Reading on the Computer Screen: Does Font Type has Effects on Web Text Readability?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Reading on the World Wide Web has become a daily habit nowadays. This can be seen from the perspective of changes on readers’ tendency to be more interested in materials from the internet, than the printed media. Taking these developments into account, it is important for web-based instructional designers to choose the appropriate font, especially for long blocks of text, in order to enhance the level of students’ readability. Accordingly, this study aims to evaluate the effects of serif and san serif font in the category of screen fonts and print fonts, in terms of Malay text readability on websites. For this purpose, four fonts were selected, namely Georgia (serif) and Verdana (san serif) for the first respondents and Times New Roman (serif) and Arial (san serif) for the second respondents. Georgia and Verdana were designed for computer screens display. Meanwhile, Times New Roman and Arial were originally designed for print media. Readability test on a computer screen was conducted on 48 undergraduates. Overall, the results showed that there was no significant difference between the redability of serif and san serif font of both screen display category and print display category. Accordingly, the research findings and the literature overview, suggest that Verdana and followed by Georgia as the better choice in displaying long text on websites. Likewise, as anticipated, Times New Roman and Arial fonts provide good readability for print media, which reinfoces their status as the printing font category. However, with the current computer screen capability, it can still be an alternative option for instructional web developers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle