تلاشی برای طراحی یک چینش بهینه تر برای صفحه کلید استاندارد فارسی؟!

[~!~]

بنظر من این می‌تونه یه یه موضوع جالب برای پایان‌نامه باشه. البته نمی‌دونم تو چه رشته‌ای می‌شه «زبان‌شناسی رایانشی» (computational linguistic) یا Human-Computer Interaction یا ...

[کیان]

یک دستور sell script که تعداد تکرار هر نوع کاراکتری رو در فایل ورودی می شماره، نوشته شده توسط Lars Noodén:

کد: [انتخاب]

sed 's/\(.\)/\1\n/g' FILE_NAME | tr '[:upper:]' '[:lower:]' | sort | uniq -c

من خودم مدت‌ها روی این موضوع فکر کردم (در حقیقت از زمان آشنایی با Dvorak)، ولی این یک پروژه کوتاه مدت نیست و احتمالا هم چیزی نیست که به راحتی بشه در اینجا ازش نتیجه گرفت. از نظر من برای اینکه بشه یک نتیجه خوب گرفت، باید حداقل یک سال روی این موضوع زمان گذاشت.

حداقل چیزی که اینجا اتفاق افتاده اینه که نیازی رو شناختیم که همگی روش توافق داریم

[امید توانا]

۲ تا سرچشمه‌ی خوب پیدا کردم. اولی ابزاری برخط برای بررسی کارایی یه چهارچوب صفحه کلید است. ولی این ابزار به درد کار تحقیقی کامل نمی‌خوره و باید ابزاری خط‌فرمانی داشته باشیم. ابزار دوم چنین ابزاری است با راهنمای پی‌دی‌اف که الگوریتم رو توضیح داده که کارمون رو بسیار آسون می‌کنه.

[امید توانا]

از چند روز پیش ساخت نرم‌افزار بررسی صفحه کلید رو آغاز کردم، بر اساس کیوت، که در پایان به صورت آزاد منتشر می‌شه. الان در مرحله خوبی به سر می‌بره و نیاز به متن‌های استاندارد فارسی، برای بررسی شمایل‌های مختلف صفحه کلید دارم. اگر متن کتاب فارسی مجاز در اختیار دارید (که به سبک درستی نگارش شده باشد)، لطفن به من اطلاع دهید. در بررسی‌هایی که انجام شده، ۸ واج پربسامد همواره اینها بوده‌اند، به ترتیب: «ا ی ر د ن ه و م».  این واج‌ها باید در رج خانه (رج میانی، زیر ۸ انگشت) قرار بگیرند. از آنجا که ترکیب‌های «ما ها را یا» ترکیب‌های پربسامد هستند، و بهتر است در تایپ آنها از ترکیب هر دو دست استفاده شود، چینش این ۸ واج پیشنهادی من به این صورت است:

کد: [انتخاب]

و ن د ا ------ ی ر ه مبه خاطر سپردنش آسونه: «مهری وندا». نظر شما چیه؟

[کیان]

نکاتی بچه ها قبلا گفتند که خیلی خوب بود:‌تلاش برای داشتن حداقل تغییر نسبت به کیبورد فعلی که این اصل در ورکمن هم رعایت شده

این واج‌ها باید در رج خانه (رج میانی، زیر ۸ انگشت) قرار بگیرند. از آنجا که ترکیب‌های «ما ها را یا» ترکیب‌های پربسامد هستند، و بهتر است در تایپ آنها از ترکیب هر دو دست استفاده شود، چینش این ۸ واج پیشنهادی من به این صورت است:

کد: [انتخاب]

و ن د ا ------ ی ر ه مبه خاطر سپردنش آسونه: «مهری وندا». نظر شما چیه؟

ترکیبهای پربسامد چرا با دو دست تایپ شوند؟ کنار هم باشند بهتر نیست؟ قاعده اش چیه؟

نکات زیر می تونه کمک کنه
سختی های مهاجرت به دوراک از نگاه طراح کلمک:
۱. مشکل اصلی Dvorak، سختی زیاد و خسته کننده بودن یادگیریش برای کاربران کوئرتیه!
۲. قرار دادن L در دوراک به جای Pی کوئرتی سبب فشار بیش از حد به انگشت کوچک دست میشه. در کلمک حروف پرتکرار در جایی که انگشتهای کوچک کشیده می شن قرار نگرفته

F is on the QWERTY 'Y' position which is a difficult stretch on normal keyboards
I is very frequent but isn't on the home position
R is very frequent but isn't on the home row
It is significantly lopsided so that the right hand does too much work
It's not comfortable to use Ctrl-Z/X/C/V shortcuts with the left hand while holding the mouse with the right hand. Colemak conserves those shortcuts in their QWERTY positions
Even though the design principles are sound, the implementation isn't optimal because it was designed without the aid of computers
L and 'S' form a frequent same-finger digraph on the right pinky. Same-finger for the pinky is very rare in Colemak. In particular, Unix commands such as 'ls -l' are very uncomfortable to type
Some punctuation (in particular the curly/square brackets) is less comfortable to type on Dvorak. This affects mainly programmers and advanced Unix users

چرا یادگیری کلمک ساده است: http://colemak.com/wiki/index.php?title=Easy_to_learn

[امید توانا]

جالبه بدونید که حدود ۶۵ درصد از حرف‌های کلمه‌های فارسی همون ۸ حرفی است که بیان کردم، بنابراین بر روی اونها نمی‌شه کوتاه اومد. ما مشکلات Dvorak رو نداریم چون در زبان انگلیسی نه تنها تایپیست‌ها با صفحه کلید خوگرفته‌اند، بلکه برنامه‌نویسها و حتی بسیاری از مردم عادی، قدرت تایپ بالایی دارند و با qwerty عادت دارند و ترک این عادت برایشان خیلی سخت است و عملن تنها عده‌ای از تایپیست‌ها ممکن است خود رو به تغییر راضی کنند ولی مردم عادی و برنامه‌نویسان نه. در فارسی خوشبختانه (یا شایدم بدبختانه) این مشکل رو نداریم چون تقریبن تنها تایپیست‌های حرفه‌ای با صفحه کلید کنونی عادت دارند و مردم عادی اصولن جای حروف رو هم نمیدونند (باید برچسب نصب کنند) و حتی پینگلیش رو به فارسی ترجیح می‌دن. بنابراین ترک عادت مردم عادی در ایران راحت‌تره. بنابراین مشکلی زیادی از اون نظر نیست. ولی در مورد جای «د» و «ر» نظرم برگشته. چون بسامد ترکیب «دن» و «ند» و «اد» در فارسی خیلی زیاده. بنابراین سیستم پیشنهادی ۸ واج اصلی شاید به این صورت بهتر باشه

کد: [انتخاب]

و ن ر ا ----- ی د ه م

[جادی]

خوبه که ادامه داره (: من دو تا کتاب ترجمه کرده ام که طبق پیشنهاد کیان فکر کردم شاید برای کار شما تا حدی مناسب باشه. گذاشتمش اینجا:

https://dl.dropboxusercontent.com/u/14240570/farsi_text.txt.gz

معلومه که نمی خوام متن ها پخش بشن و در نتیجه لطفا زیاد پخش نشه و فقط برای اینکار استفاده بشه. در ضمن برای یک حرکت احتیاطی سورتش کردم به ترتیب پاراگراف (((: اما به نظرم مشکلی در کاربردی که شما دارین ایجاد نکنه.

[abyz]

سلام دوستان!

خیلی جالبه که دوستان روی این موضوع کار میکنن. بنده هم اعلام میکنم که منم پایم!

من اندکی زبانشناسی بلدم البته به اندازه یه درس که پاس کردم و یه سریی ابزار میشناسم که اینا یه گرامری به نام n-gram در میارن که میگه احتمال ترکیبای n حرف پشت سر هم چقدره. که همشون اپن سورسن و اگر هم اپن سورس نباشن سورسشون تو دانشگاه‌ها پیدا میشه یعنی برای استفاده تحقیقاتی و این صحبتا مشکلی ندارن. اگه کمک میکنه بگید.

نکته‌ی دیگه‌ای که من یکم که گوگل رو خوندم در آوردم اینه که سعی بشه از خط مشی‌هایی که dvorak داده استفاده بشه و اون خط مشی‌ها تو فارسی معنی بشه مثلا توی انگلیسی یکی از نکته‌ها اینه که حروف صدا دار vowel  و حروف بی صدا consonants در دو سمت صفحه کلید قرار دارند که خیلی شاید جای خاصی تو فارسی نداشته باشه. یا مثلا اولویت‌ ردیف‌های صفحه کلید فرق دارند (توضیح واضحات بود میدونم).

من پیشنهادم اینه که یه جایی مثل github یا یه چنین جایی رو انتخاب کنیم بعدش نتایجی که بدست اومده رو منظم کنیم تا بشه یه کارایی کرد.

کمکی از دست من میومد بگید

[امید توانا]

خوبه که ادامه داره (: من دو تا کتاب ترجمه کرده ام که طبق پیشنهاد کیان فکر کردم شاید برای کار شما تا حدی مناسب باشه. گذاشتمش اینجا:

https://dl.dropboxusercontent.com/u/14240570/farsi_text.txt.gz

معلومه که نمی خوام متن ها پخش بشن و در نتیجه لطفا زیاد پخش نشه و فقط برای اینکار استفاده بشه. در ضمن برای یک حرکت احتیاطی سورتش کردم به ترتیب پاراگراف (((: اما به نظرم مشکلی در کاربردی که شما دارین ایجاد نکنه.

ممنونم. من فایل رو برداشتم، اگر می‌خواهید می‌تونید لینک رو حذف کنید. در عکس‌ها اثر نرم‌افزار رو روی سه متن «بوف کور»، «گزارش اقلیت» و «متن جادی» می‌بینید. قسمت Compare نرم‌افزار هنوز کامل نیست، چون در حال مطالعهٔ فاکتورهای مهم در برآورد یک صفحه کلید هستم. هر زمان که اطلاعاتم کامل شد، این قسمت هم نوشته می‌شه. احتمالا ۱ هفته کار می‌بره. به هر حال ۸ واج «ا د م ه ن ی ر و» در همه متنها بیشترین بسامد رو دارند و بیش از ۶۵ درصد متن رو به خودشون اختصاص می‌دن. بنابراین باید در زیر ۸ انگشت در ردیف خانه قرار بگیرند. با توجه به فراوانی ترکیب‌های دوتایی «ای»، «می»، «را»، «ود»، «ان»، «رد»، «ند»، «دا» و «ار»، این هشت حرف بهتر است به ۲ گروه چهارتایی «ا د م ه» و «ن ی ر و» تقسیم شوند که هر دسته در کنار هم قرار می‌گیرند. (برای توالی بهتر دست‌ها که عامل مهمی در افزایش سرعت وکاهش خطاست) با توجه به اینکه ترکیب «د.» فراوان است و بعد از نقطه فاصله قرار دارد،‌ بهتر است گروه «ا د م ه» زیر دست چپ قرار بگیرد (چون فاصله همواره با شست راست است و جای نقطه رو بهتره برای سازگاری با صفحه کلید انگلیسی، در جای معمول انگلیسی خود قرار بدیم). با این حال این موارد آخر قابل بحث است. هنوز دارم مطالعه می‌کنم تا تئوری رو بهتر بفهمم تا بتونم مشخص کنم هر کدوم از این واج‌ها زیر کدوم انگشت باید قرار بگیرند.
این هم از عکس‌ها

[دانیال بهزادی]

از طرف گروه ادبیات گمانه‌زن (آکادمی فانتزی) اعلام می‌کنم که می‌تونید از همه‌ی متون ماهنامه‌ی شگفت‌زار و دانش‌نامه‌ی هنر و ادبیات گمانه‌‌زن که با دقّت و وسواس خاصّی هم نگارش شدن ، برای این منظوراستفاده کنید.

[امید توانا]

از طرف گروه ادبیات گمانه‌زن (آکادمی فانتزی) اعلام می‌کنم که می‌تونید از همه‌ی متون ماهنامه‌ی شگفت‌زار و دانش‌نامه‌ی هنر و ادبیات گمانه‌‌زن که با دقّت و وسواس خاصّی هم نگارش شدن ، برای این منظوراستفاده کنید.

بسیار عالی است. متن‌های خوب و از مطالب گوناگون.

[امید توانا]

سلام دوستان!

خیلی جالبه که دوستان روی این موضوع کار میکنن. بنده هم اعلام میکنم که منم پایم!

من اندکی زبانشناسی بلدم البته به اندازه یه درس که پاس کردم و یه سریی ابزار میشناسم که اینا یه گرامری به نام n-gram در میارن که میگه احتمال ترکیبای n حرف پشت سر هم چقدره. که همشون اپن سورسن و اگر هم اپن سورس نباشن سورسشون تو دانشگاه‌ها پیدا میشه یعنی برای استفاده تحقیقاتی و این صحبتا مشکلی ندارن. اگه کمک میکنه بگید.

نکته‌ی دیگه‌ای که من یکم که گوگل رو خوندم در آوردم اینه که سعی بشه از خط مشی‌هایی که dvorak داده استفاده بشه و اون خط مشی‌ها تو فارسی معنی بشه مثلا توی انگلیسی یکی از نکته‌ها اینه که حروف صدا دار vowel  و حروف بی صدا consonants در دو سمت صفحه کلید قرار دارند که خیلی شاید جای خاصی تو فارسی نداشته باشه. یا مثلا اولویت‌ ردیف‌های صفحه کلید فرق دارند (توضیح واضحات بود میدونم).

من پیشنهادم اینه که یه جایی مثل github یا یه چنین جایی رو انتخاب کنیم بعدش نتایجی که بدست اومده رو منظم کنیم تا بشه یه کارایی کرد.

کمکی از دست من میومد بگید

شرمنده من تازه پست شما رو دیدم. بله، کمک هر کسی، از جمله شما بسیار خوبه. نرم‌افزار مراحل آخرش رو داره طی می‌کنه و بعد از اون در گیت‌هاب قرار می‌دم تا دوستان بتونن چهارچوب‌های پیشنهادی خودشون و دیگران رو بررسی کنن. این تارنما هم اطلاعات خوبی داره. سازندهٔ ورکمن هم تارنمای خوبی داره. باید از تجربهٔ دووراک استفاده کنیم؛ یعنی اینکه صفحه کلید خیلی عجیب غریب نباشه. ایدهٔ جدیدی که مطرحه اینه که تنها به فکر کمینه‌کردن فاصله طی شده نباشیم بلکه ترکیب‌های مختلف دارای سختی مختلف هستند. ترکیب‌های سخت باعث خستگی، آسیب دست و افزایش خطا می‌شوند. ترکیب‌های درونگرا بسیار خوب و ترکیب‌های برونگرا بسیار بد هستند! مثلن سعی کنید روی صفحه کلید عادی انگلیسی ترکیب sd رو با ds مقایسه کنید (سعی کنید هر کدام رو ۱۰ بار بنویسید). اولی درونگرا است (جهت حرکت به سمت داخل صفحه کلید، یا بهتره بگیم به سمت شست) و دومی برونگرا. در تئوری جدید هدف کمینه‌کردن مناسب فاصله طی‌شده و سختی ترکیب‌هاست.

[abyz]

سلام دوستان!

خیلی جالبه که دوستان روی این موضوع کار میکنن. بنده هم اعلام میکنم که منم پایم!

من اندکی زبانشناسی بلدم البته به اندازه یه درس که پاس کردم و یه سریی ابزار میشناسم که اینا یه گرامری به نام n-gram در میارن که میگه احتمال ترکیبای n حرف پشت سر هم چقدره. که همشون اپن سورسن و اگر هم اپن سورس نباشن سورسشون تو دانشگاه‌ها پیدا میشه یعنی برای استفاده تحقیقاتی و این صحبتا مشکلی ندارن. اگه کمک میکنه بگید.

نکته‌ی دیگه‌ای که من یکم که گوگل رو خوندم در آوردم اینه که سعی بشه از خط مشی‌هایی که dvorak داده استفاده بشه و اون خط مشی‌ها تو فارسی معنی بشه مثلا توی انگلیسی یکی از نکته‌ها اینه که حروف صدا دار vowel  و حروف بی صدا consonants در دو سمت صفحه کلید قرار دارند که خیلی شاید جای خاصی تو فارسی نداشته باشه. یا مثلا اولویت‌ ردیف‌های صفحه کلید فرق دارند (توضیح واضحات بود میدونم).

من پیشنهادم اینه که یه جایی مثل github یا یه چنین جایی رو انتخاب کنیم بعدش نتایجی که بدست اومده رو منظم کنیم تا بشه یه کارایی کرد.

کمکی از دست من میومد بگید

شرمنده من تازه پست شما رو دیدم. بله، کمک هر کسی، از جمله شما بسیار خوبه. نرم‌افزار مراحل آخرش رو داره طی می‌کنه و بعد از اون در گیت‌هاب قرار می‌دم تا دوستان بتونن چهارچوب‌های پیشنهادی خودشون و دیگران رو بررسی کنن. این تارنما هم اطلاعات خوبی داره. سازندهٔ ورکمن هم تارنمای خوبی داره. باید از تجربهٔ دووراک استفاده کنیم؛ یعنی اینکه صفحه کلید خیلی عجیب غریب نباشه. ایدهٔ جدیدی که مطرحه اینه که تنها به فکر کمینه‌کردن فاصله طی شده نباشیم بلکه ترکیب‌های مختلف دارای سختی مختلف هستند. ترکیب‌های سخت باعث خستگی، آسیب دست و افزایش خطا می‌شوند. ترکیب‌های درونگرا بسیار خوب و ترکیب‌های برونگرا بسیار بد هستند! مثلن سعی کنید روی صفحه کلید عادی انگلیسی ترکیب sd رو با ds مقایسه کنید (سعی کنید هر کدام رو ۱۰ بار بنویسید). اولی درونگرا است (جهت حرکت به سمت داخل صفحه کلید، یا بهتره بگیم به سمت شست) و دومی برونگرا. در تئوری جدید هدف کمینه‌کردن مناسب فاصله طی‌شده و سختی ترکیب‌هاست.

خب پس به نظر من توی این مرحله به نظر من ما یه سری معیار خوب(شایدم خیلی خوب) داریم که بر اساس اونا یه جوری بتونیم به یه چینش مناسب صفحه کلید برسیم. من خیلی سعی کردم کتابی که خود dvorak در این مورد نوشته رو پیدا کنم و حداقل یه نگاهی بهش بندازم اما هنوز متنش در دسترس نبود(نه بصورت آزاد نه بصورت غیر آزاد و الکترونیکی).

حالا هم اگه کاری از دست من بر میاد بفرمایید.

[امید توانا]

برنامه الان در مراحل پایانی است و تنها می‌خوام کمی اطلاعات رو به صورت نمودار توش نشون بدم. همچنین یک بررسی کلی الگوریتم‌ها لازمه. ولی به مقدار زیادی الگوریتمها بدون مشکل و یا حداکثر ایراد جزئی دارند. صفحه کلیدی طراحی کردم (با استفاده از اطلاعاتی که از نرم‌افزار دریافت می‌شه، در مورد فراوانی واج‌ها و ترکیب‌های دوتایی و سه‌تایی آنها) که در زیر عکس اون رو می‌بینید. در عکس دوم به اسم FA-MODIFIED نمایش داده شده (این صفحه کلید در عکس اول نمایش داده شده است). یکی دیگه هم با تغییر جزئی در همین درست کردم که FA-MODIFIED2 نام داره و یکی هم صفحه کلید معمول (با نام FA-ORIGINAL)  هست که در شکل دوم با هم روی ۴ متن (قلعه حیوانات، گزارش اقلیت، بوف کور، متن جادی) مقایسه شده‌اند. در هر دو صفحه کلید اصلاح‌‌شده، کل مسافت حداکثر ۴۰ درصد مسافت در حالت معمول است! (به فشاری که به انگشت کوچک دست راست وارد میشه، در صفحه کلید معمول، توجه کنید! تازه باید بک‌اسپیس رو هم بهش اضافه کنید تا اوج فاجعه مشخص بشه) مسافتی که هر انگشت طی می‌کند از استاندارهای معمول پیروی می‌کنند. روی مکان تک تک واج‌ها فکر شده، بر اساس فراوانی خودشان و ترکیب‌های دوتایی و سه‌تایی آنها،  ولی ادعایی نیست که بهترینه. سطر بالا و پایین سطر خانه (خوشبختانه) متقارن است که روند یادگیری رو آسون می‌کنه. لطفن نظر خودتون رو بگید. تا چند وقته دیگه هم برنامه رو انتشار می‌دم.

[کیان]

در مورد اینکه تقارن خوبه یا بد نظری ندارم اما اگر جای جای چ و ش تغییر کنه بهتر نیست؟ با کیبوردبالا اگر به جای س در اشتباه تایپی ح تایپ بشه، شکل کلمه به هم می ریزه: آسان => آحان
اما اگر ش کنار س باشه و اشتباهی به جای س استفاده بشه، شکل کلمه به هم نمی ریزه و خواننده میتونه اشتباه رو تشخیص بده: آسان => آشان
برای ف و ق هم همین موضوع است: استفاده => استقاده، اگر تفاوت آمار ف و غ زیاد نیست بهتره چینش ف-ع-غ-ق به ع-غ-ف-ق تغییر کنه.
ردیف اولت چرا سیزده تا دکمه داره؟  اونجایی که ذ رو گذاشتی روی هر سه تا کیبورد من دنباله دکمه Enter  است! و بین backspace و دکمه +، من یک دکمه دارم که علامت پایپ (|) و بک-اسلش (\) روش چاپ شده (دکمه بک-اسپیس کوچکتر ساخته شده و جا برای دکمه بک-اسلش باز کرده)،‌اما تو عکس بالا این دکمه نیست!

برای محل ذ، هم کیبوردهایی که دکمه بک-اسلش کنار دکمه بک-اسپیس قرار گرفته و هم کیبوردهایی که دکمه بک-اسلش زیر بک-اسپیس قرار گرفته رو باید مد نظر داشت.
ژ بهتر نیست با ز همراه باشه تا با ر؟ به دکمه شیفت نزدیکتر میشه.