UCF可读性研究人员与Adobe团队合作开发了一个机器学习模型，以提供个性化字体建议，从而提高数字信息的可访问性，增强个人阅读体验。
该团队由Adobe机器学习工程师和研究人员组成，他们与视觉科学家、排版师、数据科学家和UCF可读性研究人员合作，研究Adobe的机器学习模型FontMART。
研究结果最近发表在《ACM设计交互式系统2022》上。
Adobe是Readability Consortium的一员，该协会领导UCF的数字可读性研究，使用个性化排版来增强所有年龄和能力的读者的数字可读能力。Adobe的FontMART研究是与UCF的虚拟可读性实验室合作完成的。
“可读性的未来是一种可以观察人类阅读的设备，并利用他们的性能来定制格式，使他们能够以最佳状态阅读，”可读性联盟和UCF虚拟可读性实验室主任本·索耶（Ben Sawyer）说。“我们期待着有一天，你可以拿起一台设备，以一种独特的方式阅读和接收信息，满足你的需求。”
Sawyer和Adobe研究科学家Zoya Bylinskii参与了这项研究的构思，并在整个研究过程中提供了指导。蔡天元，杂技演员。com机器学习工程师，领导了FontMART研究。
该研究使用了UCF虚拟可读性实验室网站上的字体偏好测试，为评估丰马特的建议提供了基线。
考虑字体偏好很重要，因为人们喜欢的字体往往不同于最能改善阅读体验和性能的字体。读者首选字体和最快字体之间的差异已在先前的可读性研究中得到证明。
研究结果表明，FontMART模型可以推荐通过将阅读器特征与特定字体特征匹配来提高阅读速度的字体。
模型的工作原理
FontMART模型学习将字体与特定的阅读器特征相关联。FontMART接受了一项针对252名人群工作者及其自我报告的人口统计信息的远程可读性研究。对印刷师的采访影响了研究中八种字体的选择。最终的字体选择包括衬线（即Georgia、Merriweather、Times和Source serif Pro）和无衬线（例如Arial、Open Sans、Poppins和Roboto）系列的字体。
研究人员发现，字体的效果因读者而异。
FontMART的研究表明，FontMART可以通过了解字体特征与读者特征（如字体熟悉度、自报阅读速度和年龄）之间的关系，预测适合特定读者的字体。在考虑的特征中，年龄在模型确定推荐给读者的字体时起着最大的作用。
例如，较重的字体特征有利于老年人的阅读体验，因为较粗的字体笔划对于视力较弱和可变的人更容易阅读。
需要进行更多的研究，可能包括扩大参与者的年龄分布，使其更能代表普通人群，评估该模型对其他阅读环境（如长形或可浏览）的有效性，并扩展语言和相关字体特征，以更好地适应读者的多样性。
持续的合作和研究将有助于扩大所探索的特征，以改进FontMART模型并增强个人阅读体验。
UCF的可读性联盟和虚拟可读性实验室解决了个性化如何提高阅读效率和速度的问题。Sawyer还领导LabX，一个专注于人类绩效的应用神经科学小组，他是工业工程和管理系统的副教授。索耶获得了UCF人因心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。