QUARTZ：透過可近用的表徵與視覺化實現質性數據的無障礙理解
arXiv - Human-Computer InteractionOmar Khan, JooYoung Seo
開發名為 QUARTZ 的網頁系統，為盲人與低視能研究者提供質性視覺化圖表的無障礙多模態表徵。
AI 幫你先抓重點
AI 重點 1
質性數據視覺化的無障礙挑戰具有獨特性
滑鼠懸停看 AI 判斷理由
過去的無障礙研究多集中於定量圖表，但質性數據具備非線性與高語義密度的特性，這意味著現有的通用無障礙標準可能不足以應對複雜的知識結構導航。
AI 重點 2
共同設計（Co-design）在開發包容性工具中的關鍵地位
滑鼠懸停看 AI 判斷理由
透過與目標使用者（BLV 研究者）的持續互動，研究者才能發現隱藏在技術規格之外的實際使用障礙，這對於開發真正符合需求且具備教育公平性的工具至關重要。
核心研究發現
- 1
研究發現質性視覺化（如概念圖、網絡圖）存在不同於定量圖表的無障礙障礙，特別是存在非線性導航中斷與語義理解落差的問題。
- 2
透過與盲人及低視能（BLV）使用者進行迭代共同設計，成功開發出能透過螢幕閱讀器進行多模態表徵的 QUARTZ 系統。
- 3
使用者研究顯示，透過 RITE 方法進行的迭代測試，能有效解決質性數據結構中複雜且非線性的導航與語義理解難題。
對教育工作者的啟發
對於教育科技開發者而言，開發工具時不應僅滿足於「符合標準」，更應關注數據結構的「語義完整性」。在設計知識建構（Knowledge Building）或質性分析工具時，應考慮非線性結構的導航邏輯，確保視障學習者能透過多模態（如語音、觸覺或結構化文本）理解複雜的概念連結，而非僅僅是讀取數據點。這對於推動包容性教育環境與研究公平性具有深遠意義。
原始文獻資訊
- 英文標題：
- QUARTZ: Qualitative Understanding via Accessible Representation and Visualization
- 作者：
- Omar Khan, JooYoung Seo
- 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。