Модель ИИ рекомендует персонализированные шрифты для улучшения цифрового чтения и доступности

Прочитано: 446 раз(а)
1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд (1 голосов, среднее: 5,00 из 5)
Loading ... Loading ...


Исследователь удобочитаемости UCF работал с командой Adobe над моделью машинного обучения, чтобы предоставить персонализированные рекомендации по шрифтам, которые улучшат доступность цифровой информации и улучшат индивидуальный опыт чтения.

Команда состояла из инженеров и исследователей Adobe по машинному обучению, которые сотрудничали с учеными-зрителями, типографами, специалистами по данным и исследователем читабельности UCF для изучения модели машинного обучения Adobe, известной как FontMART.

Результаты были недавно опубликованы в ACM Designing Interactive Systems 2022.

Adobe является частью консорциума The Readability Consortium, который возглавляет исследования UCF в области цифровой читаемости с использованием индивидуальной типографики для улучшения цифровой читаемости для читателей всех возрастов и способностей. Исследование Adobe FontMART было проведено в сотрудничестве с Лабораторией виртуальной читаемости UCF.

«Будущее удобочитаемости — это устройство, которое наблюдает за тем, как люди читают, и использует их производительность, чтобы адаптировать формат, чтобы они читали наилучшим образом», — говорит Бен Сойер, директор Консорциума по удобочитаемости и Лаборатории виртуальной удобочитаемости UCF. «Мы с нетерпением ждем того дня, когда вы сможете взять в руки устройство, читать и получать информацию способом, который однозначно соответствует вашим потребностям».

Сойер и Зоя Былински, научный сотрудник Adobe, участвовали в разработке концепции исследования и руководили им на протяжении всего исследования. Тяньюань Цай, инженер по машинному обучению Acrobat.com, руководил исследованием FontMART.

В исследовании использовался тест предпочтения шрифта, представленный на веб-сайте лаборатории виртуальной читабельности UCF, чтобы обеспечить основу для оценки рекомендаций FontMART.

Рассмотрение предпочтения шрифта важно, поскольку предпочтительные шрифты людей часто отличаются от шрифтов, которые могут лучше всего улучшить их чтение и производительность. Несоответствие между предпочитаемым читателем шрифтом и самым быстрым шрифтом было продемонстрировано в предыдущих исследованиях читабельности.

Результаты исследования показали, что модель FontMART может рекомендовать шрифты, которые улучшают скорость чтения, сопоставляя характеристики читателя с конкретными характеристиками шрифта.

Как работает модель

Модель FontMART учится ассоциировать шрифты с определенными характеристиками читателя. FontMART был обучен дистанционному исследованию читабельности 252 краудфандинговых работников и предоставленной ими демографической информации. Интервью с типографами повлияли на выбор восьми шрифтов, использованных в исследовании. Окончательный выбор шрифтов включал шрифты как из семейства шрифтов с засечками (например, Georgia, Merriweather, Times и Source Serif Pro), так и из семейства шрифтов без засечек (например, Arial, Open Sans, Poppins и Roboto).

Исследователи обнаружили, что эффект шрифта зависит от читателя.

Согласно исследованию FontMART, FontMART может прогнозировать шрифты, которые хорошо работают для конкретных читателей, понимая взаимосвязь между характеристиками шрифта и характеристиками читателя, такими как знакомство с шрифтом, самооценка скорости чтения и возраст. Среди рассматриваемых характеристик наибольшую роль играет возраст, когда модель определяет, какой шрифт рекомендуется для читателей.

Например, такие характеристики шрифта, как больший вес, улучшают опыт чтения для пожилых людей, поскольку более толстые штрихи шрифта легче читать людям с более слабым и изменчивым зрением.

Необходимы дополнительные исследования, которые могут включать в себя более широкое возрастное распределение участников, чтобы быть более репрезентативным для населения в целом , оценку эффективности модели для других контекстов чтения, таких как полное или беглое чтение, а также расширение языков и связанных с ними характеристик шрифта , чтобы лучше учитывать разнообразие читателей.

Продолжающееся сотрудничество и исследования помогут расширить изученные характеристики, чтобы улучшить модель FontMART и улучшить индивидуальный опыт чтения.

Консорциум по читаемости UCF и Лаборатория виртуальной читаемости исследуют, как персонализация может повысить эффективность и скорость чтения. Сойер также возглавляет LabX, группу прикладных нейробиологов, занимающуюся человеческими способностями , и является адъюнкт-профессором в области промышленного проектирования и систем управления. Сойер получил докторскую степень в области психологии человеческого фактора и степень магистра промышленной инженерии в UCF. Он закончил докторантуру в Массачусетском технологическом институте.

Модель ИИ рекомендует персонализированные шрифты для улучшения цифрового чтения и доступности



Новости партнеров