A psychophysical approach for investigating format readability online
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
We introduce a scientific tool designed for online reading performance studies. Tool assesses optimum reading format for individuals by allowing experimenters to manipulate various text parameters. Developed using psychophysical research, the tool utilizes online testing via Pavlovia and Psychopy, enabling large-scale participant testing with reduced environmental noise and increased external validity. Our tool’s primary function is to assess reading performance across various typefaces, font parameters (e.g., weight, width, etc.), letter spacings by ranking comprehension scores and reading speed. The tool focuses on paragraph reading (approximately 150-word paragraphs), though it can also evaluate other forms of reading such as single word recognition and sentence reading. Stimuli are presented as .jpg images of texts with `modified fonts or spacings. Using images of texts instead of directly rendering using the browser, prevents potential incompatibility problems across different monitors while manipulating letter spacing and axes of variable fonts. We outline the methodology, emphasizing the tool's reliance on automatic randomization and counterbalancing, and the creation of stimulus sets. We provide a pilot study as an example to explain the configuration of tool’s settings and how counterbalancing functions. Example also outlines how behavioral performance measures such as comprehension scores, reading speed calculations (as words per minutes), and experimental conditions are registered in the data file. Overall, we provide an overview of the tool's design, functionality, and potential to expand the capabilities of online readability studies.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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