💬 NLP

Controlling Reading Ease with Gaze-Guided Text Generation

Dieses Paper präsentiert eine blickgesteuerte Textgenerierungsmethode, die vorhergesagte menschliche Eye-Tracking-Muster nutzt, um Texte mit steuerbarer Lesbarkeit zu erzeugen, wobei die Effektivität bei der Anpassung von Lesezeiten und wahrgenommener Schwierigkeit für sowohl Muttersprachler als auch Nicht-Muttersprachler des Englischen durch Merkmale, die die lexikalische Verarbeitung beeinflussen, erfolgreich demonstriert wird.

Ursprüngliche Autoren: Andreas Säuberli, Darja Jepifanova, Diego Frassinelli, Barbara Plank

Veröffentlicht 2026-01-27

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Andreas Säuberli, Darja Jepifanova, Diego Frassinelli, Barbara Plank

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Chefkoch, der versucht, eine Mahlzeit für zwei sehr unterschiedliche Gäste zuzubereiten: Einer ist ein professioneller Food-Kritiker, der jede Zutat kennt, und der andere ist ein hungriger Tourist, der noch dabei ist, die Sprache zu lernen. Sie möchten dem Touristen ein Gericht servieren, das leicht zu kauen und zu verdauen ist, während Sie dem Kritiker ein komplexes, anspruchsvolles Festmahl servieren wollen.

In der Welt des Computer-Schreibens (wo KI Geschichten generiert) stellt dieses Paper einen neuen „intelligenten Küchenassistenten“ vor, der dem KI-Chef hilft, den Schwierigkeitsgrad seiner Rezepte in Echtzeit anzupassen. Dieser Assistent betrachtet nicht nur die Wörter; er schaut darauf, wie sich die menschlichen Augen bewegen, wenn sie diese lesen.

So funktioniert die Methode des Papers, aufgeschlüsselt in einfache Konzepte:

1. Der „Eye-Tracker“ als Geschmackstest

Normalerweise wählt eine KI, wenn sie eine Geschichte schreibt, das nächste Wort basierend darauf aus, was am natürlichsten klingt. Aber die Forscher wollten kontrollieren, wie schwer es zu lesen ist.

Sie erkannten, dass unsere Augen verweilen, wenn wir bei einem Wort hängen bleiben, was bedeutet, dass unser Gehirn härter arbeitet, um es zu verstehen. Wenn ein Wort lang, selten oder verwirrend ist, pausieren unsere Augen länger. Wenn ein Wort einfach und gebräuchlich ist, gleiten unsere Augen mühelos darüber hinweg.

Die Forscher entwickelten ein spezielles „Gaze Model“ (den Geschmackstester), das vorhersagt: „Wenn ein Mensch dieses spezifische Wort liest, wie lange wird seine Augenbewegung pausieren?“

2. Das „Tauziehen“ in der Küche

Der KI-Schreiber (das Sprachmodell) und das Gaze Model (der Eye-Tracker) arbeiten zusammen wie ein Tauzieh-Team:

Das Sprachmodell sagt: „Ich möchte das Wort ‚prachtvoll‘ schreiben, weil es perfekt in die Geschichte passt.“
Das Gase Model sagt: „Warte! ‚Prachtvoll‘ ist ein langes, schickes Wort. Die Leute werden dort innehalten. Wenn du eine einfache Geschichte willst, wähle stattdessen ‚toll‘. Wenn du eine schwere Geschichte willst, bleib bei ‚prachtvoll‘.“

Die Forscher können an einem Regler (genannt Gaze Weight) drehen, um zu entscheiden, wer im Streit gewinnt:

Regler auf „Einfach“ drehen: Das Gaze Model zieht stark und zwingt die KI dazu, kurze, gebräuchliche Wörter zu wählen, die die Augen sanft gleiten lassen.
Regler auf „Schwer“ drehen: Das Gaze Model drückt die KI in Richtung längerer, schickerer Wörter, die die Augen dazu bringen, anzuhalten und nachzudenken.

3. Das Experiment: Den Menüplan testen

Um zu sehen, ob das tatsächlich funktionierte, „kochten“ die Forscher 18 Kurzgeschichten zusammen. Sie nutzten drei Einstellungen:

Easy Mode (Einfacher Modus): Die KI wurde gezwungen, einfache Wörter zu wählen.
Normal Mode (Normaler Modus): Die KI schrieb natürlich ohne Eingriffe.
Hard Mode (Schwerer Modus): Die KI wurde gezwungen, komplexe Wörter zu wählen.

Dann luden sie 24 Personen ein, diese Geschichten zu lesen, während sie spezielle Brillen trugen, die ihre Augenbewegungen verfolgten. Die Hälfte der Leser waren englische Muttersprachler und die andere Hälfte lernte Englisch.

4. Was sie herausfanden

Die Ergebnisse waren wie ein perfekter Küchentest:

Die Augen lügen nicht: Als die KI auf „Hard Mode“ eingestellt war, hielten die Augen der Leser tatsächlich länger bei den Wörtern an. Wenn sie auf „Easy Mode“ eingestellt war, bewegten sich die Augen schneller. Die KI hatte es geschafft, die physische Anstrengung, die zum Lesen des Textes erforderlich ist, zu verändern.
Die „Geheimzutat“ war der Wortschatz: Die Forscher entdeckten, dass die KI hauptsächlich die Länge und Bekanntheit der Wörter änderte. Sie änderte nicht wirklich die Grammatik oder die Satzstruktur; sie tauschte lediglich einfache Wörter gegen komplexe aus (wie das Ersetzen von „groß“ durch „kolossal“).
Muttersprachler vs. Lernende: Der „Hard Mode“ war für die Sprachlernenden viel schwieriger als für die Muttersprachler. Die Lernenden fanden die komplexen Wörter sehr schwierig, während die Muttersprachler sie lediglich als etwas anspruchsvoller empfanden.
Qualitätskontrolle: Die Geschichten klangen nicht kaputt oder roboterhaft. Sie fühlten sich immer noch wie natürliche Geschichten an, nur mit unterschiedlichen Vokabeln.

5. Warum das wichtig ist (laut dem Paper)

Das Paper legt nahe, dass dieses Werkzeug nützlich sein könnte für:

Personalisiertes Lernen: Die Erstellung von Lesematerialien, die perfekt auf das aktuelle Niveau eines Schülers abgestimmt sind.
Barrierefreiheit: Informationen leichter lesbar zu machen für Menschen, die mit komplexen Texten Schwierigkeiten haben.

Der Haken: Die Forscher geben zu, dass ihr „Geschmackstester“ derzeit nur gut darin ist, einzelne Wörter zu beurteilen (wie die Wortlänge). Er ist noch nicht perfekt darin, komplexe Satzstrukturen oder tiefe Bedeutungen zu beurteilen. Außerdem haben sie dies nur mit englischen Texten getestet.

Kurz gesagt: Sie haben ein System gebaut, mit dem ein KI-Schreiber seinen Wortschatz „stimmen“ kann, um eine Geschichte einfacher oder schwieriger lesbar zu machen, verifiziert durch die Beobachtung, wie genau die Augen der Menschen auf die Wörter reagieren.

Technisches Resümee: Steuerung der Lesbarkeit durch blickgesteuerte Textgenerierung

Problemstellung
Die Steuerung der Lesbarkeit generierter Texte ist entscheidend für Anwendungen, die von der Zweitspracherwerbsförderung bis hin zur Barrierefreiheit für Menschen mit Kommunikationsstörungen reichen. Während Large Language Models (LLMs) mittels Prompting oder Fine-Tuning bereits für die Textadaptation eingesetzt wurden, mangelt es diesen Methoden oft an Transparenz und präziser Kontrolle, was häufig zu Ausgaben führt, die nicht mit den gewünschten Lesbarkeitsniveaus übereinstimmen. Bestehende Ansätze haben Schwierigkeiten, ein direktes, interpretierbares Signal bereitzustellen, um die Generierung gezielt auf spezifische kognitive Verarbeitungsbelastungen auszurichten.

Methodik
Die Autoren schlagen ein blickgesteuertes Textgenerierungsverfahren vor, das LLM-Ausgaben steuert, um spezifische Lese-Verhaltensweisen (z. B. erhöhte oder verringerte Lesezeit) zu evozieren, indem Eye-Tracking-Daten in den Dekodierungsprozess integriert werden. Das System arbeitet als Ensemble aus zwei ungerichteten Modellen:

Sprachmodell (LM): Ein fertiges, instruktionsgesteuertes LLM (Llama 3.2, 3 Milliarden Parameter), das die Wahrscheinlichkeitsverteilung für das nächste Token basierend auf dem vorangegangenen Kontext generiert.
Blickmodell (Gaze Model): Ein feinabgestimmtes GPT-2 Modell (124 Millionen Parameter), das darauf trainiert wurde, aggregierte Eye-Tracking-Maße (speziell die wortbezogene First-Pass Reading Time, FPRT) für Kandidaten-Tokensequenzen vorherzusagen.

Der Dekodierungsmechanismus
Die Methode modifiziert den Standard-Beam-Search-Dekodierungsprozess durch einen Scoring-Re-Ranking-Mechanismus:

Das LM generiert die Top- $k$ Kandidaten-Token (wobei $k=8$ ).
Das Blickmodell sagt die FPRT für jede Kandidatensequenz voraus.
Ein benutzerdefinierter Blick-Gewicht ( $w$ ) wird auf den Blick-Score angewendet.
Der finale Gesamt-Score für ein Token wird wie folgt berechnet:
$\text{Gesamt-Score} = \text{Token-Log-Wahrscheinlichkeit} + (w \times \text{Normalisierter Blick-Score})$
Ein positiver Blick-Gewicht begünstigt Token, die eine längere Lesezeit (höhere Schwierigkeit) induzieren sollen, während ein negativer Gewicht Token begünstigt, die kürzere Lesezeiten (geringere Schwierigkeit) aufweisen. Ein Gewicht von 0 deaktiviert die Blicksteuerung.

Um Tokenisierungs-Diskrepanzen zwischen dem LM und dem Blickmodell zu adressieren (da das Blickmodell auf Subwords operiert), verwenden die Autoren Beam Search. Dies ermöglicht es dem System, partielle Wortvorhersagen zu „revidieren“, sobald sich die Tokenisierung des Blickmodells stabilisiert, um eine Abhängigkeit von unzuverlässigen Subword-Scores zu vermeiden.

Zentrale Beiträge

Neuartiger Steuerungsmechanismus: Die Einführung einer Methode, die Eye-Tracking-Daten als direktes Signal nutzt, um die LLM-Textgenerierung während der Inferenz zu steuern, wodurch eine vollständige Feinabstimmung des Modells vermieden wird.
Datensatz-Veröffentlichung: Die Erstellung und öffentliche Freigabe eines neuen Datensatzes mit Eye-Tracking-Daten während des Lesens, der Texte enthält, die mittels dieser blickgesteuerten Methode generiert wurden, zusammen mit den Rohdaten und verarbeiteten Eye-Tracking-Daten aus der Evaluierungsstudie.
Empirische Validierung: Eine umfassende Analyse, die linguistische Merkmalsextraktion, Eye-Tracking-Metriken und menschliche subjektive Bewertungen kombiniert, um die Effektivität der Methode zu demonstrieren.

Experimentelle Ergebnisse
Die Autoren führten eine Eye-Tracking-Studie mit 24 Teilnehmern durch (12 Muttersprachler [L1] und 12 Nicht-Muttersprachler [L2]), die Geschichten lasen, die mit Blick-Gewichten von $-2$, $0$ und $+2$ generiert wurden.

Texteigenschaften: Ein steigender Blick-Gewicht führte zu Texten mit weniger, aber längeren Wörtern, geringerer Wortfrequenz (höhere Zipf-Werte), kürzeren Sätzen und höherer lexikalischer Diversität. Extreme Gewichte ( $\pm 5$ ) verursachten repetitive Fehlermodi.
Leseverhalten: Die Methode veränderte die Lesezeiten erfolgreich. Positive Blick-Gewichte erhöhten die First-Pass Reading Times (FPRT), während negative Gewichte diese verringerten. Der Effekt war sowohl für L1- als auch für L2-Leser statistisch signifikant ( $p < 0,001$ ), wobei die Magnitude bei L2-Lesern stärker war.
Linguistische Treiber: Die statistische Analyse ergab, dass die Änderungen im Leseverhalten primtär durch lexikalische Verarbeitungsmerkmale getrieben wurden, insbesondere Wortlänge und Wortprävalenz (Bekanntheit). Unter Kontrolle dieser Merkmale wurde der Effekt des Blick-Gewichts für L1-Leser insignifikant, blieb jedoch für L-2-Leser signifikant, was darauf hindeutet, dass L2-Leser zusätzliche Verarbeitungsschwierigkeiten über die einfache lexikalische Bekanntheit hinaus erfuhren.
Subjektive Wahrnehmung: Leser nahmen Texte mit höheren Blick-Gewichten als schwieriger wahr. Die Natürlichkeitsbewertungen sanken bei L2-Lesern mit positiven Gewichten, was wahrscheinlich auf die wahrgenommene Schwierigkeit und weniger auf mangelnde Flüssigkeit zurückzuführen ist. Die Interessantheitsbewertungen blieben weitgehend unbeeinflusst.
Modellleistung: Die Vorhersagen des Blickmodells korrelierten moderat mit den beobachteten Lesezeiten ( $r \approx 0,55–0,59$ ) und schnitten bei Wörtern mit geringer Prävalenz etwas besser ab.

Bedeutung und Ansprüche
Das Paper behauptet, dass die blickgesteuerte Textgenerierung ein effektiver, modularer und effizienter Ansatz zur Steuerung der Lesbarkeit ist, ohne die Textqualität zu beeinträchtigen. Die Autoren betonen, dass die Methode LLMs erfolgreich dazu steuert, Texte zu generieren, die objektiv leichter oder schwerer zu lesen sind, gemessen an der kognitiven Anstrengung (FPRT) und der subjektiven Schwierigkeit.

Die Autoren halten den Umfang ihrer Erkenntnisse hinsichtlich der Limitationen bescheiden:

Die beobachteten Effekte sind weitgehend auf niedriggradige lexikalische Merkmale (Wortlänge und -häufigkeit) zurückzuführen und nicht auf komplexe syntaktische oder semantische Strukturen. Dies wird der Wahl der FPRT als Zielmetrik zugeschrieben, von der bekannt ist, dass sie frühe kognitive Prozesse widerspiegelt.
Der Ansatz ist derzeit auf Englisch beschränkt, da die Trainingsdaten für das Blickmodell nur auf Englisch basieren.
Obwohl die Methode vielversprechend für die Textvereinfachung und personalisierte Lernmaterialien ist, merken die Autoren an, dass ihre aktuelle Implementierung die für breitere Anwendungen der Barrierefreiheit erforderte syntaktische oder diskursbezogene Vereinfachung nicht vollständig adressiert.
Die Studie schloss keine Primärnutzergruppen für Barrierefreiheit (z. B. Menschen mit spezifischen Kommunikationsstörungen) ein, was die direkten Ansprüche an die Nützlichkeit der Methode in diesen spezifischen Kontexten einschränkt.

Die Arbeit stellt einen grundlegenden Schritt in Richtung personalisierter Textgenerierung dar, die auf spezifische Lesergruppen zugeschnitten ist, indem sie Eye-Tracking-Daten als Feedbacksignal für Dekodierungsstrategien nutzt.