Name: an assessment method and toolkit to evaluate keyboard design on smartphones
Uploaded: 2020-10-05T15:00:00.000+00:00
Duration: 5 min 42 s
Description: Watch this Scientific Journal Video about An Assessment Method and Toolkit to Evaluate Keyboard Design on Smartphones at JoVE.com

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 kritische Punkte müssen in diesem Protokoll beachtet werden. Die Auswahl von Variablen und Indikatoren ist von wesentlicher Bedeutung, da sie die Perspektive der Analyse bestimmen und zum Erstellen des Bewertungsmodells in der späteren Phase des Tastaturentwurfsbewertungsexperiments verwendet werden könnten. Abgesehen von den objektiven Variablen sollten die subjektiven Variablen auch im experimentellen Design aus mehreren Dimensionen sorgfältig berücksichtigt werden, da die subjektiven Daten eine entscheidende Rolle bei der Verbesserung der Benutzererfahrung spielen. Koordinatendaten können optional im Protokoll über die selbst entwickelte Anwendung und Python-Skripte gesammelt und berechnet werden, z.B. angepasste Ellipse (95% CI) von Touchpoints auf jeder Taste und der Offset von der Mitte der angepassten Ellipse zur Zielmitte jeder Taste. Die Analyse und Visualisierung der angepassten Ellipse kann die Optimierungsmethode des Tastaturdesigns aufklären. Darüber hinaus sind physiologische Messungen und Bewegungsmessungen, die von der tragbaren Ausrüstung abhängen, zwar ebenfalls optional, könnten jedoch tatsächlich dazu beitragen, die unaussprechliche Erfahrung von Tastaturbenutzern eingehend zu untersuchen.
Ein entscheidender Schritt im Verfahren der Tastaturstudie besteht darin, die Teilnehmer zu bitten, sich vor dem Experiment die Hände zu waschen und den Bildschirm zu reinigen (wie bei den tragbaren Detektoren), da Handfett und Schweiß die Empfindlichkeit des Sensors des Bildschirms beeinflussen und somit die Ergebnisse beeinflussen können. Die physikalischen Daten (Handlänge, Fingerlänge und Daumenumfang) der Teilnehmer müssen ebenfalls gemessen oder gemeldet werden, da die physikalischen Unterschiede zwischen den Teilnehmern die Experimentergebnisse und die Reproduzierbarkeit beeinflussen können.
Das Protokoll kann auch die folgenden Einschränkungen nicht umgehen. Alle in dieser Studie vorgeschlagenen Eingabematerialien können sich hauptsächlich auf die Sprache Englisch konzentrieren, ohne die Berücksichtigung anderer Sprachen. Darüber hinaus kann in diesem Protokoll die Selbstentwicklung einer Tastatursoftware zum Sammeln der Experimentdaten vorgeschlagen werden, anstatt die traditionelle manuelle Erfassungs- und Messmethode zu verwenden. Denn eine selbst entwickelte Software könnte präzisere und attributionale Indikatoren sammeln und berechnen und helfen, einen klaren Optimierungsvorschlag zum Tastaturdesign zu liefern, anstatt nur die Wirkung des aktuellen Tastaturdesigns unter experimentellen Bedingungen zu schließen. Außerdem wurden andere teure Geräte oder Geräte, die in früheren Studien übernommen wurden, nicht in die repräsentativen Ergebnisse einbezogen, wie der tragbare drahtlose physiologische Detektor oder das Bewegungserfassungssystem, und die Forscher sollten ihre spezifischen experimentellen Geräte auf der Grundlage ihres Forschungsproblems und ihrer Hypothese auswählen. Schließlich könnten Anhänger der New Statistics oder Bayesian Enthusiasten versuchen, mehr statistische Methoden zur Analyse und Bewertung des Tastaturdesigns zu verwenden.
Für zukünftige Anwendungen und Richtungen kann dieses Protokoll in den Evaluierungsprozess für das Tastaturdesign auf anderen intelligenten Geräten übernommen werden. Neben Smartphones haben immer mehr intelligente Geräte an Popularität gewonnen, zum Beispiel tragbare Smartwatches und Armbänder (iWatch), Tablet-PCs (iPad) und Virtual-Reality-Geräte (VR-Brillen). Dieses Protokoll kann verwendet werden, um verschiedene Tastaturdesigns auf diesen Geräten zu bewerten und hilft bei Optimierungen (Indikatoren und Prozesse können leicht angepasst werden). In diesem Sinne eröffnet diese Studie neue Möglichkeiten, die Vorteile und die Bedeutung der Studie zur Bewertung des Tastaturdesigns auf dem Touchscreen intelligenter Geräte erneut zu untersuchen. Daher bietet es eine kostengünstige und einfach durchzuführende Forschungsmethode mit den Open-Source-Ressourcen im Bereich der Mensch-Computer-Interaktion, Informatik und Psychologie und leistet so Einen Beitrag dazu, den unerfahrenen Forschern und Studenten zu helfen, ihr Studium zu beginnen oder ein Demonstrativexperiment im Unterricht zu sein.

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&amp;auml;t D&amp;uuml;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.

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

Nanyang Technological University

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

Practical Methodology of Cognitive Tasks Within a Navigational Assessment

This paper describes an approach for measuring navigation accuracy relative to cognitive skills. The methodology behind the assessment will thus be clearly outlined in a step-by-step manner. Navigational skills are important when trying to find symbols within a speech-generating device (SGD) that has a dynamic screen and taxonomical organization. The following skills have been found to impact children&#8217;s ability to find symbols when navigating within the levels of an SGD: sustained attention, categorization, cognitive flexibility, and fluid reasoning1,2. According to past studies, working memory was not correlated with navigation1,2.
The materials needed for this method include a computerized tablet, an augmentative and alternative communication application, a booklet of symbols, and the Leiter International Performance Scale-Revised (Leiter-R)3. This method has been used in two previous studies. Robillard, Mayer-Crittenden, Roy-Charland, Minor-Corriveau and B&#233;langer1 assessed typically developing children, while Rondeau, Robillard and Roy-Charland2 assessed children and adolescents with a diagnosis of Autism Spectrum Disorder. The direct observation of this method will facilitate the replication of this study for researchers. It will also help clinicians that work with children who have complex communication needs to determine the children&#8217;s ability to navigate an SGD with taxonomical categorization.

Children who have complex communication needs can benefit from the use of a speech-generating device (SGD). Cognitive skills were identified as having an impact on the ability to navigate between levels of SGDs. This protocol describes the steps needed for Speech-language Pathologists to assess cognitive skills and navigational abilities.

Praktische Methodologie der kognitiven Aufgaben innerhalb eines Navigations Bewertung

This paper describes an approach for measuring navigation accuracy relative to cognitive skills. The methodology behind the assessment will thus be ...

Forschung

Verhalten

An Objective and Child-friendly Assessment of Arm Function by Using a 3-D Sensor

Progressive and irreversible muscle atrophy characterizes Spinal Muscular Atrophy (SMA) and other similar muscle disorder diseases. Objective assessment of muscle functions is an essential and important, although challenging, prerequisite for successful clinical trials. Current clinical rating scales restrain the movement abnormalities to certain predefined coarse-grained individual items. The Kinect 3-D sensor has emerged as a low-cost and portable motion sensing technology used to capture and track people&#39;s movement in many medical and research fields. A novel approach using this 3-D sensor was developed and a game-like test was designed to objectively measure the upper limb function of patients with SMA. The prototype test targeted joint movement capability. While sitting in a virtual scene, the patient was instructed to extend, flex, and lift the whole arm in order to reach and place some objects. Both kinematic and spatiotemporal characteristics of upper limb movement were extracted and analyzed, e.g., elbow extension and flexion angles, hand velocity, and acceleration. The first study included a small cohort of 18 ambulant SMA patients and 19 age- and gender-matched healthy controls. A comprehensive analysis of arm movement was achieved; however, no significant difference between the groups were found due to the mismatch of patient&#39;s capability and the test difficulty. Based on this experience, a second version of the test consisting of a modified version of the first game with increased difficulties and a second game targeting muscle endurance were designed and implemented. The new test has not been conducted in any patient groups yet. Our work has demonstrated the potential capability of the 3-D sensor in assessing such muscle function and suggested an objective approach to complement the clinical rating scales.

An objective measure of muscle functions is challenging especially in children. Based on a commercially available digital 3-D sensor, a child-friendly gaming test was developed to assess upper limb function for clinical trials.

Eine objektive und kinderfreundlichen Bewertung der Arm-Funktion mithilfe eines 3-d-Sensors

Progressive and irreversible muscle atrophy characterizes Spinal Muscular Atrophy (SMA) and other similar muscle disorder diseases. Objective assessment ...

Measuring the Switch Cost of Smartphone Use While Walking

This paper presents a study protocol to measure the task-switching cost of using a smartphone while walking. This method involves having participants walk on a treadmill under two experimental conditions: a control condition (i.e., simply walking) and a multitasking condition (i.e., texting while walking). During these conditions, the participants must switch between the tasks related to the experimental condition and a direction determining task. This direction task is done with a point-light walker figure, seemingly walking towards the left or the right of the participant. Performance on the direction task represents the participant&#8217;s task-switching costs. There were two performance measures: 1) correct identification of the direction and 2) response time. EEG data are recorded in order to measure the alpha oscillations and cognitive engagement occurring during the task switch. This method is limited in its ecological validity: pedestrian environments have many stimuli occurring simultaneously and competing for attention. Nonetheless, this method is appropriate for pinpointing task-switching costs. The EEG data allow the study of the underlying mechanisms in the brain that are related to differing task-switching costs. This design allows the comparison between task switching when doing one task at a time, as compared to task switching when multitasking, prior to the stimulus presentation. This allows understanding and pinpointing both the behavioral and neurophysiological impact of these two different task-switching conditions. Furthermore, by correlating the task-switching costs with the brain activity, we can learn more about what causes these behavioral effects. This protocol is an appropriate base for studying the switching cost of different smartphone uses. Different tasks, questionnaires, and other measures can be added to it in order to understand the different factors involved in the task-switching cost of smartphone use while walking.

This study design measures the task-switching cost of using a smartphone while walking. Participants undergo two experimental conditions: a control condition (walking) and a multitasking condition (texting while walking). Participants switch between these tasks and a direction determining task. EEG data as well as behavioral measures are recorded.

Messung der Wechselkosten für die Smartphone-Nutzung während des Gehens

This paper presents a study protocol to measure the task-switching cost of using a smartphone while walking. This method involves having participants walk ...

The Multiple Sclerosis Performance Test (MSPT): An iPad-Based Disability Assessment Tool

Precise measurement of neurological and neuropsychological impairment and disability in multiple sclerosis is challenging. We report a new test, the Multiple Sclerosis Performance Test (MSPT), which represents a new approach to quantifying MS related disability. The MSPT takes advantage of advances in computer technology, information technology, biomechanics, and clinical measurement science. The resulting MSPT represents a computer-based platform for precise, valid measurement of MS severity. Based on, but extending the Multiple Sclerosis Functional Composite (MSFC), the MSPT provides precise, quantitative data on walking speed, balance, manual dexterity, visual function, and cognitive processing speed. The MSPT was tested by 51 MS patients and 49 healthy controls (HC). MSPT scores were highly reproducible, correlated strongly with technician-administered test scores, discriminated MS from HC and severe from mild MS, and correlated with patient reported outcomes. Measures of reliability, sensitivity, and clinical meaning for MSPT scores were favorable compared with technician-based testing. The MSPT is a potentially transformative approach for collecting MS disability outcome data for patient care and research. Because the testing is computer-based, test performance can be analyzed in traditional or novel ways and data can be directly entered into research or clinical databases. The MSPT could be widely disseminated to clinicians in practice settings who are not connected to clinical trial performance sites or who are practicing in rural settings, drastically improving access to clinical trials for clinicians and patients. The MSPT could be adapted to out of clinic settings, like the patient&#8217;s home, thereby providing more meaningful real world data. The MSPT represents a new paradigm for neuroperformance testing. This method could have the same transformative effect on clinical care and research in MS as standardized computer-adapted testing has had in the education field, with clear potential to accelerate progress in clinical care and research.

The Multiple Sclerosis Performance Test MSPT: An iPad-Based Disability Assessment Tool

Precise measurement of neurological and neuropsychological impairment and disability in multiple sclerosis is challenging. We report methodologic details on a new test, the Multiple Sclerosis Performance Test (MSPT). This new approach to the objective of quantification of MS related disability provides a computer-based platform for precise, valid measurement of MS severity.

Die Multiple-Sklerose-Performance-Test (MSPT): Ein iPad-Based Disability Assessment Tool

Precise measurement of neurological and neuropsychological impairment and disability in multiple sclerosis is challenging. We report a new test, the ...

Medizin

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 ...

Iterative Development of an Innovative Smartphone-Based Dietary Assessment Tool: Traqq

To collect dietary intake data in a fast and reliable manner, a flexible and innovative smartphone application (app) called Traqq was developed (iOS/Android). This app can be used as a food record and&#160;24-h recall (or shorter recall periods). Different sampling schemes can be created on either prespecified or random days/times within a predetermined period for both methods, with&#160;push notifications to urge the participants to register their food intake. In case of non-response, notifications are automatically rescheduled to ensure complete data collection. For use as a food record, respondents can access the app and log their food intake throughout the day. Food records close automatically at the end of the day; recalls close after submission of the consumed items. The recall as well as the food record module provide access to an extensive food list based on the Dutch food composition database (FCDB), which can be accustomed to fit different research purposes. When selecting a food item, respondents are simultaneously prompted to insert portion size, i.e., in household measures (e.g., cups, spoons, glasses), standard portion sizes (e.g., small, medium, large), or weight in grams, and eating occasion/time of consumption. Portion size options can be adjusted, e.g., only entry in grams in case of a weighed food record or time of consumption instead of eating occasion). The app also includes a My Dishes function, which allows the respondent to create their own recipes or product combinations (e.g., a daily breakfast) and only report the total quantity consumed. Subsequently, the app accounts for yield and retention factors. The data are stored on a secure server. If desired, additional questions, i.e., in general or those related to specific food items or eating occasions can be incorporated. This paper describes the development of the system (app and backend), including expert evaluations and usability testing.

This article describes the protocol for the development of an innovative smartphone-based dietary assessment application Traqq, including expert evaluations and usability testing.

Iterative Entwicklung eines innovativen Smartphone-basierten Ernährungsbewertungstools: Traqq

To collect dietary intake data in a fast and reliable manner, a flexible and innovative smartphone application (app) called Traqq was developed ...

A Tablet-Based Curriculum-Based Measurement Protocol for Kindergarten Writing

Kindergarten writing involves acquiring fundamental skills, such as letter formation, phonemic awareness, and the gradual use of written language to express ideas. In this context, tablet-based curriculum assessments present new opportunities for teaching and evaluating these early writing abilities. To the best of our knowledge, there is currently no tool with these features available for Spanish-speaking children. Therefore, the primary objective of this study was to present a tablet-based protocol for screening at-risk young writers. This tablet-based protocol is specifically designed for kindergarten-level education and serves as a curriculum-based assessment tool that focuses on evaluating early writing skills in young learners. This user-friendly application incorporates interactive tasks and exercises, including assessments of phonological awareness, name writing, alphabet letter copying fluency, and oral narrative skills. These comprehensive evaluations cover various aspects of writing. This application is meticulously aligned with kindergarten curriculum objectives, ensuring that assessments adhere to educational standards. By providing educators with a digital platform to assess and enhance students' writing skills, this tool empowers them to make data-driven decisions for effective instruction during the early stages of writing development. Moreover, it functions as a curriculum-based measurement (CBM), offers valuable support for identifying potential writing challenges in young learners and continuously monitoring their progress. This feature enables early intervention and tailored instruction to optimize writing skill development.

This protocol presents the step-by-step method for using a writing-based, valid, and reliable application designed for kindergarten-level education. It operates as a curriculum-based assessment tool, specifically focusing on evaluating early writing skills in young learners.

Ein Tablet-basiertes Lehrplan-basiertes Messprotokoll für das Schreiben im Kindergarten

Kindergarten writing involves acquiring fundamental skills, such as letter formation, phonemic awareness, and the gradual use of written language to ...

Design to Implementation Study for Development and Patient Validation of Paper-Based Toehold Switch Diagnostics

Access to low-burden molecular diagnostics that can be deployed into the community for testing is increasingly important and has meaningful wider implications for the well-being of societies and economic stability. Recent years have seen several new isothermal diagnostic modalities emerge to meet the need for rapid, low-cost molecular diagnostics. We have contributed to this effort through the development and patient validation of toehold switch-based diagnostics, including diagnostics for the mosquito-borne Zika and chikungunya viruses, which provided performance comparable to gold-standard reverse transcription-quantitative polymerase chain reaction (RT-qPCR) based assays. These diagnostics are inexpensive to develop and manufacture, and they have the potential to provide diagnostic capacity to low-resource environments. Here the protocol provides all the steps necessary for the development of a switch-based assay for Zika virus detection. The article takes readers through the stepwise diagnostic development process. First, genomic sequences of Zika virus serve as inputs for the computational design of candidate switches using open-source software. Next, the assembly of the sensors for empirical screening with synthetic RNA sequences and optimization of diagnostic sensitivity is shown. Once complete, validation is performed with patient samples in parallel with RT-qPCR, and a purpose-built optical reader, PLUM. This work provides a technical roadmap to researchers for the development of low-cost toehold switch-based sensors for applications in human health, agriculture, and environmental monitoring.

Access to decentralized, low-cost, and high-capacity diagnostics that can be deployed into the community for decentralized testing is critical for combating global health crises. This manuscript describes how to build paper-based diagnostics for viral RNA sequences that can be detected with a portable optical reader.

Design-to-Implementierungsstudie zur Entwicklung und Patientenvalidierung der papierbasierten Zehenschalterdiagnostik

Access to low-burden molecular diagnostics that can be deployed into the community for testing is increasingly important and has meaningful wider ...

Biotechnik

Smartphone-integriertes Dengue NS1 papierbasiertes Diagnosegerät

Portable Paper-Based Immunoassay Combined with Smartphone Application for Colorimetric and Quantitative Detection of Dengue NS1 Antigen

Dengue virus (DENV) infection, which is transmitted by Aedes mosquitoes, is a major public health concern in tropical and subtropical countries. With an annual incidence of approximately 10 million cases and 20,000-25,000 deaths, particularly among children, there is an urgent need for practical diagnostic tools. The presence of dengue non-structural protein 1 (NS1) during early infection has been linked to cytokine release, vascular leakage, and endothelial dysfunction, making it a potential marker for severe dengue. 
Paper-based immunoassays such as lateral flow assays (LFAs) and microfluidic paper-based analytical devices (PADs) have gained popularity as diagnostic tests due to their simplicity, rapidity, inexpensiveness, specificity, and ease of interpretation. However, conventional paper-based immunoassays for dengue NS1 detection typically rely on visual inspection, yielding only qualitative results. To address this limitation and enhance sensitivity, we proposed a highly portable NS1 dengue detection assay on a Paper-based Analytical Device (PAD), namely, DEN-NS1-PAD, that integrates a smartphone application as a colorimetric and quantitative reader. The development system enables direct quantification of NS1 concentrations in clinical samples. 
Serum and blood samples obtained from patients were utilized to demonstrate the system prototype performance. The results were obtained immediately and can be employed for clinical assessment, both in well-equipped healthcare facilities and resource-limited settings. This innovative combination of a paper-based immunoassay with a smartphone application offers a promising approach for enhanced detection and quantification of dengue NS1 antigen. By augmenting sensitivity beyond the capabilities of the naked eye, this system holds great potential for improving clinical decision-making in dengue management, particularly in remote or underserved areas.

Autor im Rampenlicht: Entwicklung eines Smartphone-gestützten papierbasierten Geräts zur schnellen Detektion von Dengue NS1

Addressing urgent dengue diagnostic needs, here we introduce a smartphone app-integrated Dengue NS1 Paper-based Analytical Device (DEN-NS1-PAD) for quantifying Dengue NS1 antigen concentration in clinical serum/blood samples. This innovation enhances dengue management by aiding clinical decision-making in various healthcare settings, even resource-limited ones.

Tragbarer papierbasierter Immunoassay kombiniert mit Smartphone-Anwendung für den kolorimetrischen und quantitativen Nachweis des Dengue-NS1-Antigens

Dengue virus (DENV) infection, which is transmitted by Aedes mosquitoes, is a major public health concern in tropical and subtropical countries. With an ...

Eine Bewertungsmethode und ein Toolkit zur Bewertung des Tastaturdesigns auf Smartphones

Zusammenfassung

Weitere Videos entdecken

Kapitel in diesem Video

Praktische Methodologie der kognitiven Aufgaben innerhalb eines Navigations Bewertung

Eine objektive und kinderfreundlichen Bewertung der Arm-Funktion mithilfe eines 3-d-Sensors

Messung der Wechselkosten für die Smartphone-Nutzung während des Gehens

Die Multiple-Sklerose-Performance-Test (MSPT): Ein iPad-Based Disability Assessment Tool

Tactile Vibrating Toolkit und Driving Simulation Platform für fahrbezogene Forschung

Iterative Entwicklung eines innovativen Smartphone-basierten Ernährungsbewertungstools: Traqq

Ein Tablet-basiertes Lehrplan-basiertes Messprotokoll für das Schreiben im Kindergarten

Design-to-Implementierungsstudie zur Entwicklung und Patientenvalidierung der papierbasierten Zehenschalterdiagnostik

Tragbarer papierbasierter Immunoassay kombiniert mit Smartphone-Anwendung für den kolorimetrischen und quantitativen Nachweis des Dengue-NS1-Antigens

Tragbarer papierbasierter Immunoassay kombiniert mit Smartphone-Anwendung für den kolorimetrischen und quantitativen Nachweis des Dengue-NS1-Antigens