Questa ricerca è supportata dal Tsinghua University Initiative Scientific Research Program (Progettazione ergonomica della tastiera curva su dispositivi intelligenti). Gli autori apprezzano Tianyu Liu per i suoi gentili suggerimenti e l'assistenza alla codifica sulle figure.

Lo studio è stato condotto in conformità con il principio etico ed è stato approvato dal Comitato Etico della Tsinghua University. La Figura 1 mostra il processo di valutazione della progettazione della tastiera degli smartphone.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/61796/61796fig01.jpg"> Figura 1: Processo generale di conduzione di un esperimento sulla tastiera e valutazione del design della tastiera. <a href="https://www.jove.com/files/ftp_upload/61796/61796fig01large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
1. Preparazione
<ol><li>
Progettazione di esperimenti
	<ol>
<li>Definire il tema della ricerca e proporre l'ipotesi.</li>
		<li>Progettare l'esperimento in base all'ipotesi e definire le variabili indipendenti (ad esempio, layout della tastiera, postura di digitazione). Utilizzare il design all'interno del soggetto al fine di ridurre i fattori confondenti e la varianza causata dalla differenza tra i partecipanti.</li>
	</ol>
</li>
	<li>
Variabili dipendenti
	<ol>
<li>Utilizzare dati fisici, tra cui la lunghezza della mano, la lunghezza del dito di input e la circonferenza del dito di input, che sono stati misurati con un metro a nastro, come mostrato nella Figura 2.</li>
		<li>Utilizzare dati fisiologici, tra cui la risposta galvanica della pelle (misurata dal rilevatore fisiologico wireless portatile), la frequenza cardiaca (misurata dal rilevatore fisiologico wireless portatile), l'attività elettromiografica (misurata mediante elettromiografia di superficie), ecc.</li>
		<li>Usa le prestazioni di input: parola al minuto, tasso di errore della parola e tempo di transizione tra due tasti.<ol>
<li>Parola al minuto si riferisce alla velocità di input dei partecipanti (cioè il numero di parole immesse correttamente al minuto).</li>
			<li>Il tasso di errore delle parole si riferisce all'accuratezza di input dei partecipanti (cioè il numero di parole immesse in modo errato diviso per il numero totale di parole in una condizione). Il tasso di errore corretto, il tasso di errore non corretto e il tasso di errore totale sono stati utilizzati anche in studi precedenti36.</li>
			<li>Il tempo di transizione tra due tasti si riferisce al tempo di reazione dei partecipanti tra due punti di contatto di una parola 22 immessa correttamente(cioè l'ora di inizio del secondo punto di contatto meno l'ora di partenza del primo carattere).</li>
		</ol>
</li>
		<li>Usa i dati sul movimento del corpo come il gesto della mano e il movimento del corpo (dito). Potrebbero essere raccolti dal sistema di motion capture35.</li>
		<li>Utilizzare dati soggettivi come l'usabilità percepita, l'intenzione di utilizzare, l'accuratezza e la velocità percepite, lo sforzo e il dolore percepiti e il carico di lavoro soggettivo, ecc. I dati soggettivi possono essere ottenuti attraverso scale e questionari esistenti, che sono altamente affidabili e validi per valutare meglio il feedback soggettivo dei partecipanti sul design della tastiera.<ol>
<li>Usa NASA-TLX, una scala a 21 punti che viene utilizzata per misurare il carico di lavoro soggettivo attraverso dimensioni mentali, fisiche, temporali, prestazioni, sforzo e frustrazione. Un punteggio alto indica un carico di lavoro soggettivo elevato26.</li>
			<li>Utilizza la System Usability Scale, un questionario a 5 punti con 10 elementi, e le risposte di un partecipante saranno calcolate come un singolo punteggio da 0 a 100. Un punteggio alto indica un'elevata usabilità percepita24.</li>
			<li>Utilizzare la scala Borg CR10, che varia da 0 a 10 per misurare il dolore e lo sforzo percepiti. Un punteggio alto indica un dolore e uno sforzo percepiti di alto livello25.</li>
			<li>Usa la scala Intent to Use: un questionario in 10 punti che viene utilizzato per misurare la probabilità che i partecipanti utilizzino la tecnologia o i prodotti. Un punteggio alto indica una probabilità di alto livello28.</li>
			<li>La velocità percepita e la precisione percepita sono tutte misurate da scale a 50 punti e un punteggio elevato indica una buona prestazione percepita28.</li>
		</ol>
</li>
		<li>Raccogli i dati delle coordinate di ciascun punto di contatto e modificalo nell'ellisse montata (IC al 95%) dei punti di contatto su ciascun pulsante30,31. Adottare l'area di ciascuna ellisse montata e l'offset dal centro dell'ellisse montata al centro di destinazione di ciascun pulsante come variabili dipendenti. NOTA: i dati delle coordinate possono essere raccolti con precisione dall'applicazione sviluppata autonomamente sullo smartphone. Se è difficile ottenere i dati delle coordinate, i dati oggettivi e soggettivi sono sufficienti per valutare approssimativamente il design della tastiera.</li>
	</ol>
</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/61796/61796fig2v4.jpg"> Figura 2: La misurazione della mano. <a href="https://www.jove.com/files/ftp_upload/61796/61796fig2v4large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<ol start="3"><li>
Materiali
	<ol>
<li>Scegli lo smartphone dell'esperimento. Prendi in considerazione peso, risoluzione e dimensioni dello schermo.</li>
		<li>Progettare e sviluppare il software dell'esperimento su smartphone (passaggio opzionale). NOTA: il tempo di transizione tra due tasti può essere registrato automaticamente da questo software o da sensori di motion capture (ad esempio, il sensore dell'accelerometro). Potrebbe essere difficile raccoglierlo manualmente (ad esempio, un orologio o un cronometro).</li>
		<li>Selezionare l'attività di input dai seguenti suggerimenti in base all'ipotesi e rivederla in modo che corrisponda allo scopo della ricerca.<ol>
<li>Per l'attività di input della coppia di caratteri, accoppiare in modo casuale 26 lettere inglesi in 676 coppie e dividerle in media in diversi gruppi in base al design dell'esperimento.</li>
			<li>Per l'attività di input della frase (frase), utilizzare frasi di lunghezza moderata, facili da ricordare e rappresentative della lingua di destinazione. Se la lingua di destinazione è l'inglese, estrarre 15-20 (o in base allo scopo della ricerca) frasi o parole da un set di 500 frasi37.</li>
		</ol>
</li>
	</ol>
</li>
	<li>
Reclutamento dei partecipanti
	<ol>
<li>Utilizzare il software G*Power per calcolare la dimensione del campione.</li>
		<li>Pubblica questionari per reclutare potenziali partecipanti.</li>
		<li>Filtra i potenziali partecipanti con caratteristiche desiderate, ad esempio età, salute, visione, maneggevolezza ed esperienza di input. Assicurarsi che l'esperienza di input dei partecipanti sia equilibrata.</li>
	</ol>
</li>
</ol>2. Procedura
<ol><li>Leggi il modulo di consenso informato dell'esperimento ai partecipanti, compresa la procedura dell'esperimento, il compito e se incontreranno lesioni mentali o fisiche. Se i partecipanti accettano di partecipare, devono firmare il modulo di consenso informato. In caso contrario, possono ritirarsi immediatamente. Secondo il modulo di consenso informato, i partecipanti possono anche ritirarsi in qualsiasi fase dell'esperimento.</li>
	<li>Raccogli dati fisici e demografici. Utilizzare un metro a nastro per misurare la mano di ogni singolo partecipante (Figura 2) al fine di eliminare l'effetto della differenza di dimensioni della mano e fornire anche dati ripetibili per ricerche future. Raccogli dati demografici come età, sesso, esperienza di input precisa e occupazione.</li>
	<li>Disinfettare tutti i dispositivi e pulire le parti del corpo del partecipante che toccheranno i dispositivi.<ol>
<li>Chiedi ai partecipanti di lavarsi le mani e pulire lo schermo degli smartphone in modo che i sensori degli smartphone possano essere più sensibili.</li>
		<li>Chiedi ai partecipanti di indossare rilevatori fisiologici wireless portatili o un sistema di motion capture. Chiedere ai partecipanti di indossare il braccialetto portatile di rilevamento fisiologico wireless sulla mano non dominante per registrare la risposta galvanica della pelle e la frequenza cardiaca con l'interferenza del rumore evitata.<ol>
<li>Posiziona marcatori passivi del sistema di motion capture sulle unghie, sulla falange prossimale del dito, sulle vertebre cervicali (C3-C5) e sul braccio, per raccogliere il movimento preciso del corpo e delle dita. Attaccare gli elettrodi wireless sulla pelle di due braccia e due avambracci per rilevare l'attività elettromiografica (passaggio opzionale).</li>
		</ol>
</li>
		<li>Calibrare tutti i dispositivi utilizzati nell'esperimento.</li>
	</ol></li>
	<li>Parte pratica<ol>
<li>Consenti ai partecipanti di completare l'attività di formazione. L'attività di formazione viene utilizzata per migliorare la familiarità dei partecipanti con le attività di input e le tastiere per ridurre l'effetto della pratica o la non familiarità sul risultato dell'esperimento. È composto da 50 coppie o 20 parole selezionate casualmente dal set di 676 coppie inglesi o da 500 frasi. Solo quando la loro precisione di input raggiunge l'80% o più in 150 secondi possono entrare nelle prove formali. La ricerca esemplare ha adottato l'inserimento di 50 coppie come compito di allenamento.</li>
	</ol></li>
	<li>Compito principale<ol>
<li>Lascia che i partecipanti completino studi formali in tutte le condizioni sperimentali. Devono garantire la loro precisione il più rapidamente possibile durante il tempo dell'attività di input. Le prove formali sono veri e propri compiti di input che verranno valutati e analizzati nella ricerca. Ogni coppia, parola o frase rappresenta una prova e diversi progetti sperimentali producono condizioni sperimentali diverse.</li>
		<li>Fai in modo che i partecipanti completino l'attività di input in ordine casuale o in ordine bilanciato. I metodi di divisione dei materiali in ingresso sono i seguenti. In primo luogo, 676 coppie possono essere divise in modo casuale in ogni condizione sperimentale (cioè, i partecipanti hanno inserito tutte le coppie quando completano tutte le condizioni sperimentali). In secondo luogo, in ogni condizione sperimentale, 676 coppie possono essere divise in diversi blocchi in modo casuale e i partecipanti devono completare questi blocchi in modo casuale. In terzo luogo, per inserire le parole, i partecipanti devono completare circa 20 studi in ogni condizione. In quarto luogo, per inserire frasi, i partecipanti devono completare circa 10-15 prove in ogni condizione. I ricercatori non dovrebbero garantire alcuna differenza significativa tra il numero di caratteri e il numero di parole inserite dal partecipante in ciascuna condizione. La ricerca esemplare ha adottato il primo metodo e ha avuto quattro condizioni sperimentali.</li>
		<li>Dopo ogni condizione, chiedi ai partecipanti di completare tutti i questionari (scale che valutano la loro esperienza soggettiva) a caso e dare loro 1 minuto o più per riposare.</li>
	</ol></li>
	<li>Alla fine dell'esperimento, lascia che ogni partecipante finisca il questionario completo (Q & A) per ottenere un feedback soggettivo.</li>
	<li>Esprimere apprezzamento ai partecipanti con ricompense monetarie o materiali.</li>
</ol>3. Analisi dei dati
<ol><li>
Test di ipotesi mediante test parametrici o non parametrici appropriati
	<ol>
<li>Analizza i dati fisici, fisiologici e di movimento del corpo per verificare se la differenza tra i partecipanti influenzerebbe in modo significativo i risultati e l'esperienza di input inespressiva degli utenti (passaggio facoltativo).</li>
		<li>Analizza le prestazioni di input dei partecipanti per testare l'efficienza dell'input sulla tastiera.</li>
		<li>Analizza i dati soggettivi per testare l'usabilità percepita e il feedback soggettivo della tastiera.</li>
		<li>Scopri se l'effetto pratica e l'effetto fatica influenzano significativamente il risultato. Per ogni condizione, le prove sono divise in due parti in base al timestamp (cioè la prima metà e la seconda metà). In particolare, in ogni condizione, esaminare la differenza di prestazioni di input tra la prima metà e la seconda metà per verificare se l'effetto pratica o l'effetto fatica esistono.</li>
		<li>Analizzare l'area dell'ellisse montata dei punti di contatto su ciascun pulsante e l'offset dal centro al centro di destinazione di ciascun pulsante (passaggio facoltativo).<ol>
<li>Raccogli tutti i punti di contatto di ciascun pulsante con il software e si accordano approssimativamente con la distribuzione gaussiana bivariata. L'intervallo di confidenza del 95% di ciascun pulsante in entrambe le direzioni x e y è derivato dai dati delle coordinate di ciascun punto di contatto in pixel e le ellissi di confidenza del 95% su un contorno 1:1 del pulsante per ogni tastiera sono montate tramite script Python su coordinate pixel (vedere Coding File 2).</li>
			<li>Utilizzare ellissi montate (IC al 95%) e le loro aree per dimostrare la dispersione dei punti di contatto su ciascun pulsante. In ogni pulsante, l'offset dell'ellisse adattata calcolato dagli script Python è definito come il punto centrale dell'ellisse montata sul punto di destinazione del pulsante e può essere rappresentato dalle direzioni x e y (ad esempio, nell'asse X e nell'asse Y, vedere Coding File 3).</li>
		</ol>
</li>
	</ol>
</li>
	<li>
Modellazione e simulazione
	<ol>
<li>Utilizzare il modello basato sui dati in funzione della posizione e dell'orientamento della tastiera per prevedere il movimento delle dita da parte degli script Python. Tutti i movimenti delle dita sono divisi in otto direzioni38 (dall'alto verso il basso, dal basso verso l'alto, dalla sinistra alla destra, dalla destra alla sinistra, dalla sinistra in alto alla destra in basso, dalla destra in basso verso la sinistra in alto, dalla sinistra in basso verso la destra in alto, dalla destra in alto alla sinistra in basso). Per ogni direzione, il tempo medio di transizione tra due tasti viene calcolato per rappresentare l'efficacia del movimento delle dita, che viene utilizzato per valutare il design della tastiera (passo opzionale).</li>
		<li>Usa l'analisi di regressione lineare per creare un modello avanzato di Legge di Fitts (o la sua versione estesa, FFitts' Law) per prevedere il tempo di transizione tra due chiavi utilizzando un'architettura cognitiva integrata39 da script Python. Il modello migliorato fitts' Law potrebbe fornire una migliore previsione e valutazione sul design della tastiera in base alle sue analisi sulla posizione e la larghezza effettiva dei tasti, nonché sulla distanza di due tasti (passaggio opzionale).</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>

Gli autori non hanno dichiarato alcuna divulgazione finanziaria o conflitti di interesse.

In questo studio, basato sullo sviluppo della tecnologia dello schermo, abbiamo presentato un protocollo riassuntico e generale di valutazione del design della tastiera per valutare il design della tastiera in modo sistematico e preciso. Gli indicatori e i metodi esistenti da studi precedenti, le coppie abbinate da caratteri inglesi e il tempo di transizione tra due chiavi sono integrati e modificati per generare un protocollo efficace.
Diversi punti critici devono essere notati in questo prot...

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

L'input da tastiera è il metodo principale dell'interazione uomo-smartphone1,2e con la penetrazione degli smartphone, l'input da tastiera ottiene miliardi di utenti. Nel 2019, il tasso di penetrazione globale degli smartphone aveva raggiunto il 41,5%3, mentre gli Stati Uniti, con la penetrazione più alta, erano arrivati al 79,1%4. Fino al primo trimestre del 2020, la tastiera mobile Sogou aveva circa 480 milioni di utenti attivi giornalieri5. Fino al 6 maggio 2020, Google Gboard era stato scaricato più di 1 miliardo di volte6.
L'esperienza di input da tastiera insoddisfacente aumenta con l'ingrandimento dello schermo del telefono. Sebbene lo schermo ingrandito mirasse a migliorare l'esperienza visiva, ha cambiato la gravità, le dimensioni e il peso degli smartphone, inducendo gli utenti a cambiare ripetutamente la postura di tenuta per raggiungere aree remote (ad esempio, il pulsante A e Q per gli utenti destrimani), portando così all'inefficienza dell'input. L'allungamento del muscolo può causare agli utenti di soffrire di disturbi muscoloscheletrici, dolori alle mani e diversi tipi di malattie (ad esempio, sindrome del tunnel carpale, artrosi del pollice e tenosinovite del pollice7,8,9,10). Gli utenti che preferiscono l'uso con una sola mano sono in condizioni peggiori11,12.
Pertanto, la valutazione e l'ottimizzazione del design della tastiera sono diventati temi caldi di ricerca psicologica, tecnica ed ergonomica. I progetti e i concetti di tastiera variabile sono stati costantemente proposti da aziende e ricercatori di editor di metodi di input (IME) per ottimizzare l'esperienza e l'efficienza dell'input, comprese le tastiere modificate e riordinate con caratteri: Microsoft WordFlow Keyboard13,Functional Button Area in Glory of Kings14,IJQWERTY15e Quasi-QWERTY16.
I metodi di valutazione esistenti per la progettazione della tastiera variano da ricercatore a ricercatore, ad eccezione di diversi indicatori altamente accettati e vengono proposti indicatori più accurati. Tuttavia, con una varietà di indicatori, non esiste un protocollo riassuntiva e sistematico fornito per dimostrare il processo di valutazione e analisi del design della tastiera. La legge17 di Fitts e la sua versione estesa FFitts Law18,che descriveva l'interazione uomo-computer, furono ampiamente adottate per valutare le prestazioni della tastiera19,20,21,22. Inoltre, l'area funzionale del pollice è stata proposta per migliorare il design della tastiera e descriveva un'area di movimento curva per il pollice per completare comodamente l'attività di input23. Sulla base di queste teorie, indicatori tra cui parola al minuto, tasso di errore delle parole e feedback soggettivo (usabilità percepita, prestazioni percepite, velocità percepita, carico di lavoro soggettivo, sforzo e dolore percepiti e intenzione di usare, ecc.), Che sono stati ampiamente adottati, sono stati parzialmente utilizzati in studi precedenti24,25,26 , 27,28,29 ad eccezione dei metodi di modellazione e simulazione. Inoltre, l'ellisse montata di punti di contatto su ciascun pulsante e il suo offset30,31 sono stati utilizzati negli ultimi anni per indagare le prestazioni accurate degli eventi di inputting. Inoltre, la risposta galvanica della pelle, la frequenza cardiaca, l'attività elettromiografica, il gesto della mano e il movimento del corpo32,33,34,35 sono stati adottati per valutare direttamente o indirettamente l'affaticamento muscolare, il comfort e la soddisfazione degli utenti. Tuttavia, questi vari metodi mancano di riflessione sull'adeguatezza degli indicatori utilizzati e un ricercatore alle prime armi può essere confuso nel selezionare gli indicatori appropriati per la sua ricerca.
La ricerca sul design della tastiera è anche facile da condurre, utilizzare e analizzare. Con il boom della tecnologia dello schermo, è stato possibile raccogliere più dati comportamentali per valutare in profondità il design della tastiera (ad esempio, il tempo di transizione tra due tasti e i dati delle coordinate di ciascun punto di contatto). Sulla base dei dati menzionati, i ricercatori hanno potuto esplorare con precisione i dettagli del design della tastiera e analizzarne gli svantaggi e i vantaggi. Se confrontata con altre ricerche sull'interazione uomo-computer, la ricerca del design della tastiera su smartphone portatili ha anche un alto valore applicativo per la sua vasta base di utenti senza attrezzature costose, materiali complicati o enorme spazio di laboratorio necessario. I questionari, le scale e lo script Python sulla ricerca sono open source e di facile accesso.
Lo scopo di questa ricerca è quello di riassumere i metodi precedenti per dimostrare un protocollo sistematico, preciso e generale per valutare e analizzare il design della tastiera sugli smartphone. L'esperimento esemplare e i risultati mirano a mostrare se la tastiera QWERTY curva con pulsanti regolabili in base alle dimensioni potrebbe ottimizzare l'esperienza di input di input con una sola mano su uno smartphone da 5 pollici rispetto alla tastiera QWERTY tradizionale e condividere il metodo di visualizzazione e lo script Python di analisi dei dati.

<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

L'input da tastiera ha svolto un ruolo essenziale nell'interazione uomo-computer con una vasta base di utenti e il design della tastiera è sempre stato uno degli oggetti fondamentali degli studi sui dispositivi intelligenti. Con lo sviluppo della tecnologia dello schermo, gli smartphone potrebbero raccogliere dati e indicatori più precisi per valutare in modo approfondito il design della tastiera. L'allargamento dello schermo del telefono ha portato a un'esperienza di input insoddisfacente e dolore alle dita, specialmente per l'input con una sola mano. L'efficienza e il comfort degli input hanno attirato l'attenzione di ricercatori e designer, e la tastiera curva con pulsanti regolabili in dimensioni, che si accordava approssimativamente con la struttura fisiologica dei pollici, è stata proposta per ottimizzare l'utilizzo con una sola mano sugli smartphone a grande schermo. Tuttavia, i suoi effetti reali sono rimasti ambigui. Pertanto, questo protocollo ha dimostrato un metodo generale e riassuntiva per valutare l'effetto del design curvo della tastiera QWERTY su uno smartphone da 5 pollici attraverso un software sviluppato autonomamente con variabili dettagliate, inclusi dati comportamentali oggettivi, feedback soggettivo e dati coordinati di ciascun punto di contatto. Esiste sufficiente letteratura esistente sulla valutazione delle tastiere virtuali; tuttavia, solo alcuni di essi hanno sistematicamente riassunto e riflettuto sui metodi e sui processi di valutazione. Pertanto, questo protocollo colma la lacuna e presenta un processo e un metodo di valutazione sistematica del design della tastiera con codici disponibili per l'analisi e la visualizzazione. Non ha bisogno di attrezzature aggiuntive o costose ed è facile da condurre e utilizzare. Inoltre, il protocollo aiuta anche a ottenere potenziali ragioni per gli svantaggi del design e illumina l'ottimizzazione dei progetti. In conclusione, questo protocollo con le risorse open source potrebbe non solo essere un esperimento dimostrativo in classe per ispirare i principianti a iniziare i propri studi, ma contribuisce anche a migliorare l'esperienza dell'utente e le entrate delle società di editor di metodi di input.

Lo studio rappresentativo segue principalmente il protocollo menzionato. Lo studio adotta un design all'interno del soggetto × 2 (Keyboard layout: Curved QWERTY vs. Traditional QWERTY) (Dimensione del pulsante: grande, 6,3 mm × 9 mm vs. piccolo, 4,9 mm × 7 mm) per valutare se il QWERTY curvo potesse migliorare l'efficienza e il comfort dell'input rispetto al QWERTY tradizionale in diverse dimensioni di pulsanti dall'attività di input della coppia di caratteri attraverso il nostro software auto-sviluppato (<strong cla...

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

Il protocollo presentato integra vari metodi di valutazione e dimostra un metodo per valutare il design della tastiera sugli smartphone. Le coppie abbinate a caratteri inglesi vengono proposte come materiale di input e il tempo di transizione tra due chiavi viene utilizzato come variabile dipendente.

Un metodo di valutazione e un toolkit per valutare la progettazione della tastiera su smartphone

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 Views.  Tsinghua University. Il protocollo presentato integra vari metodi di valutazione e dimostra un metodo per valutare il design della tastiera sugli smartphone. Le coppie abbinate a caratteri inglesi vengono proposte come materiale di input e il tempo di transizione tra due chiavi viene utilizzato come variabile dipendente.

Video: 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).

Registrazione del mouse ultrasuoni Vocalizations per valutare Comunicazione Sociale

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

Ricerca

Comportamento

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;

Segnali multi-modali per analizzare le risposte di dolore agli stimoli termici ed elettrici

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.

Un approccio di Machine Learning alla progettazione di uno screening selettivo efficiente di un lieve danno cognitivo

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.

Progettazione e utilizzo di un apparatus per la presentazione di oggetti afferbenati nell'area di lavoro 3D

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.

Applicazione di un programma di personalizzazione eMASS come strumento di ricerca per valutare i vantaggi per i consumatori

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.

Valutazione del comportamento sessuale dei topi maschi

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.

Un metodo basato su unità di misurazione inerziale per stimare la cinematica articolare dell'anca e del ginocchio negli atleti di Team Sport sul campo

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 Per studiare l'etanolo indotto disinibie comportamentali e sensibilitazione

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.

Valutazione degli effetti dello stress sulla flessibilità cognitiva utilizzando un paradigma di cambiamento della strategia operante

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;

Toolkit vibrante tattile e piattaforma di simulazione di guida per la ricerca relativa alla guida

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