Comparative Analysis of Blink Rates During Printed and On-Screen Reading Across Varying Screen Sizes
Notice bibliographique
Résumé
Objective: To compare the blink rates during resting periods and while engaging in printed and on-screen reading across different digital screen dimensions.Material and Methods: This study involved thirty-two university students with normal vision, who were recorded during a 3-minute conversation to establish baseline blink rates and subsequently during four reading conditions. Participants read four passages under different conditions: printed text, smartphone, tablet, and computer screens. Video recordings were then analysed to quantify blink rates (blinks per minute, bpm) for each condition.Results: Blink rates significantly decreased in all reading scenarios compared to the baseline resting condition (p-value<0.05). Analysis via repeated measures ANOVA demonstrated significant differences in blink rates across all reading conditions (p-value<0.01). Pairwise comparisons revealed that blink rates during smartphone reading were notably lower than printed text, tablets, and computers (p-value<0.05). Conversely, blink rates exhibited no significant differences between printed text and tablet, printed text and computer, and computer and tablet readings (p-value>0.05).Conclusion: The study reveals a consistent decrease in blink rates during various reading conditions with different digital screens compared to resting states, highlighting the influence of visual engagement on ocular behaviour. Reading with a smartphone has decreased blink rates, which may affect eye health and device use. Understanding these dynamicscan guide ergonomic design to reduce visual discomfort from digital screen use, supporting healthy reading habits in the digital age.
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 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 | 0,028 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».