30 ലക്ഷ്യങ്ങളെ കഴിയുന്നത്ര വേഗത്തിലും കൃത്യതയോടെയും തൊടൂ; നിങ്ങളുടെ ലക്ഷ്യനീക്കം ഫിറ്റ്സിന്റെ നിയമത്തോട് എങ്ങനെ പൊരുത്തപ്പെടുന്നെന്ന് കാണൂ. സൗജന്യം, രജിസ്ട്രേഷൻ വേണ്ട.
Helibrain ടീമിൽ നിന്ന്ബയോഫിസിക്സിൽ പിഎച്ച്ഡി സ്ഥാനാർഥിയായ Robert(ഇംഗ്ലീഷ്) പരിശോധിച്ചത് പ്രസിദ്ധീകരിച്ചത്അവസാനം അവലോകനം ചെയ്തത്
നിങ്ങളുടെ സ്കോർ എങ്ങനെ വായിക്കാം
- ഓരോ ലക്ഷ്യത്തിനുമുള്ള ശരാശരി സമയം: ഒരു റൗണ്ടിലെ ആകെ സമയത്തെ ലക്ഷ്യങ്ങളുടെ എണ്ണംകൊണ്ട് ഭാഗിച്ചത്; മില്ലിസെക്കൻഡിൽ (മി.സെ.). കുറവായാൽ മികച്ചത്. ലക്ഷ്യം തെറ്റിയ ക്ലിക്കുകൾക്കും സമയം ചെലവാകും, അതിനാൽ അവയും ഇതിൽ ഉൾപ്പെടും.
- കൃത്യത: കളിസ്ഥലത്തെ ആകെ ക്ലിക്കുകളിൽ ലക്ഷ്യം തൊട്ട ക്ലിക്കുകളുടെ അനുപാതം.
- ഏറ്റവും വേഗത്തിലുള്ള തൊടൽ: ഒരു ലക്ഷ്യത്തെ തൊടാൻ എടുത്ത ഏറ്റവും കുറഞ്ഞ സമയം.
- ത്രൂപുട്ട്: വേഗവും പ്രയാസവും ചേർന്ന ഒറ്റ സംഖ്യ (ബിറ്റുകൾ/സെക്കൻഡിൽ; താഴെ കാണുക). കൂടുതലായാൽ മികച്ചത്.
- ചാർട്ട്: ഓരോ ബിന്ദുവും ഒരു ലക്ഷ്യത്തെയാണ് കാണിക്കുന്നത്; അതിന്റെ സമയം, ലക്ഷ്യം എത്ര പ്രയാസമായിരുന്നു എന്നതിനെതിരെ കാണിച്ചിരിക്കുന്നു. ഡാഷ് വര നിങ്ങളുടെ സ്വന്തം ഫിറ്റ്സ് നിയമരേഖയാണ്.
ഫിറ്റ്സിന്റെ നിയമം എന്താണ്?
ലക്ഷ്യം കൂടുതൽ അകലെയും ചെറുതുമായിരിക്കുമ്പോൾ അതിനെ തൊടാൻ കൂടുതൽ സമയമെടുക്കുമെന്ന് ഫിറ്റ്സിന്റെ നിയമം പറയുന്നു. ലക്ഷ്യത്തിന്റെ "പ്രയാസ സൂചിക"യുമായി സമയം നേർരേഖാപരമായി കൂടുമെന്ന് പോൾ ഫിറ്റ്സ് 1954-ൽ കാണിച്ചു; ഈ പ്രയാസം ബിറ്റുകളിൽ അളക്കുന്നു [1]. ഇന്ന് ഇത് സാധാരണയായി log2(distance / width + 1) എന്നെഴുതുന്നു [2]. ബട്ടണുകൾ എളുപ്പത്തിൽ തൊടാവുന്ന വിധം രൂപകൽപ്പന ചെയ്യാൻ ഡിസൈനർമാർ ഈ നിയമം ഉപയോഗിക്കുന്നു.
ചുരുക്ക വിവരങ്ങൾ
- ഇത് അളക്കുന്നത്: ലക്ഷ്യങ്ങൾ ചൂണ്ടിക്കാണിക്കുന്നതിന്റെ വേഗവും കൃത്യതയും: ലക്ഷ്യം എവിടെയെന്ന് കാണുക, അവിടേക്ക് നീങ്ങുക, അതിൽ നിർത്തുക.
- മൗസ് ഉപയോഗിച്ചുള്ള ത്രൂപുട്ട്: നിലവാരമുള്ള രീതി ഉപയോഗിച്ചുള്ള ലാബ് പഠനങ്ങളിൽ സെക്കൻഡിൽ ഏകദേശം 3.7 മുതൽ 4.9 ബിറ്റ് വരെ കണ്ടെത്തിയിട്ടുണ്ട് [3].
- വിരൽ ഉപയോഗിച്ചുള്ള ത്രൂപുട്ട്: ഒരു ഫോൺ പഠനത്തിൽ, ലക്ഷ്യങ്ങൾ തൊട്ട 16 പേർ സെക്കൻഡിൽ ഏകദേശം 7 ബിറ്റ് നേടി [4]. ഞങ്ങളുടെ കണക്കുകൂട്ടൽ ലളിതമായ രീതിയാണ് ഉപയോഗിക്കുന്നത് (താഴെ കാണുക), അതിനാൽ ഇവ നേരിട്ട് താരതമ്യം ചെയ്യാനാവില്ല.
- ടച്ച് സ്ക്രീനിലെ ചെറിയ ലക്ഷ്യങ്ങൾ: വിരൽ തൊടുന്ന സ്ഥാനം സ്വാഭാവികമായിത്തന്നെ ഏകദേശം 1 മുതൽ 1.5 mm വരെ മാറാം; ഏകദേശം 7 mm-ൽ താഴെയുള്ള ലക്ഷ്യങ്ങൾ പലപ്പോഴും തെറ്റിപ്പോകും [5].
- മൗസും ടച്ചും വേർതിരിച്ച്: ഒരേ തരത്തിലുള്ള ഇൻപുട്ട് ഉപയോഗിച്ച ഫലങ്ങൾ മാത്രമാണ് താരതമ്യം ചെയ്യുന്നത്.
ലക്ഷ്യ പരിശീലനം എങ്ങനെ പ്രവർത്തിക്കുന്നു
- കളിസ്ഥലത്തിന്റെ നടുവിലുള്ള ആരംഭിക്കുക അമർത്തൂ. സമയം തുടങ്ങും.
- ലക്ഷ്യങ്ങളെ തൊടൂ. 30 വൃത്താകൃതിയിലുള്ള ലക്ഷ്യങ്ങൾ, ഓരോന്നായി, മൂന്ന് വലുപ്പങ്ങളിൽ പ്രത്യക്ഷപ്പെടും; ഓരോ പുതിയ ലക്ഷ്യവും മുമ്പത്തേതിൽ നിന്ന് അകലെയായിരിക്കും. ലക്ഷ്യം തെറ്റിച്ചുള്ള ക്ലിക്കുകൾ കൃത്യത കുറയ്ക്കും; തൊടുന്നതുവരെ ലക്ഷ്യം അവിടെത്തന്നെ തുടരും.
- നിങ്ങളുടെ ഫലം കാണൂ, ഫിറ്റ്സ് നിയമരേഖയോടൊപ്പം.
നിങ്ങളുടെ സ്കോർ പങ്കിട്ടാൽ, സുഹൃത്തിനും അതേ ലക്ഷ്യങ്ങൾ തന്നെയായിരിക്കും ലഭിക്കുക.
ഓരോ ലക്ഷ്യത്തിന്റെയും ദൂരവും വലുപ്പവും കാണിച്ചിരിക്കുന്നതുപോലെ ഉപയോഗിച്ചാണ് ഞങ്ങൾ ത്രൂപുട്ട് കണക്കാക്കുന്നത്. ക്ലിക്കുകൾ എവിടെയാണ് പതിച്ചതെന്നതിനെക്കുറിച്ച് ലാബ് നിലവാരരീതി വരുത്തുന്ന തിരുത്തലുകൾ ഇതിൽ ചേർക്കുന്നില്ല [3]. അതിനാൽ നിങ്ങളുടെ സ്വന്തം റൗണ്ടുകളുമായി താരതമ്യം ചെയ്യാനാണ് ഞങ്ങൾ പറയുന്നത്.
നിങ്ങളുടെ ലക്ഷ്യത്തെ എന്തൊക്കെ ബാധിക്കുന്നു?
- ദൂരവും വലുപ്പവും. അകലെയുള്ള ചെറിയ ലക്ഷ്യങ്ങളാണ് തൊടാൻ ഏറ്റവും കൂടുതൽ സമയമെടുക്കുന്നത്: അതാണ് ഫിറ്റ്സിന്റെ നിയമം [1, 2].
- ഉപകരണം. മൗസ്, ടച്ച്പാഡ്, വിരൽ എന്നിവ വ്യത്യസ്ത ഫലങ്ങൾ നൽകും. ലാബ് പഠനങ്ങളിൽ ടച്ച്പാഡ് മൗസിനേക്കാൾ വളരെ മന്ദഗതിയിലായിരുന്നു [3].
- വേഗമോ ശ്രദ്ധയോ. ധൃതികൂട്ടുമ്പോൾ ലക്ഷ്യം തെറ്റും; ഓരോ തെറ്റിനും സമയം ചെലവാകും. സ്ഥിരമായ വേഗത്തിൽ കളിക്കുമ്പോഴാണ് മികച്ച സ്കോറുകൾ ലഭിക്കുക.
- പ്രായം. ഒരു പഠനത്തിൽ, 12 മുതൽ 14 വയസ്സുവരെയുള്ള കുട്ടികളേക്കാൾ മുതിർന്നവർക്ക് പിഴവുകൾ കുറവായിരുന്നു; 61 മുതൽ 69 വയസ്സുവരെയുള്ളവരേക്കാൾ അവർ വേഗത്തിലുമായിരുന്നു [6].
- പരിശീലനം. കളിയോട് പരിചയപ്പെടുന്ന ആദ്യത്തെ കുറച്ച് റൗണ്ടുകളിൽ സമയം കുറയും.
ഈ പരിശോധനയ്ക്ക് നിങ്ങളോട് പറയാനാകുന്നതും പറയാനാകാത്തതും
ഈ ഉപകരണത്തിൽ ഇന്ന് ലക്ഷ്യങ്ങളിലേക്ക് ചൂണ്ടുന്നതിന്റെ വേഗവും കൃത്യതയുമാണ് ലക്ഷ്യ പരിശീലനം അളക്കുന്നത്. ഇത് ബുദ്ധിശക്തിയുടെയോ തലച്ചോറിന്റെ ആരോഗ്യത്തിന്റെയോ പരിശോധനയല്ല; ചെറിയൊരു റൗണ്ടിലെ സ്കോർ നിങ്ങൾ ഗെയിമുകളിൽ എത്ര നന്നായിരിക്കുമെന്ന് പ്രവചിക്കുകയുമില്ല.
അതേ ഉപകരണത്തിൽ മുമ്പ് നടത്തിയ നിങ്ങളുടെ റൗണ്ടുകളുമായി താരതമ്യം ചെയ്യൂ; പുതിയ മൗസോ വ്യത്യസ്ത സ്ക്രീൻ വലുപ്പമോ കണക്കുകൾ മാറ്റും.
പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾ
നല്ല ലക്ഷ്യ പരിശീലന സ്കോർ എത്രയാണ്?
അതേ ഉപകരണത്തിൽ നടത്തിയ നിങ്ങളുടെ സ്വന്തം റൗണ്ടുകളുമായി താരതമ്യം ചെയ്യൂ: ഈ പോലൊരു ഗെയിമിൽ, കഴിഞ്ഞ സ്കോറിനെ മറികടക്കുന്നതാണ് നല്ല സ്കോർ. മതിയായ ആളുകൾ കളിച്ചുകഴിഞ്ഞാൽ, ഒരേ ഇൻപുട്ട് ഉപയോഗിച്ച മറ്റുള്ളവരുടെ ആദ്യ റൗണ്ടുകളുമായി നിങ്ങളുടെ ആദ്യ റൗണ്ടിനെ താരതമ്യം ചെയ്യുന്ന ഫലവും കാണിക്കും.
സെക്കൻഡിലെ ബിറ്റുകളിലുള്ള ത്രൂപുട്ട് എന്താണ്?
ലക്ഷ്യങ്ങൾ എത്ര പ്രയാസമായിരുന്നു, അവയെ എത്ര വേഗത്തിൽ തൊട്ടു എന്നീ കാര്യങ്ങൾ ത്രൂപുട്ട് ഒരുമിച്ച് കണക്കാക്കുന്നു. പ്രയാസം ബിറ്റുകളിൽ കണക്കാക്കുന്നു: log2(distance / width + 1) [2]. ഓരോ തൊടലിനും എടുത്ത സമയംകൊണ്ട് അതിനെ ഭാഗിച്ച് ശരാശരിയെടുത്താൽ സെക്കൻഡിലെ ബിറ്റുകൾ ലഭിക്കും. മൗസ് ഉപയോഗിച്ചുള്ള ലാബ് പഠനങ്ങളിൽ, കൂടുതൽ കർശനമായ രീതി പ്രകാരം സെക്കൻഡിൽ ഏകദേശം 4 മുതൽ 5 ബിറ്റ് വരെ കണ്ടെത്തിയിട്ടുണ്ട് [3].
മൗസും ടച്ചും തമ്മിൽ താരതമ്യം ചെയ്യുന്നത് ശരിയാണോ?
അല്ല; ഞങ്ങൾ അങ്ങനെ താരതമ്യം ചെയ്യുന്നുമില്ല. വിരലും മൗസും വ്യത്യസ്തമായി നീങ്ങുന്നതിനാൽ, ഒരേ ഇൻപുട്ട് ഉപയോഗിച്ച മറ്റുള്ളവരുമായി മാത്രമേ ഫലം താരതമ്യം ചെയ്യുന്നുള്ളൂ.
എന്റെ സുഹൃത്തിന്റെ ലക്ഷ്യങ്ങൾ എന്റേതുപോലെയാകുന്നത് എന്തുകൊണ്ട്?
പങ്കിട്ട സ്കോർ ലിങ്കിൽ ആ റൗണ്ടിന്റെ വിത്ത് സംഖ്യ ഉൾപ്പെടുന്നു, അതിനാൽ ലക്ഷ്യങ്ങൾ ഒരേപോലെ വരും. ഇതിലൂടെ വെല്ലുവിളി നീതിപൂർവമാകുന്നു.
Helibrain ലക്ഷ്യ പരിശീലനം സൗജന്യമാണോ?
അതെ. ഗെയിമും നിങ്ങളുടെ മുഴുവൻ ഫലവും സൗജന്യമാണ്: രജിസ്ട്രേഷനോ ഇമെയിലോ പണമടയ്ക്കലോ വേണ്ട.
ബന്ധപ്പെട്ട പരിശോധനകൾ
- ക്ലിക്ക് വേഗ പരിശോധനകുറച്ച് സെക്കൻഡിൽ എത്ര തവണ ക്ലിക്ക് ചെയ്യുകയോ ടാപ്പ് ചെയ്യുകയോ സ്പേസ്ബാർ അമർത്തുകയോ ചെയ്യുന്നു.
- പ്രതികരണ സമയ പരിശോധനഒരു സൂചന വരുമ്പോൾ നിങ്ങൾ എത്ര വേഗം പ്രതികരിക്കുന്നു.
- ടൈപ്പിംഗ് വേഗ പരിശോധനഒരു മിനിറ്റിൽ എത്ര വാക്കുകൾ ടൈപ്പ് ചെയ്യുന്നു, എത്ര കൃത്യതയോടെ.
43 സൗജന്യ മസ്തിഷ്ക പരിശോധനകളും കാണുക
ഇതിൽ ദിവസവും പ്രവർത്തിക്കാൻ ആഗ്രഹിക്കുന്നുണ്ടോ? Helibrain ആപ്പ് (ഇപ്പോൾ ഇംഗ്ലീഷിൽ മാത്രം) സൗജന്യ പ്ലാനും പണമടയ്ക്കേണ്ട പ്ലാനുകളുമുണ്ട്.
ഉറവിടങ്ങൾ
- 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
ഈ പേജ് ഞങ്ങൾ എങ്ങനെ തയ്യാറാക്കി: മുകളിൽ പറഞ്ഞ പഠനങ്ങളിൽ നിന്ന് Helibrain ടീം രചിച്ചത്, കൂടാതെ ബയോഫിസിക്സ് പിഎച്ച്ഡി പഠന വിദ്യാർത്ഥിയായ Robert(ഇംഗ്ലീഷ്) 2026 നവംബർ 4-ന് അവലോകനം ചെയ്തത്. ഉറവിടങ്ങൾ മാറുമ്പോൾ ഞങ്ങൾ ഇത് പുതുക്കുന്നു.