Research Hotspots and Trend Analysis in AI-Enabled Accessible Design: Identification of Core Areas, Evolution of Future Trends, and Visualization through Knowledge Graphs
本文通过对 Web of Science 数据（2000–2025年）进行文献计量学和知识图谱分析，追踪了人工智能赋能的可访问设计从工程可行性向情境可用性的演进历程，识别了核心研究支柱及生成式人工智能和扩展现实（XR）标准化等新兴热点，并提出了一个用于未来可持续治理的综合性“用户—场景—技术”框架。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象这样一个世界：当轮椅使用者靠近时，门会自动开启；当视力受损者阅读书籍时，屏幕能将其朗读出来；或者当课堂教学能够根据每个孩子的学习方式进行即时调整。这就是无障碍设计的承诺：创造出无论人们的身体或认知能力如何，都能为所有人服务的产品、空间和信息系统。对于全球超过十亿残障人士以及不断增加的老年群体而言，这些工具不仅仅是便利设施，更是参与社会生活的必需品。近年来，人工智能已成为这一领域强大的引擎，它提供了能够感知、听取、说话并理解语境的技术，其能力在过去是无法想象的。但随着这些技术的激增，一个关键问题随之而来：我们是在以真正服务于需求人群的方式来构建它们，还是仅仅在创造一系列零散且孤立的实验？
为了回答这个问题，来自华中科技大学的研究人员刘远阳（Yuang Liu）和万云卿（Yunqing Wan）对科学文献进行了大规模的综述。他们并没有在实验室中进行新的实验；相反，他们扮演了制图师的角色，绘制了从2000年到2025年人工智能与无障碍设计研究的完整版图。通过分析424篇精心挑选的科学文章，他们追踪了该领域的发展历程、谁在引领这项工作，以及最重要的思想正走向何方。他们的目标是超越简单的发明清单，转而理解该领域的底层结构，揭示不同知识碎片是如何相互契合的，以及哪些领域仍存在空白。
他们发现的故事是一个关于快速加速的过程。在21世纪的前十五年里，该领域的研究缓慢且分散，每年发表的论文寥寥无几。那是一个探索期，科学家们刚刚开始测试早期的计算机视觉和简单的辅助工具如何发挥作用。然而，从2016年左右开始，随着语音识别和增强现实等人工智能技术变得更加强大，研究步伐开始加快。最剧烈的转变发生在最近几年。在2023年至2025年之间，出版物数量激增，该领域从碎片化的实验状态转向了快速扩张阶段。这种增长表明该学科已经趋于成熟，正在从询问“我们能否制造出这个东西？”转向“我们如何让它在现实世界中为每个人服务？”
当研究人员观察谁在从事这项工作时，一个全球协作的清晰图景浮现出来。美国和英国是最大的贡献者，紧随其后的是在西欧和东亚表现活跃的集群。然而，协作地图揭示了一个独特的模式：一些主要的枢纽（如多伦多大学）充当着核心锚点，连接着不同大洲的研究人员。虽然这些枢纽功能强大，但网络仍然有些失衡。许多机构仍在孤立地开展工作，且大学、技术公司与医疗保健提供者之间缺乏深度的、长期的合作伙伴关系。这表明，尽管思想正在传播，但将这些想法转化为广泛、可靠解决方案所需的实际机制仍在建设之中。
研究的核心揭示了驱动该领域前进的三部分支柱。首先是技术本身，特别是扩展现实（涵盖虚拟现实和增强现实）以及生成式人工智能，后者可以即时创造新的内容，如文本、图像或音频。其次是方法，具体来说是一种被称为“通用学习设计”（Universal Design for Learning）的框架，它围绕三大支柱组织教育与交互：以多种方式提供信息、允许人们以不同方式表达所学知识，以及通过多样化手段进行参与。第三是评估，涉及对这些系统运行效果的严格测试。最具有前景的工作发生在这些元素交汇之处。例如，研究人员正在探索人工智能如何根据通用学习设计的原则，在虚拟现实课堂中自动生成个性化的学习材料。
尽管取得了这些进展，研究人员也指出了必须克服的重大障碍。一个主要发现是，目前的大部分研究仍局限于实验室内的短期测试。虽然这些研究证明了技术在受控环境下的有效性，但它们往往无法展示在繁忙的家庭、嘈闻的教室或复杂的医院中，这些技术在数月或数年内的表现如何。目前还缺乏关于这些工具是否能在长期内真正改善人们生活的证据。此外，该领域正面临标准化难题。不同的研究人员正在构建互不兼容的系统，这使得对于可能需要在智能家居设备、移动应用和课堂界面之间切换的用户来说，难以获得无缝的体验。
展望未来，该论文概述了一条清晰的路径。下一阶段的研究必须专注于从孤立的原型转向标准化、可互操作的系统。这意味着要为这些技术的连接方式制定共同规则，确保手语功能或语音指令在不同设备上都能以同样的方式运作。这也意味着评估的重心要从单纯的技术成功转向更广泛的公平性、隐私性和信任度。研究人员不仅要问AI是否有效，还要问它是否公平地对待所有用户、是否保护了个人数据，以及是否能向使用者解释其原理。最终的目标是建立一个“共创生态系统”，使技术、设计与人类需求从一开始就能保持一致，而不是在问题发生后再去修补。
研究结论指出，虽然人工智能改变无障碍设计的潜力巨大，但实现这一潜力需要转变研究方法。仅仅发明一种巧妙的新工具是不够的；我们必须建立一个让这些工具可靠、标准化，并在混乱的日常生活现实中得到验证的系统。通过绘制当前的版图，刘和万为研究人员、政策制定者和设计师提供了导航指南。他们的工作表明，如果该领域能够围绕共同标准团结一致，并致力于长期的现实世界测试，我们就能离那个“无障碍不再是事后补救，而是作为技术设计基本组成部分”的未来更近一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。