Онтологічна модель факторів додрукарського опрацювання газетно-журнальних видань
Анотація
У статті розглянуто проблематику додрукарського опрацювання газетно-журнальних видань, від якості виконання якого безпосередньо залежить рівень сприйняття інформаційного контенту та якість готової поліграфічної продукції. Встановлено, що окремі складові цього процесу, зокрема розмірні параметри, шрифтове, ілюстративне та композиційне оформлення, макетування і верстання, визначають структурно-функціональні характеристики видання. Відсутність інтегрованої системи їх формалізованого представлення ускладнює уніфікацію термінології та створює перешкоди для автоматизації видавничих процесів. Запропоновано онтологічну модель факторів додрукарського опрацювання, яка забезпечує формалізоване відображення основних параметрів та їх взаємозв’язків. Онтологія реалізує ієрархічну структуру понять і атрибутів, що відображають взаємодію між розмірними характеристиками шпальти, колонковою організацією, типографічними рішеннями, ілюстративними матеріалами та композиційними схемами. Тобто, основними класами розробленої онтології є фактори впливу на якість додрукарського опрацювання газетно-журнальних видань. Кожен з основних класів містить класи другого рівня. Такий підхід дозволяє створити цілісне знанняве середовище, придатне для повторного використання, розширення й інтеграції в сучасні інформаційні системи видавничої галузі. Запропоновано методику оцінювання якості додрукарського опрацювання газетно-журнальних видань на основі розробленої онтології, згідно якої визначається відповідність параметрів кожного фактора рекомендованим нормативам оформлення та інтегральний показник якості. Розроблено алгоритм оцінювання якості додрукарського опрацювання газетно-журнальних видань, який дозволяє користувачам вводити параметри макету, зіставляє параметри з відповідними класами та властивостями онтологічної моделі, перевіряє відповідність параметрів нормативним діапазонам, обчислює інтегральний показник якості та формує відповідні рекомендації
Посилання
2. Javed S., Usman M., Sandin F., Liwicki M., Mokayed H. Deep Ontology Alignment Using a Natural Language Processing Approach for Automatic M2M Translation in IIoT. Sensors, 2023. № 23(20):8427.
3. Sheppard S. M., Nobles S. L., Palma A., Kajfez S., Jordan M., Crowley K., Beier S. One Font Doesn’t Fit All: The Influence of Digital Text Personalization on Comprehension in Child and Adolescent Readers. Education Sciences, 2023. № 13(9):864.
4. Day S. L., Atilgan N., Giroux A. E., Sawyer B. D. The Influence of Format Readability on Children’s Reading Speed and Comprehension. Education Sciences, 2024. № 14(8):854.
5. Lim S.-B., Ji Y.-S., Ahn B., Park J. H., Song Y. Implementing and Evaluating a Font Recommendation System Through Emotion-Based Content-Font Mapping. Applied Sciences, 2024. № 14(3):1123.


