Interaktive Schrift für digitale Texte
Forscherteam der TU entwickelt adaptiven Font, der Lesegeschwindigkeit verbessert
12.05.2021
Ein Team am Centre for Cognitive Science der TU Darmstadt hat eine digitale Schriftart entwickelt, die ihre Gestalt an die Interaktion eines Lesers adaptiert. „AdaptiFont“ misst die Lesegeschwindigkeit der Nutzenden und verändert dabei interaktiv die Formen der Buchstaben nahtlos und kontinuierlich, damit der Text leichter gelesen werden kann. Durch die Verwendung eines Algorithmus aus der künstlichen Intelligenz werden auf diese Weise neue personalisierte Schriftarten in Echtzeit erzeugt, die die individuelle Lesegeschwindigkeit erhöhen. AdaptiFont wurde gerade auf der CHI-Konferenz zur Mensch-Computer-Interaktion vorgestellt.
Sprache ist ohne Zweifel eines der wichtigsten Medien zum Austausch von Wissen zwischen Menschen. Aber gesprochene Sprache oder abstrakter Text muss sichtbar gemacht werden, um gelesen zu werden, ob im Druck oder auf einem Bildschirm. Wie beeinflusst die Gestalt von Schrift die Lesbarkeit eines Textes? Ein Team am ging dieser Frage an der Schnittstelle zwischen Wahrnehmungsforschung, Kognitionswissenschaft und Linguistik nach. Centre for Cognitive Science der TU
Bei digitalem Text gestaltet sich die Sachlage dabei noch komplizierter. Texte werden auf verschiedenen Geräten unter ganz unterschiedlichen äußeren Bedingungen gelesen. Die Kenngrößen des Texts sind dabei, wie auch auf einem analogen Ausdruck auf Papier, zu Beginn gesetzt worden, aber auf dem Bildschirm wird er vergrößert oder verkleinert, Helligkeit und Kontrast des Bildschirms werden von den Nutzenden eingestellt, oder sogar eine andere Schriftart gewählt.
AdaptiFont kann deshalb verstanden werden als ein System, das dynamisch und kontinuierlich während des Lesens Schriften erzeugt, die die Lesegeschwindigkeit verbessern, abhängig vom Inhalt des Textes, der Müdigkeit des Lesers, oder der Art des Displays.
Das Forscherteam der TU Darmstadt hat nun ein System entwickelt, das das Design der Schrift dem Wahrnehmungssystem eines jeden einzelnen überlässt. Zuerst musste eine Methode gefunden werden, neue Schriftarten zu synthetisieren. Hierzu benutzten die Forscher eine Methode des Maschinellen Lernens, die aus 25 gebräuchlichen und klassischen Schriftarten die Struktur von Schrift lernte.
Das System ist in der Lage, Schriften zu erzeugen, die beliebige Zwischenformen anderer Schriftenarten sind – zum Beispiel optisch auf halbem Weg zwischen Helvetica und Times New Roman liegen. Wenn diese neu synthetisierten Schriftarten benutzt werden, um Text darzustellen, werden einige Schriften dazu führen, dass die Lesenden langsamer lesen, während andere Schriften dazu führen, dass sie den Text leichter lesen können. Mit der gemessenen Lesegeschwindigkeit kann nun ein zweiter Algorithmus vermehrt solche Schriften erzeugen, die die Lesegeschwindigkeit vergrößern.
Individuelle Lieblingsschrift muss nicht in allen Situationen passen
In einer Studie, in der Probandinnen und Probanden über eine Stunde Texte lasen, konnte das Forscherteam nun zeigen, dass das System Schriftarten erzeugt, die die Lesegeschwindigkeit aller Teilnehmenden erhöhten. Interessanterweise hatten alle Lesenden ihre eigene, personalisierte Schriftart, die ihnen das Lesen besonders einfach machte. Allerdings gilt: Die individuelle Lieblingsschrift muss nicht in allen Situationen passen. „AdaptiFont kann deshalb verstanden werden als ein System, das dynamisch und kontinuierlich während des Lesens Schriften erzeugt, die die Lesegeschwindigkeit verbessern, abhängig vom Inhalt des Textes, der Müdigkeit des Lesers, oder der Art des Displays“, erläutert Professor Constantin A. Rothkopf, Leiter des Fachgebiets Psychologie der Informationsverarbeitung der TU Darmstadt und Mitglied des Centre for Cognitive Science.
Das System AdaptiFont wurde jüngst auf der der Fachcommunity vorgestellt. Es ist zum Patent angemeldet, künftige Anwendungsmöglichkeiten liegen bei allen elektronischen Geräten, auf denen Texte gelesen werden. Conference on Human Factors in Computing Systems (CHI)
Rothkopf/sip
AdaptiFont: Increasing Individuals' Reading Speed with a Generative Font Model and Bayesian Optimization
Empfohlener externer Content
Wir haben für Sie einen externen Inhalt von YouTube ausgewählt und möchten Ihnen diesen hier zeigen. Dazu müssen Sie ihn mit einem Klick einblenden. Mit einem weiteren Klick können Sie den externen Inhalt jederzeit ausblenden.
Ich bin damit einverstanden, dass mir externe Inhalte von YouTube angezeigt werden. Dadurch ist es möglich, dass personenbezogene Daten an Drittplattformen übermittelt werden. Weitere Informationen finden Sie in unserer Datenschutzerklärung.