O projeto BagreType coleta dados empíricos de digitação através da plataforma bagretype.com e utiliza algoritmos genéticos para otimizar layouts de teclado. Este guia explica cada visualização e como interpretá-la.
De maneira simples, o projeto se trata da coleta te tempos de resposta de usuarios para apertar teclas unicas e combinacoes de 2-3 teclas. Com esses dados podemos computar o "gasto" fisico de digitar qualquer corpora de texto dado.
URL: bagretype.com
Repositório: github.com/SamuelMFS/BagreType
Como funciona:
- Participantes: Recrutados através de comunidades online (Discord, Reddit) e amigos.
- Interface: Website exibe caracteres ou sequências aleatórias na tela
- Medição: Sistema registra o tempo desde a exibição até a pressão da tecla correspondente
- Dados coletados:
- Unigramas: Tempo de reação para caracteres individuais
- Bigramas: Tempo total e tempo entre teclas consecutivas
- Trigramas (opcional): Sequências de três caracteres
- Armazenamento: Dados salvos em CSV com coluna JSON contendo arrays de registros de timing
Estrutura dos dados:
{
"sequence": "th",
"letterTimings": [
{"letter": "t", "reactionTime": 210},
{"letter": "h", "reactionTime": 230}
],
"totalSequenceTime": 440
}Arquivo: tabela
Arquivo: unigram_timing_heatmap.png
O que mostra: Frequência de ocorrência de cada caractere no corpus de texto utilizado para otimização.
Por que é importante:
- Define quais caracteres são mais críticos para otimizar
- Caracteres frequentes (ex.: 'a', 'e', 'o' em português) têm maior impacto no custo total
Comando para gerar:
python -m ga_keyboard.corpus_stats \
--corpus data/machado.txt \
--out-txt outputs/corpus_character_frequencies.txt \
--out-png outputs/corpus_character_frequencies.png \
--top-n 50- Contexto: "Este gráfico mostra a distribuição de frequência dos caracteres no nosso corpus. Usamos textos de Machado de Assis como representativo do português brasileiro."
- Observação chave: "Note que as vogais (a, e, i, o, u) aparecem no topo—isso significa que otimizar essas teclas terá impacto significativo no tempo total de digitação."
- Conclusão: "O corpus contém 40 caracteres únicos e ~3.100.000 caracteres totais, fornecendo uma base estatística robusta para otimização."
Arquivo: unigram_timing_heatmap.png
O que mostra: Tempo médio (em milissegundos) para pressionar cada tecla física individualmente, baseado em dados empíricos coletados e como isso se relaciona com o corpora de texto em questao.
Por que é importante:
- Identifica quais posições físicas são mais rápidas/lentas
- Revela padrões biomecânicos: teclas na home row (fileira central) tendem a ser mais rápidas
Comando para gerar:
python -m ga_keyboard.main \
--csv data/typing_test.csv \
--corpus data/machado.txt \
--generations 10 \
--population 20
# O heatmap é gerado automaticamente em outputs/unigram_timing_heatmap.png- Contexto: "Este heatmap mostra os tempos médios medidos empiricamente para pressionar cada tecla física. Os dados foram coletados através da plataforma BagreType, onde participantes digitaram caracteres individuais."
- Cores e valores: "Cores mais escuras (valores maiores no gráfico) indicam teclas mais lentas. Veja que os números na primeira fileira tendem a ser mais lentos que as letras da home row."
Arquivo: outputs/key_cost_analysis_[tecla].png (ex.: key_cost_analysis_a.png)
O que mostra: Gráfico de barras comparando o tempo do unigrama de uma tecla específica com todos os bigramas que a envolvem (como primeira ou segunda tecla).
Por que é importante:
- Visualização detalhada do custo de uma tecla específica
- Mostra quais combinações são mais problemáticas
- Útil para análise de layout evoluído: identificar por que certas teclas foram posicionadas onde estão
Comando para gerar:
# Para a tecla 'a'
python scripts/analyze_key_cost.py \
--csv data/typing_test.csv \
--csv-json-col typing_data \
--key a \
--out outputs/key_cost_analysis_a.png
# Com mesclagem de dados
python scripts/analyze_key_cost.py \
--csv data/other_data.csv \
--key e \
--mix-with-typing-test \
--out outputs/key_cost_analysis_e.png- Contexto: "Este gráfico aprofunda a análise de uma tecla específica—vamos ver a tecla 'a' como exemplo."
- Estrutura: "A barra azul mostra o tempo do unigrama (tecla sozinha). As barras laranjas mostram todos os bigramas envolvendo essa tecla, ordenados do mais rápido ao mais lento. As barras verde e vermelha mostram as teclas individuais dentro do bigrama"
- Insights: "Veja que 'a' + 'a' (repetição) é mais lento que 'a' + 'j'. Isso explica por que o algoritmo genético evita colocar teclas frequentemente repetidas em posições que geram muitas repetições custosas."
- Aplicação: "Quando analisamos o layout evoluído, podemos usar este tipo de gráfico para entender por que certas decisões foram tomadas."
Arquivo: bigram_timing_heatmap.png
O que mostra: Tempo médio para digitar bigramas (pares de teclas) onde cada tecla física aparece, calculado como média de todos os bigramas envolvendo essa tecla.
Por que é importante:
- Captura a dificuldade de transições entre teclas
- Algumas teclas são rápidas isoladamente, mas lentas em certas combinações
- Essencial para otimizar layouts: o algoritmo precisa considerar transições, não apenas teclas individuais
Comando para gerar:
# Mesmo comando do anterior - ambos os heatmaps são gerados
python -m ga_keyboard.main \
--csv data/typing_test.csv \
--corpus data/machado.txt \
--generations 10 \
--population 20- Contexto: "Enquanto o heatmap de unigramas mostra o tempo de teclas isoladas, este mostra o custo médio de bigramas envolvendo cada tecla. Isso captura a dificuldade de transições."
- Diferença fundamental: "Uma tecla pode ser rápida sozinha, mas lenta em certas combinações—por exemplo, repetir a mesma tecla ('aa') é mais lento que alternar entre teclas diferentes em certos cenarios."
- Relevância: "O algoritmo genético usa esses dados para otimizar layouts que minimizam o tempo total, considerando não apenas teclas individuais, mas também as transições comuns no corpus."
Arquivo: outputs/fitness.png
O que mostra: Curva de evolução da melhor aptidão ao longo das gerações do algoritmo genético.
Por que é importante:
- Valida que o algoritmo está convergindo (melhorando)
- Mostra a taxa de melhoria
- Identifica se mais gerações seriam benéficas (plateau sugere convergência)
Comando para gerar :
python -m ga_keyboard.main \
--csv data/typing_test.csv \
--corpus data/machado.txt \
--generations 300 \
--population 200 \
--mutation-rate 0.1 \
--crossover-rate 0.7 \
--elitism 5- Contexto: "Este gráfico mostra a evolução da aptidão (fitness) do melhor indivíduo ao longo de [300] gerações. A aptidão é o inverso do custo—quanto maior, melhor."
- Tendência: "Veja que a curva começa baixa e sobe rapidamente nas primeiras gerações, depois estabiliza. Isso indica que o algoritmo está encontrando boas soluções."
- Convergência: "Após aproximadamente 150 gerações, a curva atinge um plateau, sugerindo que o algoritmo convergiu para uma solução próxima do ótimo local."
- Parâmetros: "Usamos população de 200, taxa de mutação de 10%, taxa de crossover de 70% e preservamos os 5 melhores indivíduos (elitismo)."
Arquivo: Resultados
Métricas principais:
- Custo total: Tempo esperado para digitar o corpus inteiro
- Melhoria percentual: Redução de custo em relação ao QWERTY
- Aptidão: Inverso do custo (quanto maior, melhor)
Output:
Melhor custo: 756,338,504.46 ms
Custo da linha de base (QWERTY): 834,945,898.00 ms
Melhoria sobre QWERTY: 9.72%
- Resultado quantitativo: "O layout evoluído reduz o tempo estimado de digitação em 9.72% comparado ao QWERTY para o corpus de Machado de Assis."
Resposta: "O algoritmo otimiza apenas para velocidade de digitação, não para aprendizado ou familiaridade. Layouts otimizados podem parecer estranhos porque priorizam eficiência biomecânica sobre padrões empiricos. Em trabalhos futuros, podemos adicionar penalidades para layouts muito diferentes do QWERTY."
Resposta: "Coletamos dados de ~1.800 participantes proficientes em digitação através da plataforma BagreType. Os dados mostram padrões ergonômicos esperados (home row mais rápida, repetições mais lentas), validando a qualidade. Expandir o número de participantes é um trabalho futuro."
- Plataforma de Coleta: bagretype.com
- Repositório Principal: github.com/SamuelMFS/BagreType
- Documentação Técnica: Article (inglês) e Artigo (português)
- Autores: Samuel Marcio Fonseca Santos e João Pedro de Souza Letro (UniFran)
Samuel Marcio Fonseca Santos
Joao Pedro de Souza Letro