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.
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.
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.
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 …
The authors have nothing to disclose.
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.
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 |