30 ಗುರಿಗಳನ್ನು ಸಾಧ್ಯವಾದಷ್ಟು ವೇಗವಾಗಿ ಮತ್ತು ನಿಖರವಾಗಿ ಹೊಡೆದು, ನಿಮ್ಮ ಗುರಿ ಸಾಮರ್ಥ್ಯ ಫಿಟ್ಸ್ ನಿಯಮಕ್ಕೆ ಹೇಗೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ ಎಂದು ನೋಡಿ. ಉಚಿತ, ನೋಂದಣಿ ಬೇಡ.
Helibrain ತಂಡದಿಂದರಾಬರ್ಟ್(ಇಂಗ್ಲಿಷ್) (ಜೈವಿಕ ಭೌತಶಾಸ್ತ್ರದ ಪಿಎಚ್‌ಡಿ ಅಭ್ಯರ್ಥಿ) ಅವರಿಂದ ಪರಿಶೀಲಿಸಲಾಗಿದೆ ಪ್ರಕಟಿಸಲಾಗಿದೆಕೊನೆಯ ಪರಿಶೀಲನೆ:
ನಿಮ್ಮ ಅಂಕವನ್ನು ಹೇಗೆ ಓದಬೇಕು
- ಪ್ರತಿ ಗುರಿಗೆ ಸರಾಸರಿ ಸಮಯ: ಒಟ್ಟು ಆಟದ ಸಮಯವನ್ನು ಗುರಿಗಳ ಸಂಖ್ಯೆಯಿಂದ ಭಾಗಿಸಿದ ಮೌಲ್ಯ, ಮಿಲಿಸೆಕೆಂಡ್‌ಗಳಲ್ಲಿ (ಮಿ.ಸೆ.). ಕಡಿಮೆ ಇದ್ದಷ್ಟು ಉತ್ತಮ. ತಪ್ಪಿದ ಕ್ಲಿಕ್‌ಗಳೂ ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ; ಆದ್ದರಿಂದ ಅವುಗಳೂ ಇಲ್ಲಿ ಕಾಣಿಸುತ್ತವೆ.
- ನಿಖರತೆ: ಆಟದ ಪ್ರದೇಶದಲ್ಲಿನ ನಿಮ್ಮ ಎಲ್ಲ ಕ್ಲಿಕ್‌ಗಳಿಗೆ ಹೋಲಿಸಿದಾಗ ಗುರಿ ತಗುಲಿದ ಕ್ಲಿಕ್‌ಗಳ ಪ್ರಮಾಣ.
- ಅತ್ಯಂತ ವೇಗದ ಹೊಡೆತ: ಒಂದೇ ಗುರಿಯನ್ನು ಹೊಡೆಯಲು ನೀವು ತೆಗೆದುಕೊಂಡ ಅತಿ ಕಡಿಮೆ ಸಮಯ.
- ಥ್ರೂಪುಟ್: ವೇಗ ಮತ್ತು ಕಷ್ಟದ ಮಟ್ಟವನ್ನು ಒಂದೇ ಸಂಖ್ಯೆಯಲ್ಲಿ ತೋರಿಸುತ್ತದೆ (ಕೆಳಗೆ ನೋಡಿ, ಸೆಕೆಂಡಿಗೆ ಬಿಟ್‌ಗಳಲ್ಲಿ). ಹೆಚ್ಚು ಇದ್ದಷ್ಟು ಉತ್ತಮ.
- ಚಾರ್ಟ್: ಪ್ರತಿ ಚುಕ್ಕೆ ಒಂದು ಗುರಿಯನ್ನು ತೋರಿಸುತ್ತದೆ; ಅದರ ಕಷ್ಟಕ್ಕೆ ಹೋಲಿಸಿದ ಸಮಯವನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಚುಕ್ಕೆಗಳ ರೇಖೆಯು ನಿಮ್ಮದೇ ಫಿಟ್ಸ್ ನಿಯಮದ ರೇಖೆ.
ಫಿಟ್ಸ್ ನಿಯಮ ಎಂದರೇನು?
ಗುರಿ ದೂರದಲ್ಲಿದ್ದಷ್ಟೂ ಮತ್ತು ಚಿಕ್ಕದಾಗಿದ್ದಷ್ಟೂ ಅದನ್ನು ಹೊಡೆಯಲು ಹೆಚ್ಚು ಸಮಯ ಬೇಕಾಗುತ್ತದೆ ಎಂದು ಫಿಟ್ಸ್ ನಿಯಮ ಹೇಳುತ್ತದೆ. 1954ರಲ್ಲಿ ಪಾಲ್ ಫಿಟ್ಸ್, ಗುರಿಯ "ಕಷ್ಟದ ಸೂಚ್ಯಂಕ"ಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಸಮಯವು ಸರಳ ರೇಖೆಯಂತೆ ಹೆಚ್ಚುತ್ತದೆ ಎಂದು ತೋರಿಸಿದರು; ಈ ಸೂಚ್ಯಂಕವನ್ನು ಬಿಟ್‌ಗಳಲ್ಲಿ ಅಳೆಯಲಾಗುತ್ತದೆ [1]. ಇಂದು ಇದನ್ನು ಸಾಮಾನ್ಯವಾಗಿ log2(distance / width + 1) ಎಂದು ಬರೆಯಲಾಗುತ್ತದೆ [2]. ಗುಂಡಿಗಳನ್ನು ಸುಲಭವಾಗಿ ಒತ್ತುವಂತೆ ವಿನ್ಯಾಸಗೊಳಿಸಲು ವಿನ್ಯಾಸಕರು ಈ ನಿಯಮವನ್ನು ಬಳಸುತ್ತಾರೆ.
ತ್ವರಿತ ಸಂಗತಿಗಳು
- ಇದು ಅಳೆಯುವುದು: ಗುರಿಗಳನ್ನು ಎಷ್ಟು ವೇಗವಾಗಿ ಮತ್ತು ನಿಖರವಾಗಿ ಸೂಚಿಸುತ್ತೀರಿ ಎಂಬುದನ್ನು: ಗುರಿ ಎಲ್ಲಿದೆ ಎಂದು ನೋಡುವುದು, ಅದರತ್ತ ಚಲಿಸುವುದು ಮತ್ತು ಅದರ ಮೇಲೆ ನಿಲ್ಲಿಸುವುದು.
- ಮೌಸ್‌ನ ಥ್ರೂಪುಟ್: ಪ್ರಮಾಣಿತ ವಿಧಾನ ಬಳಸಿದ ಪ್ರಯೋಗಾಲಯ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಸೆಕೆಂಡಿಗೆ ಸುಮಾರು 3.7 ರಿಂದ 4.9 ಬಿಟ್‌ಗಳು ಕಂಡುಬಂದಿವೆ [3].
- ಬೆರಳಿನ ಥ್ರೂಪುಟ್: ಒಂದು ಫೋನ್ ಅಧ್ಯಯನದಲ್ಲಿ, 16 ಜನರು ಗುರಿಗಳನ್ನು ತಟ್ಟಿದಾಗ ಸೆಕೆಂಡಿಗೆ ಸುಮಾರು 7 ಬಿಟ್‌ಗಳ ಥ್ರೂಪುಟ್ ತಲುಪಿದರು [4]. ನಮ್ಮ ಅಂಕಗಳು ಸರಳ ವಿಧಾನವನ್ನು ಬಳಸುತ್ತವೆ (ಕೆಳಗೆ ನೋಡಿ), ಆದ್ದರಿಂದ ಇವುಗಳನ್ನು ನೇರವಾಗಿ ಹೋಲಿಸಲಾಗುವುದಿಲ್ಲ.
- ಟಚ್‌ಸ್ಕ್ರೀನ್‌ಗಳಲ್ಲಿನ ಸಣ್ಣ ಗುರಿಗಳು: ಬೆರಳಿನ ಸ್ಪರ್ಶ ಸ್ವತಃ ಸುಮಾರು 1 ರಿಂದ 1.5 mm ತಪ್ಪಿ ಬೀಳಬಹುದು; ಸುಮಾರು 7 mm ಗಿಂತ ಚಿಕ್ಕ ಗುರಿಗಳು ಹಲವು ಬಾರಿ ತಪ್ಪುತ್ತವೆ [5].
- ಮೌಸ್ ಮತ್ತು ಟಚ್ ಪ್ರತ್ಯೇಕ: ಒಂದೇ ರೀತಿಯ ಇನ್‌ಪುಟ್ ಬಳಸಿದ ಫಲಿತಾಂಶಗಳನ್ನು ಮಾತ್ರ ಹೋಲಿಸಲಾಗುತ್ತದೆ.
ಗುರಿ ತರಬೇತಿ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ
- ಆಟದ ಪ್ರದೇಶದ ಮಧ್ಯದಲ್ಲಿರುವ ಪ್ರಾರಂಭ ಒತ್ತಿರಿ. ಗಡಿಯಾರ ಶುರುವಾಗುತ್ತದೆ.
- ಗುರಿಗಳನ್ನು ಹೊಡೆಯಿರಿ. 30 ಸುತ್ತಿನ ಗುರಿಗಳು ಒಂದೊಂದಾಗಿ, ಮೂರು ಗಾತ್ರಗಳಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ; ಪ್ರತಿಯೊಂದು ಹಿಂದಿನ ಗುರಿಯಿಂದ ಸಾಕಷ್ಟು ದೂರದಲ್ಲಿರುತ್ತದೆ. ತಪ್ಪಿದ ಕ್ಲಿಕ್ ನಿಮ್ಮ ನಿಖರತೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ; ನೀವು ಹೊಡೆಯುವವರೆಗೆ ಗುರಿ ಅಲ್ಲೇ ಇರುತ್ತದೆ.
- ನಿಮ್ಮ ಫಲಿತಾಂಶವನ್ನು ನೋಡಿ, ಅದರಲ್ಲಿ ನಿಮ್ಮ ಫಿಟ್ಸ್ ನಿಯಮದ ರೇಖೆಯೂ ಇರುತ್ತದೆ.
ನಿಮ್ಮ ಅಂಕವನ್ನು ಹಂಚಿಕೊಂಡರೆ, ನಿಮ್ಮ ಸ್ನೇಹಿತನಿಗೆ ನಿಖರವಾಗಿ ಅದೇ ಗುರಿಗಳು ಸಿಗುತ್ತವೆ.
ತೋರಿಸಿರುವಂತೆ ಪ್ರತಿ ಗುರಿಯ ದೂರ ಮತ್ತು ಗಾತ್ರದಿಂದ ನಾವು ಥ್ರೂಪುಟ್ ಲೆಕ್ಕ ಹಾಕುತ್ತೇವೆ; ಕ್ಲಿಕ್‌ಗಳು ಎಲ್ಲಿ ಬೀಳುತ್ತವೆ ಎಂಬುದಕ್ಕೆ ಪ್ರಯೋಗಾಲಯದ ಪ್ರಮಾಣಿತ ವಿಧಾನ ಸೇರಿಸುವ ತಿದ್ದುಪಡಿಗಳನ್ನು ಬಳಸುವುದಿಲ್ಲ [3]. ಅದಕ್ಕಾಗಿಯೇ ನಿಮ್ಮದೇ ಆಟದ ಪ್ರಯತ್ನಗಳೊಂದಿಗೆ ಹೋಲಿಸಿ ಎಂದು ಹೇಳುತ್ತೇವೆ.
ನಿಮ್ಮ ಗುರಿ ಸಾಮರ್ಥ್ಯದ ಮೇಲೆ ಏನು ಪರಿಣಾಮ ಬೀರುತ್ತದೆ?
- ದೂರ ಮತ್ತು ಗಾತ್ರ. ದೂರದಲ್ಲಿರುವ, ಚಿಕ್ಕ ಗುರಿಗಳನ್ನು ಹೊಡೆಯಲು ಹೆಚ್ಚು ಸಮಯ ಬೇಕಾಗುತ್ತದೆ: ಇದನ್ನೇ ಫಿಟ್ಸ್ ನಿಯಮ ಹೇಳುತ್ತದೆ [1, 2].
- ಸಾಧನ. ಮೌಸ್, ಟಚ್‌ಪ್ಯಾಡ್ ಮತ್ತು ಬೆರಳು ವಿಭಿನ್ನ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತವೆ. ಪ್ರಯೋಗಾಲಯ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಟಚ್‌ಪ್ಯಾಡ್ ಮೌಸ್‌ಗಿಂತ ಬಹಳ ನಿಧಾನವಾಗಿತ್ತು [3].
- ವೇಗ ಅಥವಾ ಎಚ್ಚರಿಕೆ. ಅವಸರ ಮಾಡಿದರೆ ಗುರಿ ತಪ್ಪುವ ಸಾಧ್ಯತೆ ಹೆಚ್ಚುತ್ತದೆ, ಮತ್ತು ಪ್ರತಿ ತಪ್ಪಿಗೂ ಸಮಯ ಹೋಗುತ್ತದೆ. ಸ್ಥಿರ ವೇಗದಲ್ಲಿ ಆಡಿದರೆ ಉತ್ತಮ ಅಂಕಗಳು ಬರುತ್ತವೆ.
- ವಯಸ್ಸು. ಒಂದು ಅಧ್ಯಯನದಲ್ಲಿ, 12 ರಿಂದ 14 ವರ್ಷದ ಮಕ್ಕಳಿಗಿಂತ ವಯಸ್ಕರು ಕಡಿಮೆ ತಪ್ಪುಗಳನ್ನು ಮಾಡಿದರು; 61 ರಿಂದ 69 ವರ್ಷದವರಿಗಿಂತ ವೇಗವಾಗಿದ್ದರು [6].
- ಅಭ್ಯಾಸ. ಆಟಕ್ಕೆ ಹೊಂದಿಕೊಳ್ಳುವಂತೆ ಮೊದಲ ಕೆಲವು ಪ್ರಯತ್ನಗಳಲ್ಲಿ ಸಮಯ ಕಡಿಮೆಯಾಗುತ್ತದೆ.
ಈ ಪರೀಕ್ಷೆ ಏನು ಹೇಳಬಲ್ಲದು, ಏನು ಹೇಳಲಾರದು
ಈ ಗುರಿ ತರಬೇತಿ ಇಂದು ಈ ಸಾಧನದಲ್ಲಿ ನಿಮ್ಮ ಗುರಿ ಸೂಚಿಸುವ ವೇಗ ಮತ್ತು ನಿಖರತೆಯನ್ನು ಅಳೆಯುತ್ತದೆ. ಇದು ಬುದ್ಧಿಮತ್ತೆಯ ಅಥವಾ ನಿಮ್ಮ ಮೆದುಳಿನ ಆರೋಗ್ಯದ ಪರೀಕ್ಷೆಯಲ್ಲ; ಒಂದು ಚಿಕ್ಕ ಪರೀಕ್ಷೆಯ ಅಂಕದಿಂದ ಆಟಗಳಲ್ಲಿ ನೀವು ಎಷ್ಟು ಚೆನ್ನಾಗಿರುತ್ತೀರಿ ಎಂದು ಊಹಿಸಲಾಗುವುದಿಲ್ಲ.
ಅದೇ ಸಾಧನದಲ್ಲಿ ನೀವು ಹಿಂದೆ ಆಡಿದ ಪ್ರಯತ್ನಗಳೊಂದಿಗೆ ಹೋಲಿಸಿ; ಹೊಸ ಮೌಸ್ ಅಥವಾ ಬೇರೆ ಪರದೆಯ ಗಾತ್ರ ಅಂಕಗಳನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ.
ಪದೇಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು
ಗುರಿ ತರಬೇತಿಯಲ್ಲಿ ಉತ್ತಮ ಅಂಕ ಯಾವುದು?
ಅದೇ ಸಾಧನದಲ್ಲಿ ನಿಮ್ಮ ಹಿಂದಿನ ಪ್ರಯತ್ನಗಳೊಂದಿಗೆ ಹೋಲಿಸಿ: ಇಂತಹ ಆಟದಲ್ಲಿ ನಿಮ್ಮ ಹಿಂದಿನ ಅಂಕವನ್ನು ಮೀರಿಸುವುದೇ ಉತ್ತಮ ಅಂಕ. ಸಾಕಷ್ಟು ಜನರು ಆಡಿದ ಬಳಿಕ, ಅದೇ ಇನ್‌ಪುಟ್ ಬಳಸಿದ ಇತರ ಆಟಗಾರರ ಮೊದಲ ಪ್ರಯತ್ನಗಳಿಗೆ ಹೋಲಿಸಿದಾಗ ನಿಮ್ಮ ಮೊದಲ ಪ್ರಯತ್ನ ಹೇಗಿದೆ ಎಂಬುದನ್ನೂ ಫಲಿತಾಂಶ ತೋರಿಸುತ್ತದೆ.
ಸೆಕೆಂಡಿಗೆ ಬಿಟ್‌ಗಳಲ್ಲಿ ಥ್ರೂಪುಟ್ ಎಂದರೇನು?
ಥ್ರೂಪುಟ್ ಗುರಿಗಳ ಕಷ್ಟದ ಮಟ್ಟ ಮತ್ತು ಅವುಗಳನ್ನು ನೀವು ಎಷ್ಟು ವೇಗವಾಗಿ ಹೊಡೆದಿರಿ ಎಂಬುದನ್ನು ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ. ಕಷ್ಟವನ್ನು ಬಿಟ್‌ಗಳಲ್ಲಿ ಲೆಕ್ಕ ಹಾಕಲಾಗುತ್ತದೆ: log2(distance / width + 1) [2]. ಇದನ್ನು ಪ್ರತಿ ಹೊಡೆತಕ್ಕೆ ಬೇಕಾದ ಸಮಯದಿಂದ ಭಾಗಿಸಿ, ಸರಾಸರಿ ಮಾಡಿದರೆ ಸೆಕೆಂಡಿಗೆ ಬಿಟ್‌ಗಳು ಸಿಗುತ್ತವೆ. ಕಟ್ಟುನಿಟ್ಟಾದ ವಿಧಾನ ಬಳಸಿದ ಮೌಸ್ ಪ್ರಯೋಗಾಲಯ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಸೆಕೆಂಡಿಗೆ ಸುಮಾರು 4 ರಿಂದ 5 ಬಿಟ್‌ಗಳು ಕಂಡುಬರುತ್ತವೆ [3].
ಮೌಸ್ ಮತ್ತು ಟಚ್ ಫಲಿತಾಂಶಗಳನ್ನು ಹೋಲಿಸುವುದು ನ್ಯಾಯಸಮ್ಮತವೇ?
ಇಲ್ಲ, ಮತ್ತು ನಾವು ಹೋಲಿಸುವುದಿಲ್ಲ. ಬೆರಳು ಮತ್ತು ಮೌಸ್ ವಿಭಿನ್ನವಾಗಿ ಚಲಿಸುತ್ತವೆ; ಆದ್ದರಿಂದ ಅದೇ ಇನ್‌ಪುಟ್ ಬಳಸಿದ ಇತರರೊಂದಿಗೆ ಮಾತ್ರ ಫಲಿತಾಂಶವನ್ನು ಹೋಲಿಸಲಾಗುತ್ತದೆ.
ನನ್ನ ಸ್ನೇಹಿತನ ಗುರಿಗಳು ನನ್ನ ಗುರಿಗಳಂತೆಯೇ ಏಕೆ ಇವೆ?
ಹಂಚಿಕೊಂಡ ಅಂಕದ ಲಿಂಕ್ನಲ್ಲಿ ಆ ಆಟದ ಬೀಜ ಮೌಲ್ಯ ಇರುತ್ತದೆ; ಆದ್ದರಿಂದ ಅದೇ ಗುರಿಗಳು ಬರುತ್ತವೆ. ಇದರಿಂದ ಸವಾಲು ನ್ಯಾಯಸಮ್ಮತವಾಗುತ್ತದೆ.
Helibrain ಗುರಿ ತರಬೇತಿ ಉಚಿತವೇ?
ಹೌದು. ಆಟ ಮತ್ತು ನಿಮ್ಮ ಸಂಪೂರ್ಣ ಫಲಿತಾಂಶ ಉಚಿತ: ನೋಂದಣಿ ಬೇಡ, ಇಮೇಲ್ ಬೇಡ, ಪಾವತಿ ಬೇಡ.
ಸಂಬಂಧಿತ ಪರೀಕ್ಷೆಗಳು
- ಕ್ಲಿಕ್ ವೇಗ ಪರೀಕ್ಷೆಕೆಲವು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ನೀವು ಎಷ್ಟು ಬಾರಿ ಕ್ಲಿಕ್, ಟ್ಯಾಪ್ ಅಥವಾ ಸ್ಪೇಸ್ಬಾರ್ ಒತ್ತುತ್ತೀರಿ.
- ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯ ಪರೀಕ್ಷೆಸಂಕೇತ ಕಾಣಿಸಿಕೊಂಡಾಗ ನೀವು ಎಷ್ಟು ಬೇಗ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತೀರಿ.
- ಟೈಪಿಂಗ್ ವೇಗ ಪರೀಕ್ಷೆನೀವು ನಿಮಿಷಕ್ಕೆ ಎಷ್ಟು ಪದಗಳನ್ನು ಟೈಪ್ ಮಾಡುತ್ತೀರಿ, ಮತ್ತು ಎಷ್ಟು ನಿಖರವಾಗಿ.
ಎಲ್ಲಾ 43 ಉಚಿತ ಮೆದುಳಿನ ಪರೀಕ್ಷೆಗಳನ್ನು ನೋಡಿ
ಇದನ್ನು ಪ್ರತಿದಿನ ಮಾಡಲು ಬಯಸುವಿರಾ? Helibrain ಆ್ಯಪ್ನಲ್ಲಿ (ಸದ್ಯಕ್ಕೆ ಇಂಗ್ಲಿಷ್‌ನಲ್ಲಿ) ಉಚಿತ ಯೋಜನೆ ಮತ್ತು ಪಾವತಿಸಿದ ಯೋಜನೆಗಳಿವೆ.
ಮೂಲಗಳು
- 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
ಈ ಪುಟವನ್ನು ನಾವು ಹೇಗೆ ತಯಾರಿಸಿದೆವು: ಮೇಲೆ ಪಟ್ಟಿ ಮಾಡಿದ ಅಧ್ಯಯನಗಳ ಆಧಾರದ ಮೇಲೆ Helibrain ತಂಡ ಬರೆದದ್ದು, ಮತ್ತು ರಾಬರ್ಟ್(ಇಂಗ್ಲಿಷ್) (ಜೈವಿಕ ಭೌತಶಾಸ್ತ್ರದ ಪಿಎಚ್‌ಡಿ ಅಭ್ಯರ್ಥಿ) ಅವರು ನವೆಂಬರ್ 4, 2026ಂದ ಪರಿಶೀಲಿಸಿದ್ದಾರೆ. ಮೂಲಗಳು ಬದಲಾದಾಗ ನಾವು ಇದನ್ನು ನವೀಕರಿಸುತ್ತೇವೆ.