Credito:ImYanis/Shutterstock
La digitazione è una delle cose più comuni che facciamo sui nostri telefoni cellulari. Un recente sondaggio suggerisce che i millenial trascorrono 48 minuti al giorno a inviare messaggi di testo, mentre i boomer trascorrono 30 minuti.
Dall'avvento dei telefoni cellulari, il modo in cui scriviamo è cambiato. Abbiamo visto l'introduzione della correzione automatica, che corregge gli errori durante la digitazione, e la previsione delle parole (spesso chiamata testo predittivo), che prevede la parola successiva che vogliamo digitare e ci consente di selezionarla sopra la tastiera.
Funzioni come la correzione automatica e il testo predittivo sono progettate per rendere la digitazione più veloce ed efficiente. Ma la ricerca mostra che questo non è necessariamente vero per il testo predittivo.
Uno studio pubblicato nel 2016 ha rilevato che il testo predittivo non era associato ad alcun miglioramento generale della velocità di battitura. Ma questo studio ha avuto solo 17 partecipanti e tutti hanno utilizzato lo stesso tipo di dispositivo mobile.
Nel 2019 io e i miei colleghi abbiamo pubblicato uno studio in cui abbiamo esaminato i dati di digitazione mobile di oltre 37.000 volontari, tutti utilizzando i propri telefoni cellulari. Ai partecipanti è stato chiesto di copiare le frasi il più rapidamente e accuratamente possibile.
I partecipanti che hanno utilizzato il testo predittivo hanno digitato una media di 33 parole al minuto. Questo era più lento rispetto a coloro che non utilizzavano un metodo di immissione di testo intelligente (35 parole al minuto) e significativamente più lento rispetto ai partecipanti che utilizzavano la correzione automatica (43 parole al minuto).
Analizzarlo
È interessante considerare la scarsa correlazione tra testo predittivo e prestazioni di digitazione. L'idea sembra avere un senso:se il sistema è in grado di prevedere la parola desiderata prima di digitarla, questo dovrebbe farti risparmiare tempo.
Nel mio studio più recente su questo argomento, io e un collega abbiamo esplorato le condizioni che determinano se il testo predittivo è efficace. Abbiamo combinato alcune di queste condizioni, o parametri, per simulare un gran numero di scenari diversi e quindi determinare quando il testo predittivo è efficace e quando non lo è.
Abbiamo integrato nella nostra simulazione un paio di parametri fondamentali associati alle prestazioni predittive del testo. Il primo è il tempo medio impiegato da un utente per premere un tasto sulla tastiera (essenzialmente una misura della velocità di digitazione). L'abbiamo stimato a 0,26 secondi, sulla base di ricerche precedenti.
Il secondo parametro fondamentale è il tempo medio impiegato da un utente per guardare un suggerimento predittivo di testo e selezionarlo. Abbiamo risolto il problema a 0,45 secondi, sempre in base ai dati esistenti.
Oltre a questi, c'è una serie di parametri che sono meno chiari. Questi riflettono il modo in cui l'utente interagisce con il testo predittivo o le sue strategie, se lo desideri. Nella nostra ricerca, abbiamo esaminato in che modo approcci diversi a due di queste strategie influenzano l'utilità del testo predittivo.
Il primo è la lunghezza minima della parola. Ciò significa che l'utente tenderà a guardare solo le previsioni per le parole oltre una certa lunghezza. Potresti guardare le previsioni solo se stai digitando parole più lunghe, oltre, diciamo, sei lettere, perché queste parole richiedono uno sforzo maggiore per l'ortografia e la digitazione. L'asse orizzontale nella visualizzazione sottostante mostra l'effetto della variazione della lunghezza minima di una parola prima che l'utente cerchi una previsione di parola, da due lettere a dieci.
Credito:Kristensson e Müllners, 2021, Autore fornito
La seconda strategia, "digita-quindi-guarda", determina quante lettere l'utente digiterà prima di guardare le previsioni delle parole. Potresti guardare i suggerimenti solo dopo aver digitato le prime tre lettere di una parola, ad esempio. L'intuizione qui è che più lettere digiti, più è probabile che la previsione sia corretta. L'asse verticale mostra l'effetto dell'utente che varia la strategia digita e poi guarda dall'osservare le previsioni delle parole prima ancora di digitare (zero) all'osservare le previsioni dopo una lettera, due lettere e così via.
Un'ultima strategia latente, la perseveranza, cattura per quanto tempo l'utente digiterà e controllerà le previsioni delle parole prima di rinunciare e semplicemente digitare la parola per intero. Anche se sarebbe stato utile vedere come la variazione nella perseveranza influenzi la velocità di digitazione con il testo predittivo, anche con un modello computerizzato, c'erano dei limiti alla quantità di punti dati modificabili che potevamo includere.
Quindi abbiamo fissato la perseveranza a cinque, il che significa che se non ci sono suggerimenti adatti dopo che l'utente ha digitato cinque lettere, completeranno la parola senza consultare ulteriormente il testo predittivo. Sebbene non disponiamo di dati sulla perseveranza media, questa sembra una stima ragionevole.
Cosa abbiamo trovato?
Sopra la linea tratteggiata c'è un aumento del tasso di ingresso netto mentre al di sotto di essa, il testo predittivo rallenta l'utente. Il rosso intenso mostra quando il testo predittivo è più efficace; un miglioramento di due parole al minuto rispetto al non utilizzo del testo predittivo. Il blu è quando è meno efficace. In determinate condizioni nella nostra simulazione, il testo predittivo potrebbe rallentare un utente fino a otto parole al minuto.
Il cerchio blu mostra il punto operativo ottimale, dove si ottengono i migliori risultati dal testo predittivo. Ciò si verifica quando le previsioni di parole vengono cercate solo per parole con almeno sei lettere e l'utente guarda una previsione di parole dopo aver digitato tre lettere.
Quindi, per l'utente medio, è improbabile che il testo predittivo migliori le prestazioni. E anche quando lo fa, non sembra risparmiare molto tempo. Il potenziale guadagno di un paio di parole al minuto è molto inferiore al potenziale tempo perso.
Sarebbe interessante studiare l'uso predittivo del testo a lungo termine e guardare le strategie degli utenti per verificare che le nostre ipotesi dal modello valgano nella pratica. Ma la nostra simulazione rafforza i risultati della precedente ricerca umana:il testo predittivo probabilmente non ti fa risparmiare tempo e potrebbe rallentarti.