Նշանառության մարզիչ

Հնարավորինս արագ ու ճշգրիտ խոցեք 30 և տեսեք, թե ինչպես է ձեր նշանառությունը համապատասխանում Ֆիթսի օրենքին։ Անվճար է, գրանցում պետք չէ։

Հեղինակ՝ Helibrain թիմՎերանայել է Ռոբերտը(Անգլերեն)՝ կենսաֆիզիկայի ոլորտում PhD աստիճանի հայցորդՀրապարակվել է Վերջին անգամ ստուգագրվել է

Ինչպես հասկանալ ձեր արդյունքը

  • Միջին ժամանակը մեկ թիրախի համար․ ամբողջ խաղի ժամանակը բաժանած թիրախների թվին՝ միլիվայրկյաններով (մվ)։ Որքան քիչ, այնքան լավ։ Անհաջող սեղմումները նույնպես ժամանակ են խլում, ուստի դրանք ևս հաշվի են առնվում։
  • Ճշգրտություն․ խոցումների թիվը բաժանած խաղային դաշտում ձեր բոլոր սեղմումների թվին։
  • Ամենաարագ խոցումը․ մեկ թիրախը խոցելու ձեր ամենակարճ ժամանակը։
  • Արտադրողականություն․ արագությունն ու դժվարությունը մեկ թվով՝ բիթ/վայրկյանով (տես ստորև)։ Որքան բարձր, այնքան լավ։
  • Գծապատկերը․ յուրաքանչյուր կետը մեկ թիրախ է՝ դրա վրա ծախսած ժամանակով և դժվարությամբ։ Կետագծված գիծը ձեր Ֆիթսի օրենքի գիծն է։

Ի՞նչ է Ֆիթսի օրենքը։

Ֆիթսի օրենքի համաձայն՝ որքան հեռու և փոքր է թիրախը, այնքան ավելի երկար է պետք այն խոցելու համար։ 1954 թվականին Փոլ Ֆիթսը ցույց տվեց, որ ժամանակն ուղիղ գծով աճում է թիրախի «դժվարության ինդեքսին» համապատասխան, որը չափվում է բիթերով [1]։ Այսօր այն սովորաբար գրվում է որպես log2(հեռավորություն / լայնություն + 1) [2]։ Դիզայներներն այս օրենքն օգտագործում են կոճակները հեշտ սեղմելի դարձնելու համար։

Արագ փաստեր

  • Ինչ է չափում․ որքան արագ և ճշգրիտ եք ուղղորդում դեպի թիրախները՝ տեսնում, թե որտեղ է թիրախը, շարժվում դեպի այն և կանգ առնում դրա վրա։
  • Արտադրողականությունը մկնիկով․ ստանդարտ մեթոդով լաբորատոր հետազոտություններում գրանցվում է մոտ 3.7-ից 4.9 բիթ/վայրկյան [3]։
  • Արտադրողականությունը մատով․ հեռախոսով կատարված մեկ հետազոտության ընթացքում թիրախներին հպվող 16 մարդ հասել է մոտ 7 բիթ/վայրկյանի [4]։ Մեր թվերը հիմնված են ավելի պարզ մեթոդի վրա (ստորև), ուստի դրանք ուղղակիորեն համեմատելի չեն։
  • Փոքր թիրախները սենսորային էկրաններին․ մատի հպումը ինքնին շեղվում է մոտ 1-ից 1.5 mm-ով․ մոտ 7 mm-ից փոքր թիրախները հաճախ չեն խոցվում [5]։
  • Մկնիկն ու հպումը առանձին են․ արդյունքները համեմատվում են միայն նույն տեսակի մուտքագրման միջոցով ստացված արդյունքների հետ։

Ինչպես է աշխատում նշանառության մարզիչը

  1. Սեղմեք «Սկսել» խաղային դաշտի կենտրոնում։ Ժամանակաչափը կմեկնարկի։
  2. Խոցեք թիրախները։ Թիրախները՝ 30, կհայտնվեն մեկ առ մեկ՝ երեք չափերով, և յուրաքանչյուրը նախորդից բավական հեռու։ Չխոցող սեղմումը կնվազեցնի ճշգրտությունը․ թիրախը կմնա, մինչև խոցեք այն։
  3. Տեսեք ձեր արդյունքը՝ Ֆիթսի օրենքի գծով։

Եթե կիսվեք ձեր արդյունքով, ձեր ընկերը կստանա ճիշտ նույն թիրախները։

Մենք արտադրողականությունը հաշվում ենք՝ օգտագործելով յուրաքանչյուր թիրախի ցուցադրված հեռավորությունն ու չափը, առանց լաբորատոր ստանդարտի ավելացրած՝ սեղմումների տեղը հաշվի առնող ճշգրտումների [3]։ Այդ պատճառով առաջարկում ենք համեմատել ձեր սեփական խաղերի արդյունքները։

Ի՞նչն է ազդում ձեր նշանառության վրա։

  • Հեռավորությունն ու չափը։ Հեռու և փոքր թիրախները խոցելն ամենաերկարն է տևում․ սա է Ֆիթսի օրենքը [1, 2]։
  • Սարքը։ Մկնիկը, սենսորային վահանակը և մատը տարբեր արդյունքներ են տալիս։ Լաբորատոր հետազոտություններում սենսորային վահանակը շատ ավելի դանդաղ էր, քան մկնիկը [3]։
  • Արագությունը կամ զգուշությունը։ Շտապելը շատացնում է վրիպումները, իսկ յուրաքանչյուր վրիպում ժամանակ է խլում։ Լավագույն արդյունքները ստացվում են կայուն տեմպով։
  • Տարիքը։ Մեկ հետազոտության ընթացքում մեծահասակներն ավելի քիչ սխալներ էին անում, քան 12-ից 14 տարեկան երեխաները, և ավելի արագ էին, քան 61-ից 69 տարեկան մարդիկ [6]։
  • Վարժվելը։ Առաջին մի քանի փորձերի ընթացքում ժամանակը կրճատվում է, երբ ընտելանում եք խաղին։

Ինչ կարող է և ինչ չի կարող ցույց տալ այս թեստը

Նշանառության մարզիչը չափում է այս սարքով այսօր ուղղորդելու արագությունն ու ճշգրտությունը։ Սա մտավոր կարողությունների կամ ուղեղի առողջության թեստ չէ, և մեկ կարճ արդյունքը չի կանխատեսում, թե որքան լավ կխաղայիք խաղերում։

Համեմատեք նույն սարքով ավելի վաղ կատարած ձեր փորձերի հետ․ նոր մկնիկը կամ էկրանի այլ չափը փոխում են թվերը։

Հաճախ տրվող հարցեր

Ո՞րն է նշանառության մարզիչի լավ արդյունքը։

Համեմատեք նույն սարքով կատարած ձեր փորձերի հետ․ այսպիսի խաղում լավ արդյունքն այն է, որը գերազանցում է ձեր նախորդ արդյունքը։ Երբ բավարար թվով մարդիկ խաղան, արդյունքը ցույց կտա նաև, թե ինչպես է ձեր առաջին փորձը համեմատվում նույն մուտքագրման եղանակն օգտագործած այլ խաղացողների առաջին փորձերի հետ։

Ի՞նչ է արտադրողականությունը՝ բիթ/վայրկյանով։

Արտադրողականությունը միավորում է թիրախների դժվարությունն ու դրանք խոցելու արագությունը։ Դժվարությունը հաշվվում է բիթերով՝ log2(հեռավորություն / լայնություն + 1) [2]։ Այն բաժանեք յուրաքանչյուր խոցման վրա ծախսած ժամանակին, ապա հաշվեք միջինը՝ կստանաք բիթ/վայրկյան։ Մկնիկով լաբորատոր հետազոտություններում ավելի խիստ մեթոդով գրանցվում է մոտ 4-ից 5 բիթ/վայրկյան [3]։

Արդա՞ր է համեմատել մկնիկի և հպման արդյունքները։

Ոչ, և մենք այդպես չենք անում։ Մատն ու մկնիկը տարբեր կերպ են շարժվում, ուստի արդյունքը համեմատվում է միայն նույն մուտքագրման եղանակն օգտագործած մարդկանց արդյունքների հետ։

Ինչո՞ւ են իմ ընկերոջ թիրախները նույնը, ինչ իմը։

Կիսված արդյունքի հղումը պարունակում է խաղի սկզբնական արժեքը, ուստի թիրախները նույն հերթականությամբ են հայտնվում։ Այդպես մրցակցությունն արդար է։

Helibrain-ի նշանառության մարզիչն անվճա՞ր է։

Այո։ Խաղն ու ամբողջական արդյունքն անվճար են․ գրանցում, էլփոստ կամ վճարում պետք չէ։

Առնչվող թեստեր

Դիտել բոլոր 43 անվճար ուղեղի թեստերը

Ցանկանո՞ւմ եք ամեն օր աշխատել այս վրա։ Helibrain հավելվածը (առայժմ՝ անգլերենով) ունի անվճար և վճարովի սակագներ։

Աղբյուրներ

  1. 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
  2. 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
  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
  4. 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
  5. 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
  6. 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

Ինչպես ենք ստեղծել այս էջը․ գրել է Helibrain թիմը՝ վերևում նշված հետազոտությունների հիման վրա, և ստուգագրել է Ռոբերտը(Անգլերեն) (կենսաֆիզիկայի թեկնածու) 4 նոյեմբերի, 2026 թ.-ին։ Մենք թարմացնում ենք այն, երբ աղբյուրները փոխվում են։