Waiting
Login processing...

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

Behavior

En vurderingsmetode og verktøykasse for å evaluere tastaturdesign på smarttelefoner

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

Den presenterte protokollen integrerer ulike evalueringsmetoder og demonstrerer en metode for å evaluere tastaturdesignet på smarttelefoner. Par som samsvarer med engelske tegn, foreslås som inndatamateriale, og overgangstiden mellom to nøkler brukes som avhengig variabel.

Abstract

Tastaturinndata har spilt en viktig rolle i menneskelig datamaskininteraksjon med en enorm brukerbase, og tastaturdesignet har alltid vært et av de grunnleggende objektene i studier på smarte enheter. Med utviklingen av skjermteknologi kan mer presise data og indikatorer samles inn av smarttelefoner for å evaluere tastaturdesignet grundig. Utvidelsen av telefonskjermen har ført til utilfredsstillende inngangsopplevelse og fingersmerter, spesielt for enhåndsinngang. Inngangseffektiviteten og komforten har tiltrukket seg oppmerksomheten til forskere og designere, og det buede tastaturet med størrelsesjusterbare knapper, som omtrent samsvarer med den fysiologiske strukturen til tommelen, ble foreslått for å optimalisere den enhåndsbruken på smarttelefoner med stor skjerm. Imidlertid forble dens reelle effekter tvetydige. Derfor demonstrerte denne protokollen en generell og oppsummert metode for å evaluere effekten av buet QWERTY-tastaturdesign på en 5-tommers smarttelefon gjennom en selvutviklet programvare med detaljerte variabler, inkludert objektive atferdsdata, subjektiv tilbakemelding og koordinatdataene til hvert kontaktpunkt. Det er tilstrekkelig eksisterende litteratur om evaluering av virtuelle tastaturer; Imidlertid oppsummerte bare noen få av dem systematisk og tok refleksjon over evalueringsmetodene og prosessene. Derfor fyller denne protokollen ut gapet og presenterer en prosess og metode for systematisk evaluering av tastaturdesign med tilgjengelige koder for analyse og visualisering. Den trenger ikke ekstra eller dyrt utstyr og er lett å gjennomføre og betjene. I tillegg bidrar protokollen også til å få potensielle årsaker til ulempene ved designet og opplyser optimalisering av design. Til slutt kunne denne protokollen med åpen kildekode-ressursene ikke bare være et demonstrativt eksperiment i klassen for å inspirere nybegynneren til å starte studiene, men bidrar også til å forbedre brukeropplevelsen og inntektene til input method editor-selskaper.

Introduction

Tastaturinngang er den vanlige metoden for menneskelig smarttelefoninteraksjon1,2, og med penetrasjon av smarttelefoner får tastaturinngang milliarder av brukere. I 2019 hadde den globale smarttelefonpenetrasjonsraten nådd 41,5%3, mens USA, med høyest penetrasjon, hadde kommet opp til 79,1%4. Frem til første kvartal 2020 hadde Sogou mobiltastatur omtrent 480 millioner daglige aktive brukere5. mai 2020 hadde Google Gboard blitt lastet ned mer enn 1 milliard ganger6.

Utilfredsstillende tastaturinndataopplevelse øker med utvidelsen av telefonskjermen. Selv om den forstørrede skjermen hadde som mål å forbedre seeropplevelsen, har den endret tyngdekraften, størrelsen og vekten til smarttelefoner, noe som får brukerne til å endre holdestilling gjentatte ganger for å nå fjerntliggende områder (f.eks. knapp A og Q for høyrehendte brukere), noe som fører til inngangssvikt. Muskelstrekningen kan føre til at brukerne lider av muskel- og skjelettsykdommer, håndsmerter og ulike typer sykdommer (f.eks. karpaltunnelsyndrom, tommelartritt og tommeltensisynovitt7,8,9,10). Brukere som foretrekker enhåndsbruk er under dårligere forhold11,12.

Derfor har evaluering og optimalisering av tastaturdesign blitt hete temaer innen psykologisk, teknisk og ergonomisk forskning. Variable tastaturutforminger og konsepter har hele tiden blitt foreslått av IME-selskaper (Input Method Editor) og forskere for å optimalisere inndataopplevelsen og effektiviteten, inkludert layout-endrede og tegnreorganiserte tastaturer: Microsoft WordFlow Keyboard13, Functional Button Area in Glory of Kings14, IJQWERTY15og Quasi-QWERTY16.

Eksisterende evalueringsmetoder for tastaturdesign varierer fra forsker til forsker bortsett fra flere høyt aksepterte indikatorer, og mer nøyaktige indikatorer foreslås. Men med en rekke indikatorer er det ikke en oppsummert og systematisk protokoll som er gitt for å demonstrere prosessen med å evaluere og analysere tastaturdesignet. Fitts' Law17 og den utvidede versjonen FFitts Law18, som beskrev samhandling mellom mennesker og datamaskiner, ble allment tatt i bruk for å evaluere tastaturytelsen19,20,21,22. Videre ble det funksjonelle området av tommelen foreslått for å forbedre tastaturdesignet, og det beskrev et buet bevegelsesområde for tommelen for komfortabelt å fullføre inngangsoppgaven23. Basert på disse teoriene ble indikatorer inkludert ord per minutt, ordfeilfrekvens og subjektiv tilbakemelding (oppfattet brukervennlighet, oppfattet ytelse, oppfattet hastighet, subjektiv arbeidsbelastning, oppfattet anstrengelse og smerte og intensjon om å bruke, etc.), som var svært vedtatt, delvis brukt i tidligere studier24,25,26,27,28,29 unntatt modellerings- og simuleringsmetoder. I tillegg ble den monterte ellipsen av berøringspunkter på hver knapp og densoffset 30,31 brukt de siste årene for å undersøke den nøyaktige ytelsen til inngangshendelser. Også galvanisk hudrespons, hjertefrekvens, elektromyografisk aktivitet, håndbevegelse og kroppsbevegelse32,33,34,35 ble vedtatt for å direkte eller indirekte evaluere muskeltretthet, komfort og tilfredshet for brukerne. Imidlertid mangler disse ulike metodene refleksjon over hensiktsmessigheten til indikatorene som brukes, og en nybegynnerforsker kan forveksles med å velge de riktige indikatorene for sin forskning.

Forskningen på tastaturdesign er også enkel å bli utført, drevet og analysert. Med skjermteknologiens boom kan det enkelt samles inn mer atferdsdata for å evaluere tastaturutformingen i dybden (f.eks. overgangstiden mellom to taster og koordinatdataene for hvert kontaktpunkt). Basert på de nevnte dataene kunne forskere nøyaktig utforske detaljene i tastaturdesign og analysere ulempene og fordelene. Sammenlignet med annen forskning på interaksjon mellom mennesker og datamaskiner, har forskningen på tastaturdesign på bærbare smarttelefoner også høy applikasjonsverdi for sin enorme brukerbase uten dyrt utstyr, kompliserte materialer eller stort laboratorieområde som trengs. Spørreskjemaene, skalaene og Python-skriptet om forskningen er åpen kildekode og lett tilgjengelige.

Hensikten med denne forskningen er å oppsummere de tidligere metodene for å demonstrere en systematisk, presis og generell protokoll for å evaluere og analysere tastaturdesignet på smarttelefoner. Det eksemplariske eksperimentet og resultatene tar sikte på å vise om det buede QWERTY-tastaturet med størrelsesjusterbare knapper kan optimalisere inndataopplevelsen til enhåndsinngang på en 5-tommers smarttelefon sammenlignet med tradisjonelt QWERTY-tastatur og dele visualiseringsmetoden og Python-skriptet for dataanalyse.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Studien ble gjennomført i samsvar med det etiske prinsippet og ble godkjent av Etikkkomiteen ved Tsinghua-universitetet. Figur 1 viser prosessen med å evaluere tastaturutformingen til smarttelefoner.

Figure 1
Figur 1: Generell prosess for å utføre et tastatureksperiment og evaluere tastaturutformingen. Klikk her for å se en større versjon av denne figuren.

1. Forberedelse

  1. Eksperimentdesign
    1. Definere problemstillingen og foreslå hypotesen.
    2. Design eksperimentet i henhold til hypotesen og definer de uavhengige variablene (f.eks. tastaturoppsett, skrivestilling). Bruk utformingen innen emnet for å redusere forvirrende faktorer og varians forårsaket av forskjellen mellom deltakerne.
  2. Avhengige variabler
    1. Bruk fysiske data, inkludert håndlengden, lengden på inndatafingeren og omkretsen av inndatafingeren, som ble målt ved hjelp av et målebånd, som vist i figur 2.
    2. Bruk fysiologiske data, inkludert galvanisk hudrespons (målt ved den bærbare trådløse fysiologiske detektoren), hjertefrekvens (målt ved den bærbare trådløse fysiologiske detektoren), elektromyografisk aktivitet (målt ved overflateelektromyografi), etc.
    3. Bruk inndataytelse: ord per minutt, ordfeilfrekvens og overgangstid mellom to taster.
      1. Ord per minutt refererer til deltakernes inngangshastighet (dvs. antall ord som er lagt inn riktig per minutt).
      2. Ordfeilfrekvens refererer til deltakernes inndatanøyaktighet (dvs. antall ord med feil inndata delt på totalt antall ord under én betingelse). Korrigert feilfrekvens, ukorrigert feilfrekvens og total feilfrekvens er også brukt i tidligere studier36.
      3. Overgangstid mellom to taster refererer til reaksjonstiden til deltakerne mellom to kontaktpunkter i et korrekt inntastet ord22 (dvs. starttidspunktet for det andre kontaktpunktet minus avgangstiden til det første tegnet).
    4. Bruk kroppsbevegelsesdata som håndbevegelse og kroppsbevegelse (finger). De kan samles inn av bevegelsesfangstsystemet35.
    5. Bruk subjektive data som oppfattet brukervennlighet, intensjon om bruk, oppfattet nøyaktighet og hastighet, oppfattet anstrengelse og smerte, og subjektiv arbeidsbelastning, etc. Subjektive data kan fås gjennom eksisterende skalaer og spørreskjemaer, som er svært pålitelige og gyldige for bedre å evaluere subjektiv tilbakemelding fra deltakerne om tastaturdesignet.
      1. Bruk NASA-TLX, en 21-punkts skala som brukes til å måle subjektiv arbeidsbelastning gjennom mentale, fysiske, tids-, ytelses-, innsats- og frustrasjonsdimensjoner. En høy poengsum angir en høy subjektiv arbeidsbelastning26.
      2. Bruk System brukervennlighetsskala, et 5-punkts spørreskjema med 10 elementer, og svarene til én deltaker vil bli beregnet som én enkelt poengsum fra 0 til 100. En høy score indikerer en høy oppfattetbrukervennlighet 24.
      3. Bruk Borg CR10-vekten, som er variert fra 0 til 10 for å måle opplevd smerte og anstrengelse. En høy score indikerer en høyt nivå oppfattet smerte og anstrengelse25.
      4. Bruk hensikten med å bruke skala: et 10-punkts spørreskjema som brukes til å måle sannsynligheten for at deltakerne vil bruke teknologien eller produktene. En høy poengsum angir en høy sannsynlighet på høyt nivå28.
      5. Oppfattet hastighet og oppfattet nøyaktighet måles alle med 50-punkts skalaer, og en høy poengsum indikerer en god oppfattet ytelse28.
    6. Samle koordinatdataene for hvert berøringspunkt og endre dem til den monterte ellipsen (95 % KI) med berøringspunkter på hver knapp30,31. Ta i bruk området til hver montert ellipse og forskyvningen fra midten av den monterte ellipsen til målsenteret for hver knapp som avhengige variabler.
      MERK: Koordinatdataene kan samles inn nøyaktig av den selvutviklede applikasjonen på smarttelefonen. Hvis det er vanskelig å få tak i koordinatdataene, er objektive og subjektive data tilstrekkelig til å evaluere tastaturutformingen grovt.

Figure 2
Figur 2: Målingen av hånden. Klikk her for å se en større versjon av denne figuren.

  1. Materialer
    1. Velg eksperimentet smarttelefon. Ta hensyn til vekt, oppløsning og skjermstørrelse.
    2. Design og utvikle eksperimentprogramvaren på smarttelefoner (valgfritt trinn).
      MERK: Overgangstiden mellom to taster kan registreres automatisk av denne programvaren eller bevegelsesfangstsensorene (dvs. akselerometersensoren). Det kan være vanskelig å hente den manuelt (f.eks. en klokke eller stoppeklokke).
    3. Velg inndataoppgaven fra følgende forslag basert på hypotesen, og revider den slik at den samsvarer med forskningsformålet.
      1. For inndataoppgaven for tegnpar kobler du tilfeldig 26 engelske bokstaver i 676 par og deler dem i gjennomsnitt inn i flere grupper basert på eksperimentdesignet.
      2. For inndataoppgaven for uttrykk (setning) bruker du setninger som er moderate i lengde, lett å huske og representative for målspråket. Hvis målspråket er engelsk, trekker du ut 15–20 (eller basert på oppslagsformål) setninger eller ord fra et 500-uttrykk satttil 37.
  2. Rekruttering av deltakere
    1. Bruk G*Power-programvaren til å beregne prøvestørrelsen.
    2. Poster spørreskjemaer for å rekruttere potensielle deltakere.
    3. Filtrer potensielle deltakere med ønskede egenskaper, for eksempel alder, helse, syn, handedness og inngangsopplevelse. Sørg for at deltakernes inngangsopplevelse er balansert.

2. Prosedyre

  1. Les den informerte samtykkeformen til eksperimentet til deltakerne, inkludert eksperimentprosedyren, oppgaven og om de vil støte på noen mentale eller fysiske skader. Hvis deltakerne er enige om å delta, må de signere det informerte samtykkeskjemaet. Hvis ikke, kan de umiddelbart trekke seg tilbake. I henhold til det informerte samtykkeskjemaet kan deltakerne også trekke seg når som helst i eksperimentet.
  2. Samle inn fysiske så vel som demografiske data. Bruk et målebånd til å måle hånden til hver enkelt deltaker (figur 2) for å eliminere effekten av håndstørrelsesforskjellen og også gi repeterbare data for fremtidig forskning. Samle inn demografiske data som alder, kjønn, presis inngangserfaring og yrke.
  3. Desinfiser alle enheter og rengjør kroppsdelene til deltakeren som skal berøre enhetene.
    1. Be deltakerne vaske hendene og rengjøre skjermen på smarttelefoner slik at sensorer på smarttelefoner kan være mer følsomme.
    2. Be deltakerne om å bruke bærbare trådløse fysiologiske detektorer eller et bevegelsesfangstsystem. Be deltakerne bruke det bærbare trådløse fysiologiske deteksjonsarmbåndet på den ikke-dominerende hånden for å registrere galvanisk hudrespons og hjertefrekvens med støyforstyrrelsen unngått.
      1. Plasser passive markører av bevegelsesfangstsystemet på neglene, fingerens proksimale phalanx, livmorhalsvirvler (C3-C5) og armen, for å samle den nøyaktige kropps- og fingerbevegelsen. Fest trådløse elektroder til huden på to armer og to underarmer for å oppdage elektromyografisk aktivitet (valgfritt trinn).
    3. Kalibrer alle enhetene som brukes i eksperimentet.
  4. Øvelsesdel
    1. La deltakerne fullføre opplæringsoppgaven. Opplæringsoppgaven brukes til å forbedre deltakernes kjennskap til inndataoppgaver og tastaturer for å redusere effekten av praksis eller ukjenthet på eksperimentresultatet. Den består av 50 par eller 20 ord tilfeldig valgt fra 676 engelske par sett eller 500 setninger satt. Først når inngangsnøyaktigheten når 80% eller mer på 150 sekunder, kan de gå inn i de formelle forsøkene. Den eksemplariske forskningen tok i bruk 50 par som treningsoppgave.
  5. Hovedoppgave
    1. La deltakerne fullføre formelle studier under alle eksperimentelle forhold. De må sikre nøyaktigheten så raskt som mulig i løpet av inndataoppgaven. Formelle studier er reelle innspillsoppgaver som vil bli evaluert og analysert i forskningen. Hvert par, ord eller setning representerer en prøveversjon, og forskjellige eksperimentelle design produserer forskjellige eksperimentelle forhold.
    2. Be deltakerne fullføre inndataoppgaven i tilfeldig rekkefølge eller i balansert rekkefølge. Metoder for oppdeling av inngangsmaterialer er som følger. For det første kan 676 par deles tilfeldig inn i hver eksperimentelle tilstand (det vil si at deltakerne har gått inn i alle par når de fullfører alle eksperimentelle forhold). For det andre, under hver eksperimentell tilstand, kan 676 par deles inn i flere blokker tilfeldig, og deltakerne må fullføre disse blokkene tilfeldig. For det tredje, for å legge inn ord, må deltakerne fullføre rundt 20 forsøk under hver betingelse. For det fjerde, for å legge inn setninger, må deltakerne fullføre omtrent 10-15 forsøk under hver tilstand. Forskeren skal ikke sikre noen signifikant forskjell mellom antall tegn og antall ord som deltakeren har angitt under hver betingelse. Den eksemplariske forskningen tok i bruk den første metoden og hadde fire eksperimentelle forhold.
    3. Etter hver betingelse ber du deltakerne om å fylle ut alle spørreskjemaene (skalaer som vurderer deres subjektive opplevelse) tilfeldig og gi dem 1 min eller mer å hvile.
  6. På slutten av eksperimentet, la hver deltaker fullføre det omfattende spørreskjemaet (Q &A) for å få subjektiv tilbakemelding.
  7. Uttrykk takknemlighet til deltakere med monetære eller materielle belønninger.

3. Dataanalyse

  1. Hypotesetesting ved passende parametriske eller ikke-parametriske tester
    1. Analyser de fysiske, fysiologiske og kroppsbevegelsesdataene for å teste om forskjellen mellom deltakerne vil påvirke resultatene og den upressive inndataopplevelsen til brukere betydelig (valgfritt trinn).
    2. Analyser deltakernes inngangsytelse for å teste inngangseffektiviteten på tastaturet.
    3. Analyser subjektive data for å teste den oppfattede brukervennligheten og subjektiv tilbakemelding fra tastaturet.
    4. Finn ut om øvelseseffekten og utmattingseffekten påvirker resultatet betydelig. For hver tilstand er forsøk delt inn i to deler i henhold til tidsstempelet (dvs. første halvdel og andre halvdel). Spesielt under hver tilstand, undersøk forskjellen i inngangsytelse mellom første halvdel og andre halvdel for å teste om øvelseseffekten eller utmattelseseffekten eksisterer.
    5. Analyser området til den monterte ellipsen av berøringspunkter på hver knapp, samt forskyvningen fra midten til målsenteret for hver knapp (valgfritt trinn).
      1. Samle alle berøringspunktene til hver knapp med programvaren, og de er omtrent i samsvar med den bivariate gaussiske distribusjonen. Konfidensintervallet på 95 % for hver knapp i både x- og y-retningsretninger er avledet gjennom koordinatdataene for hvert berøringspunkt i pikselen, og 95 % konfidensellipser over en 1:1-disposisjon av knappen for hvert tastatur er montert gjennom Python-skript på pikselkoordinat (se Kodefil 2).
      2. Bruk monterte ellipser (95 % KI) og deres områder for å demonstrere spredning av berøringspunkter på hver knapp. I hver knapp er forskyvningen av montert ellipse beregnet av Python-skript definert som midtpunktet for den monterte ellipsen til målpunktet for knappen, og den kan representeres fra x- og y-retninger (dvs. i X-akse og Y-akse, se Kodefil 3).
  2. Modellering og simulering
    1. Bruk den datadrevne modellen som en funksjon av tastaturplassering og -retning for å forutsi fingerbevegelsen av Python-skript. Alle bevegelser av fingre er delt inn i åtteretninger 38 (øverst til bunnen, bunnen til toppen, venstre til høyre, høyre til venstre, venstre til høyre til høyre nederst, høyre bunn, høyre bunn til venstre, venstre nederst til høyre, høyre øverst til venstre). For hver retning beregnes den gjennomsnittlige overgangstiden mellom to taster for å representere effektiviteten av fingerbevegelse, som brukes til å evaluere tastaturutformingen (valgfritt trinn).
    2. Bruk lineær regresjonsanalyse til å bygge en forbedret Fitts' Law (eller den utvidede versjonen, FFitts' Law)-modell for å forutsi overgangstiden mellom to nøkler ved hjelp av en integrert kognitiv arkitektur39 av Python-skript. Den forbedrede Fitts' Law-modellen kan gi en bedre prediksjon og evaluering av tastaturdesign basert på analysene av plasseringen og effektiv bredde på tastene, samt avstanden til to taster (valgfritt trinn).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Den representative studien følger hovedsakelig den nevnte protokollen. Studien vedtar en 2 (Tastaturoppsett: Buet QWERTY vs. Tradisjonell QWERTY) × 2 (Knappestørrelse: stor, 6,3 mm × 9 mm sammenlignet med liten, 4,9 mm × 7 mm) innen fagdesign for å vurdere om den buede QWERTY kan forbedre inngangseffektiviteten og komforten sammenlignet med den tradisjonelle QWERTY i forskjellige størrelser av knapper av tegnparinngangsoppgaven gjennom vår selvutviklede programvare (Figur 3 ). Denne studien har ikke tatt i bruk det dyre fysiologiske detektorutstyret eller bevegelsesfangstsystemet, og dataanalysen inneholdt ikke modellering eller simulering.

Figure 3
Figur 3: Grensesnittet til det tradisjonelle QWERTY-tastaturet og den buede QWERTY-tastaturprogramvaren.
(A) Tradisjonelt QWERTY-tastatur med stor knappestørrelse (bokstavtaststørrelse: 6,3 mm × 9 mm). (B) Buet QWERTY-tastatur med stor knappestørrelse (bokstavtaststørrelse: 6,3 mm × 9 mm). (C) Tradisjonelt QWERTY-tastatur med liten knappestørrelse (bokstavtaststørrelse: 4,9 mm × 7 mm). (D) Buet QWERTY-tastatur med liten knappestørrelse (bokstavtaststørrelse: 4,9 mm × 7 mm). Størrelsesforholdet for hver bokstavnøkkel er 7:10, og bredden på hver funksjonstast (Slett, Mellomrom, Enter) er dobbelt så stor som for bokstavtasten. Sletting og Mellomrom er ikke arbeidet. Deltakerne klikker Enter-tasten for å skifte til neste prøveversjon. Klikk her for å se en større versjon av denne figuren.

Totalt 24 høyrehendte friske studenter fra Tsinghua University var involvert i denne studien (12 kvinner, M = 22,46 år, SD = 3,04 år). For dem ble lengden på høyre tommel (M = 17,98 cm SD = 1,20 cm), lengden på høyre tommel (M = 6,00 cm, SD = 0,68 cm) og omkretsen av høyre tommel (M = 5,14 cm, SD = 0,52 cm) målt. Utvalgsstørrelsen ble beregnet av G*Power 3.1.9.2 (effektstørrelse f = 0,25, α = 0,05, effekt = 0,80, korrelasjon mellom gjentatte mål = 0,5). Eksperimentet smarttelefon er en 5-tommers smarttelefon (vekt 138 g, skjermstørrelse 5.0 tommers, ppi 294, px 1280 × 720, telefonstørrelse 143.5 × 69.9 × 7.6 mm).

Inndataytelse (overgangstid mellom to taster, ordfeilfrekvens), subjektiv tilbakemelding og montert ellipse av hver knapp ble samlet inn og analysert av gjentatte mål ANOVA. Overgangstid mellom to taster i stedet for ord per minutt brukes i denne studien fordi inndatamaterialet er tegnparene, og overgangstiden mellom to taster kan evaluere overgangsberøringshendelsen mer nøyaktig. De representative resultatene er som følger (Tabell 1).

Tastaturoppsett Knappestørrelse Størrelse på tastaturoppsett ×-knapp
F p Equation 1 F p Equation 1 F p Equation 1
Frekvens for Word-feil 48.90 <.001*** 0.68 30.57 <.001*** 0.57 2.63 0.12 0.10
Overgangstid mellom to taster 10.19 .004** 0.31 43.57 <.001*** 0.66 12.75 .002** 0.36
Oppfattet anstrengelse og smerte 2.33 0.14 0.09 1.36 0.26 0.06 0.28 0.60 0.01
Hensikt å bruke 7.41 .012* 0.24 3.62 0.07 0.14 0.63 0.44 0.03
Oppfattet nøyaktighet 1.32 0.26 0.54 2.94 0.10 0.11 0.69 0.42 0.03
Oppfattet hastighet 0.56 0.47 0.02 0.98 0.33 0.04 0.25 0.62 0.01
Oppfattet brukervennlighet 0.63 0.44 0.03 5.48 .028* 0.19 0.03 0.87 0.001
Subjektiv arbeidsmengde Mental 19.30 <.001*** 0.46 8.88 .007** 0.28 0.01 0.91 0.001
Fysisk 2.41 0.13 0.10 5.55 .027* 0.19 0.07 0.78 0.003
Tid 0.02 0.9 0.001 10.26 .004** 0.31 0.37 0.55 0.02
Prestasjon 11.51 .003** 0.33 12.25 .002** 0.35 0.02 0.90 0.001
Anstrengelse 4.66 .042* 0.17 16.33 .001** 0.42 0.13 0.72 0.006
Frustrasjon 9.32 .006** 0.29 8.87 .007** 0.28 2.11 0.16 0.08
Arealet av montert ellipse 90.00 <.001*** 0.78 1368.78 <.001*** 0.98 31.99 <.001*** 0.56
Forskyvning av montert ellipse X-retning 10.94 .003** 0.30 1.4 0.25 0.05 6.08 0.21 0.19
Y-retning 23.49 <.001*** 0.48 0.48 0.50 0.02 13.74 .001** 0.36

Tabell 1: Statistisk analyse av inngangsytelsen, subjektiv tilbakemelding og montert ellipse av hver knapp. Element med * betyr p < 0,05, vare med ** betyr p < 0,01, og element med *** betyr p < 0,001.

I inndataytelsen er samspillet mellom tastaturoppsett og knappestørrelse bare signifikant i overgangstiden mellom to taster (figur 4), og det viser at overgangstiden mellom to taster med liten knappestørrelse i den buede QWERTY var betydelig lengre enn for stor knappestørrelse (p < 0,001). Hovedeffekten av tastaturoppsett er betydelig både i ordfeilfrekvens (figur 5) og overgangstid mellom to taster, og det indikerer at disse av den tradisjonelle QWERTY er betydelig lavere enn for den buede QWERTY. Hovedeffekten av knappestørrelse er betydelig i både ordfeilfrekvens og overgangstid mellom to taster, og det indikerer at disse av den store knappestørrelsen er betydelig lavere enn for den lille knappestørrelsen. Finner ingen andre signifikante resultater.

Figure 4
Figur 4: 3D-stolpediagrammet er visualiseringen av overgangstiden mellom to taster (venstre er det første tegnet mens høyre er det andre tegnet) i fire tastaturer.
Høyden på hver stolpe representerer verdien av overgangstid. Graderingsfargene (blå, grønn, gul og rød) brukes til å vise situasjonen for numerisk fordeling (se Tilleggskodingsfil 1). Klikk her for å se en større versjon av denne figuren.

Figure 5
Figur 5: Ordet feilfrekvens for hvert tastatur. Feilfeltene representerer 95 % KI. Klikk her for å se en større versjon av denne figuren.

I den subjektive tilbakemeldingen (figur 6 og figur 7er ikke alle interaksjonene mellom tastaturoppsettet og knappestørrelsen signifikante. Hovedeffekten av tastaturoppsett er viktig for bruk og subjektiv arbeidsbelastning (mental, ytelse, innsats og frustrasjon), og den viser at deltakerne oppfatter mindre subjektiv arbeidsbelastning (de ovennevnte fire fasetter) og har større sannsynlighet for å bruke den buede QWERTY sammenlignet med den tradisjonelle QWERTY. Hovedeffekten av knappestørrelse er betydelig i oppfattet brukervennlighet og alle fasetter av subjektiv arbeidsbelastning, og det indikerer at deltakerne oppfatter mindre subjektiv arbeidsbelastning og høyere brukervennlighet i den store knappestørrelsen sammenlignet med liten knappestørrelse. Finner ingen andre signifikante resultater.

Figure 6
Figur 6: Den oppfattede anstrengelsen og smerten, som har til hensikt å bruke (venstre Y-akse), oppfattet nøyaktighet, oppfattet og oppfattet brukervennlighet (høyre Y-akse) for hvert tastatur.
Den høye poengsummen av oppfattet anstrengelse og smerte indikerer den utilfredsstillende opplevelsen, mens de andre indikatorene viser det motsatte. Feilfeltene representerer 95 % KI. Klikk her for å se en større versjon av denne figuren.

Figure 7
Figur 7: De seks dimensjonene av subjektiv arbeidsbelastning.
Feilfeltene representerer 95 % KI. Klikk her for å se en større versjon av denne figuren.

I området med den monterte ellipsen (figur 8) er samspillet mellom tastaturoppsett og knappestørrelse betydelig, og det viser at for både liten og stor knappestørrelse er området til den tradisjonelle QWERTY større enn for den buede QWERTY (p < 0,001), mens for begge tastaturoppsettene er området på den lille knappen mindre enn for den store knappen (p < 0,001). Hovedeffekten av knappestørrelse og tastaturoppsett er betydelig, og det indikerer at disse områdene i den tradisjonelle QWERTY og den store knappen er større enn for henholdsvis den buede QWERTY og den lille knappen. Finner ingen andre signifikante resultater.

Figure 8
Figur 8: De monterte ellipsene (95 % KI) med fire tastaturer.
De tegnes ved å tilpasse pikselposisjonene til berøringspunktene i fire tastaturer. Koordinaten til midten av ellipsen er gjennomsnittsverdien for alle berøringspunkter på hver knapp (se Tilleggskodingsfil 2). Klikk her for å se en større versjon av denne figuren.

I forskyvningen av den monterte ellipsen (figur 9 og figur 10) er samspillet mellom tastaturoppsett og knappestørrelse bare signifikant i forskyvningen i y-retningen, og det viser at i den buede QWERTY er forskyvningen i y-retningen til den lille knappen betydelig kortere enn den store knappen (p < 0,001), I begge størrelsene på knappen er forskyvningen i y-retningen til den buede QWERTY betydelig kortere enn for den tradisjonelle QWERTY. Hovedeffekten av tastaturoppsett er betydelig i både x- og y-retninger, og det indikerer at forskyvningen i y-retningen til den buede QWERTY er betydelig kortere enn den tradisjonelle QWERTY. Finner ingen andre signifikante resultater.

Figure 9
Figur 9: Forskyvningen av monterte ellipser i x-retning.
Lengden på pilen, som forstørres 1,2 ganger proporsjonalt i figuren på grunn av visualiseringen, representerer verdien av forskyvningen. Og forskjellige farger visualiserer verdien av standardavvik (±) fra gjennomsnittlig forskyvning for hver knapp til forskyvningen i x-retningen. Verdien som er mindre enn -1σ, er grønn, og verdien mer enn +1σ er rød, mens verdien mellom -1σ og +1σ er oransje (se Tilleggskodingsfil 3). Klikk her for å se en større versjon av denne figuren.

Figure 10
Figur 10: Forskyvningen av monterte ellipser i y-retning.
Lengden på pilen, som forstørres 1,2 ganger proporsjonalt i figuren på grunn av visualiseringen, representerer verdien av forskyvningen. Og forskjellige farger visualiserer verdien av standardavvik (±) fra gjennomsnittlig forskyvning for hver knapp til forskyvningen i y-retningen. Verdien som er mindre enn -1σ, er grønn, og verdien mer enn +1σ er rød, mens verdien mellom -1σ og +1σ er oransje (se Kodefil 3, og skriptet i y-retningen er kjent for x-retningen). Klikk her for å se en større versjon av denne figuren.

Øvelseseffekten testes ved hjelp av t-testen for å sammenligne inndataytelsen (ordfeilfrekvens og overgangstid mellom to taster) mellom første og andre halvdel av tegnparene. Når det gjelder feilfrekvens, er det ingen signifikant forskjell mellom de to gruppene tegnpar i den buede QWERTY med liten knappestørrelse, t(46) = 2,03, p = 0,05, den buede QWERTY med stor knappestørrelse, t(46) = -0,47, p = 0,64, den tradisjonelle QWERTY med stor knappestørrelse, t(46) = 0,31, p = 0,76, og den tradisjonelle QWERTY med liten knappestørrelse, t(46) = 0,05, p = 0,97. Når det gjelder overgangstid mellom to taster, er det ingen signifikant forskjell mellom de to gruppene tegnpar i den buede QWERTY med stor knappestørrelse, t(46) = 0,33, p = 0,74, den buede QWERTY med liten knappestørrelse, t(46) = 0,22, p = 0,83, den tradisjonelle QWERTY med stor knappestørrelse t(46) = 0,66, p = 0,51, og den tradisjonelle QWERTY med liten knappestørrelse, t(46) = 0,09, p = 0,93. Resultatene indikerer at det ikke er noen øvelseseffekt eller utmattelseseffekt under hovedprosessen av inngangsoppgaven, og deltakerne har nådd og holdt den høyeste innsatsen for hvert tastatur. Den absolutte verdien av den høyeste innsatsen for forskjellige tastaturer kan være forskjellig fordi den høyeste innsatsen bare indikerer at de har vært kjent med tastaturet med 100 prosent.

Denne representative studien indikerer at på den 5-tommers smarttelefonen er den buede QWERTY verre enn den tradisjonelle QWERTY, og den store knappestørrelsen er bedre enn den lille knappestørrelsen. I denne representative studien er det beste tastaturet det tradisjonelle QWERTY-tastaturet med stor knappestørrelse, mens det verste tastaturet er det buede QWERTY-tastaturet med liten knappestørrelse. Alle resultatene har ikke blitt påvirket av praksiseffekten og utmattelseseffekten. Ordet feilfrekvens og overgangstiden mellom to taster indikerer at den buede QWERTY-designen øker reaksjonstiden til deltakerne mellom to tegn og kan øke gjenkjenningsarbeidsbelastningen til tegn på grunn av posisjonen til taster og mental rotasjon, og dermed føre til utilfredsstillende inngangsytelse, og resultatene er de samme som den størrelsesreduserende knappestørrelsen (QWERTY-tastatur med liten knappestørrelse) på en 5-tommers smarttelefon. Selv om de fleste indikatorer og dimensjoner for subjektiv tilbakemelding ikke er signifikante, viser den subjektive arbeidsbelastningen den høyere oppfattede arbeidsbelastningen til QWERTY-tastaturet med den størrelsesreduserende knappen og det buede QWERTY-tastaturet. Fra analysen av monterte ellipser viser imidlertid resultatene, og figur 8 og figur 10 at den buede QWERTY har mindre forskyvning og berøringspunktene er mindre dispergerende, og forskyvningen er hovedsakelig mot øvre venstre hjørne for høyrehendt bruk. Resultatene indikerer at den buede QWERTY-designen kan optimaliseres ved å justere krumningen på tastaturet, legge til funksjonen for automatisk korreksjon og moderere størrelsen på knappene. I tillegg kan du bruke et buet T9-tastatur fra figur 8 og figur 10, som tar plassen til "R, T, Y, U, I, O, D, F, G, H, J, K, X, C, V, B, N og M" på det buede QWERTY-tastaturet, kan være et potensielt optimalisert tastatur, det vil si at hver tast på det buede T9-tastaturet tar plassen til to bokstaver taster på det buede QWERTY.

Derfor demonstrerer denne representative studien bare grovt protokollen for evaluering av tastaturdesign med åpen kildekode Python-skript, og analyse- og optimaliseringsmetoden kan diskuteres grundig basert på forskernes forskningsformål i fremtidige studier.

Tilleggskodingsfil 1: 3D-plott av overgangstiden mellom to nøkler. Klikk her for å laste ned denne filen.

Tilleggskodingsfil 2: Den monterte ellipsen og dens område. Klikk her for å laste ned denne filen.

Tilleggskodingsfil 3: Forskyvningen av den monterte ellipsen. Klikk her for å laste ned denne filen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

I denne studien, basert på utviklingen av skjermteknologi, presenterte vi en oppsummert og generell protokoll for evaluering av tastaturdesign for å vurdere tastaturdesignet systematisk og presist. Eksisterende indikatorer og metoder fra tidligere studier, par matchet med engelske tegn, og overgangstid mellom to nøkler er integrert og modifisert for å generere en effektiv protokoll.

Flere kritiske punkter må bli lagt merke til i denne protokollen. Valg av variabler og indikatorer er avgjørende fordi de bestemmer analyseperspektivet, og det kan brukes til å bygge evalueringsmodellen i senere fase av evalueringseksperimentet for tastaturdesign. Bortsett fra de objektive variablene, bør de subjektive variablene også vurderes nøye i eksperimentell design fra flere dimensjoner, siden de subjektive dataene spiller en viktig rolle i å hjelpe oss med å forbedre brukeropplevelsen. Koordinatdata kan eventuelt samles inn og beregnes i protokollen gjennom de selvutviklede applikasjons- og Python-skriptene, for eksempel montert ellipse (95 % KI) med berøringspunkter på hver knapp og forskyvningen fra midten av den monterte ellipsen til målsenteret for hver knapp. Analysen og visualiseringen av den monterte ellipsen kan opplyse optimaliseringsmetoden for tastaturdesignet. I tillegg, selv om fysiologisk måling og bevegelsesmåling, som avhenger av det bærbare utstyret, også er valgfritt, kan de faktisk bidra til å utforske den uutslettelige opplevelsen av tastaturbrukere i dybden.

Et avgjørende skritt i prosedyren for tastaturstudie er å be deltakerne om å vaske hendene og rydde skjermen før eksperimentet (det samme som de bærbare detektorene), siden håndfett og svette kan påvirke følsomheten til skjermen sensorisk, og dermed påvirke resultatene. Deltakernes fysiske data (håndlengde, fingerlengde og tommelomkrets) må også måles eller rapporteres fordi de fysiske forskjellene mellom deltakerne også kan påvirke eksperimentresultatene og reproduserbarheten.

Protokollen kan heller ikke unnslippe følgende begrensninger. Alle inngangsmaterialene som foreslås i denne studien, kan hovedsakelig konsentrere seg om engelskspråket uten hensyn til andre språk. I tillegg kan selvutvikling av en tastaturprogramvare for å samle inn eksperimentdataene foreslås i denne protokollen, i stedet for å bruke den tradisjonelle manuelle innsamlings- og målemetoden. Fordi en selvutviklet programvare kan samle og beregne mer presise og attribusjonelle indikatorer og bidra til å gi et klart optimaliseringsforslag om tastaturdesignet i stedet for bare å konkludere effekten av den nåværende tastaturdesignen under eksperimentelle forhold. Dessuten har andre dyre enheter eller utstyr vedtatt av tidligere studier ikke blitt inkludert i de representative resultatene, for eksempel den bærbare trådløse fysiologiske detektoren eller bevegelsesfangstsystemet, og forskere bør velge sine spesifikke eksperimentelle enheter basert på deres forskningsproblem og hypotese. Til slutt kunne tilhengere av new statistics eller bayesianske entusiaster prøve å ta i bruk mer statistiske metoder for å analysere og evaluere tastaturdesignet.

For fremtidige programmer og retninger kan denne protokollen tas i bruk i evalueringsprosessen for tastaturutforming på andre smarte enheter. I tillegg til smarttelefoner har flere og mer intelligente enheter blitt populære, for eksempel bærbare smartklokker og armbånd (iWatch), nettbrett-PC (iPad) og VIRTUAL REALITY-enheter (VR-briller). Denne protokollen kan brukes til å evaluere ulike tastaturutforminger på disse enhetene og hjelper optimaliseringer (indikatorer og prosesser kan justeres litt). I denne forstand åpner denne studien for nye muligheter til å revurdere fordelene og viktigheten av evalueringsstudie for tastaturdesign på berøringsskjermen til smarte enheter. Derfor gir det en billig og lettfattelig forskningsmetode med åpen kildekode-ressursene innen menneskelig interaksjon, informatikk og psykologi, og gir dermed bidrag til å hjelpe nybegynnere forskere og studenter til å starte sine studier eller være et demonstrativt eksperiment i klassen.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne erklærte ingen økonomisk avsløring eller interessekonflikter.

Acknowledgments

Denne forskningen støttes av Tsinghua University Initiative Scientific Research Program (Ergonomisk design av buet tastatur på smarte enheter). Forfatterne setter pris på Tianyu Liu for hans vennlige forslag og kodingshjelp på figurer.

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

Atferd Utgave 164 ergonomi tekstinndata evaluering av tastaturdesign smarttelefon skriveoppgave

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

En vurderingsmetode og verktøykasse for å evaluere tastaturdesign på smarttelefoner
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