El texto predictivo es una tecnología de entrada que se utiliza en la que una tecla o botón representa muchas letras, como en los teclados numéricos físicos de los teléfonos móviles y en las tecnologías de accesibilidad . Cada pulsación de tecla da como resultado una predicción en lugar de secuenciar repetidamente el mismo grupo de "letras" que representa, en el mismo orden invariable. El texto predictivo podría permitir ingresar una palabra completa presionando una sola tecla. El texto predictivo hace un uso eficiente de menos teclas del dispositivo para ingresar escritura en un mensaje de texto , un correo electrónico , una libreta de direcciones , un calendario y similares.
Los sistemas de texto predictivos generales más utilizados son T9 , iTap , eZiText y LetterWise /WordWise. Hay muchas formas de construir un dispositivo que prediga texto, pero todos los sistemas de texto predictivo tienen configuraciones lingüísticas iniciales que ofrecen predicciones que se vuelven a priorizar para adaptarse a cada usuario. Este aprendizaje se adapta, a través de la memoria del dispositivo, a la retroalimentación clara del usuario que resulta en pulsaciones de teclas correctivas, como presionar una tecla "siguiente" para llegar a la intención. La mayoría de los sistemas de texto predictivo cuentan con una base de datos de usuarios para facilitar este proceso.
En teoría, el número de pulsaciones de teclas necesarias por cada carácter deseado en la escritura terminada es, en promedio, comparable al uso de un teclado . Esto es aproximadamente cierto siempre que todas las palabras utilizadas estén en su base de datos, se ignore la puntuación y no se cometan errores de escritura o de ortografía. [1] Las pulsaciones teóricas por carácter, KSPC, de un teclado son KSPC=1,00 y las pulsaciones múltiples son KSPC=2,03. LetterWise de Eatoni es un híbrido predictivo de pulsaciones múltiples que, cuando se opera en un teclado de teléfono estándar, alcanza KSPC=1,15 para inglés.
La elección de qué sistema de texto predictivo es el mejor para usar implica hacer coincidir el estilo de interfaz preferido del usuario , el nivel de capacidad aprendida por el usuario para operar el software de texto predictivo y el objetivo de eficiencia del usuario. Existen varios niveles de riesgo en los sistemas de texto predictivo, frente a los sistemas de toques múltiples , porque el texto predicho que se escribe automáticamente y proporciona el beneficio de velocidad y eficiencia mecánica podría, si el usuario no tiene cuidado al revisarlo, dar como resultado la transmisión de información errónea. Se necesita tiempo para aprender a utilizar bien los sistemas de texto predictivo y, por lo general, el sistema de un dispositivo tiene opciones de usuario para configurar la elección de múltiples toques o de cualquiera de varias escuelas de métodos de texto predictivo.
El servicio de mensajes cortos (SMS) permite al usuario de un teléfono móvil enviar mensajes de texto (también llamados mensajes, SMS, textos y txts) como mensajes cortos. El sistema más común de entrada de texto SMS se conoce como " multi-toque ". Al usar múltiples toques, se presiona una tecla varias veces para acceder a la lista de letras de esa tecla. Por ejemplo, al presionar la tecla "2" una vez se muestra una "a", dos veces se muestra una "b" y tres veces se muestra una "c". Para ingresar dos letras sucesivas que están en la misma tecla, el usuario debe hacer una pausa o presionar el botón "siguiente". Un usuario puede escribir presionando un teclado alfanumérico sin mirar la pantalla del equipo electrónico. Por lo tanto, el toque múltiple es fácil de entender y se puede utilizar sin ningún tipo de respuesta visual. Sin embargo, la pulsación múltiple no es muy eficiente y requiere potencialmente muchas pulsaciones de teclas para ingresar una sola letra.
En la entrada de texto predictiva ideal, todas las palabras utilizadas están en el diccionario, se ignora la puntuación, no se cometen errores de ortografía ni errores tipográficos. El diccionario ideal incluiría toda la jerga, los nombres propios , las abreviaturas , las URL , las palabras de idiomas extranjeros y otras palabras exclusivas del usuario. Esta circunstancia ideal le da al software de texto predictivo la reducción en la cantidad de pulsaciones de teclas que un usuario necesita para ingresar una palabra. El usuario pulsa el número correspondiente a cada letra y, siempre que la palabra exista en el diccionario de texto predictivo, o esté correctamente desambiguada por sistemas no diccionario, aparecerá. Por ejemplo, presionar "4663" normalmente se interpretará como la palabra good , siempre que se esté utilizando una base de datos lingüística en inglés, aunque alternativas como home , hood y hoof también son interpretaciones válidas de la secuencia de pulsaciones de teclas.
Los sistemas de texto predictivo más utilizados son el T9 de Tegic , el iTap de Motorola y los LetterWise y WordWise de Eatoni Ergonomía . T9 e iTap utilizan diccionarios, pero los productos de Eatoni Ergonomía utilizan un proceso de desambiguación, un conjunto de reglas estadísticas para recrear palabras a partir de secuencias de pulsaciones de teclas. Todos los sistemas de texto predictivo requieren una base de datos lingüística para cada idioma de entrada admitido.
La desambiguación tradicional funciona haciendo referencia a un diccionario de palabras de uso común, aunque Eatoni ofrece un sistema de desambiguación sin diccionario.
En los sistemas basados en diccionarios, cuando el usuario presiona los botones numéricos, un algoritmo busca en el diccionario una lista de posibles palabras que coincidan con la combinación de teclas y ofrece la opción más probable. Luego, el usuario puede confirmar la selección y continuar, o usar una tecla para recorrer las posibles combinaciones.
Un sistema sin diccionario construye palabras y otras secuencias de letras a partir de estadísticas de partes de palabras. Para intentar predecir el resultado deseado de las pulsaciones de teclas aún no ingresadas, se puede combinar la desambiguación con una función de finalización de palabras .
Cualquiera de los sistemas (desambiguación o predictivo) puede incluir una base de datos del usuario, que puede clasificarse además como un sistema de "aprendizaje" cuando se ingresan palabras o frases en la base de datos del usuario sin la intervención directa del usuario. La base de datos del usuario sirve para almacenar palabras o frases que la base de datos suministrada previamente no elimina bien la ambigüedad. Algunos sistemas de desambiguación intentan además corregir la ortografía, dar formato al texto o realizar otras reescrituras automáticas, con el riesgo de mejorar o frustrar los esfuerzos del usuario por ingresar texto.
El texto predictivo y la tecnología de autocompletar fueron inventados por necesidades de científicos y lingüistas chinos en la década de 1950 para resolver la ineficiencia de entrada de la máquina de escribir china , [2] ya que el proceso de mecanografía implicaba encontrar y seleccionar miles de caracteres logográficos en una bandeja, [3 ] ralentizando drásticamente la velocidad del procesamiento de textos. [4] [5]
Las teclas de accionamiento de la máquina de escribir china creada por Lin Yutang en la década de 1940 incluían sugerencias para los caracteres que seguían al seleccionado. En 1951, el tipógrafo chino Zhang Jiying organizó los caracteres chinos en grupos asociativos, un precursor de la entrada de texto predictiva moderna, y batió récords de velocidad al hacerlo. [6] La entrada predictiva de texto desde el teclado de un teléfono se conoce al menos desde la década de 1970 (Smith y Goodwin, 1971). El texto predictivo se utilizaba principalmente para buscar nombres en directorios por teléfono, hasta que se generalizó el uso de los mensajes de texto en teléfonos móviles.
En el teclado de un teléfono típico, si los usuarios desearan escribir en un sistema de entrada con teclado de "pulsaciones múltiples", tendrían que:
Mientras tanto, en un teléfono con texto predictivo, sólo necesitan:
El sistema actualiza la pantalla cada vez que se ingresa una tecla, para mostrar la entrada más probable. En este ejemplo, la predicción redujo el número de pulsaciones de botones de cinco a tres. El efecto es aún mayor con palabras más largas y aquellas compuestas por letras más adelante en la secuencia de cada tecla.
Un sistema predictivo basado en diccionario se basa en la esperanza de que la palabra deseada esté en el diccionario. Esa esperanza puede estar fuera de lugar si la palabra difiere de alguna manera del uso común, en particular, si la palabra no está escrita o escrita correctamente, es jerga o es un nombre propio . En estos casos se deberá utilizar algún otro mecanismo para introducir la palabra. Además, el enfoque del diccionario simple falla con los lenguajes aglutinativos , donde una sola palabra no representa necesariamente una sola entidad semántica.
El texto predictivo se desarrolla y comercializa en una variedad de productos de la competencia, como el T9 de Nuance Communications . Otros productos incluyen iTap de Motorola ; LetterWise de Eatoni Ergonómico (predicción basada en caracteres, en lugar de palabras); WordWise (predicción basada en palabras sin diccionario); EQ3 (un diseño tipo QWERTY compatible con teclados telefónicos normales); Phraze-It de dispositivos frecuentes; TenGO de Xrgomics (un sistema de teclado QWERTY reducido de seis teclas); Adaptxt (considera lenguaje, contexto, gramática y semántica); Lightkey (un software de escritura predictiva para Windows); Clevertexting (naturaleza estadística del lenguaje, sin diccionario, asignación dinámica de claves); y Tipo Oizea (ambigüedad temporal); Tauto de Intelab; Intelligent Input Platform™ de WordLogic (predicción de texto avanzada patentada basada en capas, incluye diccionario en varios idiomas, corrección ortográfica y búsqueda web integrada); Gboard de Google .
Las palabras producidas por la misma combinación de pulsaciones de teclas se han denominado "textónimos"; [7] también "txtónimos"; [8] o "T9ónimos" (pronunciados "tynonyms" / ˈ t aɪ n ə n ɪ m z / [7] ), aunque no son específicos de T9. La selección del textonimo incorrecto puede ocurrir sin errores ortográficos ni tipográficos, si se selecciona el textonimo incorrecto de forma predeterminada o por error del usuario. Como se mencionó anteriormente, la secuencia de teclas 4663 en el teclado de un teléfono, provisto de una base de datos lingüística en inglés, generalmente será desambiguada como la palabra bueno . Sin embargo, la misma secuencia de teclas también corresponde a otras palabras, como hogar , ido , pezuña , capucha , etc. Por ejemplo, "¿Estás en casa?" podría traducirse como "¿Estás bien?" si el usuario no modifica la palabra 4663 predeterminada. Esto puede dar lugar a malentendidos; por ejemplo, la secuencia 735328 podría corresponder a seleccionar o su antónimo rechazar . Una pelea en 2010 que condujo a un homicidio involuntario fue provocada por un error de texto. [9] El texto predictivo que elige un valor predeterminado diferente al que espera el usuario tiene similitudes con el efecto Cupertino , mediante el cual el software de revisión ortográfica cambia la ortografía a la de una palabra no deseada.
Los textonimos se utilizaron como jerga milenaria ; por ejemplo, el uso de la palabra libro para significar genial , ya que libro era el valor predeterminado en los sistemas de texto predictivo que asumían que era más frecuente que genial . [10] Esto está relacionado con la cacografía .
Los textoónimos no son el único problema que limita la eficacia de las implementaciones de texto predictivo. Otro problema importante son las palabras para las cuales la desambiguación produce una única respuesta incorrecta. El sistema puede, por ejemplo, responder con Blairf al ingresar 252473, cuando la palabra deseada era Blaise o Claire , las cuales corresponden a la secuencia de pulsaciones de teclas, pero, en este ejemplo, el sistema de texto predictivo no las encuentra. Cuando se producen errores tipográficos o ortográficos, es muy poco probable que un sistema de desambiguación los reconozca correctamente, aunque los mecanismos de corrección de errores pueden mitigar ese efecto.
Los valores [de KSPC] para inglés varían desde aproximadamente 10 para métodos que utilizan sólo teclas de cursor y una tecla SELECT hasta aproximadamente 0,5 para técnicas de predicción de palabras. Se demuestra que KSPC es útil para análisis a priori, apoyando así la caracterización y comparación de métodos de entrada de texto antes de implementaciones y evaluaciones que requieren mucha mano de obra.
