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

Die Studie wurde nach dem ethischen Prinzip durchgeführt und von der Ethikkommission der Tsinghua Universität genehmigt. Abbildung 1 zeigt den Prozess der Bewertung des Tastaturdesigns von Smartphones.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/61796/61796fig01.jpg"> Abbildung 1: Allgemeiner Prozess der Durchführung eines Tastaturexperiments und der Bewertung des Tastaturdesigns. <a href="https://www.jove.com/files/ftp_upload/61796/61796fig01large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
1. Vorbereitung
<ol><li>
Versuchsplanung
	<ol>
<li>Definieren Sie das Forschungsproblem und schlagen Sie die Hypothese vor.</li>
		<li>Entwerfen Sie das Experiment nach der Hypothese und definieren Sie die unabhängigen Variablen (z. B. Tastaturlayout, Tipphaltung). Verwenden Sie das Design innerhalb des Subjekts, um Störfaktoren und Varianzen zu reduzieren, die durch den Unterschied zwischen den Teilnehmern verursacht werden.</li>
	</ol>
</li>
	<li>
Abhängige Variablen
	<ol>
<li>Verwenden Sie physische Daten, einschließlich der Handlänge, der Länge des Eingabefingers und des Umfangs des Eingabefingers, die mit einem Maßband gemessen wurden, wie in Abbildung 2 dargestellt.</li>
		<li>Verwenden Sie physiologische Daten, einschließlich galvanischer Hautreaktion (gemessen mit dem tragbaren drahtlosen physiologischen Detektor), Herzfrequenz (gemessen mit dem tragbaren drahtlosen physiologischen Detektor), elektromyographische Aktivität (gemessen durch Oberflächenelektromyographie) usw.</li>
		<li>Verwenden Sie die Eingabeleistung: Wort pro Minute, Wortfehlerrate und Übergangszeit zwischen zwei Schlüsseln.<ol>
<li>Wort pro Minute bezieht sich auf die Eingabegeschwindigkeit der Teilnehmer (d. h. die Anzahl der korrekt eingegebenen Wörter pro Minute).</li>
			<li>Die Wortfehlerrate bezieht sich auf die Eingabegenauigkeit der Teilnehmer (d. h. die Anzahl der falsch eingegebenen Wörter geteilt durch die Gesamtzahl der Wörter unter einer Bedingung). Korrigierte Fehlerquote, unkorrigierte Fehlerquote und Gesamtfehlerquote wurden auch in früheren Studien verwendet36.</li>
			<li>Die Übergangszeit zwischen zwei Tasten bezieht sich auf die Reaktionszeit der Teilnehmer zwischen zwei Berührungspunkten eines korrekt eingegebenen Wortes22 (d. h. die Startzeit des zweiten Berührungspunkts abzüglich der Abfahrtszeit des ersten Zeichens).</li>
		</ol>
</li>
		<li>Verwenden Sie Körperbewegungsdaten wie Handgesten und Körperbewegungen (Fingerbewegungen). Sie konnten durch das Motion-Capture-System35gesammelt werden.</li>
		<li>Verwenden Sie subjektive Daten wie wahrgenommene Benutzerfreundlichkeit, Nutzungsabsicht, wahrgenommene Genauigkeit und Geschwindigkeit, wahrgenommene Anstrengung und Schmerzen sowie subjektive Arbeitsbelastung usw. Subjektive Daten können durch vorhandene Skalen und Fragebögen gewonnen werden, die sowohl sehr zuverlässig als auch valide sind, um das subjektive Feedback der Teilnehmer über das Tastaturdesign besser bewerten zu können.<ol>
<li>Verwenden Sie NASA-TLX, eine 21-Punkte-Skala, die verwendet wird, um die subjektive Arbeitsbelastung durch mentale, physische, Zeit-, Leistungs-, Anstrengungs- und Frustrationsdimensionen zu messen. Ein hoher Score zeigt eine hohe subjektiveArbeitsbelastung 26an.</li>
			<li>Verwenden Sie die System Usability Scale, einen 5-Punkte-Fragebogen mit 10 Items, und die Antworten eines Teilnehmers werden als Einzelpunktzahl von 0 bis 100 berechnet. Ein hoher Score weist auf eine hohe wahrgenommene Usabilityhin 24.</li>
			<li>Verwenden Sie die Borg CR10-Skala, die von 0 bis 10 reicht, um wahrgenommene Schmerzen und Anstrengung zu messen. Eine hohe Punktzahl zeigt einen hohen wahrgenommenen Schmerz und Anstrengung an25.</li>
			<li>Verwenden Sie die Intent to Use Scale: Ein 10-Punkte-Fragebogen, der verwendet wird, um die Wahrscheinlichkeit zu messen, dass Teilnehmer die Technologie oder Produkte verwenden würden. Eine hohe Punktzahl zeigt eine hohe Wahrscheinlichkeitvon 28 an.</li>
			<li>Die wahrgenommene Geschwindigkeit und die wahrgenommene Genauigkeit werden alle von 50-Punkte-Skalen gemessen, und ein hoher Wert zeigt eine gute wahrgenommene Leistung an28.</li>
		</ol>
</li>
		<li>Sammeln Sie die Koordinatendaten jedes Touchpoints und ändern Sie sie in die angepasste Ellipse (95% CI) von Touchpoints auf jeder Taste30,31. Nehmen Sie die Fläche jeder angepassten Ellipse und den Versatz von der Mitte der angepassten Ellipse zur Zielmitte jeder Taste als abhängige Variablen an. HINWEIS: Die Koordinatendaten können durch die selbst entwickelte Anwendung auf dem Smartphone präzise erfasst werden. Wenn es schwierig ist, die Koordinatendaten zu erhalten, reichen objektive und subjektive Daten aus, um das Tastaturdesign grob zu bewerten.</li>
	</ol>
</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/61796/61796fig2v4.jpg"> Abbildung 2: Die Messung der Hand. <a href="https://www.jove.com/files/ftp_upload/61796/61796fig2v4large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<ol start="3"><li>
Materialien
	<ol>
<li>Wählen Sie das Experiment-Smartphone aus. Berücksichtigen Sie Gewicht, Auflösung und Bildschirmgröße.</li>
		<li>Entwerfen und entwickeln Sie die Experimentiersoftware auf Smartphones (optionaler Schritt). HINWEIS: Die Übergangszeit zwischen zwei Tasten kann automatisch von dieser Software oder Bewegungserfassungssensoren (z. B. dem Beschleunigungssensor) aufgezeichnet werden. Es kann schwierig sein, es manuell zu erfassen (z. B. eine Uhr oder Stoppuhr).</li>
		<li>Wählen Sie die Eingabeaufgabe aus den folgenden Vorschlägen basierend auf der Hypothese aus und überarbeiten Sie sie entsprechend dem Forschungszweck.<ol>
<li>Für die Eingabeaufgabe des Zeichenpaars paaren Sie zufällig 26 englische Buchstaben zu 676 Paaren und teilen sie basierend auf dem Experimentdesign durchschnittlich in mehrere Gruppen auf.</li>
			<li>Verwenden Sie für die Eingabeaufgabe "Phrase(satz)" Ausdrücke, die mäßig lang, leicht zu merken und repräsentativ für die Zielsprache sind. Wenn die Zielsprache Englisch ist, extrahieren Sie 15-20 (oder basierend auf Forschungszweck) Phrasen oder Wörter aus einem 500-Phrasen-Set37.</li>
		</ol>
</li>
	</ol>
</li>
	<li>
Teilnehmerrekrutierung
	<ol>
<li>Verwenden Sie die G*Power-Software, um den Stichprobenumfang zu berechnen.</li>
		<li>Veröffentlichen Sie Fragebögen, um potenzielle Teilnehmer zu rekrutieren.</li>
		<li>Filtern Sie potenzielle Teilnehmer mit gewünschten Merkmalen, z. B. Alter, Gesundheit, Sehvermögen, Händigkeit und Input-Erfahrung. Stellen Sie sicher, dass die Input-Erfahrung der Teilnehmer ausgewogen ist.</li>
	</ol>
</li>
</ol>2. Verfahren
<ol><li>Lesen Sie den Teilnehmern die Einverständniserklärung des Experiments vor, einschließlich des Experimentablaufs, der Aufgabe und ob sie auf geistige oder körperliche Verletzungen stoßen werden. Wenn die Teilnehmer der Teilnahme zustimmen, müssen sie die Einverständniserklärung unterschreiben. Wenn nicht, können sie sich sofort zurückziehen. Gemäß der Einwilligungserklärung können die Teilnehmer auch in jeder Phase des Experiments zurücktreten.</li>
	<li>Sammeln Sie sowohl physische als auch demografische Daten. Verwenden Sie ein Maßband, um die Hand jedes einzelnen Teilnehmers zu messen (Abbildung 2), um den Effekt des Handgrößenunterschieds zu eliminieren und auch wiederholbare Daten für zukünftige Forschung bereitzustellen. Sammeln Sie demografische Daten wie Alter, Geschlecht, genaue Eingabeerfahrung und Beruf.</li>
	<li>Desinfizieren Sie alle Geräte und reinigen Sie die Körperteile des Teilnehmers, die die Geräte berühren werden.<ol>
<li>Bitten Sie die Teilnehmer, ihre Hände zu waschen und den Bildschirm von Smartphones zu reinigen, damit Sensoren von Smartphones empfindlicher sein können.</li>
		<li>Bitten Sie die Teilnehmer, tragbare drahtlose physiologische Detektoren oder ein Motion-Capture-System zu tragen. Bitten Sie die Teilnehmer, das tragbare drahtlose physiologische Erkennungsarmband an der nicht dominanten Hand zu tragen, um die galvanische Hautreaktion und herzfrequenz aufzuzeichnen, wobei die Lärmstörung vermieden wird.<ol>
<li>Platzieren Sie passive Marker des Motion-Capture-Systems auf den Fingernägeln, der proximalen Phalanx des Fingers, den Halswirbeln (C3-C5) und dem Arm, um die genaue Körper- und Fingerbewegung zu erfassen. Kleben Sie drahtlose Elektroden auf die Haut von zwei Armen und zwei Unterarmen, um die elektromyographische Aktivität zu erkennen (optionaler Schritt).</li>
		</ol>
</li>
		<li>Kalibrieren Sie alle im Experiment verwendeten Geräte.</li>
	</ol></li>
	<li>Übungsteil<ol>
<li>Lassen Sie die Teilnehmer die Schulungsaufgabe abschließen. Die Trainingsaufgabe wird verwendet, um die Vertrautheit der Teilnehmer mit Eingabeaufgaben und Tastaturen zu verbessern, um den Effekt des Übens oder der Unvertrautheit auf das Experimentergebnis zu reduzieren. Es besteht aus 50 Paaren oder 20 Wörtern, die zufällig aus den 676 englischen Paaren oder 500 Phrasen ausgewählt wurden. Erst wenn ihre Eingabegenauigkeit in 150 Sekunden 80% oder mehr erreicht, können sie an den formalen Versuchen teilnehmen. Die beispielhafte Forschung übernahm die Eingabe von 50 Paaren als Trainingsaufgabe.</li>
	</ol></li>
	<li>Hauptaufgabe<ol>
<li>Lassen Sie die Teilnehmer formale Studien unter allen experimentellen Bedingungen abschließen. Sie müssen ihre Genauigkeit so schnell wie möglich während der Zeit der Eingabeaufgabe sicherstellen. Formale Studien sind echte Inputaufgaben, die in der Forschung bewertet und analysiert werden. Jedes Paar, Wort oder jeder Satz stellt einen Versuch dar, und verschiedene experimentelle Designs erzeugen unterschiedliche experimentelle Bedingungen.</li>
		<li>Lassen Sie die Teilnehmer die Eingabeaufgabe in zufälliger Reihenfolge oder in ausgewogener Reihenfolge erledigen. Die Methoden der Aufteilung von Inputmaterialien sind wie folgt. Erstens können 676 Paare zufällig in jede experimentelle Bedingung unterteilt werden (d.h. die Teilnehmer haben alle Paare eingegeben, wenn sie alle experimentellen Bedingungen abgeschlossen haben). Zweitens können unter jeder experimentellen Bedingung 676 Paare zufällig in mehrere Blöcke unterteilt werden, und die Teilnehmer müssen diese Blöcke zufällig abschließen. Drittens müssen die Teilnehmer für die Eingabe von Wörtern unter jeder Bedingung etwa 20 Studien absolvieren. Viertens müssen die Teilnehmer für die Eingabe von Sätzen unter jeder Bedingung etwa 10-15 Studien absolvieren. Forscher sollten sicherstellen, dass es keinen signifikanten Unterschied zwischen der Anzahl der Zeichen und der Anzahl der Wörter gibt, die der Teilnehmer unter jeder Bedingung eingegeben hat. Die exemplarische Forschung übernahm die erste Methode und hatte vier experimentelle Bedingungen.</li>
		<li>Bitten Sie die Teilnehmer nach jeder Bedingung, alle Fragebögen (Skalen, die ihre subjektive Erfahrung bewerten) nach dem Zufallsprinzip auszufüllen und ihnen 1 Minute oder mehr Zeit zum Ausruhen zu geben.</li>
	</ol></li>
	<li>Lassen Sie jeden Teilnehmer am Ende des Experiments den umfassenden Fragebogen (Q & A) ausfüllen, um subjektives Feedback zu erhalten.</li>
	<li>Drücken Sie den Teilnehmern Ihre Wertschätzung mit monetären oder materiellen Belohnungen aus.</li>
</ol>3. Datenanalyse
<ol><li>
Hypothesentest durch geeignete parametrische oder nicht-parametrische Tests
	<ol>
<li>Analysieren Sie die physischen, physiologischen und Körperbewegungsdaten, um zu testen, ob der Unterschied zwischen den Teilnehmern die Ergebnisse und die ausdruckslose Eingabeerfahrung der Benutzer signifikant beeinflussen würde (optionaler Schritt).</li>
		<li>Analysieren Sie die Eingabeleistung der Teilnehmer, um die Eingabeeffizienz auf der Tastatur zu testen.</li>
		<li>Analysieren Sie subjektive Daten, um die wahrgenommene Benutzerfreundlichkeit und das subjektive Feedback der Tastatur zu testen.</li>
		<li>Finden Sie heraus, ob der Übungseffekt und der Ermüdungseffekt das Ergebnis signifikant beeinflussen. Für jede Bedingung werden Versuche entsprechend dem Zeitstempel in zwei Teile unterteilt (d. h. der erste halbe Teil und der zweite halbe Teil). Untersuchen Sie insbesondere unter jeder Bedingung den Unterschied der Eingabeleistung zwischen dem ersten halben Teil und dem zweiten halben Teil, um zu testen, ob der Übungseffekt oder der Ermüdungseffekt vorhanden ist.</li>
		<li>Analysieren Sie den Bereich der angepassten Ellipse von Touchpoints auf jeder Taste sowie den Offset von der Mitte zur Zielmitte jeder Taste (optionaler Schritt).<ol>
<li>Sammeln Sie alle Berührungspunkte jeder Taste mit der Software, und sie stimmen ungefähr mit der bivariaten Gauß-Verteilung überein. Das 95%-Konfidenzintervall jeder Schaltfläche in x- und y-Richtung wird durch die Koordinatendaten jedes Berührungspunkts in Pixel abgeleitet, und die 95%-Konfidenzellipsen über einen 1:1-Umriss der Schaltfläche für jede Tastatur werden durch Python-Skripte auf Pixelkoordinate angepasst (siehe Coding File 2).</li>
			<li>Verwenden Sie angepasste Ellipsen (95% CI) und deren Bereiche, um die Streuung der Touchpoints auf jeder Taste zu demonstrieren. In jeder Schaltfläche wird der von Python-Skripten berechnete Versatz der angepassten Ellipse als Mittelpunkt der angepassten Ellipse zum Zielpunkt der Schaltfläche definiert und kann aus x- und y-Richtungen dargestellt werden (d. h. in X-Achse und Y-Achse, siehe Coding File 3).</li>
		</ol>
</li>
	</ol>
</li>
	<li>
Modellierung und Simulation
	<ol>
<li>Verwenden Sie das datengesteuerte Modell als Funktion der Tastaturposition und -ausrichtung, um die Fingerbewegung durch Python-Skripte vorherzusagen. Alle Bewegungen der Finger sind in acht Richtungen38 unterteilt (die obere nach unten, die untere nach oben, die linke nach rechts, die rechte nach links, die links-obere nach rechts-unten, die rechts-untere nach links-oben, die linke-untere nach rechts-oben, die rechts-oben nach links-unten). Für jede Richtung wird die durchschnittliche Übergangszeit zwischen zwei Tasten berechnet, um die Effektivität der Fingerbewegung darzustellen, die zur Bewertung des Tastaturdesigns verwendet wird (optionaler Schritt).</li>
		<li>Verwenden Sie die lineare Regressionsanalyse, um ein erweitertes Fitts'Law-Modell (oder seine erweiterte Version, FFitts' Law) zu erstellen, um die Übergangszeit zwischen zwei Schlüsseln mithilfe einer integrierten kognitiven Architektur39 von Python-Skripten vorherzusagen. Das verbesserte Fitts's Law-Modell könnte eine bessere Vorhersage und Bewertung des Tastaturdesigns auf der Grundlage seiner Analysen der Position und effektiven Breite der Tasten sowie des Abstands von zwei Tasten (optionaler Schritt) ermöglichen.</li>
	</ol>
</li>
</ol>

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

Die Autoren erklärten keine finanzielle Offenlegung oder Interessenkonflikte.

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

An erratum was issued for:&#160;<a href="https://www.jove.com/t/61796">An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones</a>. The Authors section was&#160;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

An erratum was issued for:&#160;<a href="https://www.jove.com/t/61796">An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones</a>. The Authors section was&#160;updated.

Erratum: An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones

Tastatureingabe ist die Mainstream-Methode der Mensch-Smartphone-Interaktion1,2, und mit der Durchdringung von Smartphones erhält die Tastatureingabe Milliarden von Benutzern. Im Jahr 2019 hatte die globale Smartphone-Penetrationsrate 41,5% erreicht3,während die Vereinigten Staaten mit der höchsten Penetration auf 79,1% gestiegen waren4. Bis zum ersten Quartal 2020 hatte die Mobile-Tastatur von Sogou täglich rund 480 Millionen aktive Nutzer5. Bis zum 6. Mai 2020 wurde das Google Gboard mehr als 1 Milliarde Mal heruntergeladen6.
Unbefriedigende Tastatureingaben nehmen mit der Vergrößerung des Telefonbildschirms zu. Obwohl der vergrößerte Bildschirm darauf abzielte, das Seherlebnis zu verbessern, hat er die Schwerkraft, Größe und das Gewicht von Smartphones verändert, was dazu führte, dass Benutzer wiederholt die Haltung änderten, um entfernte Bereiche zu erreichen (z. B. Taste A und Q für Rechtshänder), was zu Eingabeineffizienz führte. Die Muskeldehnung kann dazu führen, dass Benutzer an Muskel-Skelett-Erkrankungen, Handschmerzen und verschiedenen Arten von Krankheiten leiden (z. B. Karpaltunnelsyndrom, Daumenarthrose und Daumen-Tenosynovitis7,8,9,10). Benutzer, die die einhändige Verwendung bevorzugen, befinden sich unter schlechterenBedingungen 11,12.
Daher sind die Bewertung und Optimierung des Tastaturdesigns zu heißen Themen der psychologischen, technischen und ergonomischen Forschung geworden. Variable Tastaturdesigns und -konzepte wurden ständig von IME-Unternehmen (Input Method Editor) und Forschern vorgeschlagen, um das Eingabeerlebnis und die Effizienz zu optimieren, einschließlich Layout-geänderter und zeichenneu angeordneter Tastaturen: Microsoft WordFlow Keyboard13, Functional Button Area in Glory of Kings14, IJQWERTY15und Quasi-QWERTY16.
Die bestehenden Bewertungsmethoden des Tastaturdesigns variieren von Forscher zu Forscher, mit Ausnahme einiger hoch akzeptierter Indikatoren, und genauere Indikatoren werden vorgeschlagen. Bei einer Vielzahl von Indikatoren gibt es jedoch kein zusammengefasstes und systematisches Protokoll, um den Prozess der Bewertung und Analyse des Tastaturdesigns zu demonstrieren. Fitts' Gesetz17 und seine erweiterte Version FFitts Law18,die die Mensch-Computer-Interaktion beschrieb, wurden weithin angenommen, um die Tastaturleistung zu bewerten19,20,21,22. Darüber hinaus wurde der Funktionsbereich des Daumens vorgeschlagen, um das Tastaturdesign zu verbessern, und er beschrieb einen gekrümmten Bewegungsbereich für den Daumen, um die Eingabeaufgabe bequem abzuschließen23. Basierend auf diesen Theorien wurden Indikatoren wie Wort pro Minute, Wortfehlerrate und subjektives Feedback (wahrgenommene Benutzerfreundlichkeit, wahrgenommene Leistung, wahrgenommene Geschwindigkeit, subjektive Arbeitsbelastung, wahrgenommene Anstrengung und Schmerz sowie Nutzungsabsicht usw.), die in früheren Studien24,25,26,27,28,29 teilweise verwendet wurden mit Ausnahme von Modellierungs- und Simulationsmethoden. Darüber hinaus wurden in den letzten Jahren die angepasste Ellipse von Touchpoints auf jeder Taste und ihr Versatz30,31 verwendet, um die genaue Leistung von Eingabeereignissen zu untersuchen. Auch die galvanische Hautreaktion, Herzfrequenz, elektromyographische Aktivität, Handgeste und Körperbewegung32,33,34,35 wurden übernommen, um direkt oder indirekt Muskelermüdung, Komfort und Zufriedenheit der Benutzer zu bewerten. Diesen verschiedenen Methoden fehlt es jedoch an Reflexion über die Angemessenheit der verwendeten Indikatoren, und ein unerfahrener Forscher kann verwirrt sein, die geeigneten Indikatoren für seine Forschung auszuwählen.
Die Forschung über das Tastaturdesign ist auch einfach durchzuführen, zu bedienen und zu analysieren. Mit dem Boom der Bildschirmtechnologie konnten einfach mehr Verhaltensdaten gesammelt werden, um das Tastaturdesign eingehend zu bewerten (z. B. die Übergangszeit zwischen zwei Tasten und die Koordinatendaten jedes Berührungspunkts). Basierend auf den genannten Daten konnten die Forscher die Details des Tastaturdesigns genau untersuchen und seine Nachteile und Vorteile analysieren. Im Vergleich zu anderen Mensch-Computer-Interaktionsforschungen hat die Erforschung des Tastaturdesigns auf tragbaren Smartphones auch einen hohen Anwendungswert für ihre große Benutzerbasis, ohne teure Ausrüstung, komplizierte Materialien oder riesigen Laborraum. Die Fragebögen, Skalen und das Python-Skript über die Forschung sind Open-Source und leicht zugänglich.
Der Zweck dieser Forschung ist es, die bisherigen Methoden zusammenzufassen, um ein systematisches, präzises und allgemeines Protokoll zur Bewertung und Analyse des Tastaturdesigns auf Smartphones zu demonstrieren. Das beispielhafte Experiment und die Ergebnisse sollen zeigen, ob die gekrümmte QWERTY-Tastatur mit größenverstellbaren Tasten das Eingabeerlebnis der einhändigen Eingabe auf einem 5-Zoll-Smartphone im Vergleich zur herkömmlichen QWERTY-Tastatur optimieren und die Visualisierungsmethode und das Python-Skript der Datenanalyse gemeinsam nutzen kann.

<table>
	<tbody>
		<tr>
			<td>Changxiang 6S smartphone</td>
			<td>Huawei</td>
			<td></td>
			<td>Smartphone used in the examplar study</td>
		</tr>
		<tr>
			<td>Curved QWERTY keyboard software</td>
			<td>Tsinghua University</td>
			<td></td>
			<td>Developed by authors</td>
		</tr>
		<tr>
			<td>SPSS software</td>
			<td>IBM</td>
			<td></td>
			<td>Data analysis software</td>
		</tr>
		<tr>
			<td>G*Power software</td>
			<td>Heinrich-Heine-Universit&#228;t D&#252;sseldorf</td>
			<td></td>
			<td>Sample size calculation</td>
		</tr>
		<tr>
			<td>E4 portable wireless wristband</td>
			<td>Empatica</td>
			<td></td>
			<td>Recording galvanic skin response and heart rate</td>
		</tr>
		<tr>
			<td>Arqus</td>
			<td>Qualysis</td>
			<td></td>
			<td>Motion capture camera platform</td>
		</tr>
		<tr>
			<td>Passive marker</td>
			<td>Qualysis</td>
			<td></td>
			<td>Appropriate sizes: 2.5 mm, 4 mm, and 6.5 mm</td>
		</tr>
		<tr>
			<td>Trigno sEMG</td>
			<td>Delsys</td>
			<td></td>
			<td>Recording electromyographic activity</td>
		</tr>
		<tr>
			<td>Visual Studio Code</td>
			<td>Microsoft</td>
			<td></td>
			<td>Python editor</td>
		</tr>
	</tbody>
</table>

an assessment method and toolkit to evaluate keyboard design on smartphones

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

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

Watch this Scientific Journal Video about An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones at JoVE.com

An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones

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

Eine Bewertungsmethode und ein Toolkit zur Bewertung des Tastaturdesigns auf Smartphones

Keyboard input has played an essential role in human-computer interaction with a vast user base, and the keyboard design has always been one of the ...

an-assessment-method-toolkit-to-evaluate-keyboard-design-on

Research

JoVE Journal

Behavior

3.1K Aufrufe.  Tsinghua University. Das vorgestellte Protokoll integriert verschiedene Auswertungsmethoden und demonstriert eine Methode zur Bewertung des Tastaturdesigns auf Smartphones. Paare, die mit englischen Zeichen übereinstimmen, werden als Eingabematerial vorgeschlagen, und die Übergangszeit zwischen zwei Schlüsseln wird als abhängige Variable verwendet.

Serie: An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones

Recording Mouse Ultrasonic Vocalizations to Evaluate Social Communication

Mice emit ultrasonic vocalizations in different contexts throughout development and in adulthood. These vocal signals are now currently used as proxies for modeling the genetic bases of vocal communication deficits. Characterizing the vocal behavior of mouse models carrying mutations in genes associated with neuropsychiatric disorders such as autism spectrum disorders will help to understand the mechanisms leading to social communication deficits. We provide here protocols to reliably elicit ultrasonic vocalizations in pups and in adult mice. This standardization will help reduce inter-study variability due to the experimental settings. Pup isolation calls are recorded throughout development from individual pups isolated from dam and littermates. In adulthood, vocalizations are recorded during same-sex interactions (without a sexual component) by exposing socially motivated males or females to an unknown same-sex conspecific. We also provide a protocol to record vocalizations from adult males exposed to an estrus female. In this context, there is a sexual component in the interaction. These protocols are established to elicit a large amount of ultrasonic vocalizations in laboratory mice. However, we point out the important inter-individual variability in the vocal behavior of mice, which should be taken into account by recording a minimal number of individuals (at least 12 in each condition). These recordings of ultrasonic vocalizations are used to evaluate the call rate, the vocal repertoire and the acoustic structure of the calls. Data are combined with the analysis of synchronous video recordings to provide a more complete view on social communication in mice. These protocols are used to characterize the vocal communication deficits in mice lacking ProSAP1/Shank2, a gene associated with autism spectrum disorders. More ultrasonic vocalizations recordings can also be found on the mouseTube database, developed to favor the exchange of such data.

Mouse ultrasonic vocalizations are used as proxies to model the genetic bases of vocal communication deficits in mouse models for neuropsychiatric disorders. The present protocol describes three experimental contexts that reliably elicit ultrasonic vocalizations from pups (throughout development) and adult mice (same-sex interactions, male-estrus female interactions).

Aufnahme Maus Ultraschall Vocalizations soziale Kommunikation zur Bewertung

Mice emit ultrasonic vocalizations in different contexts throughout development and in adulthood. These vocal signals are now currently used as proxies ...

Forschung

Verhalten

Multi-Modal Signals for Analyzing Pain Responses to Thermal and Electrical Stimuli

The assessment of pain relies mostly on methods that require a person to communicate. However, for people with cognitive and verbal impairments, existing methods are not sufficient as they lack reliability and validity. To approach this problem, recent research focuses on an objective pain assessment facilitated by parameters of responses derived from physiology, and video and audio signals. To develop reliable automated pain recognition systems, efforts have been made in creating multimodal databases in order to analyze pain and detect valid pain patterns. While the results are promising, they only focus on discriminating pain or pain intensities versus no pain. In order to advance this, research should also consider the quality and duration of pain as they provide additional valuable information for more advanced pain management. To complement existing databases and the analysis of pain regarding quality and length, this paper proposes a psychophysiological experiment to elicit, measure, and collect valid pain reactions. Participants are subjected to painful stimuli that differ in intensity (low, medium, and high), duration (5 s / 1 min), and modality (heat / electric pain) while audio, video (e.g., facial expressions, body gestures, facial skin temperature), and physiological signals (e.g., electrocardiogram [ECG], skin conductance level [SCL], facial electromyography [EMG], and EMG of M. trapezius) are being recorded. The study consists of a calibration phase to determine a subject&#8217;s individual pain range (from low to intolerable pain) and a stimulation phase in which pain stimuli, depending on the calibrated range, are applied. The obtained data may allow refining, improving, and evaluating automated recognition systems in terms of an objective pain assessment. For further development of such systems and to investigate pain reactions in more detail, additional pain modalities such as pressure, chemical, or cold pain should be included in future studies. Recorded data of this study will be released as the &#8220;X-ITE Pain Database&#8221;.

This article focuses on the experimental elicitation of pain through heat (thermal) and electrical stimulation while recording physiological, visual, and paralinguistic responses. It aims at collecting valid multimodal data for analyzing pain based on its intensity, quality, and duration.&#160;

Multi-modale Signale für die Analyse von Schmerz Reaktionen auf thermische und elektrische Reize

The assessment of pain relies mostly on methods that require a person to communicate. However, for people with cognitive and verbal impairments, existing ...

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment

Mild cognitive impairment (MCI) is the first sign of dementia among elderly populations and its early detection is crucial in our aging societies. Common MCI tests are time-consuming such that indiscriminate massive screening would not be cost-effective. Here, we describe a protocol that uses machine learning techniques to rapidly select candidates for further screening via a question-based MCI test. This minimizes the number of resources required for screening because only patients who are potentially MCI positive are tested further.
This methodology was applied in an initial MCI research study that formed the starting point for the design of a selective screening decision tree. The initial study collected many demographic and lifestyle variables as well as details about patient medications. The Short Portable Mental Status Questionnaire (SPMSQ) and the Mini-Mental State Examination (MMSE) were used to detect possible cases of MCI. Finally, we used this method to design an efficient process for classifying individuals at risk of MCI. This work also provides insights into lifestyle-related factors associated with MCI that could be leveraged in the prevention and early detection of MCI among elderly populations.

This methodology produces decision trees that target population groups more prone to suffering from mild cognitive impairment and are useful for cost-effective selective screening of the disease.

Ein machine Learning-Ansatz zur Entwicklung eines effizienten selektiven Screenings leichter kognitiver Beeinträchtigungen

Mild cognitive impairment (MCI) is the first sign of dementia among elderly populations and its early detection is crucial in our aging societies. Common ...

Design and Use of an Apparatus for Presenting Graspable Objects in 3D Workspace

Reaching and grasping are highly-coupled movements, and their underlying neural dynamics have been widely studied in the last decade. To distinguish reaching and grasping encodings, it is essential to present different object identities independent of their positions. Presented here is the design of an automatic apparatus that is assembled with a turning table and three-dimensional (3D) translational device to achieve this goal. The turning table switches different objects corresponding to different grip types while the 3D translational device transports the turning table in 3D space. Both are driven independently by motors so that the target position and object are combined arbitrarily. Meanwhile, wrist trajectory and grip types are recorded via the motion capture system and touch sensors, respectively. Furthermore, representative results that demonstrate successfully trained monkey using this system are described. It is expected that this apparatus will facilitate researchers to study kinematics, neural principles, and brain-machine interfaces related to upper limb function.

Presented here is a protocol to build an automatic apparatus that guides a monkey to perform the flexible reach-to-grasp task. The apparatus combines a 3D translational device and turning table to present multiple objects in an arbitrary position in 3D space.

Entwurf und Verwendung eines Geräts zur Darstellung von Greifobjekten im 3D-Arbeitsbereich

Reaching and grasping are highly-coupled movements, and their underlying neural dynamics have been widely studied in the last decade. To distinguish ...

Applying an eMASS Customization Program as a Research Tool to Evaluate Consumer Benefits

As many scholars and practitioners study personalization and relationship marketing, it is important to provide personalization such as mass customization through marketing technology. The purpose of this study is to examine how to conduct consumer research using an online survey and analysis of data. This study examines consumers&#39;&#160;perceived benefits while customizing a product as well as emotional product attachment, attitudes toward a customization program, and loyalty intentions in the context of online retailing. In addition, this study investigates how consumer responses are different based on individual characteristics such as fashion innovativeness. An online survey company in South Korea recruited 290 female apparel shoppers who purchased apparel online. To enhance external validity, this study used an existing retail website with a well-established mass customization program. After completing the customization program, participants complete the online questionnaire. Structural equation modeling (SEM) and latent mean analyses (LMAs) are then performed for analyses. This study stresses the importance of testing measurement invariance for mean comparisons. Before the SEM and LMA, this study follows the hierarchy of invariance tests (configural invariance test, metric invariance test, and scalar invariance test), which are not considered by traditional approaches such as ANOVA. These statistical analyses provide applicability of the invariance test procedures and LMA to consumer behaviors. The conclusions of mean differences have integrity and validity because they are guided by a sophisticated statistical procedure to ensure measurement invariance.

Presented here is a protocol to examine consumer responses toward mass customization in the context of online retailing. The protocol details the online survey procedure and how to analyze data using structural equation modeling and group differences using latent mean analyses.

Anwenden eines eMASS-Anpassungsprogramms als Forschungstool zur Bewertung der Vorteile der Verbraucher

As many scholars and practitioners study personalization and relationship marketing, it is important to provide personalization such as mass customization ...

Assessment of Sexual Behavior of Male Mice

Sexual behavior is highly species-specific. Although rodents have slightly different sexual behaviors, mice and rats have a similar sexual behavioral pattern. The purpose of this article is to describe the hormone-induced estrus ovariectomized female model and the experimental procedure for the assessment of sexual behavior of male mice. The most important sexual behavioral elements are demonstrated in the video and illustrations. The critical steps, advantages, and limitations of the sexual behavior test are explained as well. Finally, the behavior parameters are presented, and mounting, intromission, and ejaculation processes in mating are distinguished. Behavioral parameters are assessed in terms of the occurred duration and counts during the test period.

This article describes how to perform sexual behavior tests in male mice.

Bewertung des Sexualverhaltens männlicher Mäuse

Sexual behavior is highly species-specific. Although rodents have slightly different sexual behaviors, mice and rats have a similar sexual behavioral ...

An Inertial Measurement Unit Based Method to Estimate Hip and Knee Joint Kinematics in Team Sport Athletes on the Field

Current athlete monitoring practice in team sports is mainly based on positional data measured by global positioning or local positioning systems. The disadvantage of these measurement systems is that they do not register lower extremity kinematics, which could be a useful measure for identifying injury-risk factors. Rapid development in sensor technology may overcome the limitations of the current measurement systems. With inertial measurement units (IMUs) securely fixed to body segments, sensor fusion algorithms and a biomechanical model, joint kinematics could be estimated. The main purpose of this article is to demonstrate a sensor setup for estimating hip and knee joint kinematics of team sport athletes in the field. Five male subjects (age 22.5 &#177; 2.1 years; body mass 77.0 &#177; 3.8 kg; height 184.3 &#177; 5.2 cm; training experience 15.3 &#177; 4.8 years) performed a maximal 30-meter linear sprint. Hip and knee joint angles and angular velocities were obtained by five IMUs placed on the pelvis, both thighs and both shanks. Hip angles ranged from 195&#176; (&#177; 8&#176;) extension to 100.5&#176; (&#177; 8&#176;) flexion and knee angles ranged from 168.6&#176; (&#177; 12&#176;) minimal flexion and 62.8&#176; (&#177; 12&#176;) maximal flexion. Furthermore, hip angular velocity ranged between 802.6 &#176;&#183;s-1 (&#177; 192 &#176;&#183;s-1) and -674.9 &#176;&#183;s-1 (&#177; 130 &#176;&#183;s-1). Knee angular velocity ranged between 1155.9 &#176;&#183;s-1 (&#177; 200 &#176;&#183;s-1) and -1208.2 &#176;&#183;s-1 (&#177; 264 &#176;&#183;s-1). The sensor setup has been validated and could provide additional information with regard to athlete monitoring in the field.&#160;This may help professionals in a daily sports setting to evaluate their training programs, aiming to reduce injury and optimize performance.

Monitoring athletes is essential for improving performance and reducing injury risk in team sports. Current methods to monitor athletes do not include the lower extremities. Attaching multiple inertial measurement units to the lower extremities could improve monitoring athletes in the field.

Eine inertial Measurement Unit Based Method zur Schätzung der Hüft- und Kniegelenkkinematik bei Teamsportsportlern auf dem Feld

Current athlete monitoring practice in team sports is mainly based on positional data measured by global positioning or local positioning systems. The ...

Flypub To Study Ethanol Induced Behavioral Disinhibition and Sensitization

Alcohol use disorder (AUD) remains a serious problem in our society. To develop effective interventions for addiction, it is important to understand the underlying neurobiological mechanisms, for which diverse experimental approaches and model systems are needed. The main ingredient of alcoholic beverages is ethanol, which causes adaptive changes in the central nervous system and behavior upon chronic intake. Behavioral sensitization (i.e., escalated responses) in particular represents a key adaptive change underlying addiction. Most ethanol-induced behavioral sensitization studies in animal models have been conducted on the locomotor activating effect of ethanol. A prominent effect of ethanol is behavioral disinhibition. Behavioral sensitization to the disinhibition effect of ethanol, however, is underrepresented. To address this issue, we developed the Flypub assay that allows measuring the escalated increase in disinhibited courtship activities upon recurring ethanol exposure in Drosophila melanogaster.&#160;Here, we report the step-by-step Flypub assay including assembly of ethanol exposure chambers, setup of the assay station, criteria for fly care and collection, ethanol delivery, quantification of disinhibited courtship activities, data processing and statistical analysis. Also provided are how to troubleshoot critical steps, overcome limitations and expand its utility to assess additional ethanol-induced behaviors. The Flypub assay in combination with powerful genetic tools in Drosophila melanogaster will facilitate the task of discovering the mechanism underlying ethanol-induced behavioral sensitization.

The Flypub assay measures the behaviors that the fruit fly Drosophila melanogaster displays under the influence of ethanol. The assay can be readily mastered by experimenters at all levels and applied to various vaporized stimuli, facilitating substance abuse and addiction studies.

Flypub zur Untersuchung von Ethanol induzierte Verhaltenshemmung und Sensibilisierung

Alcohol use disorder (AUD) remains a serious problem in our society. To develop effective interventions for addiction, it is important to understand the ...

Assessment of Stress Effects on Cognitive Flexibility using an Operant Strategy Shifting Paradigm

Stress affects cognitive function. Whether stress enhances or impairs cognitive function depends on several factors, including the 1) type, intensity, and duration of the stressor; 2) type of cognitive function under study; and 3) timing of the stressor in relation to learning or executing the cognitive task. Furthermore, sex differences among the effects of stress on cognitive function have been widely documented. Described here is an adaptation of an automated operant strategy shifting paradigm to assess how variations in stress affect cognitive flexibility in male and female Sprague Dawley rats. Specifically, restraint stress is used before or after training in this operant-based task to examine how stress affects cognitive performance in both sexes. Particular brain areas associated with each task in this automated paradigm have been well-established (i.e., the medial prefrontal cortex and orbitofrontal cortex). This allows for targeted manipulations during the experiment or the assessment of particular genes and proteins in these regions upon completion of the paradigm. This paradigm also allows for the detection of different types of performance errors that occur after stress, each of which has defined neural substrates. Also identified are distinct sex differences in perseverative errors after a repeated restraint stress paradigm. The use of these techniques in a preclinical model may reveal how stress affects the brain and impairs cognition in psychiatric disorders, such as post-traumatic stress disorder (PTSD) and major depressive disorder (MDD), which display marked sex differences in prevalence.

Stressful life events impair cognitive function, increasing the risk of psychiatric disorders. This protocol illustrates how stress affects cognitive flexibility using an automated operant strategy shifting paradigm in male and female Sprague Dawley rats. Specific brain areas underlying particular behaviors are discussed, and translational relevance of results are explored.

Bewertung von Stresseffekten auf die kognitive Flexibilität anhand eines operanten Strategiewechsel-Paradigmas

Stress affects cognitive function. Whether stress enhances or impairs cognitive function depends on several factors, including the 1) type, intensity, and ...

Tactile Vibrating Toolkit and Driving Simulation Platform for Driving-Related Research

Collision warning system plays a key role in the prevention of driving distractions and drowsy driving. Previous studies have proven the advantages of tactile warnings in reducing driver&#8217;s brake response time. At the same time, tactile warnings have been proved effective in take-over request (TOR) for partially autonomous vehicles.
How the performance of tactile warnings can be optimized is an ongoing hot research topic in this field. Thus, the presented low-cost driving simulation software and methods are introduced to attract more researchers to take part in the investigation. The presented protocol has been divided into five sections: 1) participants, 2) driving simulation software configuration, 3) driving simulator preparation, 4) vibrating toolkit configuration and preparation, and 5) conducting the experiment.
In the exemplar study, participants wore the tactile vibrating toolkit and performed an established car-following task using the customized driving simulation software. The front vehicle braked intermittently, and vibrating warnings were delivered whenever the front vehicle was braking. Participants were instructed to respond as quickly as possible to the sudden brakes of the front vehicle. Driving dynamics, such as the brake response time and brake response rate, were recorded by the simulation software for data analysis.
The presented protocol offers insight into the exploration of the effectiveness of tactile warnings on different body locations. In addition to the car-following task that is demonstrated in the exemplar experiment, this protocol also provides options&#160;to apply other paradigms to the driving simulation studies by making simple software configuration without any code development. However, it is important to note that due to its affordable price, the driving simulation software and hardware introduced here may not be able to fully compete with other high-fidelity commercial driving simulators. Nevertheless, this protocol can act as an affordable and user-friendly alternative to the general high-fidelity commercial driving simulators.

This protocol describes a driving simulation platform and a tactile vibrating toolkit for the investigation of driving-related research. An exemplar experiment exploring the effectiveness of tactile warnings is also presented.&#160;

Tactile Vibrating Toolkit und Driving Simulation Platform für fahrbezogene Forschung

Collision warning system plays a key role in the prevention of driving distractions and drowsy driving. Previous studies have proven the advantages of ...