El texto predictivo es una tecnología de entrada que se utiliza cuando una tecla o un botón representan muchas letras, como en los teclados numéricos físicos de los teléfonos móviles y en las tecnologías de accesibilidad . Cada pulsación de una tecla da como resultado una predicción en lugar de repetir la secuencia del mismo grupo de "letras" que representa, en el mismo orden invariable. El texto predictivo podría permitir que se introduzca una palabra entera con una sola pulsación de una tecla. El texto predictivo hace un uso eficiente de menos teclas del dispositivo para introducir texto en un mensaje de texto , un correo electrónico , una libreta de direcciones , un calendario y similares.
Los sistemas de texto predictivo 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 reordenan para adaptarse a cada usuario. Este aprendizaje se adapta, a través de la memoria del dispositivo, a la retroalimentación de desambiguación del usuario que da como resultado pulsaciones de teclas correctivas, como pulsar una tecla "siguiente" para llegar a la intención. La mayoría de los sistemas de texto predictivo tienen una base de datos de usuarios para facilitar este proceso.
En teoría, la cantidad de pulsaciones de teclas necesarias por cada carácter deseado en el texto terminado es, en promedio, comparable a la del 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 entrada al escribir o deletrear. [1] Las pulsaciones de teclas teóricas por carácter, KSPC, de un teclado es KSPC=1,00, y de multi-tap es KSPC=2,03. LetterWise de Eatoni es un híbrido predictivo de multi-tap, que cuando funciona en un teclado de teléfono estándar logra KSPC=1,15 para inglés.
La elección del mejor sistema de texto predictivo para utilizar implica que el usuario tenga en cuenta el estilo de interfaz preferido , el nivel de capacidad de aprendizaje del usuario para utilizar el software de texto predictivo y el objetivo de eficiencia del usuario. Existen varios niveles de riesgo en los sistemas de texto predictivo, en comparación con los sistemas de pulsaciones múltiples , porque el texto predictivo que se escribe automáticamente y que proporciona la ventaja de velocidad y eficiencia mecánica podría, si el usuario no revisa con cuidado, dar lugar a la transmisión de información errónea. Los sistemas de texto predictivo requieren tiempo para aprender a utilizarlos bien y, por lo tanto, generalmente, el sistema de un dispositivo tiene opciones de usuario para configurar la elección de pulsaciones múltiples o de cualquiera de las diversas escuelas de métodos de texto predictivo.
El servicio de mensajes cortos (SMS) permite a los usuarios de teléfonos móviles 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-tap ". Al utilizar el multi-tap, se pulsa una tecla varias veces para acceder a la lista de letras de esa tecla. Por ejemplo, al pulsar la tecla "2" una vez se muestra una "a", dos veces se muestra una "b" y tres veces se muestra una "c". Para introducir dos letras sucesivas que se encuentran en la misma tecla, el usuario debe hacer una pausa o pulsar el botón "siguiente". Un usuario puede escribir pulsando un teclado alfanumérico sin mirar la pantalla del equipo electrónico. Por tanto, el multi-tap es fácil de entender y se puede utilizar sin ninguna respuesta visual. Sin embargo, no es muy eficiente, ya que es posible que se necesiten muchas pulsaciones de teclas para introducir una sola letra.
En la introducción de texto predictivo ideal, todas las palabras utilizadas están en el diccionario, se ignora la puntuación, no se cometen errores ortográficos ni de tipeo. El diccionario ideal incluiría toda la jerga, los nombres propios , las abreviaturas , las URL , las palabras en lenguas extranjeras y otras palabras exclusivas del usuario. Esta circunstancia ideal proporciona al software de texto predictivo la reducción en la cantidad de pulsaciones de teclas que un usuario debe realizar para introducir 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 que no sean diccionarios, aparecerá. Por ejemplo, pulsar "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 Ergonomics . El T9 y el iTap utilizan diccionarios, pero los productos de Eatoni Ergonomics 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 compatible.
La desambiguación tradicional funciona consultando 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. El usuario puede confirmar la selección y continuar, o utilizar una tecla para recorrer las posibles combinaciones.
Un sistema que no utiliza diccionarios construye palabras y otras secuencias de letras a partir de las estadísticas de las partes de las palabras. Para intentar predecir el resultado deseado de las pulsaciones de teclas que aún no se han introducido, la desambiguación se puede combinar con una función de completar palabras .
Ambos sistemas (de desambiguación o predictivos) pueden incluir una base de datos de usuarios, que puede clasificarse además como un sistema de "aprendizaje" cuando se introducen palabras o frases en la base de datos de usuarios sin intervención directa del usuario. La base de datos de usuarios sirve para almacenar palabras o frases que no se desambiguan correctamente con la base de datos proporcionada previamente. 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 introducir texto.
La tecnología de texto predictivo y autocompletado fue inventada por necesidad por 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] lo que ralentizaba drásticamente la velocidad de procesamiento de texto. [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 siguientes 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 rompió récords de velocidad al hacerlo. [6] La entrada predictiva de texto desde un teclado de teléfono se conoce al menos desde la década de 1970 (Smith y Goodwin, 1971). El texto predictivo se utilizó principalmente para buscar nombres en directorios por teléfono, hasta que se generalizó el uso de mensajes de texto en teléfonos móviles.
En un teclado de teléfono típico, si los usuarios quisieran escribir en un sistema de entrada de teclado de "múltiples toques", necesitarían:
Mientras tanto, en un teléfono con texto predictivo, sólo necesitan:
El sistema actualiza la pantalla a medida que se pulsa cada tecla para mostrar la entrada más probable. En este ejemplo, la predicción redujo la cantidad de pulsaciones de cinco a tres. El efecto es aún mayor con palabras más largas y compuestas por letras que aparecen más adelante en la secuencia de cada tecla.
Un sistema predictivo basado en diccionarios se basa en la esperanza de que la palabra deseada esté en el diccionario. Esa esperanza puede ser infundada si la palabra difiere de algún modo del uso común, en particular, si la palabra no está escrita o tipeada correctamente, es una jerga o es un nombre propio . En estos casos, se debe utilizar algún otro mecanismo para introducir la palabra. Además, el enfoque del diccionario simple falla con los idiomas aglutinantes , 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 Ergonomic (predicción basada en caracteres, en lugar de palabras); WordWise (predicción basada en palabras sin diccionario); EQ3 (un diseño similar al QWERTY compatible con los teclados de los teléfonos normales); Phraze-It de Prevalent Devices; TenGO de Xrgomics (un sistema de teclado QWERTY reducido de seis teclas); Adaptxt (considera el lenguaje, el contexto, la gramática y la semántica); Lightkey (un software de mecanografía predictiva para Windows); Clevertexting (naturaleza estadística del lenguaje, sin diccionario, asignación dinámica de teclas); y Oizea Type (ambigüedad temporal); Tauto de Intelab; Intelligent Input Platform™ de WordLogic (predicción de texto avanzada patentada basada en capas, incluye diccionario multilingüe, corrector ortográfico, búsqueda web incorporada); Gboard de Google .
Las palabras producidas por la misma combinación de pulsaciones de teclas se han denominado "textónimos"; [7] también "txtónimos"; [8] o "T9ónimos" (pronunciado "tynonyms" / ˈ t aɪ n ə n ɪ m z / [7] ), aunque no son específicos de T9. La selección del textónimo incorrecto puede ocurrir sin falta de ortografía ni error tipográfico, si el textónimo incorrecto se selecciona por defecto o por error del usuario. Como se mencionó anteriormente, la secuencia de teclas 4663 en un teclado de teléfono, provisto de una base de datos lingüística en inglés, generalmente se desambiguará como la palabra good . Sin embargo, la misma secuencia de teclas también corresponde a otras palabras, como home , gone , hoof , hood y así sucesivamente. Por ejemplo, "¿Estás en casa?" podría traducirse como "¿Estás bien?" si el usuario no modifica la palabra predeterminada 4663. Esto puede dar lugar a malentendidos; Por ejemplo, la secuencia 735328 podría corresponder a select o a su antónimo reject . Una pelea de 2010 que terminó en homicidio fue provocada por un error de textónimo. [9] El texto predictivo que elige un valor predeterminado diferente del que el usuario espera tiene similitudes con el efecto Cupertino , por el cual el software de revisión ortográfica cambia la ortografía por la de una palabra no deseada.
Los textónimos se usaban como jerga milenial ; por ejemplo, el uso de la palabra book para significar cool , ya que book era el valor predeterminado en los sistemas de texto predictivo que asumían que era más frecuente que cool . [10] Esto está relacionado con la cacografía .
Los textónimos no son el único problema que limita la eficacia de las implementaciones de texto predictivo. Otro problema importante son las palabras para las que 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 , que corresponden a la secuencia de teclas, pero que, en este ejemplo, el sistema de texto predictivo no encuentra. Cuando se producen errores tipográficos o de ortografía, es muy poco probable que un sistema de desambiguación los reconozca correctamente, aunque los mecanismos de corrección de errores pueden mitigar ese efecto.
valores [de KSPC] para inglés varían desde aproximadamente 10 para métodos que utilizan solo 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, lo que respalda la caracterización y comparación de métodos de entrada de texto antes de implementaciones y evaluaciones que requieren mucho trabajo.
