Touchscreen Accuracy and Usability for Older Adults: A Comparison of Target Selection Methods
Notice bibliographique
Résumé
Canada, along with the rest of the world, is experiencing a steep growth in their oldest demographics who, due to the effects of aging, require support as they adopt or continue to use smartphones in their advancing years. Target selection is a common task that is difficult for older adults to perform. An alternative selection method that is more accurate and usable would support existing smartphone users suffering age-related decline as well as encourage smartphone adoption by non-users who are 60 and over. Previous research suggests that lift selection will improve accuracy of target selection and be more usable than the method used currently, touch selection. This thesis investigated whether lift selection was more accurate and usable than touch selection for both older (60+) and younger (18-29) adults. Predictive relationships for accuracy and usability were also examined. Participants completed a target selection task on a smartphone using both lift and touch selection on targets of small (5 x 7 mm), average (10 x 13 mm) and large (15 x 20 mm) sizes before completing a survey of usability perceptions and self-reported smartphone habits. Results showed that touch selection was significantly more accurate than lift selection for both older and younger adults. Further analysis showed that regular smartphone usage was a weak, but significant positive predictor of touch selection accuracy and that age was a moderate, but significant negative predictor of touch selection accuracy. Some older adults showed improved accuracy during lift selection trials, and older adults were more likely to experience an accuracy improvement during lift selection compared to younger adults. Touch selection was rated significantly easier to use, more satisfying and more learnable by both older and younger adults. Smartphone owners were more likely to rate lift selection as less usable than non-smartphone owners, and there was no difference in usability ratings between touch and lift selection among non-smartphone owners.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».