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 bedömningsmetod och verktygslåda för att utvärdera tangentbordsdesign på 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

Det presenterade protokollet integrerar olika utvärderingsmetoder och demonstrerar en metod för att utvärdera tangentbordsdesignen på smartphones. Par som matchas av engelska tecken föreslås som indatamaterial, och övergångstiden mellan två nycklar används som beroende variabel.

Abstract

Tangentbordsinmatning har spelat en viktig roll i interaktionen mellan människa och dator med en stor användarbas, och tangentbordsdesignen har alltid varit ett av de grundläggande föremålen för studier på smarta enheter. Med utvecklingen av skärmteknik kan mer exakta data och indikatorer samlas in av smartphones för att utvärdera tangentbordsdesignen på djupet. Utvidgningen av telefonskärmen har lett till otillfredsställande inputupplevelse och fingersmärta, särskilt för enhandsinmatning. Inmatningseffektiviteten och komforten har uppmärksammats av forskare och designers, och det böjda tangentbordet med storleksjusterbara knappar, som ungefär överensstämde med tummens fysiologiska struktur, föreslogs för att optimera enhandsanvändningen på storbilds smartphones. Dess verkliga effekter förblev dock tvetydiga. Därför visade detta protokoll en allmän och sammanfattad metod för att utvärdera effekten av böjd QWERTY-tangentbordsdesign på en 5-tums smartphone genom en självutvecklad programvara med detaljerade variabler, inklusive objektiva beteendedata, subjektiv feedback och koordinatdata för varje beröringspunkt. Det finns tillräckligt med befintlig litteratur om utvärdering av virtuella tangentbord; Endast ett fåtal av dem sammanfattade och reflekterade dock systematiskt över utvärderingsmetoderna och processerna. Därför fyller detta protokoll i gapet och presenterar en process och metod för systematisk utvärdering av tangentbordsdesign med tillgängliga koder för analys och visualisering. Den behöver ingen extra eller dyr utrustning och är lätt att leda och använda. Dessutom hjälper protokollet också till att få potentiella skäl till nackdelarna med designen och upplyser optimeringen av mönster. Sammanfattningsvis kan detta protokoll med öppen källkodsresurser inte bara vara ett demonstrerande experiment i klassen för att inspirera nybörjaren att starta sina studier utan också bidra till att förbättra användarupplevelsen och intäkterna från inmatningsmetodredaktörsföretag.

Introduction

Tangentbordsinmatning är den vanliga metoden för interaktion mellan människa och smartphone1,2, och med penetration av smartphones får tangentbordsinmatning miljarder användare. Under 2019 hade den globala smartphonepenetrationsgraden nått 41,5%3, medan USA, med den högsta penetrationen, hade kommit upp till 79,1%4. Fram till första kvartalet 2020 hade Sogou mobiltangentbord cirka 480 miljoner dagliga aktiva användare5. Fram till den 6 maj 2020 hade Google Gboard laddats ner mer än 1 miljard gånger6.

Otillfredsställande tangentbordsinmatningsupplevelse ökar med utvidgningen av telefonskärmen. Även om den förstorade skärmen syftade till att förbättra tittarupplevelsen har den ändrat smartphones gravitation, storlek och vikt, vilket har fått användare att ändra hållhållningsställning upprepade gånger för att nå avlägsna områden (t.ex. knapp A och Q för högerhänta användare), vilket leder till inmatningsineffektivitet. Muskelsträckan kan orsaka att användare lider av muskuloskeletala störningar, handsmärtor och olika typer av sjukdomar (t.ex. karpaltunnelsyndrom, tumartros och tumtaosynovit7,8,9,10). Användare som föredrar enhandsanvändning är under sämre förhållanden11,12.

Därför har utvärderingen och optimeringen av tangentbordsdesign blivit heta ämnen för psykologisk, teknisk och ergonomisk forskning. Variabla tangentbordsdesigner och koncept har ständigt föreslagits av IME-företag (Input Method Editor) för att optimera inmatningsupplevelsen och effektiviteten, inklusive layoutomändrade och teckenomställda tangentbord: Microsoft WordFlow Keyboard13, Functional Button Area in Glory of Kings14, IJQWERTY15och Quasi-QWERTY16.

Befintliga utvärderingsmetoder för tangentbordsdesign varierar från forskare till forskare förutom flera mycket accepterade indikatorer, och mer exakta indikatorer föreslås. Men med en mängd olika indikatorer finns det inte ett sammanfattat och systematiskt protokoll som tillhandahålls för att demonstrera processen att utvärdera och analysera tangentbordsdesignen. Fitts lag17 och dess utökade version FFitts Law18, som beskrev interaktion mellan människa och dator, antogs allmänt för att utvärdera tangentbordsprestanda19,20,21,22. Dessutom föreslogs tummens funktionella område för att förbättra tangentbordsdesignen, och det beskrev ett krökt rörelseområde för tummen för att bekvämt slutföra inmatningsuppgiften23. Baserat på dessa teorier användes indikatorer inklusive ord per minut, ordfelfrekvens och subjektiv feedback (upplevd användbarhet, upplevd prestanda, upplevd hastighet, subjektiv arbetsbelastning, upplevd ansträngning och smärta och avsikt att använda, etc.), som var mycket antagna, delvis i tidigare studier24,25,26,27,28,29 med undantag för modellerings- och simuleringsmetoder. Dessutom användes den monterade ellipsen av beröringspunkter på varje knapp och dessoffset 30,31 under de senaste åren för att undersöka korrekt prestanda för inmatningshändelser. Också, galvanisk hudrespons, hjärtfrekvens, elektromyografisk aktivitet, hand gest, och kroppsrörelse32,33,34,35 antogs för att direkt eller indirekt utvärdera muskeltrötthet, komfort och tillfredsställelse hos användarna. Dessa olika metoder saknar dock reflektion över lämpligheten hos de indikatorer som används, och en nybörjare forskare kan förväxlas att välja lämpliga indikatorer för sin forskning.

Forskningen om tangentbordsdesign är också lätt att genomföra, driva och analysera. Med skärmteknikens boom kan mer beteendedata enkelt samlas in för att utvärdera tangentbordsdesignen på djupet (t.ex. övergångstiden mellan två tangenter och koordinatdata för varje beröringspunkt). Baserat på de nämnda uppgifterna kunde forskare exakt utforska detaljerna i tangentbordsdesign och analysera dess nackdelar och fördelar. Jämfört med annan interaktionsforskning mellan människa och dator har forskningen om tangentbordsdesign på bärbara smartphones också högt applikationsvärde för sin stora användarbas utan dyr utrustning, komplicerade material eller enormt laboratorieutrymme som behövs. Frågeformulären, skalorna och Python-skripten om forskningen är öppen källkod och lätta att komma åt.

Syftet med denna forskning är att sammanfatta de tidigare metoderna för att demonstrera ett systematiskt, exakt och allmänt protokoll för att utvärdera och analysera tangentbordsdesignen på smartphones. Det föredömliga experimentet och resultaten syftar till att visa om det böjda QWERTY-tangentbordet med storleksjusterbara knappar kan optimera inmatningsupplevelsen av enhandsinmatning på en 5-tums smartphone jämfört med traditionell QWERTY-tangentbord och dela visualiseringsmetoden och Python-skriptet för dataanalys.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Studien genomfördes i enlighet med den etiska principen och godkändes av etikkommittén vid Tsinghua University. Figur 1 visar processen för att utvärdera tangentbordsdesignen för smartphones.

Figure 1
Bild 1: Allmän process för att utföra ett tangentbordsexperiment och utvärdera tangentbordsdesignen. Klicka här för att se en större version av den här figuren.

1. Förberedelse

  1. Experiment design
    1. Definiera forskningsfrågan och föreslå hypotesen.
    2. Utforma experimentet enligt hypotesen och definiera de oberoende variablerna (t.ex. tangentbordslayout, skrivställning). Använd inom-ämnesdesignen för att minska förvirrande faktorer och varians som orsakas av skillnaden mellan deltagarna.
  2. Beroende variabler
    1. Använd fysiska data, inklusive handlängd, ingångsfingrets längd och inmatningsfingrets omkrets, som mättes med ett måttband, enligt figur 2.
    2. Använd fysiologiska data, inklusive galvanisk hudrespons (mätt med den bärbara trådlösa fysiologiska detektorn), hjärtfrekvens (mätt med den bärbara trådlösa fysiologiska detektorn), elektromyografisk aktivitet (mätt med ytelektromyografi) etc.
    3. Använd indataprestanda: ord per minut, ordfelfrekvens och övergångstid mellan två nycklar.
      1. Ord per minut avser deltagarnas inmatningshastighet (dvs. antalet korrekt inmatade ord per minut).
      2. Felfrekvensen för ord avser deltagarnas inmatningsnoggrannhet (dvs. antalet felaktiga inmatade ord dividerat med det totala antalet ord under ett villkor). Korrigerad felfrekvens, okorrigerad felfrekvens och total felfrekvens har också använts i tidigare studier36.
      3. Övergångstiden mellan två tangenter avser deltagarnas reaktionstid mellan två beröringspunkter i ett korrekt inmatat ord22 (dvs. starttiden för den andra beröringspunkten minus avgångstiden för det första tecknet).
    4. Använd kroppsrörelsedata som handgest och kroppsrörelser (finger). De kan samlas in av motion capture system35.
    5. Använd subjektiva data som upplevd användbarhet, avsikt att använda, upplevd noggrannhet och hastighet, upplevd ansträngning och smärta och subjektiv arbetsbelastning etc. Subjektiva data kan erhållas genom befintliga skalor och frågeformulär, som är mycket tillförlitliga och giltiga för att bättre utvärdera deltagarnas subjektiva feedback om tangentbordsdesignen.
      1. Använd NASA-TLX, en 21-gradsskala som används för att mäta subjektiv arbetsbelastning genom mentala, fysiska, tids-, prestanda-, ansträngnings- och frustrationsdimensioner. En hög poäng indikerar en hög subjektivarbetsbelastning 26.
      2. Använd systemanvändningsskalan, ett 5-punktsformulär med 10 objekt, och svaren från en deltagare beräknas som en enda poäng från 0 till 100. En hög poäng indikerar en hög upplevd användbarhet24.
      3. Använd Borg CR10-skalan, som sträcker sig från 0 till 10 för att mäta upplevd smärta och ansträngning. En hög poäng indikerar en upplevd smärta och ansträngning på hög nivå25.
      4. Använd avsikt att använda skala: ett 10-punktsformulär som används för att mäta sannolikheten för att deltagarna skulle använda tekniken eller produkterna. En hög poäng indikerar en hög sannolikhet28.
      5. Upplevd hastighet och upplevd noggrannhet mäts alla med 50-punktsskalor, och en hög poäng indikerar en god upplevd prestanda28.
    6. Samla in koordinatdata för varje beröringspunkt och ändra dem till den monterade ellipsen (95% CI) av beröringspunkter på varje knapp30,31. Anta området för varje monterad ellips och förskjutningen från mitten av den monterade ellipsen till målcentrum för varje knapp som beroende variabler.
      OBS: Koordinatdata kan samlas in exakt av den egenutvecklade applikationen på smarttelefonen. Om det är svårt att få tag på koordinatdata är objektiva och subjektiva data tillräckliga för att grovt utvärdera tangentbordsdesignen.

Figure 2
Figur 2: Mätning av handen. Klicka här för att se en större version av den här figuren.

  1. Material
    1. Välj experiment smartphone. Ta hänsyn till vikt, upplösning och skärmstorlek.
    2. Designa och utveckla experimentprogramvaran på smartphones (valfritt steg).
      OBS: Övergångstiden mellan två tangenter kan registreras automatiskt av denna programvara eller rörelseinspelningssensorer (dvs accelerometersensorn). Det kan vara svårt att samla in det manuellt (t.ex. en klocka eller stoppur).
    3. Välj indatauppgiften bland följande förslag baserat på hypotesen och revidera den för att matcha forskningsändamålet.
      1. För teckenparinmatningsuppgiften parkopplar du slumpmässigt 26 engelska bokstäver i 676 par och delar i genomsnitt upp dem i flera grupper baserat på experimentdesignen.
      2. För inmatningsuppgiften för frasen (mening) använder du fraser som är måttliga i längd, lätta att komma ihåg och representativa för målspråket. Om målspråket är engelska, extrahera 15–20 (eller baserat på forskningsändamål) fraser eller ord från en 500 fraser som anges37.
  2. Rekrytering av deltagare
    1. Använd G*Power-programvaran för att beräkna provstorleken.
    2. Skicka enkäter för att rekrytera potentiella deltagare.
    3. Filtrera potentiella deltagare med önskade egenskaper, t.ex. ålder, hälsa, syn, handedness och input erfarenhet. Se till att deltagarnas inputupplevelse är balanserad.

2. Förfarande

  1. Läs upp experimentets informerade samtyckesformulär för deltagarna, inklusive experimentproceduren, uppgiften och om de kommer att stöta på några mentala eller fysiska skador. Om deltagarna samtycker till att delta måste de underteckna det informerade samtyckesformuläret. Om inte, kan de omedelbart dra sig tillbaka. Enligt formuläret för informerat samtycke kan deltagarna också dra sig tillbaka när som helst i försöket.
  2. Samla in fysiska såväl som demografiska data. Använd ett måttband för att mäta varje enskild deltagares hand (figur 2) för att eliminera effekten av handstorleksskillnaden och även tillhandahålla repeterbara data för framtida forskning. Samla in demografiska data som ålder, kön, exakt input erfarenhet och yrke.
  3. Desinficera alla enheter och rengör deltagarnas kroppsdelar som kommer att röra enheterna.
    1. Be deltagarna att tvätta händerna och rengöra skärmen på smartphones så att sensorer på smartphones kan vara mer känsliga.
    2. Be deltagarna att bära bärbara trådlösa fysiologiska detektorer eller ett rörelsefångssystem. Be deltagarna att bära det bärbara trådlösa fysiologiska detektionsarmbandet på den icke-dominerande handen för att registrera galvanisk hudrespons och hjärtfrekvens med den bullerstörning som undviks.
      1. Placera passiva markörer för rörelsefångssystemet på naglarna, fingeraxelfaltan, livmoderhalskotorna (C3–C5) och armen för att samla in den exakta kropps- och fingerrörelsen. Stick trådlösa elektroder på huden på två armar och två underarmar för att upptäcka den elektromyografiska aktiviteten (valfritt steg).
    3. Kalibrera alla enheter som används i experimentet.
  4. Övningsdel
    1. Låt deltagarna slutföra träningsuppgiften. Utbildningsuppgiften används för att förbättra deltagarnas förtrogenhet med inmatningsuppgifter och tangentbord för att minska effekten av övning eller obekanthet på experimentresultatet. Den består av 50 par eller 20 ord slumpmässigt utvalda från de 676 engelska paruppsättningen eller 500 fraser. Först när deras inmatningsnoggrannhet når 80% eller mer på 150 sekunder kan de gå in i de formella försöken. Den föredömliga forskningen antog inmatning av 50 par som träningsuppgift.
  5. Huvuduppgift
    1. Låt deltagarna genomföra formella försök under alla experimentella förhållanden. De måste säkerställa att de är korrekta så snabbt som möjligt under inmatningsuppgiftens tid. Formella försök är verkliga insatsuppgifter som kommer att utvärderas och analyseras i forskningen. Varje par, ord eller mening representerar en rättegång, och olika experimentella mönster ger olika experimentella förhållanden.
    2. Låt deltagarna slutföra indatauppgiften i slumpmässig ordning eller i en balanserad ordning. Metoder för uppdelning av insatsmaterial är följande. För det första kan 676 par slumpmässigt delas in i varje experimentellt tillstånd (dvs. deltagarna har gått in i alla par när de har slutfört alla experimentella förhållanden). För det andra, under varje experimentellt tillstånd, kan 676 par delas in i flera block slumpmässigt, och deltagarna måste slutföra dessa block slumpmässigt. För det tredje måste deltagarna, för att mata in ord, slutföra ett 20-tal försök under varje villkor. För det fjärde, för att mata in meningar måste deltagarna slutföra cirka 10–15 rättegångar under varje villkor. Forskare bör inte säkerställa någon signifikant skillnad mellan antalet tecken och antalet ord som deltagaren skriver in under varje villkor. Den föredömliga forskningen antog den första metoden och hade fyra experimentella tillstånd.
    3. Efter varje tillstånd ber du deltagarna att fylla i alla frågeformulär (skalor som bedömer deras subjektiva upplevelse) slumpmässigt och ge dem 1 minut eller mer att vila.
  6. Låt varje deltagare i slutet av experimentet avsluta det omfattande frågeformuläret (Q &A) för att få subjektiv feedback.
  7. Uttrycka uppskattning till deltagare med monetära eller materiella belöningar.

3. Dataanalys

  1. Hypotestestning genom lämpliga parametriska eller icke-parametriska tester
    1. Analysera fysiska, fysiologiska och kroppsrörelsedata för att testa om skillnaden mellan deltagarna avsevärt skulle påverka användarnas resultat och uttryckslösa inmatningsupplevelse (valfritt steg).
    2. Analysera deltagarnas indataprestanda för att testa inmatningseffektiviteten på tangentbordet.
    3. Analysera subjektiva data för att testa den upplevda användbarheten och subjektiv feedback från tangentbordet.
    4. Ta reda på om övningseffekten och utmattningseffekten väsentligt påverkar resultatet. För varje tillstånd är försöken indelade i två delar beroende på tidsstämpeln (dvs. den första halvan och andra halvan). Undersök specifikt skillnaden i inmatningsprestanda mellan den första halvan och den andra halvan av delen för att testa om övningseffekten eller utmattningseffekten finns.
    5. Analysera området för den monterade ellipsen av beröringspunkter på varje knapp samt förskjutningen från dess mitt till målcentret för varje knapp (valfritt steg).
      1. Samla alla beröringspunkter för varje knapp med programvaran, och de överensstämmer ungefär med den bivariata Gaussiska distributionen. Konfidensintervallet på 95 % för varje knapp i både x- och y-riktningar härleds genom koordinatdata för varje beröringspunkt i pixel, och 95% konfidens ellipser över en 1:1-kontur av knappen för varje tangentbord är monterad via Python-skript på pixelkoordin (se Kodningsfil 2).
      2. Använd monterade ellipser (95% CI) och deras områden för att visa spridningen av beröringspunkter på varje knapp. I varje knapp definieras förskjutningen av monterad ellips beräknad av Python-skript som den monterade ellipsens mittpunkt mot knappens målpunkt, och den kan representeras från x- och y-riktningar (dvs. i X-axel och Y-axel, se Kodningsfil 3).
  2. Modellering och simulering
    1. Använd den datadrivna modellen som en funktion av tangentbordets plats och orientering för att förutsäga fingerrörelsen med Python-skript. Alla rörelser av fingrar är indelade i åtta riktningar38 (toppen till botten, botten till toppen, vänster till höger, höger till vänster, vänster-topp till höger-botten, höger-botten till vänster-topp, vänster-botten till vänster-topp, vänster-botten till höger-toppen, höger-topp till vänster-botten). För varje riktning beräknas den genomsnittliga övergångstiden mellan två tangenter för att representera effektiviteten av fingerrörelser, som används för att utvärdera tangentbordsdesignen (valfritt steg).
    2. Använd linjär regressions analys för att skapa en förbättrad Fitts's Law (eller dess utökade version, FFitts' Law) modell för att förutsäga övergångtiden mellan två nycklar med hjälp av en integrerad kognitiv arkitektur39 av Python skript. Den förbättrade Fitts Law-modellen kan ge en bättre förutsägelse och utvärdering av tangentbordsdesign baserat på dess analyser av tangenternas placering och effektiva bredd samt avståndet mellan två tangenter (valfritt steg).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Den representativa studien följer huvudsakligen det nämnda protokollet. Studien antar en 2 (Tangentbordslayout: Curved QWERTY vs. Traditional QWERTY) × 2 (Knappstorlek: stor, 6,3 mm × 9 mm vs. liten, 4,9 mm × 7 mm) inom ämnesdesign för att utvärdera om den böjda QWERTY kan förbättra ingångseffektiviteten och komforten jämfört med den traditionella QWERTY i olika storlekar av knappar av karaktärsparets ingångsuppgift genom vår egenutvecklade programvara (figur 3 ). Denna studie har inte antagit den dyra fysiologiska detektorutrustningen eller motion capture-systemet, och dataanalysen innehöll inte modellering eller simulering.

Figure 3
Bild 3: Gränssnittet för det traditionella QWERTY-tangentbordet och den böjda QWERTY-tangentbordsprogramvaran.
(A) Traditionellt QWERTY-tangentbord med stor knappstorlek (bokstavstangentstorlek: 6,3 mm × 9 mm). (B) Krökt QWERTY-tangentbord med stor knappstorlek (bokstavstangentstorlek: 6,3 mm × 9 mm). (C) Traditionellt QWERTY-tangentbord med liten knappstorlek (bokstavstangentstorlek: 4,9 mm × 7 mm). (D) Böjt QWERTY-tangentbord med liten knappstorlek (bokstavstangentstorlek: 4,9 mm × 7 mm). Bildförhållandet för varje bokstavsnyckel är 7:10 och bredden på varje funktionell nyckel (Ta bort, Blanksteg, Retur) är dubbelt så stor som bokstavsnyckelns. Ta bort och blanksteg är ogenomarbetade. Deltagarna klickar på enter-tangenten för att växla till nästa utvärderingsversion. Klicka här för att se en större version av den här figuren.

Totalt 24 högerhänta friska studenter från Tsinghua University var involverade i denna studie (12 kvinnor, M = 22,46 år, SD = 3,04 år). För dem mättes längden på höger hand (M = 17,98 cm SD = 1,20 cm), längden på höger tumme (M = 6,00 cm, SD = 0,68 cm) och omkretsen av höger tumme (M = 5,14 cm, SD = 0,52 cm). Provstorleken beräknades med G*Effekt 3.1.9.2 (effektstorlek f = 0,25, α = 0,05, effekt = 0,80, korrelation mellan upprepade mått = 0,5). Experiment smartphone är en 5-tums smartphone (vikt 138 g, skärmstorlek 5,0 tum, ppi 294, px 1280 × 720, telefonstorlek 143,5 × 69,9 × 7,6 mm).

Inmatningsprestanda (övergångstid mellan två nycklar, ordfelsfrekvens), subjektiv feedback och monterad ellips för varje knapp samlades in och analyserades av upprepade mått ANOVA. Övergångstid mellan två tangenter i stället för ord per minut används i den här studien eftersom indatamaterialet är teckenparen och övergångstiden mellan två tangenter kan utvärdera övergångstouchhändelsen mer exakt. De representativa resultaten är följande (tabell 1).

Tangentbordslayout Knappstorlek Tangentbordslayout × knappstorlek
F p Equation 1 F p Equation 1 F p Equation 1
Felfrekvens för Word 48.90 <.001*** 0.68 30.57 <.001*** 0.57 2.63 0.12 0.10
Övergångstid mellan två nycklar 10.19 .004** 0.31 43.57 <.001*** 0.66 12.75 .002** 0.36
Upplevd ansträngning och smärta 2.33 0.14 0.09 1.36 0.26 0.06 0.28 0.60 0.01
Avsikt att använda 7.41 .012* 0.24 3.62 0.07 0.14 0.63 0.44 0.03
Upplevd noggrannhet 1.32 0.26 0.54 2.94 0.10 0.11 0.69 0.42 0.03
Upplevd hastighet 0.56 0.47 0.02 0.98 0.33 0.04 0.25 0.62 0.01
Upplevd användbarhet 0.63 0.44 0.03 5.48 .028* 0.19 0.03 0.87 0.001
Subjektiv arbetsbelastning Psykisk 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
Föreställning 11.51 .003** 0.33 12.25 .002** 0.35 0.02 0.90 0.001
Ansträngning 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
Område med monterad ellips 90.00 <.001*** 0.78 1368.78 <.001*** 0.98 31.99 <.001*** 0.56
Förskjutning av monterad ellips X-riktning 10.94 .003** 0.30 1.4 0.25 0.05 6.08 0.21 0.19
Y-riktning 23.49 <.001*** 0.48 0.48 0.50 0.02 13.74 .001** 0.36

Tabell 1: Statistisk analys av indataprestanda, subjektiv återkoppling och monterad ellips för varje knapp. Artikel med * betyder p < 0,05, artikel med ** betyder p < 0,01 och artikel med *** betyder p < 0,001.

I inmatningsprestandan är interaktionen mellan tangentbordslayout och knappstorlek endast signifikant under övergångsperioden mellan två tangenter (bild 4), och den visar att i den böjda QWERTY var övergångsperioden mellan två tangenter med liten knappstorlek betydligt längre än för stor knappstorlek (s < 0,001). Huvudeffekten av tangentbordslayout är signifikant i både ordfelfrekvens (bild 5) och övergångstid mellan två tangenter, och det indikerar att dessa av den traditionella QWERTY är betydligt lägre än de för den böjda QWERTY. Huvudeffekten av knappstorleken är signifikant i både ordfelfrekvens och övergångstid mellan två tangenter, och det indikerar att dessa av den stora knappstorleken är betydligt lägre än de för den lilla knappstorleken. Inget annat signifikant resultat hittas.

Figure 4
Bild 4: 3D-stapeldiagrammet är visualiseringen av övergångstiden mellan två tangenter (det vänstra är det första tecknet medan det högra är det andra tecknet) i fyra tangentbord.
Höjden på varje stapel representerar värdet av övergångstiden. Övertoningsfärgerna (blå, grön, gul och röd) används för att visa situationen för numerisk distribution (se Kompletterande kodningsfil 1). Klicka här för att se en större version av den här figuren.

Figure 5
Bild 5: Ordet felfrekvens för varje tangentbord. Felstaplarna representerar 95% CI. Klicka här för att se en större version av den här figuren.

I den subjektiva återkopplingen (bild 6 och bild 7) är alla interaktioner mellan tangentbordslayouten och knappstorleken inte signifikanta. Huvudeffekten av tangentbordslayout är betydande i avsikt att använda och subjektiv arbetsbelastning (mental, prestanda, ansträngning och frustration), och det visar att deltagarna uppfattar mindre subjektiv arbetsbelastning (ovanstående fyra aspekter) och har större sannolikhet att använda den böjda QWERTY jämfört med den traditionella QWERTY. Den huvudsakliga effekten av knappstorlek är betydande i upplevd användbarhet och alla aspekter av subjektiv arbetsbelastning, och det indikerar att deltagarna uppfattar mindre subjektiv arbetsbelastning och högre användbarhet i den stora knappstorleken jämfört med liten knappstorlek. Inget annat signifikant resultat hittas.

Figure 6
Figur 6: Upplevd ansträngning och smärta, avsikt att använda (vänster Y-axel), upplevd noggrannhet, uppfattad och upplevd användbarhet (höger Y-axel) för varje tangentbord.
Den höga poängen av upplevd ansträngning och smärta indikerar den otillfredsställande upplevelsen, medan de andra indikatorerna visar motsatsen. Felstaplarna representerar 95% CI. Klicka här för att se en större version av den här figuren.

Figure 7
Figur 7: De sex dimensionerna av subjektiv arbetsbelastning.
Felstaplarna representerar 95% CI. Klicka här för att se en större version av den här figuren.

I området för den monterade ellipsen (bild 8) är interaktionen mellan tangentbordslayout och knappstorlek betydande, och den visar att för både liten och stor knappstorlek är området för den traditionella QWERTY större än den för den böjda QWERTY (p < 0,001), medan för båda tangentbordslayouterna är området för den lilla knappen mindre än den stora knappen (p < 0,001). Huvudeffekten av knappstorlek och tangentbordslayout är betydande, och det indikerar att dessa områden i den traditionella QWERTY och den stora knappen är större än de för den böjda QWERTY respektive den lilla knappen. Inget annat signifikant resultat hittas.

Figure 8
Bild 8: De monterade ellipserna (95% CI) på fyra tangentbord.
De ritas genom att passa pixelpositionerna för beröringspunkterna i fyra tangentbord. Koordinaten för ellipsens mittpunkt är medelvärdet för alla beröringspunkter på varje knapp (se Kompletterande kodningsfil 2). Klicka här för att se en större version av den här figuren.

I förskjutningen av den monterade ellipsen(figur 9 och figur 10)är interaktionen mellan tangentbordslayout och knappstorlek endast signifikant i förskjutningen i y-riktningen, och den visar att i den böjda QWERTY är förskjutningen i den lilla knappens y-riktning betydligt kortare än den stora knappen(s < 0,001). I båda knapparnas storlekar är förskjutningen i y-riktningen för den böjda QWERTY betydligt kortare än för den traditionella QWERTY. Huvudeffekten av tangentbordslayout är betydande i både x- och y-riktningar, och det indikerar att förskjutningen i y-riktningen för den böjda QWERTY är betydligt kortare än den traditionella QWERTY. Inget annat signifikant resultat hittas.

Figure 9
Bild 9: Förskjutningen av monterade ellipser i x-riktningen.
Pilens längd, som förstoras 1,2 gånger i proportion till figuren på grund av visualiseringen, representerar värdet för förskjutningen. Och olika färger visualiserar värdet av standardavvikelse (±) från den genomsnittliga förskjutningen för varje knapp till förskjutningen i x-riktningen. Värdet mindre än -1σ är grönt och värdet mer än +1σ är rött, medan värdet mellan -1σ och +1σ är orange (se Kompletterande kodningsfil 3). Klicka här för att se en större version av den här figuren.

Figure 10
Figur 10: Förskjutningen av monterade ellipser i y-riktningen.
Pilens längd, som förstoras 1,2 gånger i proportion till figuren på grund av visualiseringen, representerar värdet för förskjutningen. Och olika färger visualiserar värdet av standardavvikelse (±) från den genomsnittliga förskjutningen för varje knapp till förskjutningen i y-riktningen. Värdet mindre än -1σ är grönt och värdet mer än +1σ är rött, medan värdet mellan -1σ och +1σ är orange (se Kodningsfil 3och skriptet i y-riktningen är bekant med x-riktningen). Klicka här för att se en större version av den här figuren.

Övningseffekten testas med hjälp av t-testetför att jämföra indataprestandan (ordfelsfrekvens och övergångstid mellan två nycklar) mellan den första halvan och den andra halvan av teckenparen. När det gäller felfrekvens finns det ingen signifikant skillnad mellan de två grupperna av teckenpar i den böjda QWERTY med liten knappstorlek, t(46) = 2,03, p = 0,05, den böjda QWERTY med stor knappstorlek, t(46) = -0,47, p = 0,64, den traditionella QWERTY med stor knappstorlek, t (46) = 0,47, p = 0,64, den traditionella QWERTY med stor knappstorlek, t (46) = 0,47, p = 0,64, den traditionella QWERTY med stor knappstorlek, t (46) = 0,47, p = 0,64, den traditionella QWERTY med stor knappstorlek, t (46) = 0,47, p = 0,64, den traditionella QWERTY med stor knappstorlek, t (46) = 0,47, p = 0,64, den traditionella QWERTY med stor knappstorlek, t (46) = 0,47, p = 0,64, den traditionella QWERTY med stor knappstorlek, t (46) = 0,47, p = 0,64, den traditionella QWERTY med stor knappstorlek, t (46) = -0,47, p = 0,64, den traditionella QWERTY med stor knappstorlek, t(46) = 0,47, p = 0,64, den traditionella QWERTY med stor knappstorlek, t(46) = 0,05, p = 0,97. När det gäller övergångstiden mellan två tangenter finns det ingen signifikant skillnad mellan de två grupperna av teckenpar i den böjda QWERTY med stor knappstorlek, t(46) = 0,33, p = 0,74, den böjda QWERTY med liten knappstorlek, t(46) = 0,22, p = 0,83, den traditionella QWERTY med stor knappstorlek t (46) = 0,22, p = 0,83, den traditionella QWERTY med stor knappstorlek t (46) = 0,22, p = 0,83, den traditionella QWERTY med stor knappstorlek t (46) = 0,22, p = 0,83, den traditionella QWERTY med stor knappstorlek t (46) = 0,22, p = 0,83, den traditionella QWERTY med stor knappstorlek t (46) = 0,22, p = 0,83, den traditionella QWERTY med stor knappstorlek t (46) = 0,22, p = 0,83, den traditionella QWERTY med stor knappstorlek t (46) = 0,22, p = 0,83, den traditionella QWERTY med stor knappstorlek t(46) = 0,22, p = 0,83, den traditionella QWERTY med stor knappstorlek t(46) = 0 och den traditionella QWERTY med liten knappstorlek, t(46) = 0,09, p = 0,93. Resultaten indikerar att det inte finns någon övningseffekt eller utmattningseffekt under huvudprocessen för inmatningsuppgiften, och deltagarna har nått och behållit den högsta ansträngningen för varje tangentbord. Det absoluta värdet av den högsta ansträngningen för olika tangentbord kan vara annorlunda eftersom den högsta ansträngningen bara indikerar att de har varit bekanta med tangentbordet med 100 procent.

Denna representativa studie indikerar att på 5-tums smarttelefonen är den böjda QWERTY värre än den traditionella QWERTY, och den stora knappstorleken är bättre än den lilla knappstorleken. I denna representativa studie är det bästa tangentbordet det traditionella QWERTY-tangentbordet med stor knappstorlek, medan det värsta tangentbordet är det böjda QWERTY-tangentbordet med liten knappstorlek. Alla resultat har inte påverkats av övningseffekten och utmattningseffekten. Ordet felfrekvens och övergångstiden mellan två tangenter indikerar att den böjda QWERTY-designen ökar reaktionstiden för deltagarna mellan två tecken och kan öka igenkänningsarbetsbelastningen till tecken på grund av placeringen av tangenter och mental rotation, vilket leder till otillfredsställande inmatningsprestanda, och resultaten är desamma som den storleksreducerade knappstorleken (QWERTY-tangentbord med liten knappstorlek) på en 5-tums smartphone. Även om de flesta indikatorer och dimensioner av den subjektiva feedbacken inte är signifikanta, visar den subjektiva arbets belastningen den högre upplevda arbets belastningen för QWERTY-tangentbordet med den storleksreducerade knappen och det böjda QWERTY-tangentbordet. Från analysen av monterade ellipser visar dock resultaten och figur 8 och figur 10 att den böjda QWERTY har mindre förskjutning och dess beröringspunkter är mindre dispergerande, och dess förskjutning är främst mot det övre vänstra hörnet för högerhänt användning. Resultaten indikerar att den böjda QWERTY-designen kan optimeras genom att justera tangentbordets krökning, lägga till funktionen för automatisk korrigering och dämpa knapparnas storlek. Från figur 8 och figur 10, ett krökt T9-tangentbord, som tar plats för "R, T, Y, U, I, O, D, F, G, H, J, K, X, C, V, B, N och M" på det böjda QWERTY-tangentbordet, kan vara ett potentiellt optimerat tangentbord, dvs varje tangent på det böjda T9-tangentbordet tar plats för två bokstavstangenter i det böjda QWERTY-tangentbordet.

Därför visar denna representativa studie endast grovt protokollet för utvärdering av tangentbordsdesign med python-skript med öppen källkod, och analys- och optimeringsmetoden kan diskuteras på djupet baserat på forskarnas forskningssyfte i framtida studier.

Kompletterande kodningsfil 1: 3D-diagram över övergångstiden mellan två nycklar. Klicka här för att ladda ner den här filen.

Kompletterande kodningsfil 2: Den monterade ellipsen och dess område. Klicka här för att ladda ner den här filen.

Kompletterande kodningsfil 3: Förskjutningen av den monterade ellipsen. Klicka här för att ladda ner den här filen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

I denna studie, baserad på utvecklingen av skärmteknik, presenterade vi ett sammanfattat och allmänt protokoll för utvärdering av tangentbordsdesign för att bedöma tangentbordsdesignen systematiskt och exakt. Befintliga indikatorer och metoder från tidigare studier, par som matchas av engelska tecken och övergångstid mellan två nycklar integreras och ändras för att generera ett effektivt protokoll.

Flera kritiska punkter måste uppmärksammas i detta protokoll. Valet av variabler och indikatorer är viktigt eftersom de bestämmer analysperspektivet, och det kan användas för att bygga utvärderingsmodellen i det senare skedet av utvärderingsexperimentet för tangentbordsdesign. Med undantag för de objektiva variablerna bör de subjektiva variablerna också noggrant övervägas i den experimentella designen från flera dimensioner, eftersom de subjektiva uppgifterna spelar en viktig roll för att hjälpa oss att förbättra användarupplevelsen. Koordinatdata kan valfritt samlas in och beräknas i protokollet genom det egenutvecklade programmet och Python-skript, t.ex. monterade ellipser (95% CI) av beröringspunkter på varje knapp och förskjutningen från mitten av den monterade ellipsen till målcentret för varje knapp. Analysen och visualiseringen av den monterade ellipsen kan upplysa optimeringsmetoden för tangentbordsdesignen. Även om fysiologisk mätning och rörelsemätning, som är beroende av den bärbara utrustningen, också är valfria, kan de verkligen hjälpa till att utforska den outsägliga upplevelsen av tangentbordsanvändare på djupet.

Ett viktigt steg i förfarandet för tangentbordsstudie är att be deltagarna att tvätta händerna och rensa skärmen före experimentet (samma som de bärbara detektorerna), eftersom handfett och svett kan påverka skärmens känslighet sensoriska, vilket påverkar resultaten. Deltagarnas fysiska data (handlängd, fingerlängd och tumomkrets) måste också mätas eller rapporteras eftersom de fysiska skillnaderna mellan deltagarna kan påverka experimentresultaten och reproducerbarheten också.

Protokollet kan inte heller komma från följande begränsningar. Allt insatsmaterial som föreslås i denna studie får huvudsakligen koncentreras till engelska språket utan hänsyn till andra språk. Dessutom kan självutveckling av en tangentbordsprogramvara för att samla in experimentdata föreslås i det här protokollet, i stället för att använda den traditionella manuella insamlings- och mätmetoden. Eftersom en egenutvecklad programvara kan samla in och beräkna mer exakta och tillskrivningsindikatorer och hjälpa till att ge ett tydligt optimeringsförslag om tangentbordsdesignen snarare än bara för att avsluta effekten av den nuvarande tangentbordsdesignen under experimentella förhållanden. Dessutom har andra dyra anordningar eller utrustning som antagits av tidigare studier inte inkluderats i de representativa resultaten, såsom den bärbara trådlösa fysiologiska detektorn eller motion capture-systemet, och forskare bör välja sina specifika experimentella enheter baserat på deras forskningsproblem och hypotes. Slutligen kan anhängare av den nya statistiken eller Bayesian-entusiaster försöka anta mer statistiska metoder för att analysera och utvärdera tangentbordsdesignen.

För framtida applikationer och riktningar kan detta protokoll antas i utvärderingsprocessen för tangentbordsdesign på andra smarta enheter. Förutom smartphones har fler och fler intelligenta enheter blivit populära, till exempel bärbara smartwatches och armband (iWatch), tablet PC (iPad) och virtual reality-enheter (VR-glasögon). Detta protokoll kan användas för att utvärdera olika tangentbordsdesigner på dessa enheter och hjälper optimeringar (indikatorer och processer kan justeras något). I den meningen öppnar denna studie nya möjligheter att ompröva fördelarna och vikten av tangentbordsdesignutvärderingsstudie på pekskärmen för smarta enheter. Därför ger det en billig och lätt att genomföra forskningsmetod med öppen källkodsresurser inom området människa-datorinteraktion, datavetenskap och psykologi, vilket bidrar till att hjälpa nybörjare forskare och studenter att starta sina studier eller vara ett demonstrativt experiment i klassen.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Författarna förklarade inget finansiellt avslöjande eller intressekonflikter.

Acknowledgments

Denna forskning stöds av Tsinghua University Initiative Scientific Research Program (Ergonomisk design av böjt tangentbord på smarta enheter). Författarna uppskattar Tianyu Liu för hans vänliga förslag och kodningshjälp på siffror.

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

Beteende Problem 164 ergonomi textinmatning tangentbordsdesignutvärdering smartphone skrivuppgift

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 bedömningsmetod och verktygslåda för att utvärdera tangentbordsdesign på 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