Görsel kaynak: Adobe Stock/PureSolution.
yeteneğine sahip olduğunu biliyor muydun? Yalnızca okuma yazı tipini değiştirerek yüzde 20 daha hızlı okuyun? Hangi yazı tiplerinin okumada etkili olduğu büyük ölçüde kişiye bağlıdır ve yaş önemli bir faktördür okuma yeterliliği (hız, sıklık vb.), belirli bir yazı tipine ve stile aşinalık ve okuma güçlükleri gibi diğer okuyucu özellikleri de öyle.
İlgili tüm faktörler göz önüne alındığında ve daha fazlası 800.000 dijital yazı tipi Aralarından seçim yapabileceğiniz bir yazı tipi olduğundan, okuma stiliniz için hangi yazı tipinin optimize edildiğini bilmek zor ve bunaltıcı olabilir. Peki ya bir makine öğrenimi (ML) algoritması karar verme sürecini sizin yerinize halledebilseydi?
İçinde Kişiselleştirilmiş Yazı Tipi Önerileri: Okunabilirliği Optimize Etmek İçin ML ve Tipografik Yönergeleri BirleştirmeYakın zamanda ACM DIS’22 dergisinde yayınlanan yazı tipinde, farklı tipteki okuyucular için özellikle hangi yazı tipi özelliklerinin işe yaradığını belirlemeye yardımcı olacak bir çalışma yürüttük. Bulgular, belirli okuyuculara daha hızlı yazı tipleri önermek için bu ilişkilerin bir model halinde oluşturulmasına yardımcı oldu. Çalışma, vizyon bilimcileri, veri bilimcileri ve tipograflar arasındaki bir işbirliğiydi. Baş yazar ve Acrobat.com ML mühendisi Tianyuan Cai, “Okuma deneyimlerini kişiselleştirmek için makine öğreniminden yararlanılıp yararlanılamayacağını keşfetmek gerçekten heyecan verici” dedi.
Okumayı kişiselleştirmek için makine öğrenimini kullanma
Hangi tasarım özelliklerinin belirli yazı tiplerini okuma için özellikle optimize ettiğini anlamak için birkaç tipografla görüştük. Görüşmelerimize dayanarak sekiz yazı tipi seçildi ve uzaktaki 252 katılımcı (yaşları 18 ila 71 arasında değişen) pasajları okudu ve anlama sorularını yanıtladı.
Yukarıda, dijital okumaya odaklanan çalışmamız için tipograflara danışılarak seçilen sekiz yazı tipi bulunmaktadır. Dört serif yazı tipi, algısal olarak farklı boyutlara sahip yazı tipleri de dahil olmak üzere, dört sans serif yazı tipinin görünümüne ve hissine yaklaşık olarak eşleşir. Tipograflar, yazı tipi ölçümlerini ayarlayarak yazı tiplerinin görünümünü kontrol eder. İkinci resimde araştırmacıların, çalışmamız ve modelimiz için dikkate alınan yazı tipi metriklerini nasıl görselleştirdiğini görüyoruz.
Bulgular gibi önceki araştırmakatılımcılar yalnızca tercihlerine göre daha hızlı okunan bir yazı tipi belirlemekte zorlandılar. Çalışmamızda katılımcıların en çok tercih ettiği yazı tipleri ortalama olarak rastgele seçilen bir yazı tipi kadar hızlıdır. Bu sonuç, okuyuculara yazı tipi önermenin otomatik bir yolunu bulma motivasyonumuzu güçlendirdi. ML modelimiz, insanların rastgele seçilen bir yazı tipinden yaklaşık 23 WPM ve en yavaş yazı tipinden 159 WPM daha hızlı okumasına yardımcı olan yazı tiplerini tahmin eder.
Bunlar, modelimizin okuyucu özelliklerini yazı tipi özellikleriyle ilişkilendirmeyi öğrenerek elde ettiği gerçek kazanımlardır:
- Daha ağır yazı tipi ağırlığı daha yaşlı okuyuculara yarar sağlar ancak genç okuyucular üzerinde çok az etkisi vardır.
- Tüm okuyucular arasında, en ince çizgiye sahip yazı tipleri (örn. Times ve Source Serif Pro) okuma hızı üzerinde en olumsuz etkiye sahipti.
- Yaş, hangi okuyuculara hangi yazı tipinin önerildiğini önemli ölçüde etkiler. Çalışmamızda 40 yaş ve üzeri katılımcılar, Poppins için daha fazla öneri alan genç katılımcılara göre Georgia yazı tipi için daha fazla öneri aldı. Arial, daha uzun küçük harf karakterleriyle yaş grupları arasında iyi bir uzlaşmaydı.
Bu çalışmada, test edilen sekiz yazı tipini karşılaştırarak bu özellikleri ilişkilendiriyor ve bulgularımızı önceki literatürle destekliyoruz. Modeli daha geniş bir yazı tipi seti ile değerlendirmek ve bu bulguların tekrarlanabilirliğini test etmek için daha fazla çalışma devam etmektedir.
Modelimiz, bireysel okuyucular için uygun yazı tiplerini tahmin etmek amacıyla okuyucuların ve yazı tiplerinin özelliklerini kullanır. Yaş, modelin alakalı olarak değerlendirdiği bir faktördür, ancak aynı zamanda okuyucuların kendi bildirdiği okuma hızı, okuma sıklığı ve söz konusu yazı tipine aşinalık da önemlidir.
Kullanıcılar, makine öğreniminin yardımıyla okuma yazı tiplerini seçme fikrine gerçekten açık olacaklar mı? Araştırma katılımcılarının yüzde 90’ı yazı tiplerini kişiselleştirmenin okumada iyileşmelere yol açabileceği konusunda hemfikir ve yüzde 86’sı bir bilgisayar algoritması tarafından oluşturulmuş bir yazı tipi önerisine güveneceklerini söyledi. Böylece geleceğin metin kişiselleştirme algoritmalarının önü açık ve onların oluşturulmasına yardımcı olmak bize düşüyor.