Texto predictivo

El texto predictivo es una tecnología de entrada que se utiliza cuando una tecla o botón representa varias letras, como en los teclados numéricos físicos de los teléfonos móviles y en las tecnologías de accesibilidad . Cada vez que se pulsa una tecla, se produce una predicción en lugar de repetir la secuencia de letras que representa en el mismo orden invariable. El texto predictivo permite introducir una palabra completa con una sola pulsación. Además, optimiza el uso de menos teclas para introducir texto en mensajes de texto , correos electrónicos , agendas , calendarios , etc.

Los sistemas de texto predictivo más utilizados son T9 , iTap , eZiText y LetterWise /WordWise. Existen diversas maneras de crear un dispositivo que prediga texto, pero todos los sistemas de texto predictivo cuentan con una configuración lingüística inicial que ofrece predicciones que se priorizan para adaptarse a cada usuario. Este aprendizaje se adapta, mediante la memoria del dispositivo, a la retroalimentación del usuario para desambiguar el texto, lo que resulta en pulsaciones de teclas correctivas, como pulsar la tecla "siguiente" para acceder a la intención. La mayoría de los sistemas de texto predictivo disponen de una base de datos de usuarios para facilitar este proceso.

Teóricamente, el número de pulsaciones de teclas necesarias por carácter deseado en el texto final 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 entrada al escribir o deletrear. ^{[ 1 ]} Las pulsaciones de teclas teóricas por carácter, KSPC, de un teclado son KSPC=1,00, y de multitap es KSPC=2,03. LetterWise de Eatoni es un híbrido predictivo multitap, que cuando opera en un teclado telefónico estándar alcanza KSPC=1,15 para inglés.

La elección del mejor sistema de texto predictivo depende de las preferencias del usuario en cuanto a estilo de interfaz , su nivel de habilidad para manejar el software y sus objetivos de eficiencia. Los sistemas de texto predictivo presentan distintos niveles de riesgo en comparación con los sistemas multitáctiles , ya que el texto generado automáticamente ofrece la ventaja de la velocidad y la eficiencia mecánica, lo que, si el usuario no lo revisa cuidadosamente, puede provocar la transmisión de información errónea. Aprender a usar correctamente un sistema de texto predictivo requiere tiempo, por lo que, generalmente, el sistema del dispositivo ofrece opciones para que el usuario elija entre el modo multitáctil o cualquiera de los diversos métodos de texto predictivo.

El servicio de mensajes cortos (SMS) permite a los usuarios de teléfonos móviles enviar mensajes de texto (también llamados SMS, mensajes de texto o txt) como mensajes breves. El sistema más común para introducir texto en SMS se denomina " multitáctil ". Con el multitáctil, se pulsa una tecla varias veces para acceder a la lista de letras que contiene. Por ejemplo, al pulsar la tecla "2" una vez se muestra una "a", dos veces una "b" y tres veces una "c". Para introducir dos letras consecutivas que se encuentren en la misma tecla, el usuario debe hacer una pausa o pulsar el botón "siguiente". El usuario puede escribir pulsando un teclado alfanumérico sin mirar la pantalla del dispositivo. Por lo tanto, el multitáctil es fácil de entender y se puede usar sin ninguna retroalimentación visual. Sin embargo, el multitáctil no es muy eficiente, ya que puede requerir muchas pulsaciones para introducir una sola letra.

En la entrada de texto predictivo ideal, todas las palabras utilizadas están en el diccionario, se ignora la puntuación, no se cometen errores ortográficos ni de escritura. El diccionario ideal incluiría jerga, nombres propios , abreviaturas , URL , palabras en otros idiomas y otras palabras únicas del usuario. Esta circunstancia ideal permite que el software de texto predictivo reduzca la cantidad de pulsaciones de teclas que un usuario necesita para escribir una palabra. El usuario presiona el número correspondiente a cada letra. Siempre que la palabra exista en el diccionario de texto predictivo o sea correctamente desambiguada por sistemas que no utilizan diccionarios, aparecerá. Por ejemplo, presionar "4663" normalmente se interpretará como la palabra " good " (bueno ), siempre que se esté utilizando una base de datos lingüística en inglés, aunque alternativas como " home" (hogar) , "hood" (capucha ) y "hoof" (pezuña) también son interpretaciones válidas de la secuencia de pulsaciones de teclas.

Los sistemas de texto predictivo más utilizados son T9 de Tegic, iTap de Motorola y LetterWise y WordWise de Eatoni Ergonomics . T9 e iTap utilizan diccionarios, pero los productos de Eatoni Ergonomics emplean un proceso de desambiguación, un conjunto de reglas estadísticas para reconstruir 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, a medida que el usuario pulsa los botones numéricos, un algoritmo busca en el diccionario una lista de palabras que coincidan con la combinación de teclas pulsada y ofrece la opción más probable. El usuario puede confirmar la selección y continuar, o usar una tecla para recorrer las combinaciones posibles.

Un sistema sin diccionario 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 aún no introducidas, se puede combinar la desambiguación con una función de autocompletado de palabras .

Ambos sistemas (de desambiguación o predictivo) pueden incluir una base de datos de usuario, que puede clasificarse como un sistema de "aprendizaje" cuando se introducen palabras o frases sin intervención directa del usuario. Esta base de datos se utiliza para almacenar palabras o frases que no se desambiguan correctamente con la base de datos preinstalada. Algunos sistemas de desambiguación intentan, además, corregir la ortografía, formatear el texto o realizar otras reescrituras automáticas, con el riesgo de facilitar o dificultar la introducción de texto por parte del usuario.

La tecnología de texto predictivo y autocompletado fue inventada por científicos y lingüistas chinos en la década de 1950 por necesidad para resolver la ineficiencia de entrada de la máquina de escribir china , ^{[ 2 ]} ya que el proceso de escritura implicaba encontrar y seleccionar miles de caracteres logográficos en una bandeja, ^{[ 3 ]} lo que ralentizaba drásticamente la velocidad de procesamiento de palabras. ^{[ 4 ] [ 5 ]}

Las teclas 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 predictivo moderna, y batió récords de velocidad al hacerlo. ^{[ 6 ]} La entrada predictiva de texto desde un teclado telefónico se conoce al menos desde la década de 1970 (Smith y Goodwin, 1971). El texto predictivo se usaba principalmente para buscar nombres en directorios telefónicos hasta que los mensajes de texto en teléfonos móviles se generalizaron.

En un teclado telefónico típico, si los usuarios desearan escribir en un sistema de entrada de teclado de "pulsaciones múltiples", necesitarían:

• Pulse 8 (tuv) una vez para seleccionar t .
• Pulse 4 (ghi) dos veces para seleccionar h .
• Pulse 3 (def) dos veces para seleccionar e .

Mientras tanto, en un teléfono con texto predictivo, solo necesitan:

• Pulse 8 una vez para seleccionar el grupo (tuv) para el primer carácter.
• Pulsa 4 una vez para seleccionar el grupo (ghi) para el segundo carácter.
• Pulsa 3 una vez para seleccionar el grupo (def) para el tercer carácter.

El sistema actualiza la pantalla con cada pulsación de tecla para mostrar la entrada más probable. En este ejemplo, la predicción redujo el número de pulsaciones de cinco a tres. El efecto es aún mayor con palabras más largas y aquellas compuestas por letras que se encuentran más adelante en la secuencia de cada tecla.

Un sistema predictivo basado en diccionarios parte de la premisa de que la palabra deseada se encuentra en el diccionario. Esta premisa puede ser infundada si la palabra difiere de alguna manera del uso común , en particular si está mal escrita o tecleada, es jerga o es un nombre propio . En estos casos, debe emplearse otro mecanismo para introducir la palabra. Además, el enfoque simple del diccionario falla con las lenguas aglutinantes , donde una sola palabra no necesariamente representa una única entidad semántica.

El texto predictivo se desarrolla y comercializa en una variedad de productos de la competencia, como 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 a QWERTY compatible con teclados telefónicos regulares); 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 escritura 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 integrada); Gboard de Google .

Las palabras producidas por la misma combinación de pulsaciones de teclas se han llamado "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. Seleccionar el textónimo incorrecto puede ocurrir sin falta de ortografía o errata, si el textónimo incorrecto se selecciona por defecto o debido a un error del usuario. Como se mencionó anteriormente, la secuencia de teclas 4663 en un teclado telefónico, 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 , etc. Por ejemplo, "Are you home?" podría traducirse como "Are you good?" si el usuario no cambia la palabra predeterminada 4663. Esto puede llevar a malentendidos; Por ejemplo, la secuencia 735328 podría corresponder a "seleccionar" o a su antónimo " rechazar" . Una pelea en 2010 que terminó en homicidio involuntario se originó por un error de textónimo. ^{[ 9 ]} El texto predictivo que elige una opción predeterminada diferente a la que espera el usuario tiene similitudes con el efecto Cupertino , por el cual el software de corrección ortográfica cambia la ortografía de una palabra a la de una palabra no deseada.

Los textónimos se usaban como jerga millennial ; 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 introducir 252473, cuando la palabra prevista era Blaise o Claire , ambas correspondientes a la secuencia de teclas, pero que, en este ejemplo, el sistema de texto predictivo no detecta. Cuando se producen errores tipográficos o de ortografía, es muy improbable que un sistema de desambiguación los reconozca correctamente, aunque los mecanismos de corrección de errores pueden mitigar este efecto.

• Smith, Sidney L.; Goodwin, Nancy C. (1971). "Entrada de datos alfabéticos mediante teclado táctil: un comentario". Factores humanos . 13 (2): 189– 190. doi : 10.1177/001872087101300212 . S2CID 61164630 . 

• Artículo de New Scientist sobre textónimos
• Un artículo de un periódico australiano sobre textónimos
• Notas técnicas sobre iTap (incluidas listas de textónimos)