Artykuł metodologiczny

Metoda oceny i zestaw narzędzi do oceny projektu klawiatury w smartfonach

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

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

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

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

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

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

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

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

Badanie zostało przeprowadzone zgodnie z zasadami etycznymi i zostało zatwierdzone przez Komisję Etyki Uniwersytetu Tsinghua. Rysunek 1 pokazuje proces oceny konstrukcji klawiatury w smartfonach.

figure-protocol-1
Rysunek 1: Ogólny proces przeprowadzania eksperymentu z klawiaturą i oceny konstrukcji klawiatury. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

1. Przygotowanie

  1. Projekt eksperymentu
    1. Zdefiniuj zagadnienie badawcze i zaproponuj hipotezę.
    2. Zaprojektuj eksperyment zgodnie z hipotezą i zdefiniuj zmienne niezależne (np. układ klawiatury, postawa podczas pisania). Użyj projektu wewnątrzobiektowego, aby zmniejszyć czynniki zakłócające i wariancję spowodowaną różnicą między uczestnikami.
  2. Zmienne zależne
    1. Użyj danych fizycznych, w tym długości dłoni, długości palca wejściowego i obwodu palca wejściowego, które zostały zmierzone za pomocą taśmy mierniczej, jak pokazano na rysunku Rysunek 2.
    2. Korzystaj z danych fizjologicznych, w tym reakcji galwanicznej skóry (mierzonej przez przenośny bezprzewodowy detektor fizjologiczny), tętna (mierzonej przez przenośny bezprzewodowy detektor fizjologiczny), aktywności elektromiograficznej (mierzonej za pomocą elektromiografii powierzchniowej) itp.
    3. Korzystaj z wydajności danych wejściowych: słowo na minutę, współczynnik błędów słów i czas przejścia między dwoma.
      1. Słowo na minutę odnosi się do szybkości wprowadzania danych przez uczestników (tj. liczby poprawnie wprowadzonych słów na minutę).
      2. Wskaźnik błędów słów odnosi się do dokładności danych wejściowych uczestników (tj. liczby nieprawidłowo wprowadzonych słów podzielonej przez całkowitą liczbę słów w jednym warunku). Skorygowany poziom błędu, nieskorygowany poziom błędu i całkowity poziom błędu były również używane w poprzednich badaniach36.
      3. Czas przejścia między dwoma odnosi się do czasu reakcji uczestników między dwoma punktami styku poprawnie wprowadzonego słowa22 (tj. czas rozpoczęcia drugiego punktu dotyku minus czas odejścia pierwszego znaku).
    4. Korzystaj z danych o ruchach ciała, takich jak gesty dłoni i ruchy ciała (palców). Mogą być zbierane przez system przechwytywania ruchu35.
    5. Korzystaj z subiektywnych danych, takich jak postrzegana użyteczność, zamiar użycia, postrzegana dokładność i szybkość, odczuwany wysiłek i ból, subiektywne obciążenie pracą itp. Subiektywne dane można uzyskać za pomocą istniejących skal i kwestionariuszy, które są wysoce wiarygodne, a także ważne, aby lepiej ocenić subiektywne opinie uczestników na temat projektu klawiatury.
      1. Użyj NASA-TLX, 21-punktowej skali, która służy do pomiaru subiektywnego obciążenia pracą poprzez wymiary psychiczne, fizyczne, czasowe, wydajnościowe, wysiłku i frustracji. Wysoki wynik wskazuje na wysokie subiektywne obciążenie pracą26.
      2. Skorzystaj ze Skali Użyteczności Systemu, 5-punktowego kwestionariusza z 10 pozycjami, a odpowiedzi jednego uczestnika zostaną obliczone jako pojedynczy wynik od 0 do 100. Wysoki wynik wskazuje na wysoką postrzeganą użyteczność24.
      3. Użyj skali Borg CR10, która jest w zakresie od 0 do 10, aby zmierzyć odczuwany ból i wysiłek. Wysoki wynik wskazuje na wysoki poziom odczuwanego bólu i wysiłku25.
      4. Użyj skali intencji użycia: 10-punktowy kwestionariusz, który służy do pomiaru prawdopodobieństwa, że uczestnicy skorzystaliby z technologii lub produktów. Wysoki wynik oznacza wysoki poziom prawdopodobieństwa28.
      5. Postrzegana prędkość i postrzegana dokładność są mierzone za pomocą 50-punktowych skal, a wysoki wynik wskazuje na dobrą postrzeganą wydajność28.
    6. Zbierz dane o współrzędnych każdego punktu dotyku i zamień je na dopasowaną elipsę (95% CI) punktów dotyku na każdym przycisku30,31. Jako zmienne zależne należy przyjąć obszar każdej dopasowanej elipsy i przesunięcie od środka dopasowanej elipsy do środka docelowego każdego przycisku.
      UWAGA: Dane współrzędnych mogą być precyzyjnie zbierane przez samodzielnie opracowaną aplikację na smartfonie. Jeśli trudno jest uzyskać dane o współrzędnych, obiektywne i subiektywne dane są wystarczające do przybliżonej oceny konstrukcji klawiatury.

figure-protocol-2
Rysunek 2: Pomiar dłoni. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

  1. Materiałów
    1. Wybierz eksperymentalny smartfon. Weź pod uwagę wagę, rozdzielczość i rozmiar ekranu.
    2. Zaprojektuj i opracuj oprogramowanie do eksperymentów na smartfonach (krok opcjonalny).
      UWAGA: Czas przejścia między dwoma może być rejestrowany automatycznie przez to oprogramowanie lub czujniki przechwytywania ruchu (tj. czujnik akcelerometru). Ręczne zebranie go może być trudne (np. zegar lub stoper).
    3. Wybierz zadanie wejściowe spośród poniższych sugestii na podstawie hipotezy i popraw je, aby dopasować je do celu badawczego.
      1. W zadaniu wprowadzania pary znaków losowo połącz 26 angielskich liter w 676 par i średnio podziel je na kilka grup w oparciu o projekt eksperymentu.
      2. W zadaniu wprowadzania frazy (zdania) użyj fraz, które są umiarkowanej długości, łatwe do zapamiętania i reprezentatywne dla języka docelowego. Jeśli językiem docelowym jest angielski, wyodrębnij 15–20 (lub w zależności od celu badawczego) fraz lub słów z 500 fraz set37.
  2. Rekrutacja uczestników
    1. Użyj oprogramowania G*Power, aby obliczyć wielkość próby.
    2. Opublikuj kwestionariusze, aby zrekrutować potencjalnych uczestników.
    3. Filtruj potencjalnych uczestników o pożądanych cechach, np. wieku, stanie zdrowia, wzroku, ręczności i doświadczeniu w zakresie wprowadzania danych. Upewnij się, że dane wejściowe uczestników są zrównoważone.

2. Procedura

  1. Przeczytaj uczestnikom formularz świadomej zgody na eksperyment, w tym procedurę eksperymentu, zadanie oraz to, czy napotkają jakiekolwiek urazy psychiczne lub fizyczne. Jeśli uczestnicy wyrażą zgodę na udział, muszą podpisać formularz świadomej zgody. Jeśli nie, mogą natychmiast się wycofać. Zgodnie z formularzem świadomej zgody, uczestnicy mogą również wycofać się na dowolnym etapie eksperymentu.
  2. Zbieraj dane fizyczne i demograficzne. Użyj taśmy mierniczej, aby zmierzyć rękę każdego uczestnika (Rysunek 2), aby wyeliminować efekt różnicy w wielkości dłoni, a także dostarczyć powtarzalne dane do przyszłych badań. Zbieraj dane demograficzne, takie jak wiek, płeć, dokładne dane wejściowe, doświadczenie i zawód.
  3. Zdezynfekuj wszystkie urządzenia i oczyść części ciała uczestnika, które będą miały kontakt z urządzeniami.
    1. Poproś uczestników, aby umyli ręce i wyczyścili ekran smartfonów, aby czujniki smartfonów były bardziej czułe.
    2. Poproś uczestników, aby nosili przenośne bezprzewodowe detektory fizjologiczne lub system przechwytywania ruchu. Poproś uczestników, aby założyli przenośną bezprzewodową opaskę do wykrywania fizjologicznego na rękę niedominującą, aby rejestrować galwaniczną reakcję skóry i tętno przy unikaniu zakłóceń hałasu.
      1. Umieść pasywne znaczniki systemu przechwytywania ruchu na paznokciach palców, bliższym paliczku palca, kręgach szyjnych (C3–C5) i ramieniu, aby zebrać precyzyjne ruchy ciała i palców. Przyklej bezprzewodowe elektrody do skóry dwóch ramion i dwóch przedramion, aby wykryć aktywność elektromiograficzną (krok opcjonalny).
    3. Skalibruj wszystkie urządzenia użyte w eksperymencie.
  4. Część praktyczna
    1. Pozwól uczestnikom wykonać zadanie szkoleniowe. Zadanie szkoleniowe służy do poprawy znajomości przez uczestników zadań wejściowych i klawiatur w celu zmniejszenia wpływu praktyki lub nieznajomości na wynik eksperymentu. Składa się z 50 par lub 20 słów losowo wybranych z zestawu 676 par angielskich lub zestawu 500 zwrotów. Tylko wtedy, gdy ich dokładność wejściowa osiągnie 80% lub więcej w ciągu 150 sekund, mogą przystąpić do formalnych prób. W przykładowych badaniach jako zadanie szkoleniowe przyjęto wprowadzenie 50 par.
  5. Główne zadanie
    1. Pozwól uczestnikom ukończyć formalne próby we wszystkich warunkach eksperymentalnych. Muszą zapewnić swoją dokładność tak szybko, jak to możliwe w czasie wykonywania zadania wejściowego. Formalne badania kliniczne to prawdziwe zadania wejściowe, które będą oceniane i analizowane w ramach badania. Każda para, słowo lub zdanie reprezentuje próbę, a różne projekty eksperymentalne dają różne warunki eksperymentalne.
    2. Poproś uczestników, aby wykonali zadanie wejściowe w kolejności losowej lub zrównoważonej. Metody podziału materiałów wejściowych są następujące. Po pierwsze, 676 par można losowo podzielić na każdy warunek eksperymentalny (tj. uczestnicy weszli do wszystkich par, gdy spełnią wszystkie warunki eksperymentalne). Po drugie, w każdym warunku eksperymentalnym 676 par można losowo podzielić na kilka bloków, a uczestnicy muszą losowo ukończyć te bloki. Po trzecie, aby wprowadzić słowa, uczestnicy muszą ukończyć około 20 prób w każdym warunku. Po czwarte, aby wprowadzić zdania, uczestnicy muszą wykonać około 10-15 prób w każdym warunku. Badacze powinni upewnić się, że nie ma znaczącej różnicy między liczbą znaków a liczbą słów wpisanych przez uczestnika w każdym warunku. W badaniach przykładowych przyjęto pierwszą metodę i postawiono na cztery warunki eksperymentalne.
    3. Po każdym warunku poproś uczestników, aby losowo wypełnili wszystkie kwestionariusze (skale oceniające ich subiektywne doświadczenia) i daj im 1 minutę lub więcej na odpoczynek.
  6. Na koniec eksperymentu pozwól każdemu uczestnikowi wypełnić obszerny kwestionariusz (Q & A), aby uzyskać subiektywną informację zwrotną.
  7. Wyraź wdzięczność uczestnikom za pomocą nagród pieniężnych lub rzeczowych.

3. Analiza danych

  1. Testowanie hipotez za pomocą odpowiednich testów parametrycznych lub nieparametrycznych
    1. Przeanalizuj dane fizyczne, fizjologiczne i dotyczące ruchu ciała, aby sprawdzić, czy różnica między uczestnikami znacząco wpłynęłaby na wyniki i niewyrażalne wrażenia wejściowe użytkowników (krok opcjonalny).
    2. Przeanalizuj wydajność wejściową uczestników, aby przetestować wydajność wprowadzania danych na klawiaturze.
    3. Analizuj subiektywne dane, aby przetestować postrzeganą użyteczność i subiektywne opinie na temat klawiatury.
    4. Dowiedz się, czy efekt praktyki i efekt zmęczenia znacząco wpływają na wynik. Dla każdego warunku badania są podzielone na dwie części zgodnie ze znacznikiem czasu (tj. pierwsza połowa części i druga połowa części). W szczególności, w każdym warunku, zbadaj różnicę w wydajności wejściowej między pierwszą połową a drugą połową, aby sprawdzić, czy występuje efekt ćwiczeń lub efekt zmęczenia.
    5. Przeanalizuj obszar dopasowanej elipsy punktów dotyku na każdym przycisku, a także przesunięcie od jego środka do środka docelowego każdego przycisku (krok opcjonalny).
      1. Zbierz wszystkie punkty styku każdego przycisku z oprogramowaniem, a z grubsza zgadzają się one z dwuwymiarowym rozkładem Gaussa. 95% przedział ufności każdego przycisku zarówno w kierunku x, jak i y jest uzyskiwany na podstawie danych o współrzędnych każdego punktu dotyku w pikselach, a 95% wielokropek ufności nad konturem przycisku 1:1 dla każdej klawiatury jest dopasowywany za pomocą skryptów Pythona na współrzędnych pikseli (patrz Plik kodowania 2).
      2. Użyj dopasowanych elipsy (95% CI) i ich obszarów, aby zademonstrować rozproszenie punktów dotyku na każdym przycisku. W każdym przycisku przesunięcie dopasowanej elipsy obliczone przez skrypty Pythona jest zdefiniowane jako punkt środkowy dopasowanej elipsy do punktu docelowego przycisku i może być reprezentowane z kierunków x i y (tj. w osiach X i Y, patrz Plik kodowania 3).
  2. Modelowanie i symulacja
    1. Użyj modelu opartego na danych jako funkcji lokalizacji i orientacji klawiatury, aby przewidzieć ruch palca za pomocą skryptów języka Python. Wszystkie ruchy palców są podzielone na osiem kierunków38 (od góry do dołu, od dołu do góry, od lewej do prawej, od prawej do lewej, od prawej góry do prawej, od prawej do góry, od lewej do góry, od lewej góry do lewej-dolnej). Dla każdego kierunku średni czas przejścia między dwoma jest obliczany tak, aby reprezentował efektywność ruchu palca, który jest używany do oceny projektu klawiatury (krok opcjonalny).
    2. Użyj analizy regresji liniowej, aby zbudować ulepszony model prawa Fittsa (lub jego rozszerzonej wersji, prawa FFittsa) do przewidywania czasu przejścia między dwoma kluczami przy użyciu zintegrowanej architektury kognitywnej39 przez skrypty Pythona. Ulepszony model prawa Fittsa może zapewnić lepsze przewidywanie i ocenę konstrukcji klawiatury w oparciu o analizy dotyczące lokalizacji i efektywnej szerokości, a także odległości między dwoma (krok opcjonalny).

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

Wyniki

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

Reprezentatywne badanie głównie przebiega zgodnie z wspomnianym protokołem. W badaniu przyjęto konstrukcję wewnątrzobiektową od 2 (Układ klawiatury: zakrzywiona QWERTY vs. tradycyjna QWERTY) × 2 (rozmiar przycisku: duży, 6,3 mm × 9 mm w porównaniu z małym, 4,9 mm × 7 mm) w celu oceny, czy zakrzywiona klawiatura QWERTY może poprawić wydajność i wygodę wprowadzania danych w porównaniu z tradycyjną klawiaturą QWERTY w różnych rozmiarach przycisków za pomocą zadania wprowadzania par znaków za pomocą naszego samodzielnie opra...

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

Dyskusja

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

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

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

Autorzy zadeklarowali brak ujawnień finansowych ani konflikt interesów.

Podziękowania

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

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

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

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

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Sprostowanie

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

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

Tagi

Ocena projektu klawiaturyprojekt klawiatury smartfonazakrzywiona klawiatura QWERTYanaliza subiektywnych opiniiobiektywne dane behawioralnedane wsp rz dnych punkt w stykuprzeno ne bezprzewodowe detektory fizjologicznesystem przechwytywania ruchurejestracja aktywno ci elektromiograficznejocena wydajno ci wprowadzania danych

Powiązane artykuły