Cómo leer tu resultado
- Tiempo medio por objetivo: la partida entera dividida entre el número de objetivos, en milisegundos (ms). Cuanto más bajo, mejor. Los clics fallados cuestan tiempo, así que también se notan aquí.
- Precisión: los aciertos divididos entre todos tus clics en la zona de juego.
- Acierto más rápido: tu objetivo individual más rápido.
- Rendimiento: velocidad y dificultad en un solo número, en bits por segundo (ver más abajo). Cuanto más alto, mejor.
- El gráfico: cada punto es un objetivo, con su tiempo según lo difícil que era. La línea discontinua es tu propia recta de la ley de Fitts.
¿Qué es la ley de Fitts?
La ley de Fitts dice que cuanto más lejos y más pequeño es un objetivo, más se tarda en acertarlo. Paul Fitts mostró en 1954 que el tiempo crece en línea recta con el «índice de dificultad» del objetivo, medido en bits [1]. Hoy suele escribirse como log2(distancia / ancho + 1) [2]. Los diseñadores la usan para que los botones sean fáciles de pulsar.
Datos rápidos
- Qué mide: lo rápido y lo preciso que apuntas a objetivos: ver dónde está un objetivo, moverte hasta él y detenerte encima.
- Rendimiento con ratón: los estudios de laboratorio que usan el método estándar encuentran unos 3,7 a 4,9 bits por segundo [3].
- Rendimiento con el dedo: en un estudio con teléfonos, 16 personas que tocaban objetivos llegaron a unos 7 bits por segundo [4]. Nuestras cifras usan un método más sencillo (ver más abajo), así que no son directamente comparables.
- Objetivos pequeños en pantallas táctiles: el toque de un dedo cae por sí solo a 1 a 1,5 mm del punto; los objetivos de menos de unos 7 mm reciben muchos fallos [5].
- Ratón y pantalla táctil por separado: los resultados se guardan por separado para cada forma de entrada.
Cómo funciona el aim trainer
- Pulsa Empezar en el centro de la zona de juego. El reloj arranca.
- Acierta en los objetivos. Aparecen 30 objetivos redondos, uno tras otro, en tres tamaños, cada uno bien lejos del anterior. Un clic fallado cuenta en contra de tu precisión; el objetivo se queda hasta que lo aciertas.
- Mira tu resultado, con tu recta de la ley de Fitts.
Los objetivos vienen de nuestro servidor, generados a partir de un número aleatorio (una semilla). Si compartes tu resultado, tu amigo recibe la misma semilla y, por tanto, exactamente los mismos objetivos. Tus clics se puntúan en nuestro servidor, que los reproduce sobre los objetivos.
Calculamos el rendimiento a partir de la distancia y el tamaño de cada objetivo tal como se muestran, sin las correcciones que añade el estándar de laboratorio según dónde caen los clics [3]. Por eso te recomendamos comparar con tus propias partidas.
¿Qué influye en tu puntería?
- La distancia y el tamaño. Los objetivos lejanos y pequeños son los que más tiempo llevan: eso es la ley de Fitts [1, 2].
- El dispositivo. Un ratón, un touchpad y un dedo dan resultados distintos. En estudios de laboratorio, el touchpad fue mucho más lento que el ratón [3].
- Velocidad o cuidado. Las prisas aumentan los fallos, y cada fallo cuesta tiempo. Las mejores puntuaciones salen de un ritmo constante.
- La edad. En un estudio, los adultos cometieron menos errores que los niños de 12 a 14 años y fueron más rápidos que las personas de 61 a 69 años [6].
- La práctica. Los tiempos bajan en las primeras partidas, a medida que te acostumbras al juego.
Lo que este test puede y no puede decirte
El aim trainer mide la velocidad y la precisión al apuntar en este dispositivo, hoy. No es un test de inteligencia ni de la salud de tu cerebro, y un resultado de una partida corta no predice lo bueno que serías en los videojuegos.
Compara con tus propias partidas anteriores en el mismo dispositivo; un ratón nuevo o un tamaño de pantalla distinto cambian las cifras.
Preguntas frecuentes
¿Qué es una buena puntuación en el aim trainer?
Compara con tus propias partidas en el mismo dispositivo: en un juego como este, una buena puntuación es la que supera a la anterior. Cuando hayan jugado suficientes personas, el resultado también muestra cómo queda tu primera partida frente a las primeras partidas de otros jugadores con la misma forma de entrada.
¿Qué es el rendimiento en bits por segundo?
El rendimiento (en inglés, throughput) combina lo difíciles que eran los objetivos y lo rápido que los acertaste. La dificultad se cuenta en bits: log2(distancia / ancho + 1) [2]. Divídela entre el tiempo que llevó cada acierto, haz la media y obtienes bits por segundo. Los estudios de laboratorio con ratón encuentran unos 4 a 5 bits por segundo con un método más estricto [3].
¿Es justo comparar el ratón con la pantalla táctil?
No, y no lo hacemos. Un dedo y un ratón se mueven de forma distinta, así que el resultado solo te compara con quienes usaron la misma forma de entrada.
¿Por qué los objetivos de mi amigo son los mismos que los míos?
El enlace de un resultado compartido lleva la semilla de la partida, así que los objetivos salen iguales. Eso hace que el reto sea justo.
¿El aim trainer de Helibrain es gratis?
Sí. El juego y tu resultado completo son gratis: sin registro, sin correo electrónico, sin pagos. Guardamos los resultados para construir comparaciones justas, como explica nuestra política de privacidad (en inglés).
Tests relacionados
- Test de clicsCuántas veces haces clic, tocas o pulsas la barra espaciadora en unos segundos.
- Test de tiempo de reacciónLo rápido que reaccionas cuando aparece una señal.
- Test de velocidad de escrituraCuántas palabras por minuto escribes y con qué precisión.
Ver los 37 tests cerebrales gratis
¿Quieres trabajar en esto cada día? La app de Helibrain (por ahora en inglés) tiene un plan gratuito y planes de pago.
Fuentes
- Fitts PM (1954). The information capacity of the human motor system in controlling the amplitude of movement. Journal of Experimental Psychology 47(6):381–391. doi.org/10.1037/h0055392
- MacKenzie IS (1992). Fitts' law as a research and design tool in human-computer interaction. Human–Computer Interaction 7(1):91–139. doi.org/10.1207/s15327051hci0701_3
- Soukoreff RW, MacKenzie IS (2004). Towards a standard for pointing device evaluation, perspectives on 27 years of Fitts' law research in HCI. International Journal of Human-Computer Studies 61(6):751–789. doi.org/10.1016/j.ijhcs.2004.09.001
- MacKenzie IS (2015). Fitts' throughput and the remarkable case of touch-based target selection. Human-Computer Interaction: Interaction Technologies (HCII 2015), LNCS 9170, 238–249. doi.org/10.1007/978-3-319-20916-6_23
- Bi X, Li Y, Zhai S (2013). FFitts law: modeling finger touch with Fitts' law. Proceedings of CHI 2013, 1363–1372. doi.org/10.1145/2470654.2466180
- Hertzum M, Hornbæk K (2010). How age affects pointing with mouse and touchpad: a comparison of young, adult, and elderly users. International Journal of Human-Computer Interaction 26(7):703–734. doi.org/10.1080/10447318.2010.487198
Cómo hicimos esta página: la escribió el equipo de Helibrain a partir de los estudios citados arriba y la revisó Robert (candidato al doctorado en biofísica) el 4 de noviembre de 2026. La actualizamos cuando cambian las fuentes.