最近，一个名叫仿生阅读（Bionic Reading）的插件引发了大家的讨论。通过将部分字母加粗（大部分为单词首字母或冠词），该插件宣称可以人为制造阅读注视，从而帮助读者集中精神、提升阅读效率。
对比一下，加粗单词后，你读得更快了吗？｜Bionic Reading
目前已经有几款阅读器率先用上了这个功能，大家可以自行下载体验。
目前支持此功能的阅读器｜Bionic Reading
不少朋友对这种“黑科技”相见恨晚，表示装了插件后，自己仿佛习得了阅读秘籍，不跑神了，不迷糊了，一口气读十页不费劲儿，甚至有些“快到停不下来了”。
但我的朋友中也有一些人不买账。比如习惯“扫读”的朋友觉得加粗字体反而碍眼，影响了阅读速度，也有朋友认为仿生阅读的宣传攻势有可能给人过强的心理暗示，造成阅读变快的错觉。此外，在上文出现的对比图中，读者看完左侧的原文后再看右侧加粗过的文本，其实已经是第二遍阅读了，本身就更熟悉内容，自然速度会变快。
所以加粗字体，真的能让阅读速度变快吗？背后有可信的理论支撑吗？
仿生阅读开发者：脑子比眼睛快
打开仿生阅读的官方页面，最醒目的是一行大字“知道吗？你的脑子比眼睛读得快（我们的脑子里已经存储了已知的单词，只要看见部分字母，大脑就能补完整个单词）。”
“脑子比眼睛快”，这句话本身有一定道理。
视觉处理是阅读过程中重要的一环。人从眼睛收到字母的视觉信号开始，到脑中转化出相应的句子意义，这中间是一个复杂的过程，也并不总是按照单一的方式进行处理。
“视觉-阅读”的过程中，有三种基本加工模式：从下至上（bottom-up）、从上至下（top-down）和相互作用（interactive，有时也叫动态交互dynamic interactive）模式。
仿生阅读能提高阅读速度，很有可能是借助了人脑自上而下的视觉-阅读加工模式。在这种模式下，人会优先处理相对较大的知觉单位（比如句子、段落），再分析较小（比如单词、字母）的知觉单位，通过结合上下文，产生对文章的理解。也就是说，人们看到了加粗的字母，就会主动调动以往的经验，“脑补”出剩下的字母，形成自己的假象，并设想下文中的主要内容。
越是成熟的阅读者，自上而下的加工模式往往越强，这也解释了为什么仿生阅读最初目标的受众大多是英语母语者。自上而下模式能解释的“阅读奇迹”并不只有一个。试试这张图，你是不是也能看懂？
中国网友：这不就是中文序顺不响影阅读？还真是。
这张2003年在外网流行一时的图中，不少单词的拼写都被打乱了，但人们仍能阅读、并理解图上的内容，英文水平越高的人，越容易忽略字母被颠倒的顺序。这种现象俗称字母错置效应（Typoglycaemia），最早可以追溯到1976年诺丁汉大学的格雷厄姆·罗林森（Graham Rawlinson）教授的博士生论文。
在他的16组论文实验里，罗林森教授同时招募了成人和小孩，并把被试者们分成了不同的小组，同一小组的人都只能看到同样单词的某几个字母，比如第一组只能看到头1个字母和最后1个字母（1/R/1）、第二组只能看到头2个字母(2/R/0)、第三组改写了单词中了4个字母……最后结果显示，被试者们能不能猜出单词是什么，基本只取决于单词的头尾字母。也就是说哪怕有漏写、错写，读者都能“脑补”出单词本身！
这种“脑补”的能力很大程度上支撑了仿生阅读的速读技术，毕竟在网站的图示中，所有高亮都在单词首字母，网站也宣称自己的技术是“let the brain center complete the word”。
在我个人的使用过程中，还观察到仿生阅读偏向于高亮a、an、the这三个英语冠词。有研究显示，虽然英语冠词本身携带的语义并不多，但它们在句子中的位置能帮助读者识别语法、拆分句子结构，从而帮助视线移动，提高阅读速度。从这个角度上讲，仿生阅读也有一定道理。
不过，在“自上而下”的模式中，“上”或“下”是一个相对概念。相较于字母，单词是更高级的，而相较于单词，句子是更高级的。这也解释了仿生阅读为什么妨碍了习惯扫读的读者。对于这些人来说，可能整体高亮关键词、或者高亮句首、段首会更有用。
读得快有啥用，真的读懂了吗？
虽然仿生阅读在“读得快”上有理有据，但在“深入阅读”上就让人不禁要打个问号了。
从认知心理学来说，流畅度和准确度之间，一直存在着一个权衡效应，读得快未必意味着读得懂、读得好。而对外语学习者来说，阅读更是一件非常消耗脑力的任务，同时关注速度与质量会让工作记忆（working memory）快速消耗殆尽，也就是人们常说的“脑子不够用”，从而导致走神。
再者，目光和阅读之间并不是单一的对应关系。人们日常所说的“眼睛盯着看”在眼动研究中包括了回视频率、回视时间、注视频率、注视概率、平均瞳孔直径等多个研究参数，而阅读则是运用这些参数的一种综合策略。
问一个很简单的问题：当一个人盯着某段文字不动的时候，你觉得ta是在走神呢，还是在深思呢？也就是说，眼动并不能完全代表脑内活动，眼球控制也并完全不代表阅读。从这个角度说，“快到停不下来”也未必是好事。丢掉了那些所谓的“冗杂信息”，文章真的还能保持原意吗？
合上书，马什么梅？
从这个角度来讲，仿生阅读也未必适用于所有文章。沈阳师范大学曾做过一项文本标注对中文阅读眼动的研究。研究显示，虽然添加高亮会指引和帮助参与者们更好地记忆重点内容、忽略干扰内容，但如果含有错误标识或标识过多，那与无标识的阅读效率几乎是一样的。同时，如果阅读的文本是比较简单的内容，那标示也未必可以提高正确率。从这一点上说，经过仿生阅读标识的段落或许是会让你惊鸿一瞥，但这个buff能不能持续，确实还需要繁复检验。
再比如针对不同年龄段，仿生阅读是否需要做出区分？国外不少研究显示，年龄较大的字母语言读者（如英语和德语使用者）会采取一种看似更危险的跳读策略，即更频繁地跳过某些不认识的单词，来弥补自己的阅读障碍。针对这样的群体，单单高亮单词首字母又是否有用？这些都有待进一步实践。
有没有中文的仿生阅读？
在热烈讨论仿生阅读的同时，也有不少网友开始畅想类似的中文阅读神器。如果有，这样的神器应该具备什么样的条件呢？
有人说要加粗偏旁部首，有人说要加粗每个词的第一个字｜微博
其实，无论是英语还是中文，母语使用者们都是通过整体字形来识别单词/字的，这也是罗林森博士实验的基础。下图是对外汉语教学常会用到的笔画练习，虽然对于母语者来说轻而易举，但对那些尚未形成整体字形记忆的初学者来说，给这些字填上缺失的笔画却非常难。
作者供图
上文提到过，阅读是一件对工作记忆负荷很重的工作，大脑需要同时输入信息、并提取先前知识。在这个过程中，断句是一件核心工作。与英文长长短短的单词、且词与词之间有空格的隔断方式不同，现代汉语是一个方块字挨着一个方块字的，这就更加重了脑力的负担。从这个角度来说，加粗分词后的第一个字确实有助于帮助断句、加快阅读。
抛开“识字”的层面不说，我国其他关于阅读的研究也不少，有针对字体、字号、句子长度、文字色彩、行间距、分栏等不同方面的，这些辅助阅读的手段的基本思想就是更方便眼睛“录入”，把人的注意力留在文字上。比如《人机工程设计与应用手册》中就有关于字符高度最小适宜尺寸的计算公式。南京大学蒋波博士的学位论文研究发现，对中国大学生而言，把文字分成二栏能减少回视次数，增加注视频率，更适合快速阅读中文。
不过话说回来，美国人搞快速阅读是传统艺能了。上世纪六七十年代，美国电视上就成天播放“伊芙琳·伍德快速阅读课程”（Evelyn Wood Speed Reading Dynamics course）的广告，号称能让人一分钟读2500个单词。不知道当年参加过这个课程的孩子们，现在都还有阅读习惯吗？
当然，伊芙琳的速度也比不上量子波动速读
参考文献
[1]https://bionic-reading.com/
[2]https://www.sciencealert.com/word-jumble-meme-first-last-letters-cambridge-typoglycaemia
[3]https://en.wikipedia.org/wiki/Transposed_letter_effect#Internet_meme
[4]https://www.mrc-cbu.cam.ac.uk/people/matt.davis/cmabridge/
[5]https://www.trefis.com/info/human-latency-fast-eyes-slow-brain-or-why-speed-reading-doesnt-work/
[6]田欣卉.(2019).字体大小、类型和标注对中文阅读影响的眼动研究(硕士学位论文,沈阳师范大学).https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD201902&filename=1019053472.nh
[7]何雨.(2016).VDT文本阅读功效及最优文本设置参数研究(硕士学位论文,陕西科技大学).https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD201701&filename=1016166132.nh
[8]蒋波（2007）.分栏设计对大学生阅读影响的眼动研究, 南京师范大学。https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CDFD9908&filename=2007109419.nh
[9]张杨洋.(2018).字体颜色和字形的改变对初中生中文阅读理解的影响(硕士学位论文,福建师范大学).https://kns.cnki.net/KCMS/detail/detail.aspx?dbname=CMFD201902&filename=1019141901.nh
本文来自微信公众号“果壳”（ID：Guokr42），作者：Vanilla，编辑：翻翻，36氪经授权发布。
