Studi: Usia Berperan Besar dalam Pemilihan Jenis Font

Ilustrasi Font, Tulisan, Huruf. Kredit: Willi Heidelbach via Pixabay

Liputan6.com, Jakarta - Sebuah tim dari University of Central Florida bekerja sama dengan tim Adobe melatih model machine learning untuk memberikan rekomendasi font terpersonalisasi. Model itu mampu meningkatkan aksesibilitas informasi digital dan pengalaman membaca individu.

Tim ini terdiri dari peneliti dan insinyur machine learning Adobe yang berkolaborasi dengan peneliti pencitraan, pakar tipografi, data scientist, dan peneliti keterbacaan University of Central Florida. Hasil penelitian mereka baru-baru ini terbit di ACM Designing Interactive Systems 2022.

"Masa depan keterbacaan adalah perangkat yang melihat manusia membaca dan menggunakan kinerja mereka untuk menyesuaikan format, sehingga mereka membaca dengan sebaik-baiknya," ujar Ben Sawyer, Direktur di Readability Consortium dan Virtual Readability Lab di University of Central Florida.

Sawyer dan Zoya Bylinskii, seorang peneliti di Adobe, terlibat dalam konsep penelitian dan memberikan panduan selama penelitian. Tianyuan Cai, seorang insinyur machine learning di Acrobat.com, memimpin studi FontMART.

Studi ini menggunakan Tes Preferensi Font yang ditampilkan di situs web Virtual Readability Lab untuk memberikan fondasi evaluasi rekomendasi FontMART.

Pertimbangan preferensi font penting karena font pilihan orang sering kali berbeda dari font yang dapat meningkatkan pengalaman dan kinerja membaca mereka. Perbedaan antara font pilihan pembaca dan font tercepat telah ditunjukkan dalam penelitian keterbacaan sebelumnya.

Menurut studi ini, model FontMART dapat merekomendasikan font yang meningkatkan kecepatan membaca dengan mencocokkan karakteristik pembaca dengan karakteristik font tertentu.

* Fakta atau Hoaks? Untuk mengetahui kebenaran informasi yang beredar, silakan WhatsApp ke nomor Cek Fakta Liputan6.com 0811 9787 670 hanya dengan ketik kata kunci yang diinginkan.

Seorang tato artis dari Cyprus, Andreas Vrontis menciptakan seni tato yang tak biasa. Ia melukis tato dengan menggunakan huruf dan angka kode komputer.

2 dari 4 halaman

Cara kerja model machine learning

Model FontMART belajar untuk mengasosiasikan font dengan karakteristik pembaca tertentu. FontMART dilatih dengan studi keterbacaan jarak jauh dari 252 pekerja urunan dan informasi demografis yang mereka laporkan sendiri.

Wawancara dengan tipografer mempengaruhi pemilihan delapan font yang digunakan dalam penelitian ini. Pemilihan font termasuk font dari keluarga Serif (Georgia, Merriweather, Times, dan Source Serif Pro) dan Sans Serif (Arial, Open Sans, Poppins, dan Roboto).

Para peneliti mendapati bahwa efek dari font tersebut bervariasi menurut pembacanya.

FontMART mampu memprediksi font yang bekerja dengan baik untuk pembaca tertentu dengan memahami hubungan antara karakteristik font dan karakteristik pembaca seperti familiaritas font, kecepatan membaca yang dilaporkan sendiri, dan usia.

* BACA BERITA TERKINI LAINNYA DI GOOGLE NEWS

3 dari 4 halaman

Usia berperan besar

Di antara karakteristik yang dipertimbangkan, usia memainkan peran terbesar ketika model menentukan font mana yang direkomendasikan untuk pembaca.

Misalnya, karakteristik font seperti bobot yang lebih berat bermanfaat bagi pengalaman membaca orang dewasa yang lebih tua karena goresan font yang lebih tebal lebih mudah dibaca bagi mereka yang memiliki penglihatan lebih lemah dan bervariasi.

4 dari 4 halaman

Perlu penelitian lanjutan

Penelitian lebih lanjut diperlukan dan mungkin mencakup distribusi usia peserta yang lebih luas agar lebih mewakili populasi umum, mengevaluasi efektivitas model untuk konteks membaca lain seperti bentuk panjang atau sekilas, dan memperluas bahasa dan karakteristik font terkait untuk mengakomodasi keragaman pembaca dengan lebih baik.

Para peneliti juga menilai bahwa lolaborasi dan penelitian berkelanjutan akan membantu memperluas karakteristik yang dieksplorasi untuk meningkatkan model FontMART dan meningkatkan pengalaman membaca individu.