Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

Un método de evaluación y un kit de herramientas para evaluar el diseño del teclado en teléfonos inteligentes

Published: October 5, 2020 doi: 10.3791/61796
Automatic Translation
1, 1, 1, 2, 3, 1
1Department of Psychology, School of Social Sciences, Tsinghua University, 2Department of Computer Science, Beijing Normal University, 3Haier Innovation Design Center, Haier Company

ERRATUM NOTICE

Summary

El protocolo presentado integra varios métodos de evaluación y demuestra un método para evaluar el diseño del teclado en teléfonos inteligentes. Los pares emparejados por caracteres en inglés se proponen como material de entrada, y el tiempo de transición entre dos claves se utiliza como variable dependiente.

Abstract

La entrada de teclado ha desempeñado un papel esencial en la interacción humano-computadora con una vasta base de usuarios, y el diseño del teclado siempre ha sido uno de los objetos fundamentales de estudio sobre dispositivos inteligentes. Con el desarrollo de la tecnología de pantalla, los teléfonos inteligentes podrían recopilar datos e indicadores más precisos para evaluar en profundidad el diseño del teclado. La ampliación de la pantalla del teléfono ha llevado a una experiencia de entrada insatisfactoria y dolor en los dedos, especialmente para la entrada con una sola mano. La eficiencia de entrada y la comodidad han atraído la atención de investigadores y diseñadores, y el teclado curvo con botones ajustables en tamaño, que concuerda aproximadamente con la estructura fisiológica de los pulgares, se propuso para optimizar el uso con una sola mano en teléfonos inteligentes de pantalla grande. Sin embargo, sus efectos reales siguieron siendo ambiguos. Por lo tanto, este protocolo demostró un método general y resumido para evaluar el efecto del diseño curvo del teclado QWERTY en un teléfono inteligente de 5 pulgadas a través de un software de desarrollo propio con variables detalladas, incluidos datos de comportamiento objetivo, retroalimentación subjetiva y los datos de coordenadas de cada punto de contacto. Existe suficiente literatura sobre la evaluación de teclados virtuales; sin embargo, sólo unos pocos de ellos resumieron sistemáticamente y reflexionaron sobre los métodos y procesos de evaluación. Por lo tanto, este protocolo llena el vacío y presenta un proceso y método de evaluación sistemática del diseño del teclado con códigos disponibles para el análisis y la visualización. No necesita equipos adicionales o costosos y es fácil de conducir y operar. Además, el protocolo también ayuda a obtener posibles razones para las desventajas del diseño e ilumina la optimización de los diseños. En conclusión, este protocolo con los recursos de código abierto no solo podría ser un experimento demostrativo en clase para inspirar al novato a comenzar sus estudios, sino que también contribuye a mejorar la experiencia del usuario y los ingresos de las empresas editoras de métodos de entrada.

Introduction

La entrada de teclado es el método principal de la interacción humano-teléfono inteligente1,2,y con la penetración de los teléfonos inteligentes, la entrada de teclado obtiene miles de millones de usuarios. En 2019, la tasa global de penetración de teléfonos inteligentes había alcanzado el 41,5%3,mientras que Estados Unidos, con la mayor penetración, había llegado hasta el 79,1%4. Hasta el primer trimestre de 2020, el teclado móvil Sogou tenía alrededor de 480 millones de usuarios activos diarios5. Hasta el 6 de mayo de 2020, el Google Gboard se había descargado más de 1.000 millones de veces6.

La experiencia de entrada de teclado insatisfactoria aumenta con la ampliación de la pantalla del teléfono. Aunque la pantalla ampliada tenía como objetivo mejorar la experiencia de visualización, ha cambiado la gravedad, el tamaño y el peso de los teléfonos inteligentes, lo que hace que los usuarios cambien la postura de sujeción repetidamente para llegar a áreas remotas (por ejemplo, los botones A y Q para usuarios diestros), lo que lleva a la ineficiencia de entrada. El estiramiento del músculo puede hacer que los usuarios sufran de trastornos musculoesqueléticos, dolores en las manos y diferentes tipos de enfermedades (por ejemplo, síndrome del túnel carpiano, osteoartritis del pulgar y tenosinovitis del pulgar7,8,9,10). Los usuarios que prefieren el uso con una sola mano están en peores condiciones11,12.

Por lo tanto, la evaluación y optimización del diseño del teclado se han convertido en temas candentes de investigación psicológica, técnica y ergonómica. Las empresas e investigadores del editor de métodos de entrada (IME) han propuesto constantemente diseños y conceptos de teclado variable para optimizar la experiencia y la eficiencia de la entrada, incluidos los teclados con cambio de diseño y reordenados por caracteres: Microsoft WordFlow Keyboard13,Functional Button Area in Glory of Kings14,IJQWERTY15y Quasi-QWERTY16.

Los métodos de evaluación existentes del diseño del teclado varían de un investigador a otro, excepto por varios indicadores altamente aceptados, y se proponen indicadores más precisos. Sin embargo, con una variedad de indicadores, no hay un protocolo resumido y sistemático proporcionado para demostrar el proceso de evaluación y análisis del diseño del teclado. La Ley17 de Fitts y su versión extendida de la Ley FFitts18,que describía la interacción humano-computadora, fueron ampliamente adoptadas para evaluar el rendimiento del teclado19,20,21,22. Además, el área funcional del pulgar se propuso para mejorar el diseño del teclado, y describió un área de movimiento curva para que el pulgar complete cómodamente la tarea de entrada23. Sobre la base de estas teorías, los indicadores que incluyen palabra por minuto, tasa de error de palabra y retroalimentación subjetiva (usabilidad percibida, rendimiento percibido, velocidad percibida, carga de trabajo subjetiva, esfuerzo y dolor percibidos, e intención de uso, etc.), que fueron altamente adoptados, se utilizaron parcialmente en estudios previos24,25,26,27,28,29 excepto para los métodos de modelado y simulación. Además, la elipse ajustada de puntos de contacto en cada botón y su desplazamiento30,31 se utilizaron en los últimos años para investigar el rendimiento preciso de los eventos de entrada. Asimismo, se adoptaron la respuesta galvánica de la piel, la frecuencia cardíaca, la actividad electromiográfica, el gesto con las manos y el movimiento corporal32,33, 34,35 para evaluar directa o indirectamente la fatiga muscular, la comodidad y la satisfacción de los usuarios. Sin embargo, estos diversos métodos carecen de reflexión sobre la idoneidad de los indicadores utilizados, y un investigador novato puede confundirse para seleccionar los indicadores apropiados para su investigación.

La investigación sobre el diseño del teclado también es fácil de realizar, operar y analizar. Con el auge de la tecnología de pantalla, se podrían recopilar fácilmente más datos de comportamiento para evaluar el diseño del teclado en profundidad (por ejemplo, el tiempo de transición entre dos teclas y los datos de coordenadas de cada punto de contacto). Sobre la base de los datos mencionados, los investigadores podrían explorar con precisión los detalles del diseño del teclado y analizar sus desventajas y ventajas. En comparación con otras investigaciones de interacción humano-computadora, la investigación del diseño del teclado en teléfonos inteligentes portátiles también tiene un alto valor de aplicación para su vasta base de usuarios sin equipos costosos, materiales complicados o un gran espacio de laboratorio necesario. Los cuestionarios, escalas y scripts de Python sobre la investigación son de código abierto y de fácil acceso.

El propósito de esta investigación es resumir los métodos anteriores para demostrar un protocolo sistemático, preciso y general para evaluar y analizar el diseño del teclado en los teléfonos inteligentes. El experimento ejemplar y los resultados tienen como objetivo mostrar si el teclado QWERTY curvo con botones ajustables en tamaño podría optimizar la experiencia de entrada de una sola mano en un teléfono inteligente de 5 pulgadas en comparación con el teclado QWERTY tradicional y compartir el método de visualización y el script Python de análisis de datos.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

El estudio se realizó de acuerdo con el principio ético y fue aprobado por el Comité de Ética de la Universidad de Tsinghua. La Figura 1 muestra el proceso de evaluación del diseño del teclado de los teléfonos inteligentes.

Figure 1
Figura 1: Proceso general de realización de un experimento de teclado y evaluación del diseño del teclado. Haga clic aquí para ver una versión más grande de esta figura.

1. Preparación

  1. Diseño de experimentos
    1. Definir el tema de investigación y proponer la hipótesis.
    2. Diseñe el experimento de acuerdo con la hipótesis y defina las variables independientes (por ejemplo, distribución del teclado, postura de escritura). Utilice el diseño dentro del sujeto para reducir los factores de confusión y la varianza causada por la diferencia entre los participantes.
  2. Variables dependientes
    1. Utilice datos físicos, incluida la longitud de la mano, la longitud del dedo de entrada y la circunferencia del dedo de entrada, que se midieron mediante una cinta métrica, como se muestra en la Figura 2.
    2. Utilice datos fisiológicos, incluida la respuesta galvánica de la piel (medida por el detector fisiológico inalámbrico portátil), la frecuencia cardíaca (medida por el detector fisiológico inalámbrico portátil), la actividad electromiográfica (medida por electromiografía de superficie), etc.
    3. Utilice el rendimiento de entrada: palabra por minuto, tasa de error de palabras y tiempo de transición entre dos claves.
      1. Palabra por minuto se refiere a la velocidad de entrada de los participantes (es decir, el número de palabras ingresadas correctamente por minuto).
      2. La tasa de error de palabras se refiere a la precisión de entrada de los participantes (es decir, el número de palabras ingresadas incorrectamente dividido por el número total de palabras bajo una condición). La tasa de error corregida, la tasa de error no corregida y la tasa de error total también se han utilizado en estudios previos36.
      3. El tiempo de transición entre dos teclas se refiere al tiempo de reacción de los participantes entre dos puntos de contacto de una palabra22 ingresada correctamente (es decir, la hora de inicio del segundo punto de contacto menos la hora de salida del primer carácter).
    4. Use datos de movimiento corporal, como el gesto de la mano y el movimiento del cuerpo (dedo). Podrían ser recogidos por el sistema de captura de movimiento35.
    5. Utilice datos subjetivos como la usabilidad percibida, la intención de uso, la precisión y velocidad percibidas, el esfuerzo y el dolor percibidos, y la carga de trabajo subjetiva, etc. Los datos subjetivos se pueden obtener a través de escalas y cuestionarios existentes, que son altamente confiables y válidos para evaluar mejor la retroalimentación subjetiva de los participantes sobre el diseño del teclado.
      1. Use NASA-TLX, una escala de 21 puntos que se utiliza para medir la carga de trabajo subjetiva a través de dimensiones mentales, físicas, de tiempo, rendimiento, esfuerzo y frustración. Una puntuación alta indica una alta carga de trabajo subjetiva26.
      2. Utilice la Escala de Usabilidad del Sistema, un cuestionario de 5 puntos con 10 ítems, y las respuestas de un participante se calcularán como una puntuación única de 0 a 100. Una puntuación alta indica una alta usabilidad percibida24.
      3. Utilice la escala Borg CR10, que varía de 0 a 10 para medir el dolor y el esfuerzo percibidos. Una puntuación alta indica un alto nivel de dolor y esfuerzo percibido25.
      4. Use la escala de intención de uso: un cuestionario de 10 puntos que se utiliza para medir la probabilidad de que los participantes usen la tecnología o los productos. Una puntuación alta indica una probabilidad de alto nivel28.
      5. La velocidad percibida y la precisión percibida se miden mediante escalas de 50 puntos, y una puntuación alta indica un buen rendimiento percibido28.
    6. Recopile los datos de coordenadas de cada punto de contacto y cámbielos a la elipse ajustada (IC 95%) de puntos de contacto en cada botón30,31. Adopte el área de cada elipse ajustada y el desplazamiento desde el centro de la elipse ajustada hasta el centro objetivo de cada botón como variables dependientes.
      NOTA: Los datos de coordenadas pueden ser recopilados con precisión por la aplicación de desarrollo propio en el teléfono inteligente. Si es difícil obtener los datos de coordenadas, los datos objetivos y subjetivos son suficientes para evaluar aproximadamente el diseño del teclado.

Figure 2
Figura 2: La medición de la mano. Haga clic aquí para ver una versión más grande de esta figura.

  1. Materiales
    1. Elija el smartphone del experimento. Tenga en cuenta el peso, la resolución y el tamaño de la pantalla.
    2. Diseñar y desarrollar el software de experimento en smartphones (paso opcional).
      NOTA: El tiempo de transición entre dos teclas puede ser registrado automáticamente por este software o sensores de captura de movimiento (es decir, el sensor del acelerómetro). Puede ser difícil recogerlo manualmente (por ejemplo, un reloj o cronómetro).
    3. Seleccione la tarea de entrada de las siguientes sugerencias basadas en la hipótesis y revísela para que coincida con el propósito de la investigación.
      1. Para la tarea de entrada de pares de caracteres, empareje aleatoriamente 26 letras inglesas en 676 pares y divídalas en promedio en varios grupos según el diseño del experimento.
      2. Para la tarea de entrada de frases (oraciones), use frases que sean moderadas en longitud, fáciles de recordar y representativas del idioma de destino. Si el idioma de destino es el inglés, extraiga de 15 a 20 (o según el propósito de la investigación) frases o palabras de un conjunto de 500 frases37.
  2. Reclutamiento de participantes
    1. Utilice el software G*Power para calcular el tamaño de la muestra.
    2. Publicar cuestionarios para reclutar participantes potenciales.
    3. Filtre a los participantes potenciales con las características deseadas, por ejemplo, edad, salud, visión, mano y experiencia de entrada. Asegúrese de que la experiencia de entrada de los participantes sea equilibrada.

2. Procedimiento

  1. Lea el formulario de consentimiento informado del experimento a los participantes, incluido el procedimiento del experimento, la tarea y si encontrarán alguna lesión mental o física. Si los participantes aceptan participar, deben firmar el formulario de consentimiento informado. De lo contrario, pueden retirarse de inmediato. De acuerdo con el formulario de consentimiento informado, los participantes también pueden retirarse en cualquier etapa del experimento.
  2. Recopilar datos físicos y demográficos. Utilice una cinta métrica para medir la mano de cada participante (Figura 2) con el fin de eliminar el efecto de la diferencia de tamaño de la mano y también proporcionar datos repetibles para futuras investigaciones. Recopile datos demográficos como la edad, el género, la experiencia de entrada precisa y la ocupación.
  3. Desinfecte todos los dispositivos y limpie las partes del cuerpo del participante que tocarán los dispositivos.
    1. Pida a los participantes que se laven las manos y limpien la pantalla de los teléfonos inteligentes para que los sensores de los teléfonos inteligentes puedan ser más sensibles.
    2. Pida a los participantes que usen detectores fisiológicos inalámbricos portátiles o un sistema de captura de movimiento. Pida a los participantes que usen la pulsera de detección fisiológica inalámbrica portátil en la mano no dominante para registrar la respuesta galvánica de la piel y la frecuencia cardíaca con la interferencia de ruido evitada.
      1. Coloque marcadores pasivos del sistema de captura de movimiento en las uñas, la falange proximal del dedo, las vértebras cervicales (C3-C5) y el brazo, para recoger el movimiento preciso del cuerpo y los dedos. Pegue electrodos inalámbricos a la piel de dos brazos y dos antebrazos para detectar la actividad electromiográfica (paso opcional).
    3. Calibrar todos los dispositivos utilizados en el experimento.
  4. Parte de práctica
    1. Permita que los participantes completen la tarea de capacitación. La tarea de entrenamiento se utiliza para mejorar la familiaridad de los participantes con las tareas de entrada y los teclados para reducir el efecto de la práctica o la falta de familiaridad en el resultado del experimento. Se compone de 50 pares o 20 palabras seleccionadas al azar del conjunto de 676 pares en inglés o 500 frases. Solo cuando su precisión de entrada alcanza el 80% o más en 150 segundos pueden ingresar a los ensayos formales. La investigación ejemplar adoptó la nsomisión de 50 pares como tarea de entrenamiento.
  5. Tarea principal
    1. Permita que los participantes completen ensayos formales en todas las condiciones experimentales. Deben garantizar su precisión lo más rápido posible durante el tiempo de la tarea de entrada. Los ensayos formales son tareas de entrada reales que serán evaluadas y analizadas en la investigación. Cada par, palabra u oración representa un ensayo, y diferentes diseños experimentales producen diferentes condiciones experimentales.
    2. Haga que los participantes completen la tarea de entrada en orden aleatorio o en un orden equilibrado. Los métodos de división de los materiales de entrada son los siguientes. Primero, 676 pares se pueden dividir aleatoriamente en cada condición experimental (es decir, los participantes han ingresado todos los pares cuando completan todas las condiciones experimentales). En segundo lugar, bajo cada condición experimental, 676 pares se pueden dividir en varios bloques al azar, y los participantes deben completar estos bloques al azar. En tercer lugar, para ingresar palabras, los participantes deben completar alrededor de 20 ensayos bajo cada condición. Cuarto, para ingresar oraciones, los participantes deben completar alrededor de 10 a 15 ensayos bajo cada condición. Los investigadores deben asegurarse de que no haya diferencias significativas entre el número de caracteres y el número de palabras introducidas por el participante bajo cada condición. La investigación ejemplar adoptó el primer método y tuvo cuatro condiciones experimentales.
    3. Después de cada condición, pida a los participantes que completen todos los cuestionarios (escalas que evalúan su experiencia subjetiva) al azar y déles 1 minuto o más para descansar.
  6. Al final del experimento, deje que cada participante termine el cuestionario completo (Q & A) para obtener retroalimentación subjetiva.
  7. Expresar agradecimiento a los participantes con recompensas monetarias o materiales.

3. Análisis de datos

  1. Prueba de hipótesis mediante pruebas paramétricas o no paramétricas apropiadas
    1. Analizar los datos físicos, fisiológicos y de movimiento corporal para probar si la diferencia entre los participantes influiría significativamente en los resultados y la experiencia de entrada inexpresiva de los usuarios (paso opcional).
    2. Analice el rendimiento de entrada de los participantes para probar la eficiencia de entrada en el teclado.
    3. Analice datos subjetivos para probar la usabilidad percibida y la retroalimentación subjetiva del teclado.
    4. Averiga si el efecto de la práctica y el efecto de fatiga influyen significativamente en el resultado. Para cada condición, los ensayos se dividen en dos partes de acuerdo con la marca de tiempo (es decir, la primera mitad parte y la segunda mitad parte). Específicamente, bajo cada condición, examine la diferencia de rendimiento de entrada entre la primera mitad de la parte y la segunda mitad de la parte para probar si existe el efecto de práctica o el efecto de fatiga.
    5. Analice el área de la elipse ajustada de puntos de contacto en cada botón, así como el desplazamiento desde su centro hasta el centro de destino de cada botón (paso opcional).
      1. Recopile todos los puntos de contacto de cada botón con el software, y aproximadamente concuerdan con la distribución gaussiana bivariada. El intervalo de confianza del 95% de cada botón en las direcciones X e Y se deriva a través de los datos de coordenadas de cada punto de contacto en píxel, y las elipses de confianza del 95% sobre un contorno 1: 1 del botón para cada teclado se ajustan a través de scripts de Python en coordenadas de píxeles (consulte Archivo de codificación 2).
      2. Utilice puntos suspensivos ajustados (IC del 95%) y sus áreas para demostrar la dispersión de los puntos de contacto en cada botón. En cada botón, el desplazamiento de la elipse ajustada calculado por scripts de Python se define como el punto central de la elipse ajustada al punto objetivo del botón, y podría representarse desde las direcciones x e y (es decir, en el eje X y el eje Y, consulte el Archivo de codificación 3).
  2. Modelado y simulación
    1. Utilice el modelo basado en datos en función de la ubicación y orientación del teclado para predecir el movimiento de los dedos mediante scripts de Python. Todos los movimientos de los dedos se dividen en ocho direcciones38 (de arriba a abajo, de abajo a arriba, de izquierda a derecha, de derecha a izquierda, de izquierda a derecha-inferior, de derecha-abajo a izquierda-arriba, de izquierda-abajo a derecha-arriba, de derecha-arriba a izquierda-abajo). Para cada dirección, el tiempo de transición promedio entre dos teclas se calcula para representar la efectividad del movimiento de los dedos, que se utiliza para evaluar el diseño del teclado (paso opcional).
    2. Utilice el análisis de regresión lineal para construir un modelo mejorado de la Ley de Fitts (o su versión extendida, la Ley de FFitts) para predecir el tiempo de transición entre dos claves utilizando una arquitectura cognitiva integrada39 mediante scripts de Python. El modelo mejorado de la Ley de Fitts podría proporcionar una mejor predicción y evaluación sobre el diseño del teclado basado en sus análisis sobre la ubicación y el ancho efectivo de las teclas, así como la distancia de dos teclas (paso opcional).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

El estudio representativo sigue principalmente el protocolo mencionado. El estudio adopta un diseño dentro × del sujeto 2 (Distribución del teclado: QWERTY curva vs. QWERTY tradicional vs. QWERTY tradicional) 2 (Tamaño del botón: grande, 6.3 mm × 9 mm vs. pequeño, 4.9 mm × 7 mm) para evaluar si el QWERTY curvo podría mejorar la eficiencia de entrada y la comodidad en comparación con el QWERTY tradicional en diferentes tamaños de botones por la tarea de entrada del par de caracteres a través de nuestro software de desarrollo propio(Figura 3 ). Este estudio no ha adoptado el costoso equipo de detector fisiológico o el sistema de captura de movimiento, y el análisis de datos no contenía el modelado o la simulación.

Figure 3
Figura 3: La interfaz del teclado QWERTY tradicional y el software de teclado QWERTY curvo.
(A) Teclado QWERTY tradicional con gran tamaño de botón (tamaño de tecla de letra: 6,3 mm × 9 mm). (B) Teclado QWERTY curvo con gran tamaño de botón (tamaño de tecla de letra: 6,3 mm × 9 mm). (C) Teclado QWERTY tradicional con tamaño de botón pequeño (tamaño de tecla de letra: 4,9 mm × 7 mm). (D) Teclado QWERTY curvo con tamaño de botón pequeño (tamaño de tecla de letra: 4,9 mm × 7 mm). La relación de aspecto de cada tecla de letra es de 7:10, y el ancho de cada tecla funcional (Eliminar, Espacio, Entrar) es el doble que el de la tecla de letra. Eliminar y Espacir no están trabajados. Los participantes hacen clic en la tecla Intro para pasar a la siguiente prueba. Haga clic aquí para ver una versión más grande de esta figura.

Un total de 24 estudiantes sanos diestros de la Universidad de Tsinghua participaron en este estudio (12 mujeres, M = 22,46 años, SD = 3,04 años). Para ellos, se midió la longitud de la mano derecha(M = 17,98 cm SD = 1,20 cm), la longitud del pulgar derecho(M = 6,00 cm, SD = 0,68 cm) y la circunferencia del pulgar derecho(M = 5,14 cm, SD = 0,52 cm). El tamaño de la muestra fue calculado por G*Power 3.1.9.2 (tamaño del efecto f = 0,25, α = 0,05, potencia = 0,80, correlación entre medidas repetidas = 0,5). El smartphone experimental es un smartphone de 5 pulgadas (peso 138 g, tamaño de pantalla 5,0 pulgadas, ppi 294, px 1280 × 720, tamaño de teléfono 143,5 × 69,9 × 7,6 mm).

El rendimiento de entrada (tiempo de transición entre dos teclas, tasa de error de palabras), retroalimentación subjetiva y elipse ajustado de cada botón se recopilaron y analizaron mediante ANOVA de medidas repetidas. El tiempo de transición entre dos teclas en lugar de palabra por minuto se utiliza en este estudio porque el material de entrada son los pares de caracteres, y el tiempo de transición entre dos teclas podría evaluar el evento táctil de transición con mayor precisión. Los resultados representativos son los siguientes (Tabla 1).

Distribución del teclado Tamaño del botón Distribución del teclado × Tamaño del botón
F p Equation 1 F p Equation 1 F p Equation 1
Tasa de error de Word 48.90 <.001*** 0.68 30.57 <.001*** 0.57 2.63 0.12 0.10
Tiempo de transición entre dos teclas 10.19 .004** 0.31 43.57 <.001*** 0.66 12.75 .002** 0.36
Esfuerzo y dolor percibidos 2.33 0.14 0.09 1.36 0.26 0.06 0.28 0.60 0.01
Intención de uso 7.41 .012* 0.24 3.62 0.07 0.14 0.63 0.44 0.03
Precisión percibida 1.32 0.26 0.54 2.94 0.10 0.11 0.69 0.42 0.03
Velocidad percibida 0.56 0.47 0.02 0.98 0.33 0.04 0.25 0.62 0.01
Usabilidad percibida 0.63 0.44 0.03 5.48 .028* 0.19 0.03 0.87 0.001
Carga de trabajo subjetiva Mental 19.30 <.001*** 0.46 8.88 .007** 0.28 0.01 0.91 0.001
Físico 2.41 0.13 0.10 5.55 .027* 0.19 0.07 0.78 0.003
Hora 0.02 0.9 0.001 10.26 .004** 0.31 0.37 0.55 0.02
Rendimiento 11.51 .003** 0.33 12.25 .002** 0.35 0.02 0.90 0.001
Esfuerzo 4.66 .042* 0.17 16.33 .001** 0.42 0.13 0.72 0.006
Frustración 9.32 .006** 0.29 8.87 .007** 0.28 2.11 0.16 0.08
Área de elipse ajustada 90.00 <.001*** 0.78 1368.78 <.001*** 0.98 31.99 <.001*** 0.56
Desplazamiento de la elipse ajustada Dirección X 10.94 .003** 0.30 1.4 0.25 0.05 6.08 0.21 0.19
Dirección Y 23.49 <.001*** 0.48 0.48 0.50 0.02 13.74 .001** 0.36

Tabla 1: Análisis estadístico del rendimiento de entrada, retroalimentación subjetiva y elipse ajustada de cada botón. Artículo con * significa p < 0.05, artículo con ** significa p < 0.01, y artículo con *** significa p < 0.001.

En el rendimiento de entrada, la interacción entre la distribución del teclado y el tamaño del botón solo es significativa en el tiempo de transición entre dos teclas(Figura 4),y muestra que en el QWERTY curvo, el tiempo de transición entre dos teclas de tamaño de botón pequeño fue significativamente más largo que el del tamaño de botón grande (p < 0.001). El efecto principal de la distribución del teclado es significativo tanto en la tasa de error de palabras(Figura 5)como en el tiempo de transición entre dos teclas, e indica que estas del QWERTY tradicional son significativamente más bajas que las del QWERTY curvo. El efecto principal del tamaño del botón es significativo tanto en la tasa de error de palabras como en el tiempo de transición entre dos teclas, e indica que estas del tamaño del botón grande son significativamente más bajas que las del tamaño del botón pequeño. No se encuentra ningún otro resultado significativo.

Figure 4
Figura 4: El gráfico de barras 3D es la visualización del tiempo de transición entre dos teclas (la izquierda es el primer carácter mientras que la derecha es el segundo carácter) en cuatro teclados.
La altura de cada barra representa el valor del tiempo de transición. Los colores degradados (azul, verde, amarillo y rojo) se utilizan para mostrar la situación de la distribución numérica (consulte el Archivo de codificación suplementaria 1). Haga clic aquí para ver una versión más grande de esta figura.

Figure 5
Figura 5: La tasa de error de palabras de cada teclado. Las barras de error representan ic. 95%. Haga clic aquí para ver una versión más grande de esta figura.

En la retroalimentación subjetiva(Figura 6 y Figura 7),todas las interacciones entre la distribución del teclado y el tamaño del botón no son significativas. El efecto principal de la distribución del teclado es significativo en la intención de uso y la carga de trabajo subjetiva (mental, rendimiento, esfuerzo y frustración), y muestra que los participantes perciben menos carga de trabajo subjetiva (las cuatro facetas anteriores) y tienen más probabilidades de usar el QWERTY curvo en comparación con el QWERTY tradicional. El efecto principal del tamaño del botón es significativo en la usabilidad percibida y todas las facetas de la carga de trabajo subjetiva, e indica que los participantes perciben menos carga de trabajo subjetiva y mayor usabilidad en el tamaño del botón grande en comparación con el tamaño del botón pequeño. No se encuentra ningún otro resultado significativo.

Figure 6
Figura 6: El esfuerzo y el dolor percibidos, la intención de uso (eje Y izquierdo), la precisión percibida, la usabilidad percibida y percibida (eje Y derecho) de cada teclado.
La puntuación alta de esfuerzo y dolor percibidos indica la experiencia insatisfactoria, mientras que los otros indicadores muestran lo contrario. Las barras de error representan ic. 95%. Haga clic aquí para ver una versión más grande de esta figura.

Figure 7
Figura 7: Las seis dimensiones de la carga de trabajo subjetiva.
Las barras de error representan ic. 95%. Haga clic aquí para ver una versión más grande de esta figura.

En el área de la elipse ajustada (Figura 8), la interacción entre la distribución del teclado y el tamaño del botón es significativa, y muestra que tanto para el tamaño del botón pequeño como para el grande, el área del QWERTY tradicional es mayor que la del QWERTY curvo (p < 0.001), mientras que para ambas distribuciones de teclado, el área del botón pequeño es más pequeña que la del botón grande (p < 0,001). El efecto principal del tamaño del botón y la distribución del teclado es significativo, e indica que esas áreas del QWERTY tradicional y el botón grande son más grandes que las del QWERTY curvo y el botón pequeño, respectivamente. No se encuentra ningún otro resultado significativo.

Figure 8
Figura 8: Las elipses ajustadas (IC 95%) de cuatro teclados.
Se dibujan ajustando las posiciones de píxeles de los puntos de contacto en cuatro teclados. La coordenada del centro de la elipse es el valor medio de todos los puntos de contacto de cada botón (consulte Archivo de codificación suplementario 2). Haga clic aquí para ver una versión más grande de esta figura.

En el desplazamiento de la elipse ajustada (Figura 9 y Figura 10), la interacción entre la distribución del teclado y el tamaño del botón solo es significativa en el desplazamiento en la dirección y, y muestra que en el QWERTY curvo, el desplazamiento en la dirección Y del botón pequeño es significativamente más corto que el del botón grande (p < 0.001 ), mientras que en ambos tamaños del botón, el desplazamiento en la dirección Y del QWERTY curvo es significativamente más corto que el del QWERTY tradicional. El efecto principal de la distribución del teclado es significativo tanto en las direcciones x como en y, e indica que el desplazamiento en la dirección y del QWERTY curvo es significativamente más corto que el del QWERTY tradicional. No se encuentra ningún otro resultado significativo.

Figure 9
Figura 9: El desplazamiento de las elipses ajustadas en la dirección x.
La longitud de la flecha, que se amplía 1,2 veces en proporción en la figura debido a la visualización, representa el valor del desplazamiento. Y diferentes colores visualizan el valor de la desviación estándar (±) desde el desplazamiento promedio de cada botón hasta el desplazamiento en la dirección x. El valor menor que -1σ es verde, y el valor más que +1σ es rojo, mientras que el valor entre -1σ y +1σ es naranja (consulte el Archivo de codificación suplementario 3). Haga clic aquí para ver una versión más grande de esta figura.

Figure 10
Figura 10: El desplazamiento de las elipses ajustadas en la dirección Y.
La longitud de la flecha, que se amplía 1,2 veces en proporción en la figura debido a la visualización, representa el valor del desplazamiento. Y diferentes colores visualizan el valor de la desviación estándar (±) desde el desplazamiento promedio de cada botón hasta el desplazamiento en la dirección y. El valor menor que -1σ es verde, y el valor más que +1σ es rojo, mientras que el valor entre -1σ y +1σ es naranja (consulte el archivo de codificación 3, y la escritura de la dirección y es familiar a la de la dirección x). Haga clic aquí para ver una versión más grande de esta figura.

El efecto de práctica se prueba utilizando la prueba tpara comparar el rendimiento de entrada (tasa de error de palabras y tiempo de transición entre dos claves) entre la primera mitad y la segunda mitad de los pares de caracteres. En cuanto a la tasa de error, no hay diferencia significativa entre los dos grupos de pares de caracteres en el QWERTY curvo con tamaño de botón pequeño, t(46) = 2.03, p = 0.05, el QWERTY curvo con tamaño de botón grande, t(46) = -0.47, p = 0.64, el QWERTY tradicional con tamaño de botón grande, t(46) = 0.31, p = 0.76, y el QWERTY tradicional con tamaño de botón pequeño, t(46) = 0,05, p = 0,97. En cuanto al tiempo de transición entre dos teclas, no hay diferencia significativa entre los dos grupos de pares de caracteres en el QWERTY curvo con tamaño de botón grande, t(46) = 0.33, p = 0.74, el QWERTY curvo con tamaño de botón pequeño, t(46) = 0.22, p = 0.83, el QWERTY tradicional con tamaño de botón grande t(46) = 0.66, p = 0.51, y el QWERTY tradicional con tamaño de botón pequeño, t(46) = 0,09, p = 0,93. Los resultados indican que no hay efecto de práctica o efecto de fatiga durante el proceso principal de la tarea de entrada, y los participantes han alcanzado y mantenido el mayor esfuerzo para cada teclado. El valor absoluto del esfuerzo más alto para diferentes teclados puede ser diferente porque el esfuerzo más alto solo indica que han estado familiarizados con el teclado en un 100 por ciento.

Este estudio representativo indica que en el teléfono inteligente de 5 pulgadas, el QWERTY curvo es peor que el QWERTY tradicional, y el tamaño del botón grande es mejor que el tamaño del botón pequeño. En este estudio representativo, el mejor teclado es el teclado QWERTY tradicional con un tamaño de botón grande, mientras que el peor teclado es el teclado QWERTY curvo con un tamaño de botón pequeño. Todos los resultados no se han visto afectados por el efecto de la práctica y el efecto de fatiga. La tasa de error de palabras y el tiempo de transición entre dos teclas indican que el diseño QWERTY curvo aumenta el tiempo de reacción de los participantes entre dos caracteres y puede aumentar la carga de trabajo de reconocimiento a caracteres debido a la posición de las teclas y la rotación mental, lo que lleva a un rendimiento de entrada insatisfactorio, y los resultados son los mismos que el tamaño del botón reducido (teclado QWERTY con tamaño de botón pequeño) en un teléfono inteligente de 5 pulgadas. Aunque la mayoría de los indicadores y dimensiones de la retroalimentación subjetiva no son significativos, la carga de trabajo subjetiva muestra la mayor carga de trabajo percibida del teclado QWERTY con el botón de tamaño reducido y el teclado QWERTY curvo. Sin embargo, a partir del análisis de las elipses ajustadas, los resultados y la Figura 8 y la Figura 10 muestran que el QWERTY curvo tiene menos desplazamiento y sus puntos de contacto son menos dispersivos, y su desplazamiento es principalmente hacia la esquina superior izquierda para uso diestro. Los resultados indican que el diseño QWERTY curvo podría optimizarse ajustando la curvatura del teclado, agregando la función de corrección automática y moderando el tamaño de los botones. Además, de la Figura 8 y la Figura 10,un teclado T9 curvo, que toma el lugar de "R, T, Y, U, I, O, D, F, G, H, J, K, X, C, V, B, N y M" del teclado QWERTY curvo, puede ser un teclado optimizado potencial, es decir, cada tecla del teclado T9 curvo toma el lugar de dos teclas de letras del QWERTY curvo.

Por lo tanto, este estudio representativo solo demuestra aproximadamente el protocolo de la evaluación del diseño del teclado con scripts Python de código abierto, y el método de análisis y optimización podría discutirse en profundidad en función del propósito de investigación de los investigadores en los estudios futuros.

Archivo de codificación suplementario 1: gráficos 3D del tiempo de transición entre dos claves. Haga clic aquí para descargar este archivo.

Archivo de codificación suplementario 2: La elipse ajustada y su área. Haga clic aquí para descargar este archivo.

Archivo de codificación suplementario 3: El desplazamiento de la elipse ajustada. Haga clic aquí para descargar este archivo.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

En este estudio, basado en el desarrollo de la tecnología de pantalla, presentamos un protocolo resumido y general de evaluación del diseño del teclado para evaluar el diseño del teclado de manera sistemática y precisa. Los indicadores y métodos existentes de estudios anteriores, los pares emparejados por caracteres en inglés y el tiempo de transición entre dos claves se integran y modifican para generar un protocolo efectivo.

Varios puntos críticos deben ser notados en este protocolo. La selección de variables e indicadores es esencial porque deciden la perspectiva del análisis, y podría usarse para construir el modelo de evaluación en la etapa posterior del experimento de evaluación del diseño del teclado. A excepción de las variables objetivas, las variables subjetivas también deben considerarse cuidadosamente en el diseño experimental desde múltiples dimensiones, ya que los datos subjetivos juegan un papel vital para ayudarnos a mejorar la experiencia del usuario. Los datos de coordenadas se pueden recopilar y calcular opcionalmente en el protocolo a través de la aplicación de desarrollo propio y los scripts de Python, por ejemplo, la elipse ajustada (95% CI) de puntos de contacto en cada botón y el desplazamiento desde el centro de la elipse ajustada hasta el centro de destino de cada botón. El análisis y la visualización de la elipse ajustada pueden iluminar el método de optimización del diseño del teclado. Además, aunque la medición fisiológica y la medición del movimiento, que dependen del equipo portátil, también son opcionales, podrían ayudar a explorar en profundidad la experiencia inexpresable de los usuarios de teclados.

Un paso crucial en el procedimiento de estudio del teclado es pedir a los participantes que se laven las manos y limpien la pantalla antes del experimento (lo mismo que los detectores portátiles), ya que la grasa de las manos y el sudor pueden afectar la sensibilidad sensorial de la pantalla, influyendo así en los resultados. Los datos físicos (longitud de la mano, longitud de los dedos y circunferencia del pulgar) de los participantes también deben medirse o informarse porque las diferencias físicas entre los participantes pueden afectar los resultados del experimento y la reproducibilidad también.

El protocolo tampoco puede escapar de las siguientes limitaciones. Todos los materiales de entrada propuestos en este estudio pueden concentrarse principalmente en el idioma inglés sin la consideración de otros idiomas. Además, el autodesar desarrollo de un software de teclado para recopilar los datos del experimento puede sugerirse en este protocolo, en lugar de utilizar el método tradicional de recolección y medición manual. Porque un software de desarrollo propio podría recopilar y calcular indicadores más precisos y atribucionales y ayudar a proporcionar una sugerencia de optimización clara sobre el diseño del teclado en lugar de solo concluir el efecto del diseño actual del teclado en condiciones experimentales. Además, otros dispositivos o equipos costosos adoptados por estudios anteriores no se han incluido en los resultados representativos, como el detector fisiológico inalámbrico portátil o el sistema de captura de movimiento, y los investigadores deben elegir sus dispositivos experimentales específicos en función de su problema de investigación e hipótesis. Finalmente, los seguidores de las Nuevas Estadísticas o los entusiastas bayesianos podrían intentar adoptar métodos más estadísticos para analizar y evaluar el diseño del teclado.

Para futuras aplicaciones y direcciones, este protocolo se puede adoptar en el proceso de evaluación del diseño del teclado en otros dispositivos inteligentes. Además de los teléfonos inteligentes, cada vez más dispositivos inteligentes han ganado popularidad, por ejemplo, relojes inteligentes y pulseras portátiles (iWatch), tabletas PC (iPad) y dispositivos de realidad virtual (gafas de realidad virtual). Este protocolo se puede utilizar para evaluar varios diseños de teclado en estos dispositivos y ayuda a las optimizaciones (los indicadores y procesos pueden ajustarse ligeramente). En este sentido, este estudio abre nuevas oportunidades para reexaminar los beneficios y la importancia del estudio de evaluación del diseño del teclado en la pantalla táctil de los dispositivos inteligentes. Por lo tanto, proporciona un método de investigación económico y fácil de llevar a cabo con los recursos de código abierto en el campo de la interacción humano-computadora, la informática y la psicología, haciendo así contribuciones para ayudar a los investigadores y estudiantes novatos a comenzar sus estudios o ser un experimento demostrativo en clase.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Los autores declararon que no había divulgación financiera ni conflictos de intereses.

Acknowledgments

Esta investigación está respaldada por el Programa de Investigación Científica de la Iniciativa de la Universidad de Tsinghua (Diseño ergonómico del teclado curvo en dispositivos inteligentes). Los autores aprecian a Tianyu Liu por sus amables sugerencias y asistencia de codificación en figuras.

Materials

Name Company Catalog Number Comments
Changxiang 6S smartphone Huawei Smartphone used in the examplar study
Curved QWERTY keyboard software Tsinghua University Developed by authors
SPSS software IBM Data analysis software
G*Power software Heinrich-Heine-Universität Düsseldorf Sample size calculation
E4 portable wireless wristband Empatica Recording galvanic skin response and heart rate
Arqus Qualysis Motion capture camera platform
Passive marker Qualysis Appropriate sizes: 2.5 mm, 4 mm, and 6.5 mm
Trigno sEMG Delsys Recording electromyographic activity
Visual Studio Code Microsoft Python editor

DOWNLOAD MATERIALS LIST

References

  1. Lee, S., Zhai, S. The performance of touch screen soft buttons. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. , USA. (2009).
  2. Smith, B. A., Bi, X., Zhai, S. Optimizing touchscreen keyboards for gesture typing. Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems. , USA. (2015).
  3. Statista. Global smartphone penetration rate as share of population from 2016 to 2020 [Fact sheet]. , Available from: https://www.statista.com/statistics/203734/global-smartphone-penetration-per-capita-since-2005 (2020).
  4. Newzoo. Top Countries by Smartphone Users [Fact sheet]. Newzoo. , Available from: https://newzoo.com/insights/rankings/top-countries-by-smartphone-penetration-and-users (2019).
  5. Sogou. Sogou Announces Fourth Quarter and Full Year 2019 Results. Sogou. , Available from: http://ir.sogou.com/2020-03-09-Sogou-Announces-Fourth-Quarter- and-Full-Y ear-2019-Results (2020).
  6. Google Play. Gboard - the Google Keyboard [Press release]. Google Play. , Available from: https://play.google.com/store/apps/details?id=com.google.android.inputmethod.latin &hl=en (2020).
  7. Eitivipart, A. C., Viriyarojanakul, S., Redhead, L. Musculoskeletal disorder and pain associated with smartphone use: A systematic review of biomechanical evidence. Hong Kong Physiotherapy Journal. 38 (2), 77-90 (2018).
  8. Chang, J., Choi, B., Tjolleng, A., Jung, K. Effects of button position on a soft keyboard: Muscle activity, touch time, and discomfort in two-thumb text entry. Applied Ergonomics. 60, 282-292 (2017).
  9. Gehrmann, S. V., et al. Motion deficit of the thumb in CMC joint arthritis. Journal of Hand Surgery. 35 (9), 1449-1453 (2010).
  10. Kim, G., Ahn, C. S., Jeon, H. W., Lee, C. R. Effects of the Use of Smartphones on Pain and Muscle Fatigue in the Upper Extremity. Journal of Physical Therapy Science. 24 (12), 1255-1258 (2012).
  11. Girouard, A., et al. One-handed bend interactions with deformable smartphones. Proceedings of the 33rd annual ACM conference on human factors in computing systems. , USA. (2015).
  12. Lee, M., Hong, Y., Lee, S., Won, J., Yang, J., Park, S. The effects of smartphone use on upper extremity muscle activity and pain threshold. Journal of Physical Therapy Science. 27 (6), 1743-1745 (2015).
  13. Microsoft Garage. Word Flow keyboard [Press release]. Microsoft Garage. , Available from: https://www.microsoft.com/en-us/garage/profiles/word-flow-keyboard/ (2020).
  14. Tencent Games. The glory of kings [Press release]. Tencent Games. , Available from: https://pvp.qq.com/ (2020).
  15. Bi, X., Zhai, S. Ijqwerty: what difference does one key change make? Gesture typing keyboard optimization bounded by one key position change from qwerty. Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems. , USA. (2016).
  16. Bi, X., Smith, B. A., Zhai, S. Quasi-qwerty soft keyboard optimization. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. , USA. (2010).
  17. Fitts, P. The information capacity of the human motor system is controlled by the amplitude of movement. Journal of Experimental Psychology. 47, 381-391 (1954).
  18. Bi, X., Li, Y., Zhai, S. FFitts law: modeling finger touch with fitts' law. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. , USA. (2013).
  19. Dunlop, M., Levine, J. Multidimensional pareto optimization of touchscreen keyboards for speed, familiarity and improved spell checking. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. , USA. (2012).
  20. Li, Y., Chen, L., Goonetilleke, R. S. A heuristic-based approach to optimize keyboard design for single-finger keying applications. International Journal of Industrial Ergonomics. 36 (8), 695-704 (2006).
  21. Benligiray, B., Topal, C., Akinlar, C. SliceType: fast gaze typing with a merging keyboard. Journal on Multimodal User Interfaces. 13 (4), 321-334 (2019).
  22. Wang, Y., Ai, H., Liang, Q., Chang, W., He, J. How to optimize the input efficiency of keyboard buttons in large smartphone? A comparison of curved keyboard and keyboard area size [Conference presentation]. International Conference on Human-Computer Interaction. , Berlin, Germany. (2019).
  23. Bergstrom-Lehtovirta, J., Oulasvirta, A. Modeling the functional area of the thumb on mobile touchscreen surfaces. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. , Canada. (2014).
  24. Brooke, J. SUS: A retrospective. Journal of Usability Studies. 8 (2), 29-40 (2013).
  25. Borg, G. Principles in scaling pain and the Borg CR Scales. Psychologica. 37, 35-47 (2004).
  26. Hart, S. G., Staveland, L. E. Development of NASA-TLX (task load index): results of empirical and theoretical research. Human mental workload. Hancock, P. A., Meshkati, N. , Oxford. 139-183 (1988).
  27. Trudeau, M. B., Asakawa, D. S., Jindrich, D. L., Dennerlein, J. T. Two-handed grip on a mobile phone affords greater thumb motor performance, decreased variability, and a more extended thumb posture than a one-handed grip. Applied Ergonomics. 52, 24-28 (2016).
  28. Turner, C. J., Chaparro, B. S., He, J. Text input on a smartwatch qwerty keyboard: tap vs. trace. International Journal of Human Computer Interaction. 33 (1-3), 143-150 (2017).
  29. Zhai, S., Kristensson, P. O. The word-gesture keyboard: reimagining keyboard interaction. Communications of the ACM. 55 (9), 91-101 (2012).
  30. Azenkot, S., Zhai, S. Touch behavior with different postures on soft smartphone keyboards. Proceedings of the 14th international conference on Human-computer interaction with mobile devices and services. , New York, USA. (2012).
  31. Yi, X., Yu, C., Shi, W., Shi, Y. Is it too small?: Investigating the performances and preferences of users when typing on tiny qwerty keyboards. International Journal of Human Computer Studies. 106, 44-62 (2017).
  32. Li, Y., You, F., Ji, M., You, X. Smartphone text input: effects of experience and phrase complexity on user performance, physiological reaction, and perceived usability. Applied Ergonomics. 80, 200-208 (2019).
  33. Gerard, M. J., Jones, S. K., Smith, L. A., Thomas, R. E., Wang, T. An ergonomic evaluation of the Kinesis ergonomic computer keyboard. Ergonomics. 37 (10), 1661-1668 (1994).
  34. Van Galen, G. P., Liesker, H., Haan, A. Effects of a vertical keyboard design on typing performance, user comfort and muscle tension. Applied Ergonomics. 38 (1), 99-107 (2007).
  35. Baker, N. A., Cham, R., Cidboy, E. H., Cook, J., Redfern, M. S. Kinematics of the fingers and hands during computer keyboard use. Clinical Biomechanics. 22 (1), 34-43 (2007).
  36. Soukoref, R. W., MacKenzie, I. S. Metrics for text input research: an evaluation of MSD and KSPC, and a new unified error metric. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. , 113-120 (2003).
  37. Mackenzie, I. S., Soukoreff, R. W. Phrase sets for evaluating text entry techniques. CHI'03 Extended Abstracts on Human Factors in Computing Systems. , 754-755 (2003).
  38. Trudeau, M. B., Sunderland, E. M., Jindrich, D. L., Dennerlein, J. T., Federici, S. A data-driven design evaluation tool for handheld device soft keyboards. Plos One. 9 (9), 107070 (2014).
  39. Cao, S., Ho, A., He, J. Modeling and predicting mobile phone touchscreen transcription typing using an integrated cognitive architecture. International Journal of Human-Computer Interaction. 34 (4-6), 544-556 (2018).

Tags

Comportamiento Problema 164 ergonomía entrada de texto evaluación del diseño del teclado teléfono inteligente tarea de escritura

Erratum

Formal Correction: Erratum: An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones
Posted by JoVE Editors on 09/01/2022. Citeable Link.

An erratum was issued for: An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones. The Authors section was updated.

Yincheng Wang1
Ke Wang1
Yuqi Huang1
Di Wu2
Jian Wu3
Jibo He4,1
1Department of Psychology, School of Social Sciences, Tsinghua University
2Department of Computer Science, Beijing Normal University
3Haier Innovation Design Center, Haier Company
4Key Laboratory of Emotion and Mental Health in Chongqing, User Experience and Human-computer Interaction Technology Institute, Chongqing University of Arts and Sciences

to:

Yincheng Wang1
Ke Wang1
Yuqi Huang1
Di Wu2
Jian Wu3
Jibo He1
1Department of Psychology, School of Social Sciences, Tsinghua University
2Department of Computer Science, Beijing Normal University
3Haier Innovation Design Center, Haier Company

Un método de evaluación y un kit de herramientas para evaluar el diseño del teclado en teléfonos inteligentes
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Wang, Y., Wang, K., Huang, Y., Wu,… More

Wang, Y., Wang, K., Huang, Y., Wu, D., Wu, J., He, J. An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones. J. Vis. Exp. (164), e61796, doi:10.3791/61796 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter