ImYanis/Shutterstock
Typen is een van de meest voorkomende dingen die we doen op onze mobiele telefoons. Een latest onderzoek suggereert dat millennials 48 minuten for every dag sms’en, terwijl boomers 30 minuten besteden.
Sinds de komst van mobiele telefoons is de manier waarop we sms’en veranderd. We hebben de introductie gezien van autocorrectie, die fouten corrigeert terwijl we typen, en woordvoorspelling (vaak voorspellende tekst genoemd), die het volgende woord dat we willen typen voorspelt en ons in staat stelt het boven het toetsenbord te selecteren.
Functies zoals autocorrectie en voorspellende tekst zijn ontworpen om typen sneller en efficiënter te maken. Maar uit onderzoek blijkt dat dit niet for every se geldt voor voorspellende tekst.
Een in 2016 gepubliceerde studie wees uit dat voorspellende tekst niet geassocieerd was fulfilled een algehele verbetering van de typesnelheid. Maar deze studie had slechts 17 deelnemers – en ze gebruikten allemaal hetzelfde form mobiel apparaat.
In 2019 publiceerden mijn collega’s en ik een onderzoek waarin we keken naar mobiele typegegevens van meer dan 37.000 vrijwilligers, allemaal fulfilled hun eigen mobiele telefoon. De deelnemers werd gevraagd om zinnen zo snel en nauwkeurig mogelijk te kopiëren.
Deelnemers die voorspellende tekst gebruikten, typten gemiddeld 33 woorden for each minuut. Dit was langzamer dan degenen die geen intelligente tekstinvoermethode gebruikten (35 woorden for each minuut) en major langzamer dan deelnemers die autocorrectie gebruikten (43 woorden for every minuut).
Onderzoek heeft aangetoond dat het gebruik van voorspellende tekst de typesnelheid niet verbetert. Maar waarom?
VAKS-Voorraadbureau/Shutterstock
Het afbreken
Het is interessant om te kijken naar de slechte correlatie tussen voorspellende tekst en typprestaties. Het idee lijkt logisch: als het systeem uw bedoelde woord kan voorspellen voordat u het typt, zou dit u tijd moeten besparen.
In mijn meest recente onderzoek more than dit onderwerp hebben een collega en ik de voorwaarden onderzocht die bepalen of voorspellende tekst effectief is. We hebben een aantal van deze voorwaarden, of parameters, gecombineerd om een groot aantal verschillende scenario’s te simuleren en zo te bepalen wanneer voorspellende tekst effectief is – en wanneer niet.
We hebben een aantal fundamentele parameters in onze simulatie ingebouwd die verband houden met voorspellende tekstprestaties. De eerste is de gemiddelde tijd die een gebruiker nodig heeft om een toets op het toetsenbord aan te raken (in wezen een maatstaf voor hun typesnelheid). We schatten dit op ,26 seconden, op basis van eerder onderzoek.
De tweede fundamentele parameter is de gemiddelde tijd die een gebruiker nodig heeft om een voorspellende tekstsuggestie te bekijken en te selecteren. We hebben dit vastgesteld op ,45 seconden, opnieuw op foundation van bestaande gegevens.
Lees meer: leer pcs om ouderwetse tekstavonturengames te spelen om AI vooruit te helpen
Afgezien hiervan is er een reeks parameters die minder duidelijk zijn. Deze weerspiegelen de manier waarop de gebruiker achieved voorspellende tekst omgaat – of hun strategieën, zo u wilt. In ons onderzoek hebben we gekeken hoe verschillende benaderingen van twee van deze strategieën het nut van voorspellende tekst beïnvloeden.
De eerste is de minimale woordlengte. Dit betekent dat de gebruiker de neiging heeft om alleen naar voorspellingen te kijken voor woorden die langer zijn dan een bepaalde lengte. U kijkt misschien alleen naar voorspellingen als u langere woorden typt, bijvoorbeeld meer dan zes letters, omdat deze woorden meer inspanning vergen om te spellen en uit te typen. De horizontale as in de onderstaande visualisatie toont het result van het variëren van de minimale lengte van een woord voordat de gebruiker een woordvoorspelling zoekt, van twee letters tot tien.
De tweede strategie, “form-dan-appear”, bepaalt hoeveel letters de gebruiker typt voordat hij naar woordvoorspellingen kijkt. U kunt de suggesties bijvoorbeeld pas bekijken nadat u de eerste drie letters van een woord hebt getypt. De intuïtie hier is dat hoe meer letters u typt, hoe groter de kans dat de voorspelling right zal zijn. De verticale as toont het outcome van de gebruiker die de kind-dan-glance-strategie varieert van het kijken naar woordvoorspellingen zelfs voordat het typen (nul) tot het kijken naar voorspellingen na één letter, twee letters, enzovoort.
Een laatste latente strategie, doorzettingsvermogen, legt extensive hoe lang de gebruiker zal typen en controleert woordvoorspellingen voordat hij opgeeft en het woord volledig uittypt. Hoewel het inzichtelijk zou zijn geweest om te zien hoe variatie in doorzettingsvermogen de snelheid van typen satisfied voorspellende tekst beïnvloedt, zelfs fulfilled een computermodel, waren er beperkingen aan het aantal veranderlijke gegevenspunten dat we konden opnemen.
Dus hebben we doorzettingsvermogen op vijf vastgesteld, wat betekent dat als er geen geschikte suggesties zijn nadat de gebruiker vijf letters heeft getypt, hij het woord zal aanvullen zonder verder voorspellende tekst te raadplegen. Hoewel we geen gegevens hebben over het gemiddelde doorzettingsvermogen, lijkt dit een redelijke schatting.
Wat hebben we gevonden?
Kristensson en Müllners, 2021, Auteur verstrekt
Boven de stippellijn is er een toename van het netto-invoerpercentage, terwijl voorspellende tekst de gebruiker daaronder vertraagt. Het dieprode geeft aan wanneer voorspellende tekst het meest effectief is een verbetering van twee woorden for every minuut in vergelijking achieved het niet gebruiken van voorspellende tekst. De blauwe is wanneer het het minst effectief is. Onder bepaalde omstandigheden in onze simulatie kan voorspellende tekst een gebruiker achieved wel acht woorden per minuut vertragen.
De blauwe cirkel toont het optimale werkpunt, waar u de beste resultaten krijgt fulfilled voorspellende tekst. Dit gebeurt wanneer woordvoorspellingen alleen worden gezocht voor woorden fulfilled minimaal zes letters en de gebruiker na het typen van drie letters naar een woordvoorspelling kijkt.
Voor de gemiddelde gebruiker is het dus onwaarschijnlijk dat voorspellende tekst de prestaties zal verbeteren. En zelfs als dat zo is, lijkt het niet veel tijd te besparen. De potentiële winst van een paar woorden for every minuut is veel kleiner dan de potentiële verloren tijd.
Het zou interessant zijn om voorspellend tekstgebruik op lange termijn te bestuderen en naar de strategieën van gebruikers te kijken om te verifiëren dat onze aannames uit het product in de praktijk kloppen. Maar onze simulatie bevestigt de bevindingen van eerder menselijk onderzoek: voorspellende tekst bespaart u waarschijnlijk geen tijd – en kan u vertragen.
Lees meer: Lockdown en technische overbelasting – hoe u aan uw schermen kunt ontsnappen
For each Ola Kristensson ontvangt financiering van EPSRC en Fb Fact Labs.
