FontMART研究是与UCF的Virtual Readability Lab互助完成的。
“可读性的未来是一种设备，不雅观察人类阅读，并利用他们的性能来定制格式，以便他们以最佳状态阅读，”可读性同盟和UCF虚拟可读性实验室主任Ben Sawyer说，“我们期待有一天，你可以拿起设备，以一种独特的办法阅读和吸收信息，以一种独特的办法知足你的需求。
Sawyer和Adobe研究科学家Zoya Bylinskii参与了研究的观点，并在全体研究过程中供应了辅导。Acrobat.com 机器学习工程师蔡天元（Tianyuan Cai）领导了FontMART研究。
该研究利用UCF虚拟可读性实验室网站上的字体偏好测试来为评估FontMART的建议供应基线。
字体偏好的考虑很主要，由于人们的首选字体常日与最能改进其阅读体验和性能的字体不同。读者首选字体和最快字体之间的差异已经在以前的可读性研究中得到证明。
研究表明，FontMART模型可以通过将阅读器特色与特定字体特色相匹配来推举提高阅读速率的字体。
模型的事情事理
FontMART 模型学习将字体与特定的阅读器特色干系联。FontMART接管了一项针对252名人群事情职员及其自我报告的人口统计信息的远程可读性研究的培训。对排版师的采访影响了研究中利用的八种字体的选择。终极的字体选择包括来自衬线（即Georgia，Merriweather，Times和Source Serif Pro）和Sans Serif（即Arial，Open Sans，Poppins和Roboto）家族的字体。
研究职员创造，字体的效果因读者而异。
根据FontMART的研究，FontMART可以通过理解字体特色与读者特色（如字体熟习度，自我报告的阅读速率和年事）之间的关系来预测适宜特定读者的字体。在考虑的特色中，当模型确定为读者推举哪种字体时，年事起着最大的浸染。
例如，较重的字体特色有利于老年人的阅读体验，由于较厚的字体笔划对付视力较弱和变革较大的人来说更随意马虎阅读。
须要更多的研究，可能包括更广泛的参与者年事分布，以更好地代表一样平常人群，评估模型对其他阅读高下文（如长篇或可浏览）的有效性，并扩展措辞和干系字体特色以更好地适应读者的多样性。
持续的互助和研究将有助于扩展探索的特色，以改进FontMART模型并增强个人阅读体验。
UCF 的可读性同盟和虚拟可读性实验室磋商了个性化如何提高阅读效率和速率。Sawyer还领导着LabX，这是一个专注于人类绩效的运用神经科学小组，他是工业工程和管理系统的副教授。Sawyer拥有UCF的人因生理学博士学位和工业工程硕士学位。他在麻省理工学院完成了博士后研究。
原文标题：AI model recommends personalized fonts to improve digital reading, accessibility
原文链接：https://techxplore.com/news/2022-08-ai-personalized-fonts-digital-accessibility.html
作者：ara Cannon
编译：LCR