Waiting
Login processing...

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

Behavior

Eine Bewertungsmethode und ein Toolkit zur Bewertung des Tastaturdesigns auf Smartphones

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

ERRATUM NOTICE

Summary

Das vorgestellte Protokoll integriert verschiedene Auswertungsmethoden und demonstriert eine Methode zur Bewertung des Tastaturdesigns auf Smartphones. Paare, die mit englischen Zeichen übereinstimmen, werden als Eingabematerial vorgeschlagen, und die Übergangszeit zwischen zwei Schlüsseln wird als abhängige Variable verwendet.

Abstract

Tastatureingaben haben eine wesentliche Rolle in der Mensch-Computer-Interaktion mit einer großen Benutzerbasis gespielt, und das Tastaturdesign war schon immer eines der grundlegenden Studienobjekte auf intelligenten Geräten. Mit der Entwicklung der Bildschirmtechnologie konnten präzisere Daten und Indikatoren von Smartphones gesammelt werden, um das Tastaturdesign eingehend zu bewerten. Die Vergrößerung des Telefonbildschirms hat zu unbefriedigender Eingabeerfahrung und Fingerschmerzen geführt, insbesondere bei einhändiger Eingabe. Die Eingabeeffizienz und der Komfort haben die Aufmerksamkeit von Forschern und Designern auf sich gezogen, und die gekrümmte Tastatur mit größenverstellbaren Tasten, die in etwa der physiologischen Struktur der Daumen entsprach, wurde vorgeschlagen, um die einhändige Verwendung auf Großbild-Smartphones zu optimieren. Seine tatsächlichen Auswirkungen blieben jedoch unklar. Daher demonstrierte dieses Protokoll eine allgemeine und zusammengefasste Methode zur Bewertung der Auswirkungen des gekrümmten QWERTY-Tastaturdesigns auf ein 5-Zoll-Smartphone durch eine selbst entwickelte Software mit detaillierten Variablen, einschließlich objektiver Verhaltensdaten, subjektivem Feedback und den Koordinatendaten jedes Berührungspunkts. Es gibt genügend vorhandene Literatur zur Bewertung virtueller Tastaturen; allerdings haben nur wenige von ihnen die Evaluationsmethoden und -prozesse systematisch zusammengefasst und reflektiert. Daher füllt dieses Protokoll die Lücke und stellt einen Prozess und eine Methode der systematischen Bewertung des Tastaturdesigns mit verfügbaren Codes zur Analyse und Visualisierung dar. Es benötigt keine zusätzliche oder teure Ausrüstung und ist einfach zu bedienen und zu bedienen. Darüber hinaus hilft das Protokoll auch, mögliche Gründe für die Nachteile des Designs zu ermitteln und klärt die Optimierung von Designs auf. Zusammenfassend lässt sich sagen, dass dieses Protokoll mit den Open-Source-Ressourcen nicht nur ein demonstratives Experiment in der Klasse sein könnte, um den Anfänger zu inspirieren, sein Studium zu beginnen, sondern auch dazu beiträgt, die Benutzererfahrung und den Umsatz von Input-Methoden-Editor-Unternehmen zu verbessern.

Introduction

Tastatureingabe ist die Mainstream-Methode der Mensch-Smartphone-Interaktion1,2, und mit der Durchdringung von Smartphones erhält die Tastatureingabe Milliarden von Benutzern. Im Jahr 2019 hatte die globale Smartphone-Penetrationsrate 41,5% erreicht3,während die Vereinigten Staaten mit der höchsten Penetration auf 79,1% gestiegen waren4. Bis zum ersten Quartal 2020 hatte die Mobile-Tastatur von Sogou täglich rund 480 Millionen aktive Nutzer5. Bis zum 6. Mai 2020 wurde das Google Gboard mehr als 1 Milliarde Mal heruntergeladen6.

Unbefriedigende Tastatureingaben nehmen mit der Vergrößerung des Telefonbildschirms zu. Obwohl der vergrößerte Bildschirm darauf abzielte, das Seherlebnis zu verbessern, hat er die Schwerkraft, Größe und das Gewicht von Smartphones verändert, was dazu führte, dass Benutzer wiederholt die Haltung änderten, um entfernte Bereiche zu erreichen (z. B. Taste A und Q für Rechtshänder), was zu Eingabeineffizienz führte. Die Muskeldehnung kann dazu führen, dass Benutzer an Muskel-Skelett-Erkrankungen, Handschmerzen und verschiedenen Arten von Krankheiten leiden (z. B. Karpaltunnelsyndrom, Daumenarthrose und Daumen-Tenosynovitis7,8,9,10). Benutzer, die die einhändige Verwendung bevorzugen, befinden sich unter schlechterenBedingungen 11,12.

Daher sind die Bewertung und Optimierung des Tastaturdesigns zu heißen Themen der psychologischen, technischen und ergonomischen Forschung geworden. Variable Tastaturdesigns und -konzepte wurden ständig von IME-Unternehmen (Input Method Editor) und Forschern vorgeschlagen, um das Eingabeerlebnis und die Effizienz zu optimieren, einschließlich Layout-geänderter und zeichenneu angeordneter Tastaturen: Microsoft WordFlow Keyboard13, Functional Button Area in Glory of Kings14, IJQWERTY15und Quasi-QWERTY16.

Die bestehenden Bewertungsmethoden des Tastaturdesigns variieren von Forscher zu Forscher, mit Ausnahme einiger hoch akzeptierter Indikatoren, und genauere Indikatoren werden vorgeschlagen. Bei einer Vielzahl von Indikatoren gibt es jedoch kein zusammengefasstes und systematisches Protokoll, um den Prozess der Bewertung und Analyse des Tastaturdesigns zu demonstrieren. Fitts' Gesetz17 und seine erweiterte Version FFitts Law18,die die Mensch-Computer-Interaktion beschrieb, wurden weithin angenommen, um die Tastaturleistung zu bewerten19,20,21,22. Darüber hinaus wurde der Funktionsbereich des Daumens vorgeschlagen, um das Tastaturdesign zu verbessern, und er beschrieb einen gekrümmten Bewegungsbereich für den Daumen, um die Eingabeaufgabe bequem abzuschließen23. Basierend auf diesen Theorien wurden Indikatoren wie Wort pro Minute, Wortfehlerrate und subjektives Feedback (wahrgenommene Benutzerfreundlichkeit, wahrgenommene Leistung, wahrgenommene Geschwindigkeit, subjektive Arbeitsbelastung, wahrgenommene Anstrengung und Schmerz sowie Nutzungsabsicht usw.), die in früheren Studien24,25,26,27,28,29 teilweise verwendet wurden mit Ausnahme von Modellierungs- und Simulationsmethoden. Darüber hinaus wurden in den letzten Jahren die angepasste Ellipse von Touchpoints auf jeder Taste und ihr Versatz30,31 verwendet, um die genaue Leistung von Eingabeereignissen zu untersuchen. Auch die galvanische Hautreaktion, Herzfrequenz, elektromyographische Aktivität, Handgeste und Körperbewegung32,33,34,35 wurden übernommen, um direkt oder indirekt Muskelermüdung, Komfort und Zufriedenheit der Benutzer zu bewerten. Diesen verschiedenen Methoden fehlt es jedoch an Reflexion über die Angemessenheit der verwendeten Indikatoren, und ein unerfahrener Forscher kann verwirrt sein, die geeigneten Indikatoren für seine Forschung auszuwählen.

Die Forschung über das Tastaturdesign ist auch einfach durchzuführen, zu bedienen und zu analysieren. Mit dem Boom der Bildschirmtechnologie konnten einfach mehr Verhaltensdaten gesammelt werden, um das Tastaturdesign eingehend zu bewerten (z. B. die Übergangszeit zwischen zwei Tasten und die Koordinatendaten jedes Berührungspunkts). Basierend auf den genannten Daten konnten die Forscher die Details des Tastaturdesigns genau untersuchen und seine Nachteile und Vorteile analysieren. Im Vergleich zu anderen Mensch-Computer-Interaktionsforschungen hat die Erforschung des Tastaturdesigns auf tragbaren Smartphones auch einen hohen Anwendungswert für ihre große Benutzerbasis, ohne teure Ausrüstung, komplizierte Materialien oder riesigen Laborraum. Die Fragebögen, Skalen und das Python-Skript über die Forschung sind Open-Source und leicht zugänglich.

Der Zweck dieser Forschung ist es, die bisherigen Methoden zusammenzufassen, um ein systematisches, präzises und allgemeines Protokoll zur Bewertung und Analyse des Tastaturdesigns auf Smartphones zu demonstrieren. Das beispielhafte Experiment und die Ergebnisse sollen zeigen, ob die gekrümmte QWERTY-Tastatur mit größenverstellbaren Tasten das Eingabeerlebnis der einhändigen Eingabe auf einem 5-Zoll-Smartphone im Vergleich zur herkömmlichen QWERTY-Tastatur optimieren und die Visualisierungsmethode und das Python-Skript der Datenanalyse gemeinsam nutzen kann.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Die Studie wurde nach dem ethischen Prinzip durchgeführt und von der Ethikkommission der Tsinghua Universität genehmigt. Abbildung 1 zeigt den Prozess der Bewertung des Tastaturdesigns von Smartphones.

Figure 1
Abbildung 1: Allgemeiner Prozess der Durchführung eines Tastaturexperiments und der Bewertung des Tastaturdesigns. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

1. Vorbereitung

  1. Versuchsplanung
    1. Definieren Sie das Forschungsproblem und schlagen Sie die Hypothese vor.
    2. Entwerfen Sie das Experiment nach der Hypothese und definieren Sie die unabhängigen Variablen (z. B. Tastaturlayout, Tipphaltung). Verwenden Sie das Design innerhalb des Subjekts, um Störfaktoren und Varianzen zu reduzieren, die durch den Unterschied zwischen den Teilnehmern verursacht werden.
  2. Abhängige Variablen
    1. Verwenden Sie physische Daten, einschließlich der Handlänge, der Länge des Eingabefingers und des Umfangs des Eingabefingers, die mit einem Maßband gemessen wurden, wie in Abbildung 2 dargestellt.
    2. Verwenden Sie physiologische Daten, einschließlich galvanischer Hautreaktion (gemessen mit dem tragbaren drahtlosen physiologischen Detektor), Herzfrequenz (gemessen mit dem tragbaren drahtlosen physiologischen Detektor), elektromyographische Aktivität (gemessen durch Oberflächenelektromyographie) usw.
    3. Verwenden Sie die Eingabeleistung: Wort pro Minute, Wortfehlerrate und Übergangszeit zwischen zwei Schlüsseln.
      1. Wort pro Minute bezieht sich auf die Eingabegeschwindigkeit der Teilnehmer (d. h. die Anzahl der korrekt eingegebenen Wörter pro Minute).
      2. Die Wortfehlerrate bezieht sich auf die Eingabegenauigkeit der Teilnehmer (d. h. die Anzahl der falsch eingegebenen Wörter geteilt durch die Gesamtzahl der Wörter unter einer Bedingung). Korrigierte Fehlerquote, unkorrigierte Fehlerquote und Gesamtfehlerquote wurden auch in früheren Studien verwendet36.
      3. Die Übergangszeit zwischen zwei Tasten bezieht sich auf die Reaktionszeit der Teilnehmer zwischen zwei Berührungspunkten eines korrekt eingegebenen Wortes22 (d. h. die Startzeit des zweiten Berührungspunkts abzüglich der Abfahrtszeit des ersten Zeichens).
    4. Verwenden Sie Körperbewegungsdaten wie Handgesten und Körperbewegungen (Fingerbewegungen). Sie konnten durch das Motion-Capture-System35gesammelt werden.
    5. Verwenden Sie subjektive Daten wie wahrgenommene Benutzerfreundlichkeit, Nutzungsabsicht, wahrgenommene Genauigkeit und Geschwindigkeit, wahrgenommene Anstrengung und Schmerzen sowie subjektive Arbeitsbelastung usw. Subjektive Daten können durch vorhandene Skalen und Fragebögen gewonnen werden, die sowohl sehr zuverlässig als auch valide sind, um das subjektive Feedback der Teilnehmer über das Tastaturdesign besser bewerten zu können.
      1. Verwenden Sie NASA-TLX, eine 21-Punkte-Skala, die verwendet wird, um die subjektive Arbeitsbelastung durch mentale, physische, Zeit-, Leistungs-, Anstrengungs- und Frustrationsdimensionen zu messen. Ein hoher Score zeigt eine hohe subjektiveArbeitsbelastung 26an.
      2. Verwenden Sie die System Usability Scale, einen 5-Punkte-Fragebogen mit 10 Items, und die Antworten eines Teilnehmers werden als Einzelpunktzahl von 0 bis 100 berechnet. Ein hoher Score weist auf eine hohe wahrgenommene Usabilityhin 24.
      3. Verwenden Sie die Borg CR10-Skala, die von 0 bis 10 reicht, um wahrgenommene Schmerzen und Anstrengung zu messen. Eine hohe Punktzahl zeigt einen hohen wahrgenommenen Schmerz und Anstrengung an25.
      4. Verwenden Sie die Intent to Use Scale: Ein 10-Punkte-Fragebogen, der verwendet wird, um die Wahrscheinlichkeit zu messen, dass Teilnehmer die Technologie oder Produkte verwenden würden. Eine hohe Punktzahl zeigt eine hohe Wahrscheinlichkeitvon 28 an.
      5. Die wahrgenommene Geschwindigkeit und die wahrgenommene Genauigkeit werden alle von 50-Punkte-Skalen gemessen, und ein hoher Wert zeigt eine gute wahrgenommene Leistung an28.
    6. Sammeln Sie die Koordinatendaten jedes Touchpoints und ändern Sie sie in die angepasste Ellipse (95% CI) von Touchpoints auf jeder Taste30,31. Nehmen Sie die Fläche jeder angepassten Ellipse und den Versatz von der Mitte der angepassten Ellipse zur Zielmitte jeder Taste als abhängige Variablen an.
      HINWEIS: Die Koordinatendaten können durch die selbst entwickelte Anwendung auf dem Smartphone präzise erfasst werden. Wenn es schwierig ist, die Koordinatendaten zu erhalten, reichen objektive und subjektive Daten aus, um das Tastaturdesign grob zu bewerten.

Figure 2
Abbildung 2: Die Messung der Hand. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

  1. Materialien
    1. Wählen Sie das Experiment-Smartphone aus. Berücksichtigen Sie Gewicht, Auflösung und Bildschirmgröße.
    2. Entwerfen und entwickeln Sie die Experimentiersoftware auf Smartphones (optionaler Schritt).
      HINWEIS: Die Übergangszeit zwischen zwei Tasten kann automatisch von dieser Software oder Bewegungserfassungssensoren (z. B. dem Beschleunigungssensor) aufgezeichnet werden. Es kann schwierig sein, es manuell zu erfassen (z. B. eine Uhr oder Stoppuhr).
    3. Wählen Sie die Eingabeaufgabe aus den folgenden Vorschlägen basierend auf der Hypothese aus und überarbeiten Sie sie entsprechend dem Forschungszweck.
      1. Für die Eingabeaufgabe des Zeichenpaars paaren Sie zufällig 26 englische Buchstaben zu 676 Paaren und teilen sie basierend auf dem Experimentdesign durchschnittlich in mehrere Gruppen auf.
      2. Verwenden Sie für die Eingabeaufgabe "Phrase(satz)" Ausdrücke, die mäßig lang, leicht zu merken und repräsentativ für die Zielsprache sind. Wenn die Zielsprache Englisch ist, extrahieren Sie 15-20 (oder basierend auf Forschungszweck) Phrasen oder Wörter aus einem 500-Phrasen-Set37.
  2. Teilnehmerrekrutierung
    1. Verwenden Sie die G*Power-Software, um den Stichprobenumfang zu berechnen.
    2. Veröffentlichen Sie Fragebögen, um potenzielle Teilnehmer zu rekrutieren.
    3. Filtern Sie potenzielle Teilnehmer mit gewünschten Merkmalen, z. B. Alter, Gesundheit, Sehvermögen, Händigkeit und Input-Erfahrung. Stellen Sie sicher, dass die Input-Erfahrung der Teilnehmer ausgewogen ist.

2. Verfahren

  1. Lesen Sie den Teilnehmern die Einverständniserklärung des Experiments vor, einschließlich des Experimentablaufs, der Aufgabe und ob sie auf geistige oder körperliche Verletzungen stoßen werden. Wenn die Teilnehmer der Teilnahme zustimmen, müssen sie die Einverständniserklärung unterschreiben. Wenn nicht, können sie sich sofort zurückziehen. Gemäß der Einwilligungserklärung können die Teilnehmer auch in jeder Phase des Experiments zurücktreten.
  2. Sammeln Sie sowohl physische als auch demografische Daten. Verwenden Sie ein Maßband, um die Hand jedes einzelnen Teilnehmers zu messen (Abbildung 2), um den Effekt des Handgrößenunterschieds zu eliminieren und auch wiederholbare Daten für zukünftige Forschung bereitzustellen. Sammeln Sie demografische Daten wie Alter, Geschlecht, genaue Eingabeerfahrung und Beruf.
  3. Desinfizieren Sie alle Geräte und reinigen Sie die Körperteile des Teilnehmers, die die Geräte berühren werden.
    1. Bitten Sie die Teilnehmer, ihre Hände zu waschen und den Bildschirm von Smartphones zu reinigen, damit Sensoren von Smartphones empfindlicher sein können.
    2. Bitten Sie die Teilnehmer, tragbare drahtlose physiologische Detektoren oder ein Motion-Capture-System zu tragen. Bitten Sie die Teilnehmer, das tragbare drahtlose physiologische Erkennungsarmband an der nicht dominanten Hand zu tragen, um die galvanische Hautreaktion und herzfrequenz aufzuzeichnen, wobei die Lärmstörung vermieden wird.
      1. Platzieren Sie passive Marker des Motion-Capture-Systems auf den Fingernägeln, der proximalen Phalanx des Fingers, den Halswirbeln (C3-C5) und dem Arm, um die genaue Körper- und Fingerbewegung zu erfassen. Kleben Sie drahtlose Elektroden auf die Haut von zwei Armen und zwei Unterarmen, um die elektromyographische Aktivität zu erkennen (optionaler Schritt).
    3. Kalibrieren Sie alle im Experiment verwendeten Geräte.
  4. Übungsteil
    1. Lassen Sie die Teilnehmer die Schulungsaufgabe abschließen. Die Trainingsaufgabe wird verwendet, um die Vertrautheit der Teilnehmer mit Eingabeaufgaben und Tastaturen zu verbessern, um den Effekt des Übens oder der Unvertrautheit auf das Experimentergebnis zu reduzieren. Es besteht aus 50 Paaren oder 20 Wörtern, die zufällig aus den 676 englischen Paaren oder 500 Phrasen ausgewählt wurden. Erst wenn ihre Eingabegenauigkeit in 150 Sekunden 80% oder mehr erreicht, können sie an den formalen Versuchen teilnehmen. Die beispielhafte Forschung übernahm die Eingabe von 50 Paaren als Trainingsaufgabe.
  5. Hauptaufgabe
    1. Lassen Sie die Teilnehmer formale Studien unter allen experimentellen Bedingungen abschließen. Sie müssen ihre Genauigkeit so schnell wie möglich während der Zeit der Eingabeaufgabe sicherstellen. Formale Studien sind echte Inputaufgaben, die in der Forschung bewertet und analysiert werden. Jedes Paar, Wort oder jeder Satz stellt einen Versuch dar, und verschiedene experimentelle Designs erzeugen unterschiedliche experimentelle Bedingungen.
    2. Lassen Sie die Teilnehmer die Eingabeaufgabe in zufälliger Reihenfolge oder in ausgewogener Reihenfolge erledigen. Die Methoden der Aufteilung von Inputmaterialien sind wie folgt. Erstens können 676 Paare zufällig in jede experimentelle Bedingung unterteilt werden (d.h. die Teilnehmer haben alle Paare eingegeben, wenn sie alle experimentellen Bedingungen abgeschlossen haben). Zweitens können unter jeder experimentellen Bedingung 676 Paare zufällig in mehrere Blöcke unterteilt werden, und die Teilnehmer müssen diese Blöcke zufällig abschließen. Drittens müssen die Teilnehmer für die Eingabe von Wörtern unter jeder Bedingung etwa 20 Studien absolvieren. Viertens müssen die Teilnehmer für die Eingabe von Sätzen unter jeder Bedingung etwa 10-15 Studien absolvieren. Forscher sollten sicherstellen, dass es keinen signifikanten Unterschied zwischen der Anzahl der Zeichen und der Anzahl der Wörter gibt, die der Teilnehmer unter jeder Bedingung eingegeben hat. Die exemplarische Forschung übernahm die erste Methode und hatte vier experimentelle Bedingungen.
    3. Bitten Sie die Teilnehmer nach jeder Bedingung, alle Fragebögen (Skalen, die ihre subjektive Erfahrung bewerten) nach dem Zufallsprinzip auszufüllen und ihnen 1 Minute oder mehr Zeit zum Ausruhen zu geben.
  6. Lassen Sie jeden Teilnehmer am Ende des Experiments den umfassenden Fragebogen (Q & A) ausfüllen, um subjektives Feedback zu erhalten.
  7. Drücken Sie den Teilnehmern Ihre Wertschätzung mit monetären oder materiellen Belohnungen aus.

3. Datenanalyse

  1. Hypothesentest durch geeignete parametrische oder nicht-parametrische Tests
    1. Analysieren Sie die physischen, physiologischen und Körperbewegungsdaten, um zu testen, ob der Unterschied zwischen den Teilnehmern die Ergebnisse und die ausdruckslose Eingabeerfahrung der Benutzer signifikant beeinflussen würde (optionaler Schritt).
    2. Analysieren Sie die Eingabeleistung der Teilnehmer, um die Eingabeeffizienz auf der Tastatur zu testen.
    3. Analysieren Sie subjektive Daten, um die wahrgenommene Benutzerfreundlichkeit und das subjektive Feedback der Tastatur zu testen.
    4. Finden Sie heraus, ob der Übungseffekt und der Ermüdungseffekt das Ergebnis signifikant beeinflussen. Für jede Bedingung werden Versuche entsprechend dem Zeitstempel in zwei Teile unterteilt (d. h. der erste halbe Teil und der zweite halbe Teil). Untersuchen Sie insbesondere unter jeder Bedingung den Unterschied der Eingabeleistung zwischen dem ersten halben Teil und dem zweiten halben Teil, um zu testen, ob der Übungseffekt oder der Ermüdungseffekt vorhanden ist.
    5. Analysieren Sie den Bereich der angepassten Ellipse von Touchpoints auf jeder Taste sowie den Offset von der Mitte zur Zielmitte jeder Taste (optionaler Schritt).
      1. Sammeln Sie alle Berührungspunkte jeder Taste mit der Software, und sie stimmen ungefähr mit der bivariaten Gauß-Verteilung überein. Das 95%-Konfidenzintervall jeder Schaltfläche in x- und y-Richtung wird durch die Koordinatendaten jedes Berührungspunkts in Pixel abgeleitet, und die 95%-Konfidenzellipsen über einen 1:1-Umriss der Schaltfläche für jede Tastatur werden durch Python-Skripte auf Pixelkoordinate angepasst (siehe Coding File 2).
      2. Verwenden Sie angepasste Ellipsen (95% CI) und deren Bereiche, um die Streuung der Touchpoints auf jeder Taste zu demonstrieren. In jeder Schaltfläche wird der von Python-Skripten berechnete Versatz der angepassten Ellipse als Mittelpunkt der angepassten Ellipse zum Zielpunkt der Schaltfläche definiert und kann aus x- und y-Richtungen dargestellt werden (d. h. in X-Achse und Y-Achse, siehe Coding File 3).
  2. Modellierung und Simulation
    1. Verwenden Sie das datengesteuerte Modell als Funktion der Tastaturposition und -ausrichtung, um die Fingerbewegung durch Python-Skripte vorherzusagen. Alle Bewegungen der Finger sind in acht Richtungen38 unterteilt (die obere nach unten, die untere nach oben, die linke nach rechts, die rechte nach links, die links-obere nach rechts-unten, die rechts-untere nach links-oben, die linke-untere nach rechts-oben, die rechts-oben nach links-unten). Für jede Richtung wird die durchschnittliche Übergangszeit zwischen zwei Tasten berechnet, um die Effektivität der Fingerbewegung darzustellen, die zur Bewertung des Tastaturdesigns verwendet wird (optionaler Schritt).
    2. Verwenden Sie die lineare Regressionsanalyse, um ein erweitertes Fitts'Law-Modell (oder seine erweiterte Version, FFitts' Law) zu erstellen, um die Übergangszeit zwischen zwei Schlüsseln mithilfe einer integrierten kognitiven Architektur39 von Python-Skripten vorherzusagen. Das verbesserte Fitts's Law-Modell könnte eine bessere Vorhersage und Bewertung des Tastaturdesigns auf der Grundlage seiner Analysen der Position und effektiven Breite der Tasten sowie des Abstands von zwei Tasten (optionaler Schritt) ermöglichen.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Die repräsentative Studie folgt hauptsächlich dem genannten Protokoll. Die Studie verwendet eine 2 (Tastaturlayout: Curved QWERTY vs. Traditional QWERTY) × 2 (Tastengröße: groß, 6,3 mm × 9 mm vs. klein, 4,9 mm × 7 mm) innerhalb des Probandendesigns, um zu bewerten, ob der gekrümmte QWERTY die Eingabeeffizienz und den Komfort im Vergleich zum traditionellen QWERTY in verschiedenen Tastengrößen durch die Zeichenpaar-Eingabeaufgabe durch unsere selbst entwickelte Software verbessern könnte (Abbildung 3 ). Diese Studie hat die teure physiologische Detektorausrüstung oder das Bewegungserfassungssystem nicht übernommen, und die Datenanalyse enthielt nicht die Modellierung oder Simulation.

Figure 3
Abbildung 3: Die Schnittstelle der herkömmlichen QWERTY-Tastatur und der gekrümmten QWERTY-Tastatursoftware.
(A) Traditionelle QWERTY-Tastatur mit großer Tastengröße (Buchstabentastengröße: 6,3 mm × 9 mm). (B) Gebogene QWERTY-Tastatur mit großer Tastengröße (Buchstabentastengröße: 6,3 mm × 9 mm). (C) Traditionelle QWERTY-Tastatur mit kleiner Tastengröße (Buchstabentastengröße: 4,9 mm × 7 mm). (D) Gebogene QWERTY-Tastatur mit kleiner Tastengröße (Buchstabentastengröße: 4,9 mm × 7 mm). Das Seitenverhältnis jeder Buchstabentaste beträgt 7:10, und die Breite jeder Funktionstaste (Löschen, Leerzeichen, Eingabetaste) ist doppelt so groß wie die der Buchstabentaste. Löschen und Leerzeichen sind unbearbeitet. Die Teilnehmer klicken auf die Eingabetaste, um zur nächsten Testversion zu wechseln. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Insgesamt waren 24 rechtshändige gesunde Studenten der Tsinghua Universität an dieser Studie beteiligt (12 Frauen, M = 22,46 Jahre, SD = 3,04 Jahre). Für sie wurden die Länge der rechten Hand (M = 17,98 cm SD = 1,20 cm), die Länge des rechten Daumens (M = 6,00 cm, SD = 0,68 cm) und der Umfang des rechten Daumens (M = 5,14 cm, SD = 0,52 cm) gemessen. Der Stichprobenumfang wurde mit G*Power 3.1.9.2 berechnet (Effektgröße f = 0,25, α = 0,05, Potenz = 0,80, Korrelation zwischen wiederholten Messungen = 0,5). Das Experiment-Smartphone ist ein 5-Zoll-Smartphone (Gewicht 138 g, Bildschirmdiagonale 5,0 Zoll, ppi 294, px 1280 × 720, Telefongröße 143,5 × 69,9 × 7,6 mm).

Die Eingabeleistung (Übergangszeit zwischen zwei Tasten, Wortfehlerrate), subjektives Feedback und angepasste Ellipse jeder Schaltfläche wurden gesammelt und durch wiederholte Messungen der ANOVA analysiert. Die Übergangszeit zwischen zwei Tasten anstelle von Wort pro Minute wird in dieser Studie verwendet, da das Eingabematerial die Zeichenpaare sind und die Übergangszeit zwischen zwei Tasten das Übergangsberührungsereignis genauer auswerten könnte. Die repräsentativen Ergebnisse sind wie folgt (Tabelle 1).

Tastaturlayout Schaltflächengröße Tastaturlayout × Tastengröße
F p Equation 1 F p Equation 1 F p Equation 1
Word-Fehlerrate 48.90 <.001*** 0.68 30.57 <.001*** 0.57 2.63 0.12 0.10
Übergangszeit zwischen zwei Tasten 10.19 .004** 0.31 43.57 <.001*** 0.66 12.75 .002** 0.36
Wahrgenommene Anstrengung und Schmerz 2.33 0.14 0.09 1.36 0.26 0.06 0.28 0.60 0.01
Absicht zu verwenden 7.41 .012* 0.24 3.62 0.07 0.14 0.63 0.44 0.03
Wahrgenommene Genauigkeit 1.32 0.26 0.54 2.94 0.10 0.11 0.69 0.42 0.03
Wahrgenommene Geschwindigkeit 0.56 0.47 0.02 0.98 0.33 0.04 0.25 0.62 0.01
Wahrgenommene Usability 0.63 0.44 0.03 5.48 .028* 0.19 0.03 0.87 0.001
Subjektive Arbeitsbelastung Geistig 19.30 <.001*** 0.46 8.88 .007** 0.28 0.01 0.91 0.001
Physisch 2.41 0.13 0.10 5.55 .027* 0.19 0.07 0.78 0.003
Zeit 0.02 0.9 0.001 10.26 .004** 0.31 0.37 0.55 0.02
Leistung 11.51 .003** 0.33 12.25 .002** 0.35 0.02 0.90 0.001
Anstrengung 4.66 .042* 0.17 16.33 .001** 0.42 0.13 0.72 0.006
Frustration 9.32 .006** 0.29 8.87 .007** 0.28 2.11 0.16 0.08
Fläche der montierten Ellipse 90.00 <.001*** 0.78 1368.78 <.001*** 0.98 31.99 <.001*** 0.56
Versatz der eingebauten Ellipse X-Richtung 10.94 .003** 0.30 1.4 0.25 0.05 6.08 0.21 0.19
Y-Richtung 23.49 <.001*** 0.48 0.48 0.50 0.02 13.74 .001** 0.36

Tabelle 1: Statistische Analyse der Eingabeleistung, des subjektiven Feedbacks und der angepassten Ellipse jeder Taste. Artikel mit * bedeutet p < 0,05, Artikel mit ** bedeutet p < 0,01 und Artikel mit *** bedeutet p < 0,001.

In der Eingabeleistung ist die Interaktion zwischen Tastaturlayout und Tastengröße nur in der Übergangszeit zwischen zwei Tasten signifikant (Abbildung 4), und es zeigt, dass im gekrümmten QWERTY die Übergangszeit zwischen zwei Tasten kleiner Tastengröße signifikant länger war als die der großen Tastengröße (S < 0,001). Der Haupteffekt des Tastaturlayouts ist sowohl bei der Wortfehlerrate (Abbildung 5) als auch bei der Übergangszeit zwischen zwei Tasten signifikant und zeigt an, dass diese des traditionellen QWERTY signifikant niedriger sind als die des gekrümmten QWERTY. Der Haupteffekt der Schaltflächengröße ist sowohl in der Wortfehlerrate als auch in der Übergangszeit zwischen zwei Tasten signifikant und zeigt an, dass diese der großen Schaltflächengröße deutlich niedriger sind als die der kleinen Schaltflächengröße. Es wird kein anderes signifikantes Ergebnis gefunden.

Figure 4
Abbildung 4: Das 3D-Balkendiagramm ist die Visualisierung der Übergangszeit zwischen zwei Tasten (die linke ist das erste Zeichen, während die rechte das zweite Zeichen ist) in vier Tastaturen.
Die Höhe jedes Balkens stellt den Wert der Übergangszeit dar. Die Verlaufsfarben (Blau, Grün, Gelb und Rot) werden verwendet, um die Situation der numerischen Verteilung darzustellen (siehe Ergänzende Codierungsdatei 1). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 5
Abbildung 5: Die Wortfehlerrate jeder Tastatur. Die Fehlerbalken repräsentieren 95% CI. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Im subjektiven Feedback (Abbildung 6 und Abbildung 7) sind alle Wechselwirkungen zwischen dem Tastaturlayout und der Tastengröße nicht signifikant. Der Haupteffekt des Tastaturlayouts ist signifikant in bezug auf die Nutzungsabsicht und die subjektive Arbeitsbelastung (mental, Leistung, Anstrengung und Frustration) und zeigt, dass die Teilnehmer eine geringere subjektive Arbeitsbelastung (die oben genannten vier Facetten) wahrnehmen und im Vergleich zum traditionellen QWERTY eine höhere Wahrscheinlichkeit haben, den gekrümmten QWERTY zu verwenden. Der Haupteffekt der Schaltflächengröße ist signifikant für die wahrgenommene Benutzerfreundlichkeit und alle Facetten der subjektiven Arbeitsbelastung und weist darauf hin, dass die Teilnehmer im Vergleich zur kleinen Schaltflächengröße eine geringere subjektive Arbeitsbelastung und eine höhere Benutzerfreundlichkeit in der größe der großen Schaltfläche wahrnehmen. Es wird kein anderes signifikantes Ergebnis gefunden.

Figure 6
Abbildung 6: Die wahrgenommene Anstrengung und der Schmerz, die Nutzungsabsicht (linke Y-Achse), die wahrgenommene Genauigkeit, die wahrgenommene und wahrgenommene Benutzerfreundlichkeit (rechte Y-Achse) jeder Tastatur.
Die hohe Punktzahl der wahrgenommenen Anstrengung und des Schmerzes zeigt die unbefriedigende Erfahrung an, während die anderen Indikatoren das Gegenteil zeigen. Die Fehlerbalken repräsentieren 95% CI. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 7
Abbildung 7: Die sechs Dimensionen der subjektiven Arbeitsbelastung.
Die Fehlerbalken repräsentieren 95% CI. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Im Bereich der angepassten Ellipse (Abbildung 8) ist die Wechselwirkung zwischen Tastaturlayout und Tastengröße signifikant, und es zeigt sich, dass sowohl für die kleine als auch für die große Tastengröße die Fläche des traditionellen QWERTY größer ist als die des gekrümmten QWERTY (p < 0,001), während bei beiden Tastaturlayouts die Fläche der kleinen Taste kleiner ist als die der großen Taste (p < 0,001). Der Haupteffekt der Tastengröße und des Tastaturlayouts ist signifikant und zeigt an, dass diese Bereiche des traditionellen QWERTY und der großen Taste größer sind als die des gekrümmten QWERTY bzw. der kleinen Taste. Es wird kein anderes signifikantes Ergebnis gefunden.

Figure 8
Abbildung 8: Die angepassten Ellipsen (95% CI) von vier Tastaturen.
Sie werden gezeichnet, indem die Pixelpositionen der Touchpoints in vier Tastaturen eingepasst werden. Die Koordinate der Mitte der Ellipse ist der Mittelwert aller Touchpoints auf jeder Schaltfläche (siehe Ergänzende Codierungsdatei 2). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Im Offset der angepassten Ellipse (Abbildung 9 und Abbildung 10) ist die Wechselwirkung zwischen Tastaturlayout und Tastengröße nur im Offset in y-Richtung signifikant und zeigt, dass im gekrümmten QWERTY der Versatz in y-Richtung der kleinen Taste deutlich kürzer ist als der der großen Taste (p < 0,001), während in beiden Tastengrößen der Versatz in y-Richtung des gekrümmten QWERTY deutlich kürzer ist als der des traditionellen QWERTY. Der Haupteffekt des Tastaturlayouts ist sowohl in x- als auch in y-Richtung signifikant und zeigt an, dass der Offset in y-Richtung des gekrümmten QWERTY deutlich kürzer ist als der des traditionellen QWERTY. Es wird kein anderes signifikantes Ergebnis gefunden.

Figure 9
Abbildung 9: Der Versatz der angepassten Ellipsen in x-Richtung.
Die Länge des Pfeils, der in der Abbildung aufgrund der Visualisierung 1,2-fach vergrößert ist, stellt den Wert des Offsets dar. Und verschiedene Farben visualisieren den Wert der Standardabweichung (±) vom durchschnittlichen Offset jeder Schaltfläche bis zum Offset in x-Richtung. Der Wert kleiner als -1σ ist grün und der Wert größer als +1σ ist rot, während der Wert zwischen -1σ und +1σ orange ist (siehe Ergänzende Codierungsdatei 3). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 10
Abbildung 10: Der Versatz der angepassten Ellipsen in y-Richtung.
Die Länge des Pfeils, der in der Abbildung aufgrund der Visualisierung 1,2-fach vergrößert ist, stellt den Wert des Offsets dar. Und verschiedene Farben visualisieren den Wert der Standardabweichung (±) vom durchschnittlichen Offset jeder Schaltfläche bis zum Offset in y-Richtung. Der Wert kleiner als -1σ ist grün und der Wert größer als +1σ ist rot, während der Wert zwischen -1σ und +1σ orange ist (siehe Codierungsdatei 3, und das Skript der y-Richtung ist mit dem der x-Richtung vertraut). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Der Übungseffekt wird mit dem t-Testgetestet, um die Eingabeleistung (Wortfehlerrate und Übergangszeit zwischen zwei Tasten) zwischen der ersten Hälfte und der zweiten Hälfte der Zeichenpaare zu vergleichen. Was die Fehlerrate betrifft, so gibt es keinen signifikanten Unterschied zwischen den beiden Gruppen von Zeichenpaaren im gekrümmten QWERTY mit kleiner Tastengröße, t(46) = 2,03, p = 0,05, dem gekrümmten QWERTY mit großer Tastengröße, t(46) = -0,47, p = 0,64, dem traditionellen QWERTY mit großer Tastengröße, t(46) = 0,31, p = 0,76 und dem traditionellen QWERTY mit kleiner Tastengröße. t(46) = 0,05, p = 0,97. Was die Übergangszeit zwischen zwei Tasten betrifft, so gibt es keinen signifikanten Unterschied zwischen den beiden Gruppen von Zeichenpaaren im gekrümmten QWERTY mit großer Tastengröße, t(46) = 0,33, p = 0,74, dem gekrümmten QWERTY mit kleiner Tastengröße, t(46) = 0,22, p = 0,83, dem traditionellen QWERTY mit großer Tastengröße t(46) = 0,66, p = 0,51, und die traditionelle QWERTY mit kleiner Tastengröße, t(46) = 0,09, p = 0,93. Die Ergebnisse deuten darauf hin, dass es während des Hauptprozesses der Eingabeaufgabe keinen Übungseffekt oder Ermüdungseffekt gibt und die Teilnehmer die höchste Anstrengung für jede Tastatur erreicht und gehalten haben. Der absolute Wert des höchsten Aufwands für verschiedene Tastaturen kann unterschiedlich sein, da der höchste Aufwand nur angibt, dass sie mit der Tastatur zu 100 Prozent vertraut sind.

Diese repräsentative Studie zeigt, dass auf dem 5-Zoll-Smartphone der gekrümmte QWERTY schlechter ist als der traditionelle QWERTY und die große Tastengröße besser ist als die kleine Tastengröße. In dieser repräsentativen Studie ist die beste Tastatur die traditionelle QWERTY-Tastatur mit großer Tastengröße, während die schlechteste Tastatur die gekrümmte QWERTY-Tastatur mit kleiner Tastengröße ist. Alle Ergebnisse wurden nicht durch den Übungseffekt und den Ermüdungseffekt beeinflusst. Die Wortfehlerrate und die Übergangszeit zwischen zwei Tasten deuten darauf hin, dass das gekrümmte QWERTY-Design die Reaktionszeit der Teilnehmer zwischen zwei Zeichen erhöht und die Erkennungsarbeit aufgrund der Tastenposition und der mentalen Rotation auf Zeichen erhöhen kann, was zu einer unbefriedigenden Eingabeleistung führt, und die Ergebnisse sind die gleichen wie die größenreduzierte Tastengröße (QWERTY-Tastatur mit kleiner Tastengröße) auf einem 5-Zoll-Smartphone. Obwohl die meisten Indikatoren und Dimensionen des subjektiven Feedbacks nicht signifikant sind, zeigt die subjektive Arbeitsbelastung die höhere wahrgenommene Arbeitsbelastung der QWERTY-Tastatur mit der größenreduzierten Taste und der gekrümmten QWERTY-Tastatur. Aus der Analyse der angepassten Ellipsen zeigen die Ergebnisse sowie die Abbildungen 8 und 10 jedoch, dass der gekrümmte QWERTY weniger Offset aufweist und seine Berührungspunkte weniger dispersiv sind und sein Offset hauptsächlich in richtung der oberen linken Ecke für Rechtshänder liegt. Die Ergebnisse deuten darauf hin, dass das gekrümmte QWERTY-Design optimiert werden könnte, indem die Krümmung der Tastatur angepasst, die Funktion der automatischen Korrektur hinzugefügt und die Größe der Tasten moderiert wird. Darüber hinaus kann aus Abbildung 8 und Abbildung 10eine gekrümmte T9-Tastatur, die den Platz von "R, T, Y, U, I, O, D, F, G, H, J, K, X, C, V, B, N und M" der gekrümmten QWERTY-Tastatur einnimmt, eine potentiell optimierte Tastatur sein, d.h. jede Taste der gekrümmten T9-Tastatur nimmt den Platz von zwei Buchstabentasten der gekrümmten QWERTY ein.

Daher demonstriert diese repräsentative Studie nur grob das Protokoll der Bewertung des Tastaturdesigns mit Open-Source-Python-Skripten, und die Analyse- und Optimierungsmethode könnte auf der Grundlage des Forschungszwecks der Forscher in den zukünftigen Studien eingehend diskutiert werden.

Ergänzende Codierungsdatei 1: 3D-Diagramme der Übergangszeit zwischen zwei Tasten. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Ergänzende Codierungsdatei 2: Die angepasste Ellipse und ihr Bereich. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Ergänzende Codierungsdatei 3: Der Versatz der angepassten Ellipse. Bitte klicken Sie hier, um diese Datei herunterzuladen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

In dieser Studie, die auf der Entwicklung der Bildschirmtechnologie basiert, haben wir ein zusammengefasstes und allgemeines Protokoll der Bewertung des Tastaturdesigns vorgestellt, um das Tastaturdesign systematisch und präzise zu bewerten. Bestehende Indikatoren und Methoden aus früheren Studien, Paare, die durch englische Zeichen abgeglichen werden, und die Übergangszeit zwischen zwei Schlüsseln werden integriert und modifiziert, um ein effektives Protokoll zu generieren.

Mehrere kritische Punkte müssen in diesem Protokoll beachtet werden. Die Auswahl von Variablen und Indikatoren ist von wesentlicher Bedeutung, da sie die Perspektive der Analyse bestimmen und zum Erstellen des Bewertungsmodells in der späteren Phase des Tastaturentwurfsbewertungsexperiments verwendet werden könnten. Abgesehen von den objektiven Variablen sollten die subjektiven Variablen auch im experimentellen Design aus mehreren Dimensionen sorgfältig berücksichtigt werden, da die subjektiven Daten eine entscheidende Rolle bei der Verbesserung der Benutzererfahrung spielen. Koordinatendaten können optional im Protokoll über die selbst entwickelte Anwendung und Python-Skripte gesammelt und berechnet werden, z.B. angepasste Ellipse (95% CI) von Touchpoints auf jeder Taste und der Offset von der Mitte der angepassten Ellipse zur Zielmitte jeder Taste. Die Analyse und Visualisierung der angepassten Ellipse kann die Optimierungsmethode des Tastaturdesigns aufklären. Darüber hinaus sind physiologische Messungen und Bewegungsmessungen, die von der tragbaren Ausrüstung abhängen, zwar ebenfalls optional, könnten jedoch tatsächlich dazu beitragen, die unaussprechliche Erfahrung von Tastaturbenutzern eingehend zu untersuchen.

Ein entscheidender Schritt im Verfahren der Tastaturstudie besteht darin, die Teilnehmer zu bitten, sich vor dem Experiment die Hände zu waschen und den Bildschirm zu reinigen (wie bei den tragbaren Detektoren), da Handfett und Schweiß die Empfindlichkeit des Sensors des Bildschirms beeinflussen und somit die Ergebnisse beeinflussen können. Die physikalischen Daten (Handlänge, Fingerlänge und Daumenumfang) der Teilnehmer müssen ebenfalls gemessen oder gemeldet werden, da die physikalischen Unterschiede zwischen den Teilnehmern die Experimentergebnisse und die Reproduzierbarkeit beeinflussen können.

Das Protokoll kann auch die folgenden Einschränkungen nicht umgehen. Alle in dieser Studie vorgeschlagenen Eingabematerialien können sich hauptsächlich auf die Sprache Englisch konzentrieren, ohne die Berücksichtigung anderer Sprachen. Darüber hinaus kann in diesem Protokoll die Selbstentwicklung einer Tastatursoftware zum Sammeln der Experimentdaten vorgeschlagen werden, anstatt die traditionelle manuelle Erfassungs- und Messmethode zu verwenden. Denn eine selbst entwickelte Software könnte präzisere und attributionale Indikatoren sammeln und berechnen und helfen, einen klaren Optimierungsvorschlag zum Tastaturdesign zu liefern, anstatt nur die Wirkung des aktuellen Tastaturdesigns unter experimentellen Bedingungen zu schließen. Außerdem wurden andere teure Geräte oder Geräte, die in früheren Studien übernommen wurden, nicht in die repräsentativen Ergebnisse einbezogen, wie der tragbare drahtlose physiologische Detektor oder das Bewegungserfassungssystem, und die Forscher sollten ihre spezifischen experimentellen Geräte auf der Grundlage ihres Forschungsproblems und ihrer Hypothese auswählen. Schließlich könnten Anhänger der New Statistics oder Bayesian Enthusiasten versuchen, mehr statistische Methoden zur Analyse und Bewertung des Tastaturdesigns zu verwenden.

Für zukünftige Anwendungen und Richtungen kann dieses Protokoll in den Evaluierungsprozess für das Tastaturdesign auf anderen intelligenten Geräten übernommen werden. Neben Smartphones haben immer mehr intelligente Geräte an Popularität gewonnen, zum Beispiel tragbare Smartwatches und Armbänder (iWatch), Tablet-PCs (iPad) und Virtual-Reality-Geräte (VR-Brillen). Dieses Protokoll kann verwendet werden, um verschiedene Tastaturdesigns auf diesen Geräten zu bewerten und hilft bei Optimierungen (Indikatoren und Prozesse können leicht angepasst werden). In diesem Sinne eröffnet diese Studie neue Möglichkeiten, die Vorteile und die Bedeutung der Studie zur Bewertung des Tastaturdesigns auf dem Touchscreen intelligenter Geräte erneut zu untersuchen. Daher bietet es eine kostengünstige und einfach durchzuführende Forschungsmethode mit den Open-Source-Ressourcen im Bereich der Mensch-Computer-Interaktion, Informatik und Psychologie und leistet so Einen Beitrag dazu, den unerfahrenen Forschern und Studenten zu helfen, ihr Studium zu beginnen oder ein Demonstrativexperiment im Unterricht zu sein.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren erklärten keine finanzielle Offenlegung oder Interessenkonflikte.

Acknowledgments

Diese Forschung wird durch das Tsinghua University Initiative Scientific Research Program (Ergonomic design of curved keyboard on smart devices) unterstützt. Die Autoren danken Tianyu Liu für seine freundlichen Vorschläge und seine Hilfe bei der Codierung von Figuren.

Materials

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

DOWNLOAD MATERIALS LIST

References

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

Tags

Verhalten Ausgabe 164 Ergonomie Texteingabe Bewertung des Tastaturdesigns Smartphone Tippaufgabe

Erratum

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

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

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

to:

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

Eine Bewertungsmethode und ein Toolkit zur Bewertung des Tastaturdesigns auf Smartphones
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

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

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

Less
Copy Citation Download Citation Reprints and Permissions
View Video

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

Waiting X
Simple Hit Counter