En UCF-läsbarhetsforskare arbetade med ett Adobe-team på en maskininlärningsmodell för att tillhandahålla personliga teckensnittsrekommendationer som förbättrar tillgängligheten för digital information och förbättrar individuella läsupplevelser.

Teamet bestod av Adobes maskininlärningsingenjörer och forskare som samarbetade med visionsforskare, typografer, datavetare och en UCF-läsbarhetsforskare för att studera Adobes maskininlärningsmodell som kallas FontMART.

Resultaten publicerades nyligen i ACM Designing Interactive Systems 2022 .

Adobe är en del av The Readability Consortium som leder UCF:s forskning om digital läsbarhet med hjälp av individuell typografi för att förbättra den digitala läsbarheten för läsare i alla åldrar och förmågor. Adobes FontMART-forskning gjordes i samarbete med UCF:s Virtual Readability Lab.

"Framtiden för läsbarhet är en enhet som ser människor läser och använder sin prestanda för att skräddarsy formatet så att de läser som bäst", säger Ben Sawyer, chef för Readability Consortium och UCF:s Virtual Readability Lab. "Vi ser fram emot den dag då du kan hämta en enhet, läsa och ta emot information på ett sätt som passar dina behov unikt."

Sawyer och Zoya Bylinskii, en forskare från Adobe, var involverade i utformningen av forskningen och gav vägledning under hela studien. Tianyuan Cai, en maskininlärningsingenjör på Acrobat.com, ledde FontMART-studien.

Studien använde Font Preference Test som finns på UCF:s Virtual Readability Labs webbplats för att ge baslinjer för att utvärdera FontMARTs rekommendationer.

Övervägandet av typsnittspreferens är viktigt eftersom människors föredragna typsnitt ofta skiljer sig från det typsnitt som bäst kan förbättra deras läsupplevelse och prestanda. Diskrepansen mellan en läsares föredragna typsnitt och snabbaste typsnitt har visats i tidigare läsbarhetsforskning.

Studieresultat visade att FontMART-modellen kan rekommendera teckensnitt som förbättrar läshastigheten genom att matcha läsarens egenskaper med specifika teckensnittsegenskaper.

Hur modellen fungerar

FontMART-modellen lär sig att associera typsnitt med specifika läsaregenskaper. FontMART utbildades med en fjärrläsbarhetsstudie av 252 publikarbetare och deras självrapporterade demografiska information. Intervjuer med typografer påverkade valet av de åtta typsnitt som användes i studien. Det slutliga valet av typsnitt inkluderade teckensnitt från både serif-familjerna (dvs Georgia, Merriweather, Times och Source Serif Pro) och Sans Serif-familjerna (dvs. Arial, Open Sans, Poppins och Roboto).

Effekten av ett teckensnitt varierar beroende på läsare, fann forskare.

FontMART kan förutsäga de typsnitt som fungerar bra för specifika läsare genom att förstå sambandet mellan teckensnittsegenskaper och läsaregenskaper som typsnittsförtrogenhet, självrapporterad läshastighet och ålder, enligt FontMART-studien. Bland de egenskaper som beaktas spelar ålder den största rollen när modellen avgör vilket typsnitt som rekommenderas för läsare.

Typsnittsegenskaper som tyngre vikt gynnar till exempel äldre vuxnas läsupplevelse eftersom tjockare teckensnitt är lättare att läsa för dem med svagare och varierande syn.

Mer forskning behövs och kan inkludera bredare åldersfördelning av deltagarna för att vara mer representativa för den allmänna befolkningen, utvärdering av modellens effektivitet för andra lässammanhang som långform eller överblickbar, och utvidgning av språken och tillhörande teckensnittsegenskaper för att bättre tillgodose läsarens mångfald.

Fortsatta samarbeten och forskning kommer att hjälpa till att utöka de egenskaper som utforskats för att förbättra FontMART-modellen och förbättra individuella läsupplevelser.

UCF:s Readability Consortium och Virtual Readability Lab tar upp hur personalisering kan förbättra läseffektiviteten och hastigheten. Sawyer leder också LabX, en tillämpad neurovetenskapsgrupp fokuserad på mänskliga prestationer, och han är docent i industriteknik och ledningssystem. Sawyer doktorerade i mänskliga faktorers psykologi och en magisterexamen i industriteknik från UCF. Han avslutade sina postdoktorala studier vid MIT. + Utforska vidare

Studie visar att personliga typsnitt påskyndar läsningen, bibehåller förståelsen