Development of a Context-aware Model for input in smartphone touchscreen keyboards

 
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2017 (EL)

Ανάπτυξη μοντέλου κτήσης επίγνωσης πλαισίου κατά την πληκτρολόγηση κειμένου σε κινητές συσκευές με οθόνη αφής
Development of a Context-aware Model for input in smartphone touchscreen keyboards

Θωμόπουλος, Γεώργιος

Κομνηνός, Ανδρέας
Νικοπολιτίδης, Πέτρος

Text entry on touchscreen mobile devices is slow and error-prone because of their size and, one way to prevent mistyping is the use of dictionaries to replace a wrong word. Another approach is the dynamic and unobtrusive adaptation of each key’s target area. Users generally enter text by using either the thumb of their dominant hand, the thumb of their non-dominant hand, their dominant index finger, or both thumbs. It has been found that hand posture influences the most frequently tapped area for each key. Therefore, there is a need for a model to identify how the user is typing and examine whether this can be done by utilizing the most commonly available sensors on mobile devices. It will then be possible to study the correlation between different angles the user rotates the device when typing and hand posture. For this reason, a soft keyboard was developed that keeps for each character the aforementioned parameters as well as the coordinates of the point at which the touch occurs. A preliminary study of these data has been carried out to determine whether the difference in parameter values is associated to the typing method. After finding out that there is a degree of correlation, an experiment was organized to collect data from a multitude of different users. Data mining was used and in particular the classification technique involving two configurations of data where the first includes the raw data as recorded in the database representing the parameter values for each character and the second contains the sequences of two consecutive characters (bigrams) where each bigram corresponds to the differences of the parameters of the two characters. The mean value of hand posture successful recognition including all the participants of the experiment was 74.1%. Finally, the average key error rate reduction achieved by changing the area of the keys responding to the taps, was calculated to be 1.9%.
Περιέχει : πίνακες, εικόνες
Η πληκτρολόγηση κειμένου σε κινητές συσκευές με οθόνες αφής παρουσιάζει δυσκολίες κυρίως λόγω του μεγέθους και ένας τρόπος για την αποφυγή των σφαλμάτων είναι η χρήση λεξικών ώστε να μπορεί να αντικατασταθεί μία λανθασμένη λέξη. Μία διαφορετική προσέγγιση είναι η δυναμική και μη αντιληπτή στο χρήστη προσαρμογή της περιοχής της οθόνης που αντιστοιχεί σε κάθε πλήκτρο. Οι χρήστες συνήθως πληκτρολογούν με τους αντίχειρες και των δύο χεριών ή με το δείκτη του κυρίαρχου χεριού ή με τον αντίχειρα του ενός χεριού. Έχει διαπιστωθεί ότι ανάλογα με τη στάση των χεριών αλλάζει για κάθε πλήκτρο το τμήμα της περιοχής του που επιλέγεται πιο συχνά. Συνεπώς, απαιτείται ένα μοντέλο αναγνώρισης του τρόπου με τον οποίο πληκτρολογεί ο χρήστης και εξετάζεται αν αυτό μπορεί να πραγματοποιηθεί με την αξιοποίηση των αισθητήρων που διαθέτουν οι περισσότερες κινητές συσκευές. Θα είναι τότε δυνατό, να μελετηθεί η συσχέτιση μεταξύ των διαφόρων γωνιών που ο χρήστης περιστρέφει τη συσκευή κατά την εισαγωγή κειμένου με τη στάση των χεριών. Για το λόγο αυτό δημιουργήθηκε ένα πληκτρολόγιο που καταγράφει για κάθε χαρακτήρα τις προαναφερθείσες παραμέτρους αλλά και τις συντεταγμένες του σημείου στο οποίο ακουμπά το δάκτυλο του χρήστη. Πραγματοποιήθηκε προκαταρκτική μελέτη αυτών των δεδομένων ώστε να διαπιστωθεί αν υπάρχει διαφοροποίηση των τιμών των παραμέτρων σε σχέση με τον τρόπο πληκτρολόγησης. Αφού διαπιστώθηκε ότι υπάρχει ως ένα βαθμό, συσχέτιση, διοργανώθηκε πείραμα για τη συλλογή δεδομένων από ένα πλήθος διαφορετικών χρηστών. Χρησιμοποιήθηκε η εξόρυξη δεδομένων και ειδικότερα η κατηγοριοποίηση για δύο διαμορφώσεις των δεδομένων όπου η πρώτη περιλαμβάνει τα δεδομένα όπως καταγράφηκαν στη ΒΔ, δηλαδή τις τιμές των παραμέτρων για κάθε χαρακτήρα και η δεύτερη περιέχει ακολουθίες δύο συνεχόμενων χαρακτήρων (διγράμματα) όπου σε κάθε ένα δίγραμμα αντιστοιχούν οι διαφορές των παραμέτρων των δύο χαρακτήρων. Ο Μέσος Όρος επιτυχούς αναγνώρισης της στάσης πληκτρολόγησης των συμμετεχόντων στο πείραμα ανέρχεται στο 74,1%. Τέλος, υπολογίστηκε το ποσοστό μείωσης των λαθών που επιτυγχάνεται με την αλλαγή των περιοχών των πλήκτρων που ανταποκρίνονται στα κτυπήματα το οποίο ανέρχεται στο 1,9%.

Διπλωματική Εργασία / Thesis

Προσανατολισμός κινητής συσκευής
Πληκτρολόγιο Android
Mobile device orientation
Εισαγωγή κειμένου
Δυναμική προσαρμογή
Text entry
Hand posture
Στάση χεριών
Data mining
Android keyboard
Dynamic adaptation
Εξόρυξη δεδομένων


Ελληνική γλώσσα

2017-10-01
2017-10-09T09:22:56Z


Ελληνικό Ανοικτό Πανεπιστήμιο / Hellenic Open University

0
2
124




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.