Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Metoda oceny i zestaw narzędzi do oceny projektu klawiatury w smartfonach

2.8K wyświetleń

⸱

DOI:

10.3791/61796

⸱

5 października 2020

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

W tym artykule

Informacja o sprostowaniu

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

Podsumowanie

Prezentowany protokół integruje różne metody oceny i demonstruje metodę oceny projektu klawiatury na smartfonach. Pary dopasowane znakami angielskimi są proponowane jako materiał wejściowy, a czas przejścia między dwoma kluczami jest używany jako zmienna zależna.

Streszczenie

Wprowadzanie danych z klawiatury odegrało istotną rolę w interakcji człowiek-komputer z ogromną bazą użytkowników, a projekt klawiatury zawsze był jednym z podstawowych obiektów badań nad inteligentnymi urządzeniami. Wraz z rozwojem technologii ekranów, smartfony mogą zbierać bardziej precyzyjne dane i wskaźniki w celu dogłębnej oceny konstrukcji klawiatury. Powiększenie ekranu telefonu doprowadziło do niezadowalających wrażeń z wprowadzania danych i bólu palców, zwłaszcza w przypadku wprowadzania danych jedną ręką. Wydajność i wygoda wprowadzania danych przyciągnęły uwagę badaczy i projektantów, a zakrzywiona klawiatura z przyciskami o regulowanym rozmiarze, która z grubsza odpowiadała fizjologicznej budowie kciuków, została zaproponowana w celu optymalizacji obsługi jedną ręką w smartfonach z dużym ekranem. Jednak jego rzeczywiste skutki pozostały niejednoznaczne. W związku z tym protokół ten zademonstrował ogólną i podsumowaną metodę oceny wpływu zakrzywionej klawiatury QWERTY na 5-calowy smartfon za pomocą samodzielnie opracowanego oprogramowania ze szczegółowymi zmiennymi, w tym obiektywnymi danymi behawioralnymi, subiektywnymi opiniami i danymi współrzędnych każdego punktu styku. Istnieje wystarczająca ilość literatury na temat oceny klawiatur wirtualnych; Jednak tylko nieliczni z nich w sposób systematyczny podsumowywali i zastanawiali się nad metodami i procesami oceny. W związku z tym protokół ten wypełnia lukę i przedstawia proces i metodę systematycznej oceny konstrukcji klawiatury wraz z dostępnymi kodami do analizy i wizualizacji. Nie wymaga dodatkowego ani drogiego sprzętu i jest łatwy w obsłudze i obsłudze. Ponadto protokół pomaga również uzyskać potencjalne przyczyny wad projektu i oświeca optymalizację projektów. Podsumowując, ten protokół z zasobami open source może być nie tylko eksperymentem demonstracyjnym w swojej klasie, który zainspiruje nowicjusza do rozpoczęcia studiów, ale także przyczyni się do poprawy doświadczenia użytkownika i przychodów firm zajmujących się edytorem metod wejściowych.

Wprowadzenie

Wprowadzanie z klawiatury jest główną metodą interakcji człowiek-smartfon1,2, a wraz z penetracją smartfonów, wprowadzanie z klawiatury zyskuje miliardy użytkowników. W 2019 r. globalny wskaźnik penetracji smartfonów osiągnął 41,5%3, podczas gdy Stany Zjednoczone, z najwyższą penetracją, osiągnęły 79,1%4. Do pierwszego kwartału 2020 roku klawiatura mobilna Sogou miała około 480 milionów aktywnych użytkowników dziennie5. Do 6 maja 2020 r. Google Gboard został pobrany ponad 1 miliard razy6.

Niezadowalające wrażenia z wprowadzania danych z klawiatury zwiększają się wraz z powiększeniem ekranu telefonu. Chociaż powiększony ekran miał na celu poprawę wrażeń wizualnych, zmienił grawitację, rozmiar i wagę smartfonów, powodując, że użytkownicy wielokrotnie zmieniali pozycję trzymania, aby dotrzeć do odległych obszarów (np. przycisków A i Q dla użytkowników praworęcznych), prowadząc w ten sposób do nieefektywności wprowadzania danych. Rozciągnięcie mięśni może powodować u użytkowników zaburzenia układu mięśniowo-szkieletowego, bóle dłoni i różnego rodzaju choroby (np. zespół cieśni nadgarstka, choroba zwyrodnieniowa stawów kciuka i zapalenie pochewki ścięgna ścięgna kciuka7,8,9,10). Użytkownicy, którzy preferują obsługę jedną ręką, znajdują się w gorszych warunkach11,12.

Dlatego ocena i optymalizacja konstrukcji klawiatury stały się gorącymi tematami badań psychologicznych, technicznych i ergonomicznych. Firmy i badacze zajmujący się edytorem IME (input method editor) stale proponują różne projekty i koncepcje klawiatur w celu optymalizacji środowiska wprowadzania i wydajności, w tym klawiatury ze zmienionym układem i zmienioną kolejnością znaków: Microsoft WordFlow Keyboard13, Functional Button Area in Glory of Kings14, IJQWERTY15 i Quasi-QWERTY16.

Istniejące metody oceny konstrukcji klawiatury różnią się w zależności od badacza, z wyjątkiem kilku wysoce akceptowanych wskaźników, a dokładniejsze wskaźniki są proponowane. Jednak przy różnych wskaźnikach nie ma podsumowanego i systematycznego protokołu, który zademonstrowałby proces oceny i analizy projektu klawiatury. Prawo Fittsa17 i jego rozszerzona wersja FFitts Law18, które opisywały interakcję człowiek-komputer, były powszechnie stosowane do oceny wydajności klawiatury19,20,21,22. Co więcej, zaproponowano funkcjonalny obszar kciuka, aby poprawić konstrukcję klawiatury i opisano zakrzywiony obszar ruchu, w którym kciuk może wygodnie wykonywać zadanie wejściowe23. W oparciu o te teorie, wskaźniki, w tym słowo na minutę, wskaźnik błędów słów i subiektywne informacje zwrotne (postrzegana użyteczność, postrzegana wydajność, postrzegana prędkość, subiektywne obciążenie pracą, postrzegany wysiłek i ból oraz zamiar użycia itp.), które były często stosowane, były częściowo stosowane w poprzednich badaniach24,25,26,27,28,29 z wyjątkiem metod modelowania i symulacji. Ponadto w ostatnich latach wykorzystano dopasowaną elipsę punktów dotykowych na każdym przycisku i jego przesunięcie30,31 do zbadania dokładnej wydajności wprowadzania zdarzeń. Również galwaniczna reakcja skóry, tętno, aktywność elektromiograficzna, gesty dłoni i ruchy ciała32,33,34,35 zostały przyjęte do bezpośredniej lub pośredniej oceny zmęczenia mięśni, komfortu i zadowolenia użytkowników. Jednak w tych różnych metodach brakuje refleksji nad adekwatnością zastosowanych wskaźników, a początkujący badacz może być zdezorientowany, aby wybrać odpowiednie wskaźniki do swoich badań.

Badania nad projektowaniem klawiatur są również łatwe do przeprowadzenia, obsługi i analizy. Wraz z rozwojem technologii ekranowej można było łatwo zebrać więcej danych behawioralnych, aby dogłębnie ocenić projekt klawiatury (np. czas przejścia między dwoma i dane o współrzędnych każdego punktu dotyku). Na podstawie wspomnianych danych badacze mogli precyzyjnie zbadać szczegóły konstrukcji klawiatury oraz przeanalizować jej wady i zalety. W porównaniu z innymi badaniami nad interakcją człowiek-komputer, badania nad projektowaniem klawiatur w przenośnych smartfonach mają również wysoką wartość aplikacyjną dla ogromnej bazy użytkowników, bez drogiego sprzętu, skomplikowanych materiałów lub ogromnej przestrzeni laboratoryjnej. Kwestionariusze, skale i skrypt Pythona dotyczące badań są open-source i łatwo dostępne.

Celem tego badania jest podsumowanie poprzednich metod, aby zademonstrować systematyczny, precyzyjny i ogólny protokół do oceny i analizy projektu klawiatury w smartfonach. Przykładowy eksperyment i jego wyniki mają na celu pokazanie, czy zakrzywiona klawiatura QWERTY z przyciskami o regulowanym rozmiarze może zoptymalizować wprowadzanie danych jedną ręką na 5-calowym smartfonie w porównaniu z tradycyjną klawiaturą QWERTY oraz dzielić metodę wizualizacji i skrypt analizy danych w języku Python.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Badanie zostało przeprowadzone zgodnie z zasadami etycznymi i zostało zatwierdzone przez Komisję Etyczną Uniwersytetu Tsinghua. Rysunek 1 przedstawia proces oceny projektu klawiatury smartfonów.

Schemat ilustrujący proces eksperymentalny: kroki przygotowania, procedury i analizy danych.
Rysunek 1: Ogólny proces przeprowadzenia eksperymentu z klawiaturą i oceny projektu klawiatury. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

1. Przygotowanie

  1. Projektowanie eksperymentu
    1. Zdefiniuj problem badawczy i postaw hipotezę.
    2. Zaprojektuj eksperyment zgodnie z hipotezą i określ zmienne niezależne (np. układ klawiatury, postawa podczas pisania). Zastosuj schemat badawczy wewnątrzgrupowy, aby ograniczyć czynniki zakłócające oraz wariancję wynikającą z różnic między uczestnikami.
  2. Zmienne zależne
    1. Wykorzystaj dane fizyczne, w tym długość dłoni, długość palca wprowadzającego oraz obwód palca wprowadzającego, zmierzone za pomocą miary krawieckiej, jak pokazano na Rysunku 2.
    2. Wykorzystaj dane fizjologiczne, w tym reakcję galwaniczną skóry (mierzoną za pomocą przenośnego bezprzewodowego detektora fizjologicznego), tętno (mierzone za pomocą przenośnego bezprzewodowego detektora fizjologicznego), aktywność elektromiograficzną (mierzoną za pomocą powierzchniowej elektromiografii) itp.
    3. Wykorzystaj wydajność wprowadzania danych: liczbę słów na minutę, wskaźnik błędów w słowach oraz czas przejścia między dwoma klawiszami.
      1. Liczba słów na minutę odnosi się do prędkości wprowadzania danych przez uczestników (tj. liczby poprawnie wpisanych słów na minutę).
      2. Wskaźnik błędów w słowach odnosi się do dokładności wprowadzania danych przez uczestników (tj. liczby błędnie wpisanych słów podzielonej przez całkowitą liczbę słów w jednym warunku). W poprzednich badaniach stosowano również skorygowany wskaźnik błędów, nieskorygowany wskaźnik błędów oraz całkowity wskaźnik błędów36.
      3. Czas przejścia między dwoma klawiszami odnosi się do czasu reakcji uczestników między dwoma punktami styku w poprawnie wpisanym słowie22 (tj. czas rozpoczęcia drugiego punktu styku pomniejszony o czas odejścia od pierwszego znaku).
    4. Wykorzystaj dane dotyczące ruchu ciała, takie jak gesty dłoni oraz ruch ciała (palców). Mogą one zostać zebrane za pomocą systemu przechwytywania ruchu35.
    5. Wykorzystaj dane subiektywne, takie jak postrzegana użyteczność, chęć użycia, postrzegana dokładność i prędkość, postrzegany wysiłek i ból oraz subiektywne obciążenie itp. Dane subiektywne można uzyskać za pomocą istniejących skal i kwestionariuszy, które są wysoce niezawodne i trafne, co pozwala lepiej ocenić subiektywne opinie uczestników na temat projektu klawiatury.
      1. Zastosuj NASA-TLX, 21-punktową skalę służącą do pomiaru subiektywnego obciążenia w wymiarach: psychicznym, fizycznym, czasowym, wydajnościowym, wysiłkowym oraz frustracyjnym. Wysoki wynik wskazuje na wysokie subiektywne obciążenie26.
      2. Zastosuj System Usability Scale, 5-punktowy kwestionariusz składający się z 10 elementów; odpowiedzi jednego uczestnika zostaną obliczone jako pojedynczy wynik od 0 do 100. Wysoki wynik wskazuje na wysoką postrzeganą użyteczność24.
      3. Zastosuj skalę Borg CR10, obejmującą zakres od 0 do 10, w celu pomiaru postrzeganego bólu i wysiłku. Wysoki wynik wskazuje na wysoki poziom odczuwanego bólu i wysiłku25.
      4. Zastosuj skalę chęci użycia (Intent to Use Scale): 10-punktowy kwestionariusz służący do pomiaru prawdopodobieństwa, że uczestnicy będą korzystać z danej technologii lub produktów. Wysoki wynik wskazuje na wysokie prawdopodobieństwo28.
      5. Postrzeganą prędkość i postrzeganą dokładność mierzy się za pomocą skal 50-punktowych; wysoki wynik wskazuje na dobrą postrzeganą wydajność28.
    6. Zbierz dane współrzędnych każdego punktu styku i przekształć je w dopasowaną elipsę (95% CI) punktów styku na każdym przycisku30,31. Jako zmienne zależne przyjmij powierzchnię każdej dopasowanej elipsy oraz przesunięcie od środka dopasowanej elipsy do środka celu każdego przycisku.
      UWAGA: Dane współrzędnych można precyzyjnie zebrać za pomocą samodzielnie opracowanej aplikacji na smartfonie. Jeśli uzyskanie danych współrzędnych jest utrudnione, dane obiektywne i subiektywne są wystarczające do orientacyjnej oceny projektu klawiatury.

Schemat pomiaru dłoni; zilustrowano długość i obwód kciuka oraz długość dłoni.
Rycina 2: Pomiar dłoni. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

  1. Materiały
    1. Wybierz smartfon do eksperymentu. Weź pod uwagę wagę, rozdzielczość oraz rozmiar ekranu.
    2. Zaprojektuj i opracuj oprogramowanie do eksperymentu na smartfony (krok opcjonalny).
      UWAGA: Czas przejścia między dwoma klawiszami może być rejestrowany automatycznie przez to oprogramowanie lub czujniki przechwytywania ruchu (np. akcelerometr). Ręczny pomiar (np. za pomocą zegara lub stopera) może być utrudniony.
    3. Wybierz zadanie wprowadzania danych z poniższych sugestii w zależności od hipotezy i zmodyfikuj je tak, aby odpowiadało celowi badania.
      1. W przypadku zadania wprowadzania par znaków, losowo połącz 26 liter angielskiego alfabetu w 676 par i podziel je równomiernie na kilka grup zgodnie z projektem eksperymentu.
      2. W przypadku zadania wprowadzania fraz (zdań), użyj fraz o umiarkowanej długości, łatwych do zapamiętania i reprezentatywnych dla danego języka. Jeśli językiem docelowym jest angielski, wybierz 15–20 (lub zgodnie z celem badania) fraz lub słów z zestawu 500 fraz37.
  2. Rekrutacja uczestników
    1. Użyj oprogramowania G*Power do obliczenia wielkości próby.
    2. Opublikuj kwestionariusze w celu rekrutacji potencjalnych uczestników.
    3. Odsiej potencjalnych uczestników, wybierając osoby o pożądanych cechach, np. wieku, stanie zdrowia, ostrości wzroku, dominującej ręce oraz doświadczeniu w wprowadzaniu danych. Upewnij się, że doświadczenie uczestników w wprowadzaniu danych jest zrównoważone.

2. Procedura

  1. Odczytaj uczestnikom formularz świadomej zgody na udział w badaniu, zawierający opis procedury eksperymentalnej, zadania oraz informację o ewentualnych urazach psychicznych lub fizycznych. Jeśli uczestnicy wyrażą zgodę na udział, muszą podpisać formularz świadomej zgody. W przeciwnym razie mogą natychmiast zrezygnować. Zgodnie z formularzem świadomej zgody uczestnicy mogą wycofać się z badania na każdym jego etapie.
  2. Zbierz dane fizyczne oraz demograficzne. Użyj miary krawieckiej, aby zmierzyć dłoń każdego uczestnika (Rysunek 2), w celu wyeliminowania wpływu różnic w rozmiarze dłoni oraz zapewnienia powtarzalnych danych dla przyszłych badań. Zbierz dane demograficzne, takie jak wiek, płeć, dokładne doświadczenie w wprowadzaniu danych oraz zawód.
  3. Zdezynfekuj wszystkie urządzenia i oczyść części ciała uczestnika, które będą miały kontakt z urządzeniami.
    1. Poproś uczestników o umycie rąk i wyczyszczenie ekranów smartfonów, aby czujniki urządzeń były bardziej czułe.
    2. Poproś uczestników o założenie przenośnych bezprzewodowych detektorów fizjologicznych lub systemu motion capture. Poproś uczestników o założenie przenośnej bezprzewodowej opaski detekcji fizjologicznej na niedominującą rękę, aby zarejestrować reakcję skórno-galwaniczną oraz tętno, unikając zakłóceń szumem.
      1. Umieść pasywne markery systemu motion capture na paznokciach, paliczkach bliższych palców, kręgach szyjnych (C3–C5) i ramionach, aby zarejestrować precyzyjne ruchy ciała i palców. Przyklej bezprzewodowe elektrody do skóry obu ramion i przedramion, aby wykryć aktywność elektromiograficzną (krok opcjonalny).
    3. Zkalibruj wszystkie urządzenia wykorzystane w eksperymencie.
  4. Część praktyczna
    1. Poproś uczestników o wykonanie zadania treningowego. Zadanie treningowe służy oswojeniu uczestników z zadaniami wprowadzania danych i klawiaturami, aby zredukować wpływ efektu wprawy lub braku znajomości systemu na wynik eksperymentu. Składa się ono z 50 par lub 20 słów randomly wybranych z zestawu 676 par angielskich lub zestawu 500 fraz. Przejście do właściwych prób jest możliwe dopiero po osiągnięciu dokładności wprowadzania na poziomie 80% lub wyższej w czasie 150 s. W badaniu przykładowym jako zadanie treningowe przyjęto wprowadzanie 50 par.
  5. Zadanie główne
    1. Poproś uczestników o wykonanie właściwych prób we wszystkich warunkach eksperymentalnych. Podczas wykonywania zadania wprowadzania danych muszą oni dążyć do jak najwyższej dokładności przy jednoczesnym zachowaniu jak najkrótszego czasu. Właściwe próby są rzeczywistymi zadaniami wprowadzania danych, które zostaną ocenione i przeanalizowane w badaniu. Każda para, słowo lub zdanie stanowi jedną próbę, a różne projekty eksperymentalne generują różne warunki eksperymentalne.
    2. Uczestnicy powinni wykonywać zadanie wprowadzania danych w kolejności losowej lub zrównoważonej. Metody podziału materiałów do wprowadzania są następujące. Po pierwsze, 676 par może zostać losowo podzielone na każdą z warunków eksperymentalnych (tzn. uczestnicy wprowadzili wszystkie pary po zakończeniu wszystkich warunków eksperymentalnych). Po drugie, w ramach każdego warunku eksperymentalnego 676 par może zostać losowo podzielonych na kilka bloków, a uczestnicy muszą ukończyć te bloki w kolejności losowej. Po trzecie, w przypadku wprowadzania słów uczestnicy powinni wykonać około 20 prób w każdym warunku. Po czwarte, w przypadku wprowadzania zdań uczestnicy powinni wykonać około 10–15 prób w każdym warunku. Badacze powinni upewnić się, że nie ma istotnych różnic w liczbie znaków i słów wprowadzonych przez uczestnika w każdym warunku. W badaniu przykładowym zastosowano pierwszą metodę i wykorzystano cztery warunki eksperymentalne.
    3. Po każdym warunku poproś uczestników o wypełnienie wszystkich kwestionariuszy (skal oceniających ich subiektywne doświadczenia) w kolejności losowej i zapewnij im co najmniej 1 min odpoczynku.
  6. Na koniec eksperymentu poproś każdego uczestnika o wypełnienie kompleksowego kwestionariusza (pytania i odpowiedzi) w celu uzyskania subiektywnej opinii.
  7. Wyraź wdzięczność uczestnikom poprzez nagrody pieniężne lub rzeczowe.

3. Analiza danych

  1. Weryfikacja hipotez za pomocą odpowiednich testów parametrycznych lub nieparametrycznych
    1. Przeanalizuj dane fizyczne, fizjologiczne oraz dotyczące ruchów ciała, aby sprawdzić, czy różnice między uczestnikami mogłyby istotnie wpłynąć na wyniki i niewyrazne doświadczenia użytkowników podczas wprowadzania danych (krok opcjonalny).
    2. Przeanalizuj wydajność wprowadzania danych przez uczestników, aby zbadać efektywność wprowadzania treści na klawiaturze.
    3. Przeanalizuj dane subiektywne, aby ocenić postrzeganą użyteczność i subiektywne opinie na temat klawiatury.
    4. Ustal, czy efekt wprawy oraz efekt zmęczenia istotnie wpływają na wynik. Dla każdego warunku próby zostają podzielone na dwie części zgodnie ze znacznikiem czasu (tj. pierwszą połowę i drugą połowę). W szczególności, w każdym warunku, zbadaj różnicę w wydajności wprowadzania danych między pierwszą a drugą połową, aby przetestować występowanie efektu wprawy lub efektu zmęczenia.
    5. Przeanalizuj pole powierzchni dopasowanej elipsy punktów dotyku na każdym przycisku oraz przesunięcie z jej środka do środka celu każdego przycisku (krok opcjonalny).
      1. Zbierz za pomocą oprogramowania wszystkie punkty dotyku każdego przycisku, które w przybliżeniu odpowiadają dwuwymiarowemu rozkładowi Gaussa. 95% przedział ufności dla każdego przycisku w kierunkach x i y jest wyznaczany na podstawie danych współrzędnych każdego punktu dotyku w pikselach, a elipsy ufności 95% na obrysie przycisku w stosunku 1:1 dla każdej klawiatury są dopasowywane za pomocą skryptów Python na podstawie współrzędnych pikseli (patrz: Coding File 2).
      2. Użyj dopasowanych elips (95% CI) i ich pól powierzchni, aby wykazać rozproszenie punktów dotyku na każdym przycisku. Dla każdego przycisku przesunięcie dopasowanej elipsy obliczane przez skrypty Python jest definiowane jako odległość od punktu centralnego dopasowanej elipsy do punktu docelowego przycisku i może być przedstawione w kierunkach x i y (tj. na osi X i osi Y, patrz: Coding File 3).
  2. Modelowanie i symulacja
    1. Użyj modelu opartego na danych jako funkcji lokalizacji i orientacji klawiatury, aby przewidzieć ruchy palców za pomocą skryptów Python. Wszystkie ruchy palców są podzielone na osiem kierunków38 (z góry na dół, z dołu do góry, z lewej na prawą, z prawej na lewą, z lewego górnego rogu do prawego dolnego, z prawego dolnego rogu do lewego górnego, z lewego dolnego rogu do prawego górnego, z prawego górnego rogu do lewego dolnego). Dla każdego kierunku obliczany jest średni czas przejścia między dwoma klawiszami, aby określić efektywność ruchu palców, co służy do oceny projektu klawiatury (krok opcjonalny).
    2. Użyj analizy regresji liniowej, aby zbudować model rozszerzonego prawa Fittsa (lub jego wersję rozszerzoną, prawo FFittsa), w celu przewidzenia czasu przejścia między dwoma klawiszami przy użyciu zintegrowanej architektury poznawczej39 za pomocą skryptów Python. Model rozszerzonego prawa Fittsa może zapewnić lepszą predykcję i ocenę projektu klawiatury na podstawie analizy lokalizacji i efektywnej szerokości klawiszy, a także odległości między dwoma klawiszami (krok opcjonalny).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Reprezentatywne badanie w głównej mierze opiera się na wspomnianym protokole. W badaniu zastosowano schemat wewnątrzpodmiotowy 2 (układ klawiatury: zakrzywiony QWERTY vs tradycyjny QWERTY) × 2 (rozmiar przycisku: duży, 6,3 mm × 9 mm vs mały, 4,9 mm × 7 mm), aby ocenić, czy zakrzywiony QWERTY może poprawić wydajność i komfort wprowadzania danych w porównaniu z tradycyjnym QWERTY przy różnych rozmiarach przycisków, wykorzystując zadanie wprowadzania par znaków za pomocą naszego autorskiego oprogramowania (

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

W tym badaniu, opartym na rozwoju technologii ekranów, przedstawiliśmy skrócony i ogólny protokół oceny projektu klawiatury, aby systematycznie i precyzyjnie ocenić konstrukcję klawiatury. Istniejące wskaźniki i metody z poprzednich badań, pary dopasowane przez znaki angielskie oraz czas przejścia między dwoma kluczami są integrowane i modyfikowane w celu wygenerowania skutecznego protokołu.

W tym protokole należy zwrócić uwagę na kilka krytycznych punktów. Dobór zmiennych i wskaźników jest ni...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy zadeklarowali brak ujawnień finansowych ani konflikt interesów.

Podziękowania

Te badania są wspierane przez Program Badań Naukowych Inicjatywy Uniwersytetu Tsinghua (Ergonomiczny projekt zakrzywionej klawiatury na urządzeniach inteligentnych). Autorzy doceniają Tianyu Liu za jego miłe sugestie i pomoc w kodowaniu figur.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Smartfon Changxiang 6SHuaweiSmartfon użyty w badaniu przykładowym
Oprogramowanie zakrzywionej klawiatury QWERTYUniwersytetOpracowane przez autorów
Oprogramowanie SPSSOprogramowanie IBMOprogramowanie do analizy danych
G*Power OprogramowanieHeinrich-Heine-Universitä t Dü sseldorfObliczanie wielkości próbki
Przenośna bezprzewodowa opaska na nadgarstek E4EmpaticaRejestrowanie galwanicznej reakcji skóry i tętna
ArqusQualysisPlatforma kamery do przechwytywania ruchu
Marker pasywnyQualysisOdpowiednie rozmiary: 2,5 mm, 4 mm i 6,5 mm
Trigno sEMGDelsysRejestrowanie aktywności elektromiograficznej
Edytor Visual Studio CodeMicrosoftPython
Tsinghua

Bibliografia

  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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Sprostowanie


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

Tagi

Ocena projektu klawiaturyprojekt klawiatury smartfonazakrzywiona klawiatura QWERTYanaliza subiektywnych opiniiobiektywne dane behawioralnedane współrzędnych punktów stykuprzenośne bezprzewodowe detektory fizjologicznesystem przechwytywania ruchurejestracja aktywności elektromiograficznejocena wydajności wprowadzania danych
Metoda oceny i zestaw narzędzi do oceny projektu klawiatury w smartfonach
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.