超越簡化：DFT-GEN 框架實現閱讀障礙友善教材的高保真視覺輔助
arXiv - Human-Computer InteractionJiaqian Yu, Chen Jason Zhang, Haoyang Li, Guoqiong Ivanka Huang
提出 DFT-GEN 框架，在不犧牲教育內容精確性的前提下，透過視覺組織優化提升閱讀障礙者的學習可及性。
AI 幫你先抓重點
AI 重點 1
從「內容簡化」轉向「視覺組織優化」的範式轉移。
滑鼠懸停看 AI 判斷理由
傳統 AI 簡化文本常因刪除關鍵術語而導致知識流失；此研究強調透過調整視覺結構（如間距、區塊化）而非改變文字內容來降低認知負荷，這為包容性教育設計提供了新路徑。
AI 重點 2
建立「保真度」與「可及性」之間的雙重評估機制。
滑鼠懸停看 AI 判斷理由
研究引入了 DCFI（保真度安全診斷）與 B-DVAS-VL（視覺可及性診斷），這提醒開發者在設計教育科技工具時，必須同時監控資訊的準確性與感官的易讀性。
核心研究發現
- 1
DFT-GEN 框架結合了受保護區段保留技術與決定性的視覺控制層（DAC），能有效平衡資訊保真度與視覺易讀性。
- 2
在 2,280 題雙語試題測試中，DFT-GEN 的視覺可及性表現優於對照組，英文勝率達 93%，中文達 64%。
- 3
針對閱讀障礙成人的試點研究顯示，該框架能在減少閱讀負擔的同時，完整保留學科知識的正確性與答題能力。
對教育工作者的啟發
教育工作者與教材設計者在數位化教材中應避免僅依賴 LLM 進行「文字簡化」，因為這可能損害學術嚴謹性。建議採用「結構化視覺調整」策略：透過增加段落間距、明確區分任務與來源資訊、以及使用視覺高亮技術來降低閱讀障礙者的認知摩擦。在開發 AI 輔助工具時，應確保系統具備「保護關鍵術語」的功能，並建立一套評估機制，確保輔助功能在提升易讀性的同時，不會改變原始教學目標或知識內容。
原始文獻資訊
- 英文標題：
- Beyond Simplification: DFT-GEN for Fidelity-Preserving Visual Accessibility in Dyslexia-Friendly Educational Texts
- 作者：
- Jiaqian Yu, Chen Jason Zhang, Haoyang Li, Guoqiong Ivanka Huang
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。