Diseño Grafico

Permitir que el aprendizaje automático elija la fuente adecuada para todos

Permitir que el aprendizaje automático elija la fuente adecuada para todos

Conjunto de símbolos.

Crédito de la imagen: Adobe Stock/PureSolution.

¿Sabías que tienes la capacidad de lea un 20 por ciento más rápido con solo cambiar la fuente de lectura? Qué fuentes son efectivas para la lectura depende en gran medida del individuo, y si bien la edad es un factor importante, también lo es la competencia lectora (velocidad, frecuencia, etc.), la familiaridad con una fuente y un estilo en particular y otras características del lector, como las dificultades de lectura.

Teniendo en cuenta todos los factores implicados, y más de 800.000 fuentes digitales disponibles para elegir, puede resultar difícil y abrumador saber qué fuente está optimizada para su estilo de lectura. Pero, ¿qué pasaría si un algoritmo de aprendizaje automático (ML) pudiera encargarse de la toma de decisiones por usted?

en Recomendaciones de fuentes personalizadas: combinación de aprendizaje automático y pautas tipográficas para optimizar la legibilidad, publicado recientemente en la revista ACM DIS’22, realizamos un estudio para ayudar a informar qué características de fuente funcionan particularmente bien para diferentes tipos de lectores. Los hallazgos ayudaron a construir estas relaciones en un modelo para recomendar fuentes más rápidas para lectores específicos. El estudio fue una colaboración entre científicos de la visión, científicos de datos y tipógrafos. «Es realmente emocionante explorar si el aprendizaje automático podría aprovecharse para personalizar las experiencias de lectura», afirmó el autor principal e ingeniero de aprendizaje automático de Acrobat.com, Tianyuan Cai.

Utilizar el aprendizaje automático para personalizar la lectura

Entrevistamos a varios tipógrafos para comprender qué características de diseño hacen que fuentes específicas estén particularmente optimizadas para la lectura. Según nuestras entrevistas, se seleccionaron ocho fuentes y 252 participantes remotos (de edades comprendidas entre 18 y 71 años) leyeron pasajes y respondieron preguntas de comprensión.

Ejemplos de fuente SERIF y SANS SERIF.

Ejemplo de 8 tipografías seleccionadas para un estudio.

Arriba se muestran ocho fuentes seleccionadas, en consulta con tipógrafos, para nuestro estudio, que se centró en la lectura digital. Cuatro fuentes serif coinciden aproximadamente con la apariencia de las cuatro fuentes sans serif, incluidas las fuentes que tienen tamaños perceptivamente diferentes. Los tipógrafos controlan la apariencia de las fuentes ajustando las métricas de las fuentes. En la segunda imagen vemos cómo los investigadores visualizan las métricas de fuentes bajo consideración para nuestro estudio y modelo.

Me gusta de los hallazgos investigación previa, los participantes tuvieron dificultades para identificar una fuente de lectura más rápida únicamente por preferencia. En nuestro estudio, las fuentes preferidas de los participantes son, en promedio, tan rápidas como una fuente seleccionada al azar. Este resultado fortaleció nuestra motivación para encontrar una forma automática de recomendar fuentes a los lectores. Nuestro modelo ML predice fuentes que ayudan a las personas a leer aproximadamente 23 palabras por minuto más rápido que una fuente elegida al azar y 159 palabras por minuto más rápido que su fuente más lenta.

Estos son beneficios reales que nuestro modelo logra al aprender a relacionar las características del lector con las características de la fuente:

  • Un peso de fuente más pesado beneficia a los lectores mayores, pero tiene un impacto mínimo en los lectores más jóvenes.
  • Entre todos los lectores, las fuentes con trazos más finos (es decir, Times y Source Serif Pro) tuvieron los efectos más negativos en la velocidad de lectura.
  • La edad influye significativamente en qué fuentes se recomiendan para qué lectores. En nuestro estudio, los participantes de 40 años o más recibieron más recomendaciones para la fuente Georgia que los participantes más jóvenes, que recibieron más recomendaciones para Poppins. Arial, con sus caracteres minúsculos más altos, fue un buen compromiso entre los grupos de edad.

En este trabajo, relacionamos estas características comparando las ocho fuentes probadas y respaldamos nuestros hallazgos con literatura previa. Se están realizando más trabajos para evaluar el modelo con un conjunto más amplio de fuentes y probar la repetibilidad de estos hallazgos.

Modelo que utiliza características de lectores y fuentes para predecir fuentes adecuadas para lectores individuales.

Nuestro modelo utiliza características de lectores y fuentes para predecir fuentes adecuadas para lectores individuales. La edad es un factor que el modelo considera relevante, pero también la velocidad de lectura, la frecuencia de lectura y la familiaridad con la fuente en cuestión según los propios lectores.

¿Estarán realmente abiertos los usuarios a la idea de elegir su fuente de lectura con la ayuda del aprendizaje automático? El 90 por ciento de los participantes de nuestro estudio están de acuerdo en que personalizar las fuentes puede conducir a mejoras en la lectura, y el 86 por ciento dijo que confiarían en una recomendación de fuente si fuera generada por un algoritmo informático. Por lo tanto, el camino está despejado para los algoritmos de personalización de texto del futuro, y depende de nosotros ayudar a construirlos.

Fuente

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *