ടൈപ്പിംഗ് വേഗതയിലാണോ കൃത്യതയിലാണോ ഞാൻ ശ്രദ്ധിക്കേണ്ടത്?

ഈ ഉദാഹരണങ്ങൾ ലളിതമായ അന്തിമ-പ്രതീക കൃത്യതാ നിർവചനം ഉപയോഗിക്കുന്നു. യഥാർത്ഥ പഠനങ്ങൾ ചേർത്തതും ഒഴിവാക്കിയതും മാറ്റിസ്ഥാപിച്ചതുമായ പ്രതീകങ്ങൾ കൈകാര്യം ചെയ്യാൻ കുറഞ്ഞ സ്ട്രിംഗ് ദൂരം ഉപയോഗിച്ചേക്കാം, അതിനാൽ ഈ ഉദാഹരണങ്ങളെ ഓരോ സൈറ്റിന്റെയും കൃത്യതാ അളവിന്റെ പുനരാവിഷ്കാരമായി തെറ്റിദ്ധരിക്കരുത്. ഉദ്ദേശിച്ചതും ട്രാൻസ്ക്രൈബ് ചെയ്തതുമായ സ്ട്രിംഗുകൾ സ്കോറിംഗിൽ വ്യക്തമാക്കേണ്ടത് എന്തുകൊണ്ടെന്ന് അളവെടുപ്പ് സാഹിത്യം വിശദീകരിക്കുന്നു. Soukoreff et al., 2003 Soukoreff et al., 2001

ബാക്കിയുള്ള പിശകുകളും തിരുത്തിയ പിശകുകളും വ്യത്യസ്തമാണ്

ധാരാളം പിശകുകൾ വരുത്തി അവയെല്ലാം തിരുത്തുന്ന ഒരാൾ കൃത്യമായ പാഠത്തിൽ എത്തിയേക്കാം, പക്ഷേ അതിന് ഗണ്യമായ സമയം തിരുത്തലിനായി ചെലവഴിക്കേണ്ടിവരും. പിശകുകൾ അവശേഷിപ്പിക്കുന്ന ഒരാൾ വേഗതയേറിയതായി തോന്നിയേക്കാം, പക്ഷേ ഉപയോഗയോഗ്യത കുറഞ്ഞ ഔട്ട്പുട്ട് ഉൽപ്പാദിപ്പിക്കുന്നു. അതിനാൽ അന്തിമ പിശക് നിരക്ക്, തിരുത്തൽ പരിശ്രമം, എൻട്രി നിരക്ക് എന്നിവ വ്യത്യസ്ത ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്നു. Soukoreff et al., 2003

ഡെസ്ക്ടോപ്പ് ഡാറ്റാസെറ്റ് തിരുത്താത്ത പിശകുകളും തിരുത്തലുമായി ബന്ധപ്പെട്ട അളവുകളും റിപ്പോർട്ട് ചെയ്യുന്നു. വേഗതയേറിയ പങ്കാളികൾ പൊതുവെ കുറച്ച് പിശകുകൾ കാണിച്ചു, എന്നാൽ പഠനം നിരീക്ഷണാത്മകമായിരുന്നു. എല്ലാവരെയും വേഗത്തിൽ ടൈപ്പ് ചെയ്യാൻ നിർബന്ധിച്ചാൽ അവർ കൂടുതൽ കൃത്യതയുള്ളവരാകുമെന്നോ, ഒരു നിശ്ചിത അളവ് വേഗത കുറയ്ക്കുന്നത് നിർദ്ദിഷ്ട മെച്ചപ്പെടുത്തൽ വരുത്തുമെന്നോ ഇത് കാണിക്കുന്നില്ല. Dhakal et al., 2018

സാർവത്രികമായ അനുയോജ്യ ശതമാനം എന്തുകൊണ്ട് ഇല്ല

ഒരു പിശകിന്റെ ചെലവ് ഏത് ജോലിയെയും അതിനുശേഷം സംഭവിക്കുന്നതിനെയും ആശ്രയിച്ചിരിക്കുന്നു. ഒരു ട്രാൻസ്ക്രിപ്ഷൻ ബെഞ്ച്മാർക്ക് നൽകിയ പാഠം അളക്കുന്നു; രചനയോ എഡിറ്റിംഗോ അധിക തീരുമാനങ്ങൾ ഉൾക്കൊള്ളുന്നു. അടിസ്ഥാന ടൈപ്പിംഗ്, ടെക്സ്റ്റ്-എൻട്രി അവലോകനങ്ങൾ ഈ ജോലിഘടകങ്ങളെ വേർതിരിച്ചറിയുന്നു, ഒരു സാഹചര്യത്തിലെ നിരക്കുകൾ എല്ലാ ജോലികൾക്കും നേരിട്ട് ബാധകമല്ലാത്തത് എന്തുകൊണ്ടെന്ന് വിശദീകരിക്കുന്നു. Salthouse, 1986 MacKenzie and Soukoreff, 2002

സാധാരണ പാഠവും റാൻഡം സ്ട്രിംഗും ടൈപ്പ് ചെയ്യുന്നതിനിടയിൽ, പരിചയസമ്പന്നരായ പങ്കാളികൾക്കിടയിലും വലിയ വ്യത്യാസങ്ങൾ ഒരു ലബോറട്ടറി പഠനം കണ്ടെത്തി. ഖണ്ഡികയുടെ പരിചയം ഒരു സ്കോർ അളക്കുന്ന ഘടകമാണ്. ലളിതമായ പദപ്പട്ടികയിലെ വ്യക്തിഗത മികച്ച നേട്ടം, വിരാമചിഹ്നങ്ങൾ ഏറെയുള്ള ഗദ്യത്തിലും തുല്യ പ്രകടനമാണെന്ന തെളിവല്ല. Feit et al., 2016

ഉപകരണ സഹായം വ്യാഖ്യാനത്തെ മാറ്റുന്നു

ഓട്ടോകറക്ട്, ടൈപ്പ് ചെയ്ത പ്രതീകങ്ങളുടെ ഒന്നിനൊന്നുള്ള ക്രമമില്ലാതെ പാഠം മാറ്റിസ്ഥാപിച്ചേക്കാം; പ്രവചനം ഒരു മുഴുവൻ വാക്ക് ചേർത്തേക്കാം. തത്ഫലമായി കീസ്ട്രോക്ക് തലത്തിലുള്ള പിശക് അളവുകളുടെ പരിമിതികൾ മൊബൈൽ പഠനം വ്യക്തമായി ചർച്ച ചെയ്യുന്നു. സഹായത്തോടെയുള്ള ഫോൺ എൻട്രിയെ സഹായമില്ലാത്ത ഡെസ്ക്ടോപ്പ് എൻട്രിയുമായി അവയുടെ കൃത്യതാ ശതമാനം ഒരുപോലെയാണെന്ന് കണക്കാക്കി താരതമ്യം ചെയ്യുന്നത് അർത്ഥവത്തായ വ്യത്യാസങ്ങളെ മറയ്ക്കാം. Palin et al., 2019

ന്യായയുക്തമായ പരിശീലന സമീപനം എന്താണ്?

അതേ ജോലി ഉപയോഗിച്ച്, ബന്ധപ്പെട്ട പിശക് അളവിനൊപ്പം നിരക്ക് രേഖപ്പെടുത്തുക. ഒരൊറ്റ റൺ തിരഞ്ഞെടുക്കുന്നതിനുപകരം സമാനമായ പരിചയമില്ലാത്ത ഖണ്ഡികകളുടെ ബ്ലോക്കുകൾ താരതമ്യം ചെയ്യുക. ഇത് അളവെടുപ്പിനുള്ള ശുപാർശയാണ്, അവകാശപ്പെടുന്ന അനുയോജ്യ പരിശീലന അളവല്ല. ദൈനംദിന ടൈപ്പിസ്റ്റുകളുടെ പരിശീലന ചരിത്രത്തെക്കുറിച്ചുള്ള തെളിവുകൾ ജോലി-നിർദ്ദിഷ്ട നൈപുണ്യത്തെ പിന്തുണയ്ക്കുന്നു, പക്ഷേ സാർവത്രികമായ വേഗത-കൃത്യത പരിശീലന അനുപാതം സ്ഥാപിക്കുന്നില്ല. Keith et al., 2007 MacKenzie and Soukoreff, 2002

വേഗതയേറിയ ഒരു റൺ കൂടുതൽ പിശകുകൾ അവശേഷിപ്പിക്കുന്നുവെങ്കിൽ, അതിനെ നിരുപാധികമായ മെച്ചപ്പെടുത്തലായി വിശേഷിപ്പിക്കാതെ വേഗതയും കൃത്യതയും തമ്മിലുള്ള വിട്ടുവീഴ്ചയായി വിവരിക്കുക. തിരുത്തൽ പരിശ്രമം കുറയുമ്പോൾ അന്തിമ കൃത്യത സ്ഥിരമായി തുടരുന്നുവെങ്കിൽ, അതും ഉപയോഗപ്രദമായ വിവരമാണ്. ബഹുവിധ അളവുകളുടെ ഉദ്ദേശം മാറ്റം ദൃശ്യമാക്കുകയാണ്, എല്ലാ ഫലങ്ങളെയും ഒരു മനോഹരമായ സംഖ്യയിലേക്ക് ചുരുക്കുകയല്ല. Soukoreff et al., 2003 Soukoreff et al., 2001

മെച്ചപ്പെടുത്തൽ പരിശോധിച്ച തലത്തിൽ തന്നെ വിവരിക്കണം. മെച്ചപ്പെട്ട ടൈപ്പിംഗ് ഉപയോഗപ്രദമായ ഒരു നൈപുണ്യമാണ്; ഉദ്ധരിച്ച കീബോർഡ് പഠനങ്ങൾ WPM-യോ കൃത്യതയോ ബുദ്ധി, ശ്രദ്ധക്കുറവ്, പൊതു ബോധധാരണ വർദ്ധന എന്നിവയുടെ അളവാക്കി മാറ്റുന്നില്ല. അവയുടെ നിഗമനങ്ങൾ നിർവചിക്കപ്പെട്ട സാഹചര്യങ്ങളിലെ ടെക്സ്റ്റ് എൻട്രിയെക്കുറിച്ചാണ്. Dhakal et al., 2018 Feit et al., 2016