Improving Legibility of User Interfaces for Low Vision Conditions with a Crowdsource Platform
Notice bibliographique
Résumé
The growing importance of inclusive design solutions has prompted this study \nexamining typography legibility and its impact on accessibility for users with low vision conditions. Focusing on factors such as typographic form, letter spacing, and font size, this research seeks to understand the unique demands of low vision individuals and how typography and user interface design can be adapted to improve legibility and accessibility. Previous research has provided insights into various aspects of typography legibility, but a comprehensive approach addressing the specific needs of low vision users has been lacking. This study contributes to the existing body of knowledge by deconstructing user interfaces (UI) and analyze the fundamental elements affecting legibility. By examining various UI elements and their relationship to text, this research offers personalized, integrated solutions for individuals to tailor websites to their unique needs. \nThe proposed platform differentiates itself from existing accessibility overlays (additional software that is intended to detect and address web accessibility issues on web sites) by emphasizing personalization based on individual preferences, leveraging crowdsourcing to create a variety of modification options. Although the proposal's primary focus is on low vision, it has the potential to assist a wide range of users with various needs. Despite some limitations and challenges faced during the project, this study provides insights into the factors contributing to the legibility of various typefaces, emphasizing the importance of customization to cater to specific needs. Future research should continue to explore these factors, further promoting a more inclusive approach to typography in diverse UI contexts.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».