Waiting
Login processing...

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

Behavior

Een beoordelingsmethode en toolkit om toetsenbordontwerp op smartphones te evalueren

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

Het gepresenteerde protocol integreert verschillende evaluatiemethoden en demonstreert een methode om het toetsenbordontwerp op smartphones te evalueren. Paren die overeenkomen met Engelse tekens worden voorgesteld als het invoermateriaal en de overgangstijd tussen twee sleutels wordt gebruikt als de afhankelijke variabele.

Abstract

Toetsenbordinvoer heeft een essentiële rol gespeeld in de interactie tussen mens en computer met een groot aantal gebruikers, en het toetsenbordontwerp is altijd een van de fundamentele objecten geweest van studies op slimme apparaten. Met de ontwikkeling van schermtechnologie kunnen nauwkeurigere gegevens en indicatoren door smartphones worden verzameld om het toetsenbordontwerp diepgaand te evalueren. De vergroting van het telefoonscherm heeft geleid tot onbevredigende invoerervaring en vingerpijn, vooral voor invoer met één hand. De invoerefficiëntie en het comfort hebben de aandacht getrokken van onderzoekers en ontwerpers, en het gebogen toetsenbord met in grootte verstelbare knoppen, dat ruwweg overeenkwam met de fysiologische structuur van duimen, werd voorgesteld om het gebruik met één hand op smartphones met groot scherm te optimaliseren. De werkelijke effecten bleven echter dubbelzinnig. Daarom demonstreerde dit protocol een algemene en samengevatte methode om het effect van gebogen QWERTY-toetsenbordontwerp op een 5-inch smartphone te evalueren via een zelfontwikkelde software met gedetailleerde variabelen, waaronder objectieve gedragsgegevens, subjectieve feedback en de coördinatengegevens van elk aanraakpunt. Er is voldoende literatuur over het evalueren van virtuele toetsenborden; slechts enkele van hen hebben echter systematisch de evaluatiemethoden en -processen samengevat en beraadstrokken. Daarom vult dit protocol de leemte op en presenteert het een proces en methode voor de systematische evaluatie van toetsenbordontwerp met beschikbare codes voor analyse en visualisatie. Het heeft geen extra of dure apparatuur nodig en is gemakkelijk uit te voeren en te bedienen. Bovendien helpt het protocol ook om mogelijke redenen te krijgen voor de nadelen van het ontwerp en verlicht het de optimalisatie van ontwerpen. Kortom, dit protocol met de open-source bronnen kan niet alleen een demonstratief experiment in zijn klasse zijn om de beginner te inspireren om zijn studie te starten, maar draagt ook bij aan het verbeteren van de gebruikerservaring en de inkomsten van bedrijven die invoermethode-editors gebruiken.

Introduction

Toetsenbordinvoer is de mainstream methode van de interactie tussen mens en smartphone1,2,en met de penetratie van smartphones krijgt toetsenbordinvoer miljarden gebruikers. In 2019 had de wereldwijde penetratiegraad van smartphones 41,5%bereikt 3, terwijl de Verenigde Staten, met de hoogste penetratie, waren gekomen tot 79,1%4. Tot het eerste kwartaal van 2020 had het Sogou mobiele toetsenbord ongeveer 480 miljoen dagelijks actieve gebruikers5. Tot 6 mei 2020 was het Google Gboard meer dan 1 miljard keer gedownload6.

Onbevredigende toetsenbordinvoerervaring neemt toe met de vergroting van het telefoonscherm. Hoewel het vergrote scherm bedoeld was om de kijkervaring te verbeteren, heeft het de zwaartekracht, grootte en het gewicht van smartphones veranderd, waardoor gebruikers herhaaldelijk van houding veranderen om afgelegen gebieden te bereiken (bijv. Knop A en Q voor rechtshandige gebruikers), wat leidt tot invoerinefficiëntie. De uitrekking van spieren kan ervoor zorgen dat gebruikers lijden aan musculoskeletale aandoeningen, handpijn en verschillende soorten ziekten (bijv. Carpaal tunnelsyndroom, duimartrose en duimtenosynovitis7,8,9,10). Gebruikers die de voorkeur geven aan gebruik met één hand zijn onder slechtere omstandigheden11,12.

Daarom zijn de evaluatie en optimalisatie van toetsenbordontwerp hot topics geworden van psychologisch, technisch en ergonomisch onderzoek. Variabele toetsenbordontwerpen en -concepten zijn voortdurend voorgesteld door IME-bedrijven en onderzoekers (Input Method Editor) om de invoerervaring en efficiëntie te optimaliseren, inclusief lay-out-gewijzigde en karakter-opnieuw gerangschikte toetsenborden: Microsoft WordFlow Keyboard13,Functional Button Area in Glory of Kings14, IJQWERTY15en Quasi-QWERTY16.

Bestaande evaluatiemethoden voor toetsenbordontwerp variëren van onderzoeker tot onderzoeker, behalve voor verschillende zeer geaccepteerde indicatoren, en nauwkeurigere indicatoren worden voorgesteld. Met een verscheidenheid aan indicatoren is er echter geen samengevat en systematisch protocol beschikbaar om het proces van het evalueren en analyseren van het toetsenbordontwerp aan te tonen. Fitts 'Law17 en de uitgebreide versie FFitts Law18, die de interactie tussen mens en computer beschreef, werden op grote schaal aangenomen om de toetsenbordprestaties te evalueren19,20,21,22. Bovendien werd het functionele gebied van de duim voorgesteld om het toetsenbordontwerp te verbeteren en het beschreef een gebogen bewegingsgebied voor de duim om de invoertaak comfortabel tevoltooien 23. Op basis van deze theorieën werden indicatoren zoals woord per minuut, woordfoutpercentage en subjectieve feedback (waargenomen bruikbaarheid, waargenomen prestaties, waargenomen snelheid, subjectieve werklast, waargenomen inspanning en pijn, en intentie om te gebruiken, enz.), Die sterk werden gebruikt, gedeeltelijk gebruikt in eerdere studies24,25,26,27,28,29 behalve voor modellerings- en simulatiemethoden. Bovendien werden de aangebrachte ellips van touchpoints op elke knop en de offset30,31 ervan de afgelopen jaren gebruikt om de nauwkeurige prestaties van invoergebeurtenissen te onderzoeken. Ook werden de galvanische huidrespons, hartslag, elektromyografische activiteit, handgebaar enlichaamsbeweging 32,33,34,35 aangenomen om spiervermoeidheid, comfort en tevredenheid van de gebruikers direct of indirect te evalueren. Deze verschillende methoden missen echter reflectie op de geschiktheid van de gebruikte indicatoren en een beginnende onderzoeker kan in de war raken om de juiste indicatoren voor zijn of haar onderzoek te selecteren.

Het onderzoek naar toetsenbordontwerp is ook eenvoudig uit te voeren, te bedienen en te analyseren. Met de hausse aan schermtechnologie kunnen eenvoudig meer gedragsgegevens worden verzameld om het toetsenbordontwerp diepgaand te evalueren (bijvoorbeeld de overgangstijd tussen twee toetsen en de coördinatengegevens van elk aanraakpunt). Op basis van de genoemde gegevens konden onderzoekers de details van het toetsenbordontwerp nauwkeurig verkennen en de nadelen en voordelen ervan analyseren. In vergelijking met ander onderzoek naar mens-computerinteractie heeft het onderzoek naar toetsenbordontwerp op draagbare smartphones ook een hoge toepassingswaarde voor zijn enorme gebruikersbestand zonder dure apparatuur, gecompliceerde materialen of enorme laboratoriumruimte. De vragenlijsten, schalen en Python-script over het onderzoek zijn open-source en gemakkelijk toegankelijk.

Het doel van dit onderzoek is om de vorige methoden samen te vatten om een systematisch, nauwkeurig en algemeen protocol aan te tonen om het toetsenbordontwerp op smartphones te evalueren en te analyseren. Het voorbeeldexperiment en de resultaten zijn bedoeld om te laten zien of het gebogen QWERTY-toetsenbord met in grootte verstelbare knoppen de invoerervaring van invoer met één hand op een 5-inch smartphone kan optimaliseren in vergelijking met het traditionele QWERTY-toetsenbord en de visualisatiemethode en het Python-script van gegevensanalyse kan delen.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

De studie werd uitgevoerd in overeenstemming met het ethische principe en werd goedgekeurd door de ethische commissie van de Tsinghua University. Figuur 1 toont het proces van het evalueren van het toetsenbordontwerp van smartphones.

Figure 1
Figuur 1: Algemeen proces van het uitvoeren van een toetsenbordexperiment en het evalueren van het toetsenbordontwerp. Klik hier om een grotere versie van deze figuur te bekijken.

1. Voorbereiding

  1. Experiment ontwerp
    1. Definieer het onderzoeksvraagstuk en stel de hypothese voor.
    2. Ontwerp het experiment volgens de hypothese en definieer de onafhankelijke variabelen (bijv. Toetsenbordindeling, typhouding). Gebruik het ontwerp binnen het onderwerp om verstorende factoren en variantie veroorzaakt door het verschil tussen deelnemers te verminderen.
  2. Afhankelijke variabelen
    1. Gebruik fysieke gegevens, waaronder de handlengte, de lengte van de invoervinger en de omtrek van de invoervinger, die zijn gemeten met een meetlint, zoals weergegeven in figuur 2.
    2. Gebruik fysiologische gegevens, waaronder galvanische huidrespons (gemeten door de draagbare draadloze fysiologische detector), hartslag (gemeten door de draagbare draadloze fysiologische detector), elektromyografische activiteit (gemeten door oppervlakte-elektromyografie), enz.
    3. Gebruik invoerprestaties: woord per minuut, woordfoutpercentage en overgangstijd tussen twee toetsen.
      1. Woord per minuut verwijst naar de invoersnelheid van deelnemers (d.w.z. het aantal correct ingevoerde woorden per minuut).
      2. Woordfoutpercentage verwijst naar de invoernauwkeurigheid van deelnemers (d.w.z. het aantal onjuist ingevoerde woorden gedeeld door het totale aantal woorden onder één voorwaarde). Gecorrigeerd foutenpercentage, ongecorrigeerd foutenpercentage en totaal foutenpercentage zijn ook gebruikt in eerdere studies36.
      3. Overgangstijd tussen twee toetsen verwijst naar de reactietijd van deelnemers tussen twee aanraakpunten van een correct ingevoerd woord22 (d.w.z. de starttijd van het tweede aanraakpunt minus de vertrektijd van het eerste teken).
    4. Gebruik lichaamsbewegingsgegevens zoals handgebaren en lichaams-(vinger)bewegingen. Ze konden worden verzameld door het motion capture-systeem35.
    5. Gebruik subjectieve gegevens zoals waargenomen bruikbaarheid, intentie om te gebruiken, waargenomen nauwkeurigheid en snelheid, waargenomen inspanning en pijn, en subjectieve werklast, enz. Subjectieve gegevens kunnen worden verkregen via bestaande schalen en vragenlijsten, die zeer betrouwbaar en geldig zijn om de subjectieve feedback van deelnemers over het toetsenbordontwerp beter te evalueren.
      1. Gebruik NASA-TLX, een 21-puntsschaal die wordt gebruikt om subjectieve werkbelasting te meten door middel van mentale, fysieke, tijd-, prestatie-, inspannings- en frustratiedimensies. Een hoge score duidt op een hoge subjectieve werkdruk26.
      2. Gebruik de System Usability Scale, een 5-punts vragenlijst met 10 items, en de antwoorden van één deelnemer worden berekend als een enkele score van 0 tot 100. Een hoge score duidt op een hoge waargenomen bruikbaarheid24.
      3. Gebruik de Borg CR10-schaal, die varieert van 0 tot 10 om waargenomen pijn en inspanning te meten. Een hoge score duidt op een hoog niveau waargenomen pijn en inspanning25.
      4. Gebruik de Intent to Use Scale: een 10-punts vragenlijst die wordt gebruikt om de waarschijnlijkheid te meten dat deelnemers de technologie of producten zouden gebruiken. Een hoge score duidt op een hoge waarschijnlijkheid28.
      5. Waargenomen snelheid en waargenomen nauwkeurigheid worden allemaal gemeten door 50-puntsschalen en een hoge score duidt op een goede waargenomen prestatie28.
    6. Verzamel de coördinatengegevens van elk touchpoint en verander deze in de gemonteerde ellips (95% BI) van touchpoints op elke knop30,31. Neem het gebied van elke gemonteerde ellips en de verschuiving van het midden van de gemonteerde ellips naar het doelcentrum van elke knop als afhankelijke variabelen.
      OPMERKING: De coördinatengegevens kunnen nauwkeurig worden verzameld door de zelfontwikkelde applicatie op de smartphone. Als het moeilijk is om de coördinatengegevens te verkrijgen, zijn objectieve en subjectieve gegevens voldoende om het toetsenbordontwerp ruwweg te evalueren.

Figure 2
Figuur 2: De meting van de hand. Klik hier om een grotere versie van deze figuur te bekijken.

  1. Materiaal
    1. Kies de experimentsmartphone. Houd rekening met gewicht, resolutie en schermgrootte.
    2. Ontwerp en ontwikkel de experimentele software op smartphones (optionele stap).
      OPMERKING: De overgangstijd tussen twee toetsen kan automatisch worden geregistreerd door deze software of motion capture-sensoren (d.w.z. de versnellingsmetersensor). Het kan moeilijk zijn om het handmatig te verzamelen (bijvoorbeeld een klok of stopwatch).
    3. Selecteer de invoertaak uit de volgende suggesties op basis van de hypothese en pas deze aan het onderzoeksdoel aan.
      1. Voor de invoertaak van het tekenpaar koppelt u willekeurig 26 Engelse letters in 676 paren en verdeelt u deze gemiddeld in verschillende groepen op basis van het experimentontwerp.
      2. Gebruik voor de invoertaak zin (zin) zinnen die matig lang zijn, gemakkelijk te onthouden en representatief zijn voor de doeltaal. Als de doeltaal Engels is, extraheert u 15-20 (of op basis van onderzoeksdoel) zinnen of woorden uit een set van 500zinnen 37.
  2. Werving van deelnemers
    1. Gebruik de G*Power-software om de steekproefgrootte te berekenen.
    2. Plaats vragenlijsten om potentiële deelnemers te werven.
    3. Filter potentiële deelnemers met gewenste kenmerken, zoals leeftijd, gezondheid, visie, handigheid en inputervaring. Zorg ervoor dat de inputervaring van deelnemers in balans is.

2. Werkwijze

  1. Lees het geïnformeerde toestemmingsformulier van het experiment voor aan deelnemers, inclusief de experimentprocedure, taak en of ze mentale of fysieke verwondingen zullen tegenkomen. Als deelnemers ermee instemmen om deel te nemen, moeten ze het formulier voor geïnformeerde toestemming ondertekenen. Zo niet, dan kunnen ze zich onmiddellijk terugtrekken. Volgens het geïnformeerde toestemmingsformulier kunnen deelnemers zich ook in elk stadium van het experiment terugtrekken.
  2. Verzamel zowel fysieke als demografische gegevens. Gebruik een meetlint om de hand van elke deelnemer te meten(figuur 2)om het effect van het verschil in handgrootte te elimineren en ook herhaalbare gegevens te bieden voor toekomstig onderzoek. Verzamel demografische gegevens zoals leeftijd, geslacht, precieze invoerervaring en beroep.
  3. Desinfecteer alle apparaten en reinig de lichaamsdelen van de deelnemer die de apparaten zullen aanraken.
    1. Vraag deelnemers om hun handen te wassen en het scherm van smartphones schoon te maken, zodat sensoren van smartphones gevoeliger kunnen zijn.
    2. Vraag deelnemers om draagbare draadloze fysiologische detectoren of een motion capture-systeem te dragen. Vraag deelnemers om de draagbare draadloze fysiologische detectiepolsband op de niet-dominante hand te dragen om de galvanische huidrespons en hartslag te registreren met de vermeden geluidsinterferentie.
      1. Plaats passieve markers van het motion capture-systeem op de vingernagels, de proximale falanx van de vinger, halswervels (C3-C5) en arm om de precieze lichaams- en vingerbeweging te verzamelen. Plak draadloze elektroden op de huid van twee armen en twee onderarmen om de elektromyografische activiteit te detecteren (optionele stap).
    3. Kalibreer alle apparaten die in het experiment worden gebruikt.
  4. Oefengedeelte
    1. Laat deelnemers de trainingstaak voltooien. De trainingstaak wordt gebruikt om de bekendheid van deelnemers met invoertaken en toetsenborden te verbeteren om het effect van oefening of de onbekendheid op het experimentresultaat te verminderen. Het is samengesteld uit 50 paar of 20 woorden willekeurig geselecteerd uit de 676 Engelse paren set of 500 zinnen set. Pas wanneer hun invoernauwkeurigheid in 150 seconden 80% of meer bereikt, kunnen ze deelnemen aan de formele proeven. Het voorbeeldonderzoek nam het invoeren van 50 paren als trainingstaak.
  5. Hoofdtaak
    1. Laat deelnemers formele proeven voltooien onder alle experimentele omstandigheden. Ze moeten hun nauwkeurigheid zo snel mogelijk garanderen tijdens de tijd van de invoertaak. Formele proeven zijn echte inputtaken die in het onderzoek zullen worden geëvalueerd en geanalyseerd. Elk paar, woord of zin vertegenwoordigt een proef en verschillende experimentele ontwerpen produceren verschillende experimentele omstandigheden.
    2. Laat deelnemers de invoertaak in willekeurige volgorde of in een gebalanceerde volgorde voltooien. Methoden voor de verdeling van inputmaterialen zijn als volgt. Ten eerste kunnen 676 paren willekeurig worden verdeeld in elke experimentele toestand (d.w.z. deelnemers hebben alle paren ingevoerd wanneer ze alle experimentele omstandigheden voltooien). Ten tweede kunnen onder elke experimentele voorwaarde 676 paren willekeurig in verschillende blokken worden verdeeld en deelnemers moeten deze blokken willekeurig voltooien. Ten derde, voor het invoeren van woorden, moeten deelnemers ongeveer 20 proeven onder elke voorwaarde voltooien. Ten vierde, voor het invoeren van zinnen, moeten deelnemers ongeveer 10-15 onderzoeken onder elke voorwaarde voltooien. Onderzoekers moeten ervoor zorgen dat er geen significant verschil is tussen het aantal tekens en het aantal woorden dat de deelnemer onder elke voorwaarde heeft ingevoerd. Het voorbeeldonderzoek nam de eerste methode over en had vier experimentele omstandigheden.
    3. Vraag de deelnemers na elke aandoening om alle vragenlijsten (schalen die hun subjectieve ervaring beoordelen) willekeurig in te vullen en geef ze 1 minuut of meer rust.
  6. Laat elke deelnemer aan het einde van het experiment de uitgebreide vragenlijst (Q & A) invullen om subjectieve feedback te verkrijgen.
  7. Spreek waardering uit voor deelnemers met geldelijke of materiële beloningen.

3. Data-analyse

  1. Hypothese testen door middel van geschikte parametrische of niet-parametrische tests
    1. Analyseer de fysieke, fysiologische en lichaamsbewegingsgegevens om te testen of het verschil tussen deelnemers de resultaten en de onexpressieve invoerervaring van gebruikers aanzienlijk zou beïnvloeden (optionele stap).
    2. Analyseer de invoerprestaties van deelnemers om de invoerefficiëntie op het toetsenbord te testen.
    3. Analyseer subjectieve gegevens om de waargenomen bruikbaarheid en subjectieve feedback van het toetsenbord te testen.
    4. Zoek uit of het oefeneffect en vermoeidheidseffect het resultaat significant beïnvloeden. Voor elke aandoening worden proeven verdeeld in twee delen op basis van de tijdstempel (d.w.z. het eerste deel en het tweede deel van de helft). Onderzoek specifiek onder elke voorwaarde het verschil in inputprestaties tussen het eerste deel van de helft en het tweede deel van de helft om te testen of het oefeneffect of vermoeidheidseffect bestaat.
    5. Analyseer het gebied van de aangebrachte ellips van aanraakpunten op elke knop, evenals de verschuiving van het midden naar het doelcentrum van elke knop (optionele stap).
      1. Verzamel alle touchpoints van elke knop met de software en ze komen ongeveer overeen met de bivariate Gaussische verdeling. Het 95% betrouwbaarheidsinterval van elke knop in zowel x- als y-richtingen wordt afgeleid door de coördinatengegevens van elk aanraakpunt in pixel, en de 95% betrouwbaarheid ellipsen over een 1: 1-omtrek van de knop voor elk toetsenbord wordt aangebracht door Python-scripts op pixelcoördinaat (zie Coderingsbestand 2).
      2. Gebruik gemonteerde ellipsen (95% BI) en hun gebieden om de spreiding van touchpoints op elke knop te demonstreren. In elke knop wordt de offset van de gemonteerde ellips berekend door Python-scripts gedefinieerd als het middelpunt van de aangebrachte ellips naar het doelpunt van de knop, en deze kan worden weergegeven vanuit x- en y-richtingen (d.w.z. in X-as en Y-as, zie Coderingsbestand 3).
  2. Modellering en simulatie
    1. Gebruik het gegevensgestuurde model als een functie van de locatie en oriëntatie van het toetsenbord om de vingerbeweging door Python-scripts te voorspellen. Alle bewegingen van vingers zijn verdeeld in acht richtingen38 (de bovenkant naar beneden, de onderkant naar boven, de linker naar rechts, de rechterkant naar links, de links-boven naar rechts-onder, de rechts-onder naar de links-boven, de links-onder naar rechts-boven, de rechts-boven naar de links-onder). Voor elke richting wordt de gemiddelde overgangstijd tussen twee toetsen berekend om de effectiviteit van vingerbewegingen weer te geven, die wordt gebruikt om het toetsenbordontwerp te evalueren (optionele stap).
    2. Gebruik lineaire regressieanalyse om een verbeterd Fitts' Law (of de uitgebreide versie, FFitts' Law) model te bouwen om de overgangstijd tussen twee sleutels te voorspellen met behulp van een geïntegreerde cognitieve architectuur39 door Python-scripts. Het verbeterde Fitts Law-model zou een betere voorspelling en evaluatie van het toetsenbordontwerp kunnen bieden op basis van de analyses op de locatie en effectieve breedte van toetsen, evenals de afstand van twee toetsen (optionele stap).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

De representatieve studie volgt voornamelijk het genoemde protocol. De studie hanteert een 2 (toetsenbordindeling: gebogen QWERTY vs. traditionele QWERTY) × 2 (knopgrootte: groot, 6,3 mm × 9 mm versus klein, 4,9 mm × 7 mm) binnen het onderwerpontwerp om te evalueren of de gebogen QWERTY de invoerefficiëntie en het comfort kan verbeteren in vergelijking met de traditionele QWERTY in verschillende maten knoppen door de invoertaak van het karakterpaar via onze zelfontwikkelde software (Figuur 3 ). Deze studie heeft de dure fysiologische detectorapparatuur of het motion capture-systeem niet overgenomen en de gegevensanalyse bevatte de modellering of simulatie niet.

Figure 3
Figuur 3: De interface van het traditionele QWERTY-toetsenbord en de gebogen QWERTY-toetsenbordsoftware.
(A)Traditioneel QWERTY-toetsenbord met grote knopgrootte (lettertoetsgrootte: 6,3 mm × 9 mm). (B)Gebogen QWERTY-toetsenbord met grote knopgrootte (lettertoetsgrootte: 6,3 mm × 9 mm). (C)Traditioneel QWERTY-toetsenbord met kleine knopgrootte (lettertoetsgrootte: 4,9 mm × 7 mm). (D)Gebogen QWERTY-toetsenbord met kleine knopgrootte (lettertoetsgrootte: 4,9 mm × 7 mm). De hoogte-breedteverhouding van elke lettertoets is 7:10 en de breedte van elke functionele toets (Delete, Space, Enter) is twee keer zo groot als die van de lettertoets. Verwijderen en Spatie zijn onwerkt. Deelnemers klikken op enter om naar de volgende proefversie te gaan. Klik hier om een grotere versie van deze figuur te bekijken.

Een totaal van 24 rechtshandige gezonde studenten van Tsinghua University waren betrokken bij deze studie (12 vrouwen, M = 22,46 jaar, SD = 3,04 jaar). Voor hen werden de lengte van de rechterhand (M = 17,98 cm SD = 1,20 cm), de lengte van de rechterduim (M = 6,00 cm, SD = 0,68 cm) en de omtrek van de rechterduim (M = 5,14 cm, SD = 0,52 cm) gemeten. De steekproefomvang werd berekend met G*Vermogen 3.1.9.2 (effectgrootte f = 0,25, α = 0,05, vermogen = 0,80, correlatie tussen herhaalde metingen = 0,5). De experimentele smartphone is een 5-inch smartphone (gewicht 138 g, schermgrootte 5,0 inch, ppi 294, px 1280 × 720, telefoongrootte 143,5 × 69,9 × 7,6 mm).

Invoerprestaties (overgangstijd tussen twee toetsen, woordfoutpercentage), subjectieve feedback en gemonteerde ellips van elke knop werden verzameld en geanalyseerd door herhaalde metingen van ANOVA. Overgangstijd tussen twee toetsen in plaats van woord per minuut wordt in deze studie gebruikt omdat het invoermateriaal de tekenparen zijn en de overgangstijd tussen twee toetsen de overgangsaanrakingsgebeurtenis nauwkeuriger zou kunnen evalueren. De representatieve resultaten zijn als volgt (tabel 1).

Toetsenbordindeling Knopgrootte Toetsenbordindeling × Knopgrootte
F p Equation 1 F p Equation 1 F p Equation 1
Word-foutenpercentage 48.90 <.001*** 0.68 30.57 <.001*** 0.57 2.63 0.12 0.10
Overgangstijd tussen twee toetsen 10.19 .004** 0.31 43.57 <.001*** 0.66 12.75 .002** 0.36
Waargenomen inspanning en pijn 2.33 0.14 0.09 1.36 0.26 0.06 0.28 0.60 0.01
Intentie om te gebruiken 7.41 .012* 0.24 3.62 0.07 0.14 0.63 0.44 0.03
Waargenomen nauwkeurigheid 1.32 0.26 0.54 2.94 0.10 0.11 0.69 0.42 0.03
Waargenomen snelheid 0.56 0.47 0.02 0.98 0.33 0.04 0.25 0.62 0.01
Waargenomen bruikbaarheid 0.63 0.44 0.03 5.48 .028* 0.19 0.03 0.87 0.001
Subjectieve werklast Mentaal 19.30 <.001*** 0.46 8.88 .007** 0.28 0.01 0.91 0.001
Lichamelijk 2.41 0.13 0.10 5.55 .027* 0.19 0.07 0.78 0.003
Tijd 0.02 0.9 0.001 10.26 .004** 0.31 0.37 0.55 0.02
Voorstelling 11.51 .003** 0.33 12.25 .002** 0.35 0.02 0.90 0.001
Inspanning 4.66 .042* 0.17 16.33 .001** 0.42 0.13 0.72 0.006
Frustratie 9.32 .006** 0.29 8.87 .007** 0.28 2.11 0.16 0.08
Gebied van gemonteerde ellips 90.00 <.001*** 0.78 1368.78 <.001*** 0.98 31.99 <.001*** 0.56
Offset van gemonteerde ellips X-richting 10.94 .003** 0.30 1.4 0.25 0.05 6.08 0.21 0.19
Y-richting 23.49 <.001*** 0.48 0.48 0.50 0.02 13.74 .001** 0.36

Tabel 1: Statistische analyse van de invoerprestaties, subjectieve feedback en gemonteerde ellips van elke knop. Item met * betekent p < 0,05, item met ** betekent p < 0,01, en item met *** betekent p < 0,001.

In de invoerprestaties is de interactie tussen toetsenbordindeling en knopgrootte alleen significant in de overgangstijd tussen twee toetsen(figuur 4),en het laat zien dat in de gebogen QWERTY de overgangstijd tussen twee toetsen met een kleine knop aanzienlijk langer was dan die van grote knopgrootte(p < 0,001). Het belangrijkste effect van toetsenbordindeling is significant in zowel woordfoutpercentage(figuur 5)als de overgangstijd tussen twee toetsen, en het geeft aan dat deze van de traditionele QWERTY aanzienlijk lager zijn dan die van de gebogen QWERTY. Het belangrijkste effect van de knopgrootte is significant in zowel het woordfoutpercentage als de overgangstijd tussen twee toetsen, en het geeft aan dat deze van de grote knopgrootte aanzienlijk lager zijn dan die van de kleine knopgrootte. Er wordt geen ander significant resultaat gevonden.

Figure 4
Figuur 4: Het 3D-staafdiagram is de visualisatie van de overgangstijd tussen twee toetsen (de linker is het eerste teken en de rechter is het tweede teken) in vier toetsenborden.
De hoogte van elke balk vertegenwoordigt de waarde van de overgangstijd. De verloopkleuren (blauw, groen, geel en rood) worden gebruikt om de situatie van numerieke verdeling weer te geven (zie Aanvullend coderingsbestand 1). Klik hier om een grotere versie van deze figuur te bekijken.

Figure 5
Figuur 5: Het woordfoutpercentage van elk toetsenbord. De foutbalken vertegenwoordigen 95% BI. Klik hier om een grotere versie van deze figuur te bekijken.

In de subjectieve feedback(figuur 6 en figuur 7)zijn alle interacties tussen de toetsenbordindeling en de knopgrootte niet significant. Het belangrijkste effect van toetsenbordindeling is significant in intentie om te gebruiken en subjectieve werkbelasting (mentaal, prestaties, inspanning en frustratie), en het laat zien dat deelnemers minder subjectieve werklast ervaren (de bovenstaande vier facetten) en meer kans hebben om de gebogen QWERTY te gebruiken in vergelijking met de traditionele QWERTY. Het belangrijkste effect van knopgrootte is significant in waargenomen bruikbaarheid en alle facetten van subjectieve werkbelasting, en het geeft aan dat deelnemers minder subjectieve werklast en hogere bruikbaarheid ervaren in de grote knopgrootte in vergelijking met kleine knopgrootte. Er wordt geen ander significant resultaat gevonden.

Figure 6
Figuur 6: De waargenomen inspanning en pijn, intentie om te gebruiken (linker Y-as), waargenomen nauwkeurigheid, waargenomen en waargenomen bruikbaarheid (rechter Y-as) van elk toetsenbord.
De hoge score van waargenomen inspanning en pijn duidt op de onbevredigende ervaring, terwijl de andere indicatoren het tegenovergestelde laten zien. De foutbalken vertegenwoordigen 95% BI. Klik hier om een grotere versie van deze figuur te bekijken.

Figure 7
Figuur 7: De zes dimensies van subjectieve werkdruk.
De foutbalken vertegenwoordigen 95% BI. Klik hier om een grotere versie van deze figuur te bekijken.

In het gebied van de gemonteerde ellips(figuur 8)is de interactie tussen toetsenbordindeling en knopgrootte aanzienlijk, en het laat zien dat voor zowel kleine als grote knopgrootte het gebied van de traditionele QWERTY groter is dan dat van de gebogen QWERTY(p < 0,001), terwijl voor beide toetsenbordindelingen het gebied van de kleine knop kleiner is dan dat van de grote knop (p < 0,001). Het belangrijkste effect van knopgrootte en toetsenbordindeling is aanzienlijk en geeft aan dat die gebieden van de traditionele QWERTY en de grote knop groter zijn dan die van respectievelijk de gebogen QWERTY en de kleine knop. Er wordt geen ander significant resultaat gevonden.

Figure 8
Figuur 8: De gemonteerde ellipsen (95% CI) van vier toetsenborden.
Ze worden getekend door de pixelposities van de touchpoints in vier toetsenborden te passen. De coördinaat van het midden van de ellips is de gemiddelde waarde van alle touchpoints op elke knop (zie Aanvullend coderingsbestand 2). Klik hier om een grotere versie van deze figuur te bekijken.

In de offset van de gemonteerde ellips (figuur 9 en figuur 10) is de interactie tussen toetsenbordindeling en knopgrootte alleen significant in de offset in de y-richting, en het laat zien dat in de gebogen QWERTY de offset in de y-richting van de kleine knop aanzienlijk korter is dan die van de grote knop (p < 0,001), terwijl in beide maten van de knop de offset in de y-richting van de gebogen QWERTY aanzienlijk korter is dan die van de traditionele QWERTY. Het belangrijkste effect van toetsenbordindeling is significant in zowel x- als y-richtingen, en het geeft aan dat de offset in de y-richting van de gebogen QWERTY aanzienlijk korter is dan die van de traditionele QWERTY. Er wordt geen ander significant resultaat gevonden.

Figure 9
Figuur 9: De offset van gemonteerde ellipsen in de x-richting.
De lengte van de pijl, die 1,2 keer in verhouding in de figuur wordt vergroot vanwege de visualisatie, vertegenwoordigt de waarde van de verschuiving. En verschillende kleuren visualiseren de waarde van de standaarddeviatie (±) van de gemiddelde offset van elke knop naar de offset in de x-richting. De waarde kleiner dan -1σ is groen en de waarde meer dan +1σ is rood, terwijl de waarde tussen -1σ en +1σ oranje is (zie Aanvullend coderingsbestand 3). Klik hier om een grotere versie van deze figuur te bekijken.

Figure 10
Figuur 10: De offset van aangebrachte ellipsen in de y-richting.
De lengte van de pijl, die 1,2 keer in verhouding in de figuur wordt vergroot vanwege de visualisatie, vertegenwoordigt de waarde van de verschuiving. En verschillende kleuren visualiseren de waarde van de standaarddeviatie (±) van de gemiddelde offset van elke knop naar de offset in de y-richting. De waarde kleiner dan -1σ is groen en de waarde meer dan +1σ is rood, terwijl de waarde tussen -1σ en +1σ oranje is (zie Coderingsbestand 3en het script van de y-richting is bekend met dat van de x-richting). Klik hier om een grotere versie van deze figuur te bekijken.

Het oefeneffect wordt getest met behulp van de t-testom de invoerprestaties (woordfoutpercentage en overgangstijd tussen twee toetsen) tussen de eerste helft en de tweede helft van de tekenparen te vergelijken. Wat het foutenpercentage betreft, is er geen significant verschil tussen de twee groepen tekensparen in de gebogen QWERTY met kleine knopgrootte, t(46) = 2,03, p = 0,05, de gebogen QWERTY met grote knopgrootte, t(46) = -0,47, p = 0,64, de traditionele QWERTY met grote knopgrootte, t(46) = 0,31, p = 0,76, en de traditionele QWERTY met kleine knopgrootte, t(46) = 0,05, p = 0,97. Wat betreft de overgangstijd tussen twee toetsen, is er geen significant verschil tussen de twee groepen tekensparen in de gebogen QWERTY met grote knopgrootte, t(46) = 0,33, p = 0,74, de gebogen QWERTY met kleine knopgrootte, t(46) = 0,22, p = 0,83, de traditionele QWERTY met grote knopgrootte t(46) = 0,66, p = 0,51, en de traditionele QWERTY met kleine knopgrootte, t(46) = 0,09, p = 0,93. De resultaten geven aan dat er geen oefeneffect of vermoeidheidseffect is tijdens het hoofdproces van de invoertaak en dat deelnemers de hoogste inspanning voor elk toetsenbord hebben bereikt en behouden. De absolute waarde van de hoogste inspanning voor verschillende toetsenborden kan verschillen omdat de hoogste inspanning alleen aangeeft dat ze 100 procent bekend zijn met het toetsenbord.

Deze representatieve studie geeft aan dat op de 5-inch smartphone de gebogen QWERTY slechter is dan de traditionele QWERTY en dat de grote knopgrootte beter is dan de kleine knopgrootte. In deze representatieve studie is het beste toetsenbord het traditionele QWERTY-toetsenbord met een groot knopformaat, terwijl het slechtste toetsenbord het gebogen QWERTY-toetsenbord met een klein knopformaat is. Alle resultaten zijn niet beïnvloed door het oefeneffect en het vermoeidheidseffect. Het woordfoutpercentage en de overgangstijd tussen twee toetsen geven aan dat het gebogen QWERTY-ontwerp de reactietijd van deelnemers tussen twee tekens verhoogt en de herkenningsbelasting voor tekens kan vergroten vanwege de positie van toetsen en mentale rotatie, wat leidt tot onbevredigende invoerprestaties, en de resultaten zijn hetzelfde als de verkleinde knopgrootte (QWERTY-toetsenbord met kleine knopgrootte) op een 5-inch smartphone. Hoewel de meeste indicatoren en dimensies van de subjectieve feedback niet significant zijn, toont de subjectieve werklast de hogere waargenomen werklast van het QWERTY-toetsenbord met de verkleinde knop en het gebogen QWERTY-toetsenbord. Uit de analyse van gemonteerde ellipsen laten de resultaten en figuur 8 en figuur 10 echter zien dat de gebogen QWERTY minder offset heeft en de touchpoints minder verspreid zijn, en de offset is voornamelijk naar de linkerbovenhoek voor rechtshandig gebruik. De resultaten geven aan dat het gebogen QWERTY-ontwerp kan worden geoptimaliseerd door de kromming van het toetsenbord aan te passen, de functie van automatische correctie toe te voegen en de grootte van de knoppen te modereren. Bovendien kan uit figuur 8 en figuur 10een gebogen T9-toetsenbord, dat de plaats inneemt van "R, T, Y, U, I, O, D, F, G, H, J, K, X, C, V, B, N en M" van het gebogen QWERTY-toetsenbord, een potentieel geoptimaliseerd toetsenbord zijn, d.w.z. elke toets van het gebogen T9-toetsenbord neemt de plaats in van twee lettertoetsen van de gebogen QWERTY.

Daarom toont deze representatieve studie slechts ruwweg het protocol van de evaluatie van toetsenbordontwerp met open-source Python-scripts, en de analyse- en optimalisatiemethode kan diepgaand worden besproken op basis van het onderzoeksdoel van onderzoekers in de toekomstige studies.

Aanvullend coderingsbestand 1: 3D-plots van de overgangstijd tussen twee sleutels. Klik hier om dit bestand te downloaden.

Aanvullend coderingsbestand 2: De gemonteerde ellips en het gebied ervan. Klik hier om dit bestand te downloaden.

Aanvullend coderingsbestand 3: De offset van de gemonteerde ellips. Klik hier om dit bestand te downloaden.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

In deze studie, gebaseerd op de ontwikkeling van schermtechnologie, presenteerden we een samengevat en algemeen protocol van toetsenbordontwerpevaluatie om het toetsenbordontwerp systematisch en nauwkeurig te beoordelen. Bestaande indicatoren en methoden uit eerdere studies, paren die overeenkomen met Engelse tekens en overgangstijd tussen twee sleutels zijn geïntegreerd en aangepast om een effectief protocol te genereren.

Verschillende kritieke punten moeten in dit protocol worden opgemerkt. De selectie van variabelen en indicatoren is essentieel omdat ze het perspectief van analyse bepalen, en het kan worden gebruikt om het evaluatiemodel in de latere fase van het evaluatie-experiment voor toetsenbordontwerp te bouwen. Met uitzondering van de objectieve variabelen, moeten de subjectieve variabelen ook zorgvuldig worden overwogen in het experimentele ontwerp vanuit meerdere dimensies, omdat de subjectieve gegevens een vitale rol spelen bij het verbeteren van de gebruikerservaring. Coördinatengegevens kunnen optioneel worden verzameld en berekend in het protocol via de zelfontwikkelde applicatie en Python-scripts, bijvoorbeeld gemonteerde ellips (95% CI) van touchpoints op elke knop en de verschuiving van het midden van de gemonteerde ellips naar het doelcentrum van elke knop. De analyse en visualisatie van de gemonteerde ellips kan de optimalisatiemethode van het toetsenbordontwerp verlichten. Bovendien, hoewel fysiologische metingen en bewegingsmetingen, die afhankelijk zijn van de draagbare apparatuur, ook optioneel zijn, kunnen ze inderdaad helpen om de onuitsprekelijke ervaring van toetsenbordgebruikers diepgaand te verkennen.

Een cruciale stap in de procedure van toetsenbordstudie is deelnemers vragen om hun handen te wassen en het scherm vrij te maken voor het experiment (hetzelfde als de draagbare detectoren), omdat handvet en zweet de gevoeligheid van het scherm sensorisch kunnen beïnvloeden, waardoor de resultaten worden beïnvloed. De fysieke gegevens (handlengte, vingerlengte en duimomtrek) van de deelnemers moeten ook worden gemeten of gerapporteerd omdat de fysieke verschillen tussen deelnemers ook van invloed kunnen zijn op de experimentresultaten en de reproduceerbaarheid.

Het protocol kan ook niet ontsnappen aan de volgende beperkingen. Al het inputmateriaal dat in deze studie wordt voorgesteld, kan zich voornamelijk concentreren op de taal van het Engels zonder rekening te houden met andere talen. Bovendien kan in dit protocol zelf ontwikkelende toetsenbordsoftware worden voorgesteld om de experimentgegevens te verzamelen, in plaats van de traditionele handmatige verzamel- en meetmethode te gebruiken. Omdat een zelfontwikkelde software nauwkeurigere en attributie-indicatoren kan verzamelen en berekenen en kan helpen om een duidelijke optimalisatiesuggestie over het toetsenbordontwerp te geven in plaats van alleen het effect van het huidige toetsenbordontwerp onder experimentele omstandigheden te concluderen. Bovendien zijn andere dure apparaten of apparatuur die door eerdere studies zijn aangenomen, niet opgenomen in de representatieve resultaten, zoals de draagbare draadloze fysiologische detector of motion capture-systeem, en onderzoekers moeten hun specifieke experimentele apparaten kiezen op basis van hun onderzoeksprobleem en hypothese. Ten slotte zouden volgers van de New Statistics of Bayesiaanse enthousiastelingen kunnen proberen meer statistische methoden toe te passen om het toetsenbordontwerp te analyseren en te evalueren.

Voor toekomstige toepassingen en richtingen kan dit protocol worden overgenomen in het evaluatieproces van het toetsenbordontwerp op andere slimme apparaten. Naast smartphones hebben steeds meer intelligente apparaten aan populariteit gewonnen, bijvoorbeeld draagbare smartwatches en armbanden (iWatch), tablet-pc (iPad) en virtual reality-apparaten (VR-brillen). Dit protocol kan worden gebruikt om verschillende toetsenbordontwerpen op deze apparaten te evalueren en helpt optimalisaties (indicatoren en processen kunnen enigszins worden aangepast). In die zin opent deze studie nieuwe mogelijkheden om de voordelen en het belang van de evaluatie van het toetsenbordontwerp in het aanraakscherm van slimme apparaten opnieuw te onderzoeken. Daarom biedt het een goedkope en gemakkelijk uit te voeren onderzoeksmethode met de open-source bronnen op het gebied van mens-computerinteractie, informatica en psychologie, waardoor het bijdragen levert aan het helpen van de beginnende onderzoekers en studenten om hun studie te starten of een demonstratief experiment in de klas te zijn.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

De auteurs verklaarden geen financiële openbaarmaking of belangenconflicten.

Acknowledgments

Dit onderzoek wordt ondersteund door het Tsinghua University Initiative Scientific Research Program (Ergonomisch ontwerp van gebogen toetsenbord op slimme apparaten). De auteurs waarderen Tianyu Liu voor zijn vriendelijke suggesties en codeerhulp bij cijfers.

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

Gedrag Nummer 164 ergonomie tekstinvoer evaluatie van toetsenbordontwerp smartphone typtaak

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

Een beoordelingsmethode en toolkit om toetsenbordontwerp op smartphones te evalueren
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