Article de méthode

Une méthode d’évaluation et une boîte à outils pour évaluer la conception du clavier sur les smartphones

DOI :

10.3791/61796

⸱

5 octobre 2020

 ,  ,  ,  ,  , 
1Department of Psychology, School of Social Sciences, Tsinghua University, 2Department of Computer Science, Beijing Normal University, 3Haier Innovation Design Center, Haier Company

Dans cet article

Avis d’erratum

Important: There has been an erratum issued for this article. View Erratum Notice

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Le protocole présenté intègre diverses méthodes d’évaluation et démontre une méthode pour évaluer la conception du clavier sur les smartphones. Les paires correspondant à des caractères anglais sont proposées comme matériau d’entrée, et le temps de transition entre deux touches est utilisé comme variable dépendante.

Résumé

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La saisie au clavier a joué un rôle essentiel dans l’interaction homme-machine avec une vaste base d’utilisateurs, et la conception du clavier a toujours été l’un des objets fondamentaux des études sur les appareils intelligents. Avec le développement de la technologie d’écran, des données et des indicateurs plus précis pourraient être collectés par les smartphones pour évaluer en profondeur la conception du clavier. L’agrandissement de l’écran du téléphone a entraîné une expérience de saisie insatisfaisante et des douleurs aux doigts, en particulier pour la saisie à une main. L’efficacité et le confort d’entrée ont attiré l’attention des chercheurs et des concepteurs, et le clavier incurvé avec des boutons réglables en taille, qui correspondait à peu près à la structure physiologique des pouces, a été proposé pour optimiser l’utilisation d’une seule main sur les smartphones à grand écran. Cependant, ses effets réels sont restés ambigus. Par conséquent, ce protocole a démontré une méthode générale et résumée pour évaluer l’effet de la conception incurvée du clavier QWERTY sur un smartphone de 5 pouces grâce à un logiciel auto-développé avec des variables détaillées, y compris des données comportementales objectives, des commentaires subjectifs et les données de coordonnées de chaque point de contact. Il existe suffisamment de documentation sur l’évaluation des claviers virtuels; cependant, seuls quelques-uns d’entre eux ont systématiquement résumé et pris en réflexion sur les méthodes et les processus d’évaluation. Par conséquent, ce protocole comble la lacune et présente un processus et une méthode d’évaluation systématique de la conception du clavier avec les codes disponibles pour l’analyse et la visualisation. Il ne nécessite aucun équipement supplémentaire ou coûteux et est facile à conduire et à utiliser. En outre, le protocole aide également à obtenir des raisons potentielles pour les inconvénients de la conception et éclaire l’optimisation des conceptions. En conclusion, ce protocole avec les ressources open-source pourrait non seulement être une expérience démonstrative en classe pour inspirer le novice à commencer ses études, mais contribue également à améliorer l’expérience utilisateur et les revenus des entreprises d’édition de méthodes d’entrée.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La saisie au clavier est la méthode principale de l’interaction homme-smartphone1,2, et avec la pénétration des smartphones, la saisie au clavier obtient des milliards d’utilisateurs. En 2019, le taux de pénétration mondial des smartphones avait atteint 41,5%3, tandis que les États-Unis, avec la pénétration la plus élevée, s’étaient élevés à 79,1%4. Jusqu’au premier trimestre 2020, le clavier mobile Sogou comptait environ 480 millions d’utilisateurs actifs quotidiens5. Jusqu’au 6 mai 2020, le Google Gboard avait été téléchargé plus de 1 milliard de fois6.

L’expérience de saisie au clavier insatisfaisante augmente avec l’agrandissement de l’écran du téléphone. Bien que l’écran agrandi visait à améliorer l’expérience visuelle, il a modifié la gravité, la taille et le poids des smartphones, obligeant les utilisateurs à changer de posture de maintien à plusieurs reprises pour atteindre des zones éloignées (par exemple, les boutons A et Q pour les droitiers), entraînant ainsi une inefficacité de saisie. L’étirement musculaire peut amener les utilisateurs à souffrir de troubles musculo-squelettiques, de douleurs à la main et de différents types de maladies (par exemple, le syndrome du canal carpien, l’arthrose du pouce et la ténosynovite du pouce7,8,9,10). Les utilisateurs qui préfèrent une utilisation à une main sont dans des conditions pires11,12.

Par conséquent, l’évaluation et l’optimisation de la conception du clavier sont devenues des sujets brûlants de recherche psychologique, technique et ergonomique. Des conceptions et des concepts de claviers variables ont constamment été proposés par des sociétés d’éditeur de méthode d’entrée (IME) et des chercheurs pour optimiser l’expérience et l’efficacité de la saisie, y compris les claviers modifiés et réorganisés par caractères: Microsoft WordFlow Keyboard13, Functional Button Area in Glory of Kings14, IJQWERTY15et Quasi-QWERTY16.

Les méthodes d’évaluation existantes de la conception du clavier varient d’un chercheur à l’autre, à l’exception de plusieurs indicateurs très acceptés, et des indicateurs plus précis sont proposés. Cependant, avec une variété d’indicateurs, il n’y a pas de protocole résumé et systématique fourni pour démontrer le processus d’évaluation et d’analyse de la conception du clavier. La loi17 de Fitts et sa version étendue FFitts Law18, qui décrivait l’interaction homme-machine, ont été largement adoptées pour évaluer les performances du clavier19,20,21,22. De plus, la zone fonctionnelle du pouce a été proposée pour améliorer la conception du clavier, et elle décrivait une zone de mouvement incurvée pour que le pouce remplisse confortablement la tâche de saisie23. Sur la base de ces théories, des indicateurs comprenant le mot par minute, le taux d’erreur des mots et la rétroaction subjective (convivialité perçue, performance perçue, vitesse perçue, charge de travail subjective, effort et douleur perçus, intention d’utilisation, etc.), qui ont été fortement adoptés, ont été partiellement utilisés danslesétudes précédentes24,25,26 ,27,28,29 sauf pour les méthodes de modélisation et de simulation. En outre, l’ellipse de points de contact sur chaque bouton et son décalagede 30,31 ont été utilisés ces dernières années pour étudier les performances précises des événements de saisie. En outre, la réponse galvanique de la peau, la fréquence cardiaque, l’activité électromyographique, le geste de la main et le mouvement du corps32,33,34,35 ont été adoptés pour évaluer directement ou indirectement la fatigue musculaire, le confort et la satisfaction des utilisateurs. Cependant, ces diverses méthodes ne reflètent pas la pertinence des indicateurs utilisés, et un chercheur novice peut être confus pour sélectionner les indicateurs appropriés pour sa recherche.

La recherche sur la conception du clavier est également facile à mener, à utiliser et à analyser. Avec l’essor de la technologie d’écran, davantage de données comportementales pourraient être facilement collectées pour évaluer en profondeur la conception du clavier (par exemple, le temps de transition entre deux touches et les données de coordonnées de chaque point de contact). Sur la base des données mentionnées, les chercheurs ont pu explorer avec précision les détails de la conception du clavier et analyser ses inconvénients et ses avantages. Par rapport à d’autres recherches sur l’interaction homme-machine, la recherche sur la conception de claviers sur les smartphones portables a également une valeur d’application élevée pour sa vaste base d’utilisateurs sans équipement coûteux, matériaux compliqués ou énorme espace de laboratoire nécessaire. Les questionnaires, les échelles et le script Python sur la recherche sont open-source et faciles d’accès.

Le but de cette recherche est de résumer les méthodes précédentes pour démontrer un protocole systématique, précis et général pour évaluer et analyser la conception du clavier sur les smartphones. L’expérience et les résultats exemplaires visent à montrer si le clavier QWERTY incurvé avec des boutons réglables en taille pourrait optimiser l’expérience de saisie d’une seule main sur un smartphone de 5 pouces par rapport au clavier QWERTY traditionnel et partager la méthode de visualisation et le script Python d’analyse de données.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

L’étude a été menée conformément au principe éthique et a été approuvée par le comité d’éthique de l’Université Tsinghua. La figure 1 montre le processus d’évaluation de la conception du clavier des smartphones.

figure-protocol-1
Figure 1 : Processus général de réalisation d’une expérience de clavier et d’évaluation de la conception du clavier. Veuillez cliquer ici pour voir une version agrandie de cette figure.

1. Préparation

  1. Conception de l’expérience
    1. Définir la question de recherche et proposer l’hypothèse.
    2. Concevez l’expérience en fonction de l’hypothèse et définissez les variables indépendantes (par exemple, la disposition du clavier, la posture de frappe). Utilisez la conception à l’intérieur du sujet afin de réduire les facteurs de confusion et la variance causés par la différence entre les participants.
  2. Variables dépendantes
    1. Utilisez des données physiques, y compris la longueur de la main, la longueur du doigt d’entrée et la circonférence du doigt d’entrée, qui ont été mesurées par un ruban à mesurer, comme illustré à la figure 2.
    2. Utiliser des données physiologiques, y compris la réponse galvanique de la peau (mesurée par le détecteur physiologique sans fil portable), la fréquence cardiaque (mesurée par le détecteur physiologique sans fil portable), l’activité électromyographique (mesurée par électromyographie de surface), etc.
    3. Utilisez les performances d’entrée : mot par minute, taux d’erreur de mot et temps de transition entre deux touches.
      1. Le mot par minute fait référence à la vitesse de saisie des participants (c.-à-d. le nombre de mots correctement saisis par minute).
      2. Le taux d’erreur des mots fait référence à la précision de la saisie des participants (c.-à-d. le nombre de mots mal saisis divisé par le nombre total de mots sous une même condition). Le taux d’erreur corrigé, le taux d’erreur non corrigé et le taux d’erreur total ont également été utilisés dans des études antérieures36.
      3. Le temps de transition entre deux touches fait référence au temps de réaction des participants entre deux points de contact d’un mot22 correctement saisi (c.-à-d. l’heure de début du deuxième point de contact moins l’heure de départ du premier caractère).
    4. Utilisez des données sur les mouvements du corps, telles que les gestes de la main et les mouvements du corps (doigts). Ils pourraient être collectés par le système de capture de mouvement35.
    5. Utilisez des données subjectives telles que la convivialité perçue, l’intention d’utilisation, la précision et la vitesse perçues, l’effort et la douleur perçus, la charge de travail subjective, etc. Les données subjectives peuvent être obtenues à l’aide d’échelles et de questionnaires existants, qui sont très fiables et valables pour mieux évaluer les commentaires subjectifs des participants sur la conception du clavier.
      1. Utilisez NASA-TLX, une échelle de 21 points utilisée pour mesurer la charge de travail subjective à travers des dimensions mentales, physiques, de temps, de performance, d’effort et de frustration. Un score élevé indique une charge de travail subjective élevée26.
      2. Utilisez l’échelle d’utilisabilité du système, un questionnaire en 5 points avec 10 éléments, et les réponses d’un participant seront calculées comme un score unique de 0 à 100. Un score élevé indique une facilité d’utilisation perçue élevée24.
      3. Utilisez l’échelle Borg CR10, qui varie de 0 à 10 pour mesurer la douleur et l’effort perçus. Un score élevé indique une douleur et un effort perçus de haut niveau25.
      4. Utilisez l’échelle d’intention d’utiliser : un questionnaire en 10 points utilisé pour mesurer la probabilité que les participants utilisent la technologie ou les produits. Un score élevé indique une probabilité de haut niveau28.
      5. La vitesse perçue et la précision perçue sont toutes mesurées par des échelles de 50 points, et un score élevé indique une bonne performance perçue28.
    6. Collectez les données de coordonnées de chaque point de contact et changez-les en ellipse ajustée (IC à 95 %) sur chaque bouton30,31. Adoptez la zone de chaque ellipse ajustée et le décalage entre le centre de l’ellipse ajustée et le centre cible de chaque bouton en tant que variables dépendantes.
      REMARQUE: Les données de coordonnées peuvent être collectées avec précision par l’application auto-développée sur le smartphone. S’il est difficile d’obtenir les données de coordonnées, des données objectives et subjectives sont suffisantes pour évaluer grossièrement la conception du clavier.

figure-protocol-2
Figure 2 : La mesure de la main. Veuillez cliquer ici pour voir une version agrandie de cette figure.

  1. Matériaux
    1. Choisissez le smartphone expérimental. Prenez en compte le poids, la résolution et la taille de l’écran.
    2. Concevoir et développer le logiciel d’expérimentation sur smartphones (étape optionnelle).
      REMARQUE: Le temps de transition entre deux touches peut être enregistré automatiquement par ce logiciel ou des capteurs de capture de mouvement (c’est-à-dire le capteur d’accéléromètre). Il peut être difficile de le récupérer manuellement (par exemple, une horloge ou un chronomètre).
    3. Sélectionnez la tâche d’entrée parmi les suggestions suivantes en fonction de l’hypothèse et révisez-la pour qu’elle corresponde à l’objectif de la recherche.
      1. Pour la tâche de saisie de paires de caractères, associez aléatoirement 26 lettres anglaises en 676 paires et divisez-les en moyenne en plusieurs groupes en fonction de la conception de l’expérience.
      2. Pour la tâche de saisie de phrase (phrase), utilisez des phrases de longueur modérée, faciles à retenir et représentatives de la langue cible. Si la langue cible est l’anglais, extrayez 15 à 20 phrases ou mots (ou en fonction de l’objectif de la recherche) d’un ensemble de 500 phrases37.
  2. Recrutement de participants
    1. Utilisez le logiciel G*Power pour calculer la taille de l’échantillon.
    2. Publiez des questionnaires pour recruter des participants potentiels.
    3. Filtrer les participants potentiels avec les caractéristiques recherchées, par exemple, l’âge, la santé, la vision, la maniabilité et l’expérience d’entrée. S’assurer que l’expérience de contribution des participants est équilibrée.

2. Procédure

  1. Lisez le formulaire de consentement éclairé de l’expérience aux participants, y compris la procédure de l’expérience, la tâche et s’ils rencontreront des blessures mentales ou physiques. Si les participants acceptent de participer, ils doivent signer le formulaire de consentement éclairé. Sinon, ils peuvent immédiatement se retirer. Selon le formulaire de consentement éclairé, les participants peuvent également se retirer à n’importe quelle étape de l’expérience.
  2. Recueillir des données physiques et démographiques. Utilisez un ruban à mesurer pour mesurer la main de chaque participant(Figure 2)afin d’éliminer l’effet de la différence de taille de la main et de fournir des données reproductibles pour les recherches futures. Recueillez des données démographiques telles que l’âge, le sexe, l’expérience de saisie précise et la profession.
  3. Désinfectez tous les appareils et nettoyez les parties du corps du participant qui toucheront les appareils.
    1. Demandez aux participants de se laver les mains et de nettoyer l’écran des smartphones afin que les capteurs des smartphones puissent être plus sensibles.
    2. Demandez aux participants de porter des détecteurs physiologiques sans fil portables ou un système de capture de mouvement. Demandez aux participants de porter le bracelet de détection physiologique sans fil portable sur la main non dominante pour enregistrer la réponse galvanique de la peau et la fréquence cardiaque tout en évitant les interférences sonores.
      1. Placez des marqueurs passifs du système de capture de mouvement sur les ongles, la phalange proximale du doigt, les vertèbres cervicales (C3-C5) et le bras, pour recueillir le mouvement précis du corps et des doigts. Collez des électrodes sans fil à la peau de deux bras et de deux avant-bras pour détecter l’activité électromyographique (étape optionnelle).
    3. Calibrez tous les appareils utilisés dans l’expérience.
  4. Partie pratique
    1. Laissez les participants terminer la tâche de formation. La tâche de formation est utilisée pour améliorer la familiarité des participants avec les tâches d’entrée et les claviers afin de réduire l’effet de la pratique ou de la méconnaissance sur le résultat de l’expérience. Il est composé de 50 paires ou 20 mots choisis au hasard parmi les 676 paires anglaises ou 500 phrases. Ce n’est que lorsque leur précision d’entrée atteint 80% ou plus en 150 secondes qu’ils peuvent entrer dans les essais formels. La recherche exemplaire a adopté la saisie de 50 paires comme tâche de formation.
  5. Tâche principale
    1. Laissez les participants terminer les essais formels dans toutes les conditions expérimentales. Ils doivent s’assurer de leur exactitude le plus rapidement possible pendant le temps de la tâche d’entrée. Les essais formels sont de véritables tâches d’entrée qui seront évaluées et analysées dans la recherche. Chaque paire, mot ou phrase représente un essai, et différents plans expérimentaux produisent des conditions expérimentales différentes.
    2. Demandez aux participants d’effectuer la tâche de saisie dans un ordre aléatoire ou équilibré. Les méthodes de division des matières premières sont les suivantes. Tout d’abord, 676 paires peuvent être divisées au hasard dans chaque condition expérimentale (c.-à-d. que les participants ont entré toutes les paires lorsqu’ils ont terminé toutes les conditions expérimentales). Deuxièmement, dans chaque condition expérimentale, 676 paires peuvent être divisées en plusieurs blocs au hasard, et les participants doivent compléter ces blocs au hasard. Troisièmement, pour saisir des mots, les participants doivent effectuer environ 20 essais dans chaque condition. Quatrièmement, pour saisir des phrases, les participants doivent compléter environ 10 à 15 essais dans chaque condition. Les chercheurs ne doivent pas s’assurer qu’il n’y a pas de différence significative entre le nombre de caractères et le nombre de mots saisis par le participant dans chaque condition. La recherche exemplaire a adopté la première méthode et avait quatre conditions expérimentales.
    3. Après chaque condition, demandez aux participants de remplir tous les questionnaires (échelles évaluant leur expérience subjective) au hasard et donnez-leur 1 min ou plus pour se reposer.
  6. À la fin de l’expérience, laissez chaque participant terminer le questionnaire complet (Q & R) pour obtenir un retour subjectif.
  7. Exprimez votre gratitude aux participants avec des récompenses monétaires ou matérielles.

3. Analyse des données

  1. Tests d’hypothèses par des tests paramétriques ou non paramétriques appropriés
    1. Analyser les données physiques, physiologiques et de mouvements corporels pour tester si la différence entre les participants influencerait de manière significative les résultats et l’expérience d’entrée inexpressive des utilisateurs (étape facultative).
    2. Analysez les performances d’entrée des participants pour tester l’efficacité d’entrée sur le clavier.
    3. Analyser les données subjectives pour tester la convivialité perçue et la rétroaction subjective du clavier.
    4. Déterminez si l’effet de la pratique et l’effet de fatigue influencent de manière significative le résultat. Pour chaque condition, les essais sont divisés en deux parties en fonction de l’horodatage (c.-à-d. la première moitié et la deuxième moitié). Plus précisément, dans chaque condition, examinez la différence de performance d’entrée entre la première moitié et la deuxième moitié pour vérifier si l’effet de pratique ou l’effet de fatigue existe.
    5. Analysez la zone de l’ellipse ajustée des points de contact sur chaque bouton ainsi que le décalage entre son centre et le centre cible de chaque bouton (étape facultative).
      1. Collectez tous les points de contact de chaque bouton avec le logiciel, et ils correspondent à peu près à la distribution gaussienne bivariée. L’intervalle de confiance de 95 % de chaque bouton dans les directions x et y est dérivé des données de coordonnées de chaque point de contact en pixels, et les ellipses de confiance de 95 % sur un contour 1:1 du bouton pour chaque clavier sont ajustées via des scripts Python sur la coordonnée du pixel (voir Fichier de codage 2).
      2. Utilisez des ellipses ajustées (IC à 95 %) et leurs zones pour démontrer la dispersion des points de contact sur chaque bouton. Dans chaque bouton, le décalage de l’ellipse ajustée calculé par les scripts Python est défini comme le point central de l’ellipse ajustée par rapport au point cible du bouton, et il peut être représenté à partir des directions x et y (c’est-à-dire dans l’axe X et l’axe Y, voir Fichier de codage 3).
  2. Modélisation et simulation
    1. Utilisez le modèle piloté par les données en fonction de l’emplacement et de l’orientation du clavier pour prédire le mouvement des doigts par des scripts Python. Tous les mouvements des doigts sont divisés en huit directions38 (le haut vers le bas, le bas vers le haut, la gauche vers la droite, la droite vers la gauche, le haut gauche vers le bas droit, le bas droit vers le haut gauche, le bas gauche vers le haut droit, le haut droit vers le bas gauche). Pour chaque direction, le temps de transition moyen entre deux touches est calculé pour représenter l’efficacité du mouvement des doigts, qui est utilisé pour évaluer la conception du clavier (étape facultative).
    2. Utilisez l’analyse de régression linéaire pour construire un modèle amélioré de la loi de Fitts (ou sa version étendue, la loi de FFitts) pour prédire le temps de transition entre deux clés à l’aide d’une architecture cognitive intégrée39 par des scripts Python. Le modèle amélioré de la loi de Fitts pourrait fournir une meilleure prédiction et évaluation de la conception du clavier en fonction de ses analyses sur l’emplacement et la largeur effective des touches, ainsi que sur la distance de deux touches (étape facultative).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

L’étude représentative suit principalement le protocole mentionné. L’étude adopte une conception 2 (Disposition du clavier: QWERTY incurvé vs QWERTY traditionnel) × 2 (Taille du bouton: grand, 6,3 mm × 9 mm vs petit, 4,9 mm × 7 mm) à l’intérieur du sujet pour évaluer si le QWERTY incurvé pourrait améliorer l’efficacité et le confort d’entrée par rapport au QWERTY traditionnel dans différentes tailles de boutons par la tâche de saisie de la paire de caractères via notre logiciel auto-développé (Figure...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Dans cette étude, basée sur le développement de la technologie d’écran, nous avons présenté un protocole résumé et général d’évaluation de la conception du clavier pour évaluer la conception du clavier de manière systématique et précise. Les indicateurs et méthodes existants issus d’études antérieures, les paires appariées par des caractères anglais et le temps de transition entre deux clés sont intégrés et modifiés pour générer un protocole efficace.

Plusieurs points critiques doivent être re...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Les auteurs n’ont déclaré aucune divulgation financière ni conflit d’intérêts.

Remerciements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Cette recherche est soutenue par le programme de recherche scientifique de l’Initiative de l’Université Tsinghua (Conception ergonomique du clavier incurvé sur les appareils intelligents). Les auteurs apprécient Tianyu Liu pour ses aimables suggestions et son aide au codage sur les chiffres.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Smartphone Changxiang 6S HuaweiSmartphone utilisé dans l’étude d’exemple
Logiciel de clavier QWERTY incurvéUniversitéDéveloppé par les auteurs
Logiciel SPSSLogiciel IBMLogiciel d’analyse
G*Power LogicielHeinrich-Heine-Universitä ; t Dü ; Calcul de la taille de l’échantillon
Bracelet sans fil portable E4EmpaticaEnregistrement de la réponse galvanique de la peau et de la fréquence cardiaque
ArqusQualysisPlate-forme de caméra de capture de mouvement
Marqueur passifQualysisTailles appropriées : 2,5 mm, 4 mm et 6,5 mm
Trigno sEMGDelsysEnregistrement de l’activité électromyographique
Visual Studio CodeÉditeur MicrosoftPython
de Tsinghua de données sseldorf

Références

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Erratum

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Formal Correction: Erratum: An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones
Posted by JoVE Editors on 9/01/2022. 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

Mots-clés

valuation de la conception de claviersConception de claviers de smartphonesClavier QWERTY incurvAnalyse des retours subjectifsDonn es comportementales objectivesDonn es de coordonn es des points de contactD tecteurs physiologiques sans fil portablesSyst me de capture de mouvementEnregistrement de l activit lectromyographiquevaluation des performances de saisie

Articles connexes