スマートフォンでのキーボード設計評価の評価方法とツールキット

要約

提示されたプロトコルは、さまざまな評価方法を統合し、スマートフォンでキーボードの設計を評価する方法を示しています。英字で一致するペアが入力材料として提案され、2つのキー間の遷移時間が従属変数として使用されます。

要約

キーボード入力は、膨大なユーザーベースとの人間とコンピュータの相互作用に不可欠な役割を果たしており、キーボードの設計は常にスマートデバイスに関する研究の基本的なオブジェクトの1つとなっています。スクリーン技術の開発により、より正確なデータと指標をスマートフォンで収集し、キーボードの設計を詳細に評価することができました。携帯電話の画面の拡大は、特に片手入力のために、不十分な入力経験と指の痛みにつながっています。入力効率と快適さが研究者やデザイナーの注目を集めており、親指の生理学的構造とほぼ一致するサイズ調整可能なボタンを備えた湾曲したキーボードは、大画面スマートフォンでの片手使用を最適化するために提案されました。しかし、その本当の効果はあいまいなままでした。そこで、このプロトコルは、5インチスマートフォンにおける曲面型QWERTYキーボード設計の効果を、客観的な行動データ、主観的フィードバック、各タッチポイントの座標データなどの詳細な変数を持つ自己開発ソフトウェアを通じて評価する一般的かつ要約的な方法を実証しました。仮想キーボードの評価には十分な既存の文献があります。しかし、そのうちのほんの一部だけが体系的に要約し、評価方法とプロセスを反映しました。したがって、このプロトコルはギャップを埋め、分析と可視化のために利用可能なコードを持つキーボード設計の体系的な評価のプロセスと方法を提示します。それは追加または高価な装置を必要としないし、実施し、作動しやすい。さらに、このプロトコルは、設計の欠点の潜在的な理由を得るのに役立ち、設計の最適化を啓発します。結論として、オープンソースのリソースを持つこのプロトコルは、初心者に研究を開始するよう促すクラス内実証実験であるだけでなく、ユーザーエクスペリエンスと入力方式エディタ企業の収益の向上にも貢献する可能性があります。

概要

キーボード入力は、人間とスマートフォンの相互作用の主流の方法^{である 1,2}, スマートフォンの普及に伴い, キーボード入力は、ユーザーの数十億を取得します.2019年の世界のスマートフォン普及率は41.5%3に達し、最も普及率が高い米国は79.1%4に達した。2020年第1四半期まで、Sogouモバイルキーボードは、毎日約4億8000万人のアクティブユーザー⁵を持っていました。2020年5月6日まで、Google Gboardは10億回以上⁶回ダウンロードされていました。

携帯電話の画面の拡大に伴って、不十分なキーボード入力の経験が増加します。拡大画面は視聴体験の向上を目的としたものの、スマートフォンの重力、サイズ、重量が変化し、ユーザーが遠隔地(右手のユーザー向けのボタンAやQなど)に到達するように姿勢を繰り返し変更し、入力の非効率性を引き起こします。筋肉のストレッチは、筋骨格系障害、手の痛み、および異なるタイプの疾患(例えば、手根管症候群、親指変形性関節症、および親指テノソノビティス^{7、8、9、10)}に苦しむ可能性があります。片手で使用を好むユーザーは、より悪い条件^{の下で 11,12}.

そのため、キーボード設計の評価と最適化は、心理学的、技術的、人間工学的研究のホットな話題となっています。可変的なキーボード設計と概念は、入力操作性を最適化するために入力操作性と効率を最適化するために、常に提案されてきました。

キーボード設計の既存の評価方法は、いくつかの高い評価指標を除いて研究者によって異なり、より正確な指標が提案されています。しかし、さまざまな指標では、キーボード設計の評価と分析のプロセスを実証するために提供される要約された体系的なプロトコルはありません。フィットの法則¹⁷と人間とコンピュータの相互作用を記述したその拡張バージョン FFitts 法¹⁸は広くキーボードのパフォーマンスを評価するために採用されました^19,20,21,22.また、親指の機能領域はキーボード設計を改善するために提案され、入力タスク²³を快適に完了させる親指の湾曲運動領域を説明した。これらの理論に基づいて、1分あたりの単語、単語エラー率、および主観的フィードバック(知覚されたユーザビリティ、知覚されたパフォーマンス、知覚された速度、主観的な作業負荷、知覚された運動と痛み、および使用する意図など)を含む指標は、以前の研究^{24、25、26、27、28、29}で部分的に使用されました。 モデリングとシミュレーションの方法を除く。また、タッチポイントのフィット楕円を各ボタンとそのオフセット^30,31に合わせて^、入力イベントの正確な性能を調査するために近年使用されました。また、ガルバニック皮膚応答、心拍数、筋電図活動、手のジェスチャー、および身体運動^{32、33、34、35}は、直接的または間接的にユーザーの筋肉疲労、快適性、および満足度を評価するために採用された。しかし、これらの様々な方法は、使用される指標の適切性に反映されていない、と初心者の研究者は、彼または彼女の研究のための適切な指標を選択するために混乱する可能性があります。

キーボード設計に関する研究も容易に行い、操作し、分析することができます。画面技術のブームにより、より多くの行動データを簡単に収集してキーボード設計を詳細に評価することができます(例えば、2つのキー間の遷移時間と各タッチポイントの座標データ)。上記のデータに基づいて、研究者はキーボード設計の詳細を正確に探求し、その欠点と利点を分析することができました。他の人とコンピュータの相互作用研究と比較すると、ポータブルスマートフォンのキーボード設計の研究は、高価な機器、複雑な材料、または必要な巨大な実験室スペースを持たない広大なユーザーベースのための高いアプリケーション価値を持っています。調査に関するアンケート、スケール、および Python スクリプトはオープンソースで、簡単にアクセスできます。

本研究の目的は、スマートフォンでのキーボード設計を評価し分析するための体系的、正確、一般的なプロトコルを実証するための、これまでの方法を要約することです。例示的な実験と結果は、サイズ調整可能なボタンを備えた湾曲したQWERTYキーボードが、従来のQWERTYキーボードと比較して5インチスマートフォン上の片手入力の入力体験を最適化できるかどうかを示し、データ分析の視覚化方法とPythonスクリプトを共有することを目的としています。

Access restricted. Please log in or start a trial to view this content.

プロトコル

この研究は倫理原則に従って実施され、清華大学倫理委員会によって承認されました。 図1 は、スマートフォンのキーボード設計を評価するプロセスを示しています。

図1:キーボード実験を行い、キーボード設計を評価する一般的なプロセスこの図の大きなバージョンを表示するには、ここをクリックしてください。

1. 準備

1. 実験計画
   1. 研究課題を定義し、仮説を提案する。
   2. 仮説に従って実験を設計し、独立変数(例えば、キーボードレイアウト、タイピング姿勢)を定義します。参加者間の差異によって生じる交点要因と分散を減らすために、対象内設計を使用します。
2. 従属変数
   1. 図2に示すように、手の長さ、入力指の長さ、およびテープ測定によって測定された入力指の円周を含む物理データを使用する。
   2. ガルバニック皮膚応答(携帯用無線生理検出器で測定)、心拍数(携帯用無線生理検出器で測定)、筋電図活動(表面筋電図で測定)などを含む生理学的データを使用する。
   3. 入力パフォーマンスを使用する:1分あたりの単語数、単語エラー率、2つのキー間の切り替え時間。
      1. 1 分あたりのワードは、参加者の入力速度 (すなわち、1 分あたりの正しい入力語数) を指します。
      2. Word エラー率は、参加者の入力精度を示します (すなわち、誤入力された単語の数を 1 つの条件下の単語の合計数で割った値)。修正されたエラー率、未修正のエラー率、および合計エラー率は、以前の研究でも使用されています³⁶.
      3. 2つのキー間の遷移時間は、正しく入力された単語²² の2つのタッチポイント間の参加者の反応時間(すなわち、第2のタッチポイントの開始時刻から最初の文字の出発時間を引いた時間)を指す。
   4. 手のジェスチャーや体(指)の動きなどの身体運動データを使用します。それらはモーションキャプチャシステム³⁵によって収集することができる。
   5. 知覚されたユーザビリティ、使用意図、知覚精度と速度、知覚された運動と痛み、主観的な作業負荷などの主観的なデータを使用します。主観的なデータは、既存のスケールやアンケートを通じて取得することができ、高い信頼性と有効なキーボード設計に関する参加者の主観的フィードバックをより良く評価します。
      1. 精神、物理的、時間、パフォーマンス、労力、およびフラストレーションの次元を通じて主観的な作業負荷を測定するために使用される21ポイントのスケールであるNASA-TLXを使用してください。高いスコアは、主観的なワークロードが高いことを示します^。
      2. システムユーザビリティスケール、10項目の5ポイントアンケートを使用し、1人の参加者の回答は0から100までの単一スコアとして計算されます。高いスコアは、高い知覚ユーザビリティ²⁴を示します。
      3. 0 から 10 までのボーグ CR10 スケールを使用して、知覚された痛みや運動を測定します。高いスコアは、高レベルの知覚痛と運動²⁵を示す。
      4. [スケールを使用する意図] : 参加者がテクノロジまたは製品を使用する可能性を測定するために使用される 10 ポイントのアンケートを使用します。高いスコアは、高レベルの尤度²⁸を示します。
      5. 知覚された速度と知覚精度はすべて50ポイントのスケールで測定され、高いスコアは良好な知覚性能²⁸を示す。
   6. 各タッチポイントの座標データを収集し、各ボタン^30、31のタッチポイントのフィット楕円(95%CI)に変更します。各フィット楕円の面積と、フィットした楕円の中心から各ボタンのターゲット中心までのオフセットを従属変数として採用します。
      メモ:座標データは、スマートフォン上の自己開発アプリケーションによって正確に収集することができます。座標データを取得するのが難しい場合は、目的データと主観的データで、キーボード設計を大まかに評価できます。

図2:手の測定。この図の大きなバージョンを表示するには、ここをクリックしてください。

3. 料
   1. 実験用スマートフォンを選択します。重量、解像度、画面サイズを考慮します。
   2. スマートフォンで実験ソフトウェアを設計・開発します(オプション)。
      注:2つのキー間の切り替え時間は、このソフトウェアまたはモーションキャプチャセンサー(すなわち、加速度計センサー)によって自動的に記録することができます。手動で収集することは困難な場合があります(例えば、時計やストップウォッチ)。
   3. 仮説に基づいて以下の提案から入力タスクを選択し、研究目的に合わせて修正します。
      1. キャラクタ ペア入力タスクでは、26 個の英語文字を 676 のペアにランダムに組み合わせ、実験計画に基づいて複数のグループに平均分割します。
      2. フレーズ(文)入力タスクでは、中程度の長さ、覚えやすいフレーズ、および対象言語の代表を使用します。対象言語が英語の場合は、500 フレーズセット³⁷から 15 ~ 20 (または研究目的に基づく) フレーズまたは単語を抽出します。
4. 参加者募集
   1. G*Power ソフトウェアを使用してサンプルサイズを計算します。
   2. アンケートを投稿して、潜在的な参加者を募集します。
   3. たとえば、年齢、健康、視力、利き手、入力経験など、必要な特性を持つ潜在的な参加者をフィルタリングします。参加者の入力エクスペリエンスがバランスよく行えるようにします。

2. 手順

1. 実験手順、タスク、および精神的または身体的な傷害に遭遇するかどうかなど、参加者に実験のインフォームドコンセントフォームを読み上げてください。参加者が参加することに同意した場合は、インフォームド・コンセントフォームに署名する必要があります。そうでなければ、彼らはすぐに撤退することができます。インフォームド・コンセント・フォームによると、参加者は実験のどの段階でも撤回することができます。
2. 人口統計データだけでなく、物理的なデータも収集します。手のサイズの違いの影響を排除し、また、将来の研究のために繰り返し可能なデータを提供するために、一人一人の参加者の手を測定するために、テープメジャーを使用してください(図2)。年齢、性別、正確な入力経験、職業などの人口統計データを収集します。
3. すべてのデバイスを消毒し、デバイスに触れる参加者の身体部分をきれいにします。
   1. 参加者に手を洗い、スマートフォンの画面をきれいにして、スマートフォンのセンサーの感度を高めてもらいます。
   2. 参加者に、携帯用のワイヤレス生理学的検出器またはモーションキャプチャシステムを着用するよう依頼します。非支配的な手にポータブルワイヤレス生理学的検出リストバンドを着用し、騒音干渉を避けてガルバニック皮膚応答と心拍数を記録するように参加者に依頼します。
      1. 爪の上にモーションキャプチャシステムのパッシブマーカーを配置し、指の近位ファランクス、頸椎(C3-C5)、腕を正確に身体と指の動きを集めます。2本の腕と2つの前腕の皮膚にワイヤレス電極を貼り付け、筋電図活動を検出します(任意ステップ)。
   3. 実験で使用したすべてのデバイスを調整します。
4. 練習パーツ
   1. 参加者にトレーニングタスクを完了させます。トレーニングタスクは、参加者が入力タスクやキーボードに精通して、実験結果に対する練習や不慣れな影響を軽減するために使用されます。676の英語ペアセットまたは500フレーズセットからランダムに選択された50組または20の単語で構成されています。入力精度が150秒で80%以上に達した場合にのみ、正式な試験に入ることができます。模範的な研究は、トレーニングタスクとして50組を入力する採用しました。
5. メイン タスク
   1. 参加者は、すべての実験条件の下で正式な試験を完了してみましょう。入力タスクの最中にできるだけ早く精度を確保する必要があります。正式な試験は、研究で評価され、分析される実際の入力タスクです。それぞれのペア、単語、または文は試行を表し、異なる実験計画は異なる実験条件を生成する。
   2. 参加者にランダムな順序またはバランスの取れた順序で入力タスクを完了させます。投入材料の分割方法は以下の通りである。まず、676組を各実験条件にランダムに分割することができます(すなわち、参加者は、すべての実験条件を完了したときにすべてのペアを入力しました)。第二に、各実験条件の下で、676組をランダムに複数のブロックに分割することができ、参加者はこれらのブロックをランダムに完了する必要があります。第3に、言葉を入力するためには、各条件で約20回の試験を完了する必要があります。第四に、文章を入力するために、参加者は各条件の下で約10-15の試験を完了する必要があります。研究者は、各条件の下で参加者が入力した文字数と文字数との間に有意な差がないことを確認する必要があります。例示的研究は、最初の方法を採用し、4つの実験条件を持っていました。
   3. 各条件の後、参加者に対して、すべてのアンケート(主観的経験を評価するスケール)をランダムに完了させ、1分以上休ませる。
6. 実験の最後に、各参加者が包括的なアンケート(Q&A)を完了させ、主観的なフィードバックを得ます。
7. 金銭的または物質的な報酬を持つ参加者に感謝を表明する。

3. データ分析

1. 適切なパラメトリック検定または非パラメトリック検定による仮説検定
   1. 物理的、生理的、および身体運動のデータを分析し、参加者間の差がユーザーの結果と表現力に大きく影響するかどうかをテストします(任意のステップ)。
   2. 参加者の入力パフォーマンスを分析し、キーボードの入力効率をテストします。
   3. 主観的データを分析して、キーボードの知覚されたユーザビリティと主観的フィードバックをテストします。
   4. 練習効果と疲労効果が結果に大きく影響するかどうかを把握します。各条件について、試行はタイムスタンプに従って2つの部分に分けられます(すなわち、前半部分と後半部分)。具体的には、各条件下で、前半部と後半部の入力性能の差を調べ、練習効果や疲労効果が存在するかどうかを調べます。
   5. 各ボタンのタッチポイントのフィット楕円の領域と、各ボタンの中心からターゲットの中心までのオフセットを分析します(オプションのステップ)。
      1. ソフトウェアで各ボタンのすべてのタッチポイントを収集し、彼らは大まかに二変量ガウス分布と一致します。x 方向と y 方向の両方の各ボタンの 95% 信頼区間は、ピクセル単位の各タッチポイントの座標データを通じて導き出され、各キーボードのボタンの 1:1 のアウトラインに対する 95% 信頼度楕円は、ピクセル座標の Python スクリプトを通して取り付けられます ( コードファイル 2を参照)。
      2. フィットした楕円(95%CI)とその領域を使用して、各ボタンのタッチポイントの分散を示します。各ボタンでは、Python スクリプトで計算されたフィット楕円のオフセットは、ボタンのターゲットポイントに対するフィット楕円の中心点として定義され、X 方向と Y 方向方向から表すこともできます (つまり、X 軸と Y 軸では 、コーディング ファイル 3を参照)。
2. モデリングとシミュレーション
   1. データ駆動モデルは、キーボードの位置と方向の関数として使用して、Python スクリプトによる指の動きを予測します。指の動きはすべて8方向³⁸⁽ 上から下、下から上、左から右、右から右、右下から右下、右下から右下、右下から左下、右上から左下)に分かれています。各方向について、2 つのキー間の平均遷移時間が、キーボードのデザインを評価するために使用される指の動きの効果を表すために計算されます (オプションのステップ)。
   2. Python スクリプトによる統合されたコグニティブ アーキテクチャ³⁹ を使用して 2 つのキー間の遷移時間を予測する拡張フィット則 (またはその拡張バージョンの FFitts の法則) モデルを構築するには、線形回帰分析を使用します。強化されたFittsの法則モデルは、キーの位置と有効幅に関する分析と、2つのキーの距離(オプションのステップ)に基づいて、キーボード設計に関するより良い予測と評価を提供することができます。

Access restricted. Please log in or start a trial to view this content.

結果

代表的な研究は、主に、上記のプロトコルに従っています。この研究では、2(キーボードレイアウト:湾曲QWERTY対伝統的なQWERTY)×2(ボタンサイズ:大きく、6.3mm×9mm対小、4.9mm×7mm)を採用し、曲面QWERTYが従来のQWERTYと比較して従来のQWERTYと比較して入力効率と快適性を向上させることができるかどうかを評価します。).この研究は、高価な生理学的検出器装置やモーションキ?...

Access restricted. Please log in or start a trial to view this content.

ディスカッション

本研究では、スクリーン技術の発展に基づき、キーボード設計評価の概要と一般的なプロトコルを提示し、キーボード設計を体系的かつ正確に評価した。これまでの研究の既存の指標とメソッド、英語の文字と一致するペア、および2つのキー間の遷移時間が統合され、効果的なプロトコルを生成するように変更されます。

このプロトコルでは、いくつかの重要なポイン?...

Access restricted. Please log in or start a trial to view this content.

資料

Name	Company	Catalog Number	Comments
Changxiang 6S smartphone	Huawei		Smartphone used in the examplar study
Curved QWERTY keyboard software	Tsinghua University		Developed by authors
SPSS software	IBM		Data analysis software
G*Power software	Heinrich-Heine-Universität Düsseldorf		Sample size calculation
E4 portable wireless wristband	Empatica		Recording galvanic skin response and heart rate
Arqus	Qualysis		Motion capture camera platform
Passive marker	Qualysis		Appropriate sizes: 2.5 mm, 4 mm, and 6.5 mm
Trigno sEMG	Delsys		Recording electromyographic activity
Visual Studio Code	Microsoft		Python editor