Come leggere il tuo risultato
- Tempo medio per bersaglio: l'intera partita divisa per il numero di bersagli, in millisecondi (ms). Più è basso, meglio è. I clic a vuoto costano tempo, quindi si vedono anche qui.
- Precisione: i colpi andati a segno divisi per tutti i tuoi clic nell'area di gioco.
- Colpo più veloce: il tuo singolo bersaglio più rapido.
- Throughput: velocità e difficoltà in un solo numero, in bit al secondo (vedi sotto). Più è alto, meglio è.
- Il grafico: ogni punto è un bersaglio, con il suo tempo rispetto a quanto era difficile. La linea tratteggiata è la tua retta personale della legge di Fitts.
Che cos'è la legge di Fitts?
La legge di Fitts dice che più un bersaglio è lontano e piccolo, più tempo serve per colpirlo. Paul Fitts mostrò nel 1954 che il tempo cresce in linea retta con l'"indice di difficoltà" di un bersaglio, misurato in bit [1]. Oggi di solito si scrive come log2(distanza / larghezza + 1) [2]. I designer la usano per rendere i pulsanti facili da colpire.
In breve
- Che cosa misura: quanto in fretta e con quanta precisione punti dei bersagli: vedere dov'è un bersaglio, muoverti fin lì e fermarti sopra.
- Throughput con il mouse: gli studi di laboratorio con il metodo standard trovano circa 3,7–4,9 bit al secondo [3].
- Throughput con un dito: in uno studio sul telefono, 16 persone che toccavano dei bersagli sono arrivate a circa 7 bit al secondo [4]. I nostri numeri usano un metodo più semplice (vedi sotto), quindi non sono direttamente confrontabili.
- Bersagli piccoli sui touchscreen: il tocco di un dito finisce da solo circa 1–1,5 mm fuori posto; i bersagli più piccoli di circa 7 mm ricevono molti tocchi a vuoto [5].
- Mouse e touch separati: i risultati sono tenuti separati per ogni input.
Come funziona l'aim trainer
- Premi Inizia al centro dell'area di gioco. Il cronometro parte.
- Colpisci i bersagli. 30 bersagli rotondi compaiono uno alla volta, in tre dimensioni, ognuno ben lontano dal precedente. Un clic a vuoto pesa sulla tua precisione; il bersaglio resta finché non lo colpisci.
- Guarda il tuo risultato, con la tua retta della legge di Fitts.
I bersagli arrivano dal nostro server, generati da un numero casuale (un seed). Se condividi il tuo punteggio, il tuo amico riceve lo stesso seed e quindi esattamente gli stessi bersagli. I tuoi clic vengono valutati sul nostro server, che li rigioca sui bersagli.
Calcoliamo il throughput dalla distanza e dalla dimensione di ogni bersaglio così come vengono mostrati, senza le correzioni che lo standard di laboratorio aggiunge in base a dove cadono i clic [3]. Per questo ti consigliamo di confrontarti con le tue partite.
Che cosa influisce sulla tua mira?
- Distanza e dimensione. I bersagli lontani e piccoli richiedono più tempo: è la legge di Fitts [1, 2].
- Il dispositivo. Un mouse, un touchpad e un dito danno risultati diversi. Negli studi di laboratorio il touchpad era molto più lento del mouse [3].
- Velocità o attenzione. La fretta aumenta i clic a vuoto, e ogni clic a vuoto costa tempo. I punteggi migliori arrivano con un ritmo costante.
- L'età. In uno studio, gli adulti facevano meno errori dei ragazzi tra 12 e 14 anni ed erano più veloci delle persone tra 61 e 69 anni [6].
- La pratica. I tempi scendono nelle prime partite, mentre prendi confidenza con il gioco.
Che cosa questo test può e non può dirti
L'aim trainer misura la velocità e la precisione nel puntare su questo dispositivo, oggi. Non è un test di intelligenza né della salute del tuo cervello, e un punteggio breve non dice quanto saresti bravo nei videogiochi.
Confrontati con le tue partite precedenti sullo stesso dispositivo; un mouse nuovo o uno schermo di dimensioni diverse cambia i numeri.
Domande frequenti
Qual è un buon punteggio nell'aim trainer?
Confrontati con le tue partite sullo stesso dispositivo: in un gioco come questo, un buon punteggio è quello che batte il precedente. Quando avranno giocato abbastanza persone, il risultato mostrerà anche come la tua prima partita si confronta con le prime partite degli altri giocatori con lo stesso input.
Che cos'è il throughput in bit al secondo?
Il throughput combina quanto erano difficili i bersagli e quanto in fretta li hai colpiti. La difficoltà si conta in bit: log2(distanza / larghezza + 1) [2]. Dividi per il tempo che ha richiesto ogni colpo, fai la media e ottieni i bit al secondo. Gli studi di laboratorio con il mouse trovano circa 4–5 bit al secondo con un metodo più rigoroso [3].
È giusto confrontare mouse e touch?
No, e infatti non lo facciamo. Un dito e un mouse si muovono in modo diverso, quindi il risultato ti confronta solo con chi ha usato lo stesso input.
Perché i bersagli del mio amico sono uguali ai miei?
Il link di un punteggio condiviso porta con sé il seed della partita, quindi i bersagli vengono uguali. Così la sfida è equa.
L'aim trainer di Helibrain è gratis?
Sì. Il gioco e il tuo risultato completo sono gratis: niente registrazione, niente email, niente pagamenti. Salviamo i risultati per costruire confronti equi, come spiega la nostra informativa sulla privacy (in inglese).
Test correlati
- Test di velocità di clicQuante volte clicchi, tocchi o premi la barra spaziatrice in pochi secondi.
- Test del tempo di reazioneQuanto in fretta reagisci quando compare un segnale.
- Test di velocità di battituraQuante parole al minuto scrivi, e con quanta precisione.
Vedi tutti i 37 test cognitivi gratis
Vuoi lavorarci ogni giorno? L'app Helibrain (per ora in inglese) ha un piano gratuito e piani a pagamento.
Fonti
- 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
Come abbiamo realizzato questa pagina: scritta dal team di Helibrain a partire dagli studi elencati sopra e revisionata da Robert (dottorando in biofisica) il 4 novembre 2026. La aggiorniamo quando cambiano le fonti.