The impact of font on typo detection: a novel visual search paradigm
Notice bibliographique
Résumé
In visual search tasks, we scan our environment to identify a target (e.g., looking for your suitcase at the Tampa airport baggage claim). A better understanding of the factors that lead to success and failure in visual search requires a task that mimics our lived experiences but permits a high degree of experimental control. Here, we developed a novel typo detection paradigm to uncover how attentional processes interact with visual properties of stimuli in a word-based visual search task. Participants (N=9) scanned pseudo-paragraphs comprised of random 5-, 6-, and 7-letter words to find typos (i.e., incorrectly spelled words), which were present on 50% of trials. Five types of typos were included: transpositions (two letters swapped), insertions (a letter added to a word), deletions (a letter removed from a word), repetitions (a letter repeated), and substitutions (a letter replaced with another letter). In addition, half of the trials were presented in an “easy-to-read” font (Arial) and half were presented in a “hard-to-read” font (a version of Roboto Flex with narrow width and a high stroke contrast). Font had a main effect on reaction time: participants responded more slowly when the stimuli were presented in the hard-to-read font. Font had no overall impact on accuracy. However, participants were worst at identifying transposition errors, and for these trials, font did have a significant effect, such that performance was lower for the hard- versus easy-to-read font. These findings also highlight substantial individual differences in performance and sensitivity to font manipulation. Taken together, these results indicate that the appearance of text does impact visual search for typos, but only for specific types of errors. This paradigm can elucidate how constraints in peripheral vision (e.g., crowding) impact visual search performance for text-based stimuli.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».