半自動化方法を使用して、健康情報の消費者にとって認識された実際のテキストの難易度を改善する

医療テキストの半自動化された簡素化のためのアルゴリズムを開発しています。語彙および文法のコーパス分析に基づいて、テキストの難易度を推定するために、新しいメトリック、用語の親しみやすさを特定しました。困難なテキストを特定し、WordNet、UMLS、Wiktionaryなどの語彙リソースからより簡単な代替品を選択するために用語の親しみやすさを使用するアルゴリズムを開発しました。5ポイントのリッカートスケールを使用して、知覚される難易度を測定するために、12文を簡素化しました。テキストが存在する場合となしで質問を提起することにより、実際の困難を測定するために2つのドキュメントを簡素化しました（情報の理解と保持）。Amazon Mechanical Turkを介して参加者（n = 84）を招待して、ユーザー調査を実施しました。認識された難易度に対する単純化の大きな影響がありました（p <.001）。また、単純化されたドキュメントに対する質問をより良くして、わずかに改善された理解が見られましたが、その効果は有意ではありませんでした（p = .097）。私たちの結果は、The Permingityがテキストを効率的でスケーラブルな方法で簡素化する上で貴重な要素であることを示しています。

We are developing algorithms for semi-automated simplification of medical text. Based on lexical and grammatical corpus analysis, we identified a new metric, term familiarity, to help estimate text difficulty. We developed an algorithm that uses term familiarity to identify difficult text and select easier alternatives from lexical resources such as WordNet, UMLS and Wiktionary. Twelve sentences were simplified to measure perceived difficulty using a 5-point Likert scale. Two documents were simplified to measure actual difficulty by posing questions with and without the text present (information understanding and retention). We conducted a user study by inviting participants (N=84) via Amazon Mechanical Turk. There was a significant effect of simplification on perceived difficulty (p<.001). We also saw slightly improved understanding with better question-answering for simplified documents but the effect was not significant (p=.097). Our results show how term familiarity is a valuable component in simplifying text in an efficient and scalable manner.