The effects of variable fonts on sentence-level reading
Notice bibliographique
Résumé
The visual appearance of text on a screen can have a large impact on how efficiently we extract information from it. While many studies have examined visual factors in reading with sentences and passages, these stimuli are often challenging to use in standard psychophysical paradigms (e.g., forced-choice tasks). Single-word reading lends itself more easily to these techniques but does not always reflect how we read in real life. To facilitate the study of visual factors in reading, we developed a sentence classification task that uses true or false sentences and varies the presentation duration of these stimuli to determine a duration threshold. For this, we developed a human-validated sentence corpus of sentences taken from GenericsKB, a repository of internet-derived sentences. The sentences were filtered based on word and character length, truthfulness, and word frequency. We validated the database by having participants rate the truthfulness of each sentence, which showed high inter-rater agreement (mean ICC of 0.98, n=79). We have used this corpus tool to examine visual factors in reading using variable fonts, which are fonts where each parameter, such as slant and width, can be customized on a continuous axis. We measured participants’ (n=8) duration thresholds for five parameters (thin stroke, thick stroke, width, weight, and slant) at five different settings on each axis by varying the duration of the displayed sentences. Thin stroke and thick stroke showed a U-shaped trend where extreme settings had longer duration thresholds and the middle setting had the fastest duration threshold. Our sentence corpus and paradigm allow researchers to use forced-choice psychophysical methods to study reading based on naturally-occurring sentences. By understanding how font settings affect reading performance, this work supports the goal of determining what font helps each reader.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».