رفتن به درونمایه

تمرینِ نشونه‌گیری

30 ره هرچه زودتر و درست‌تر بزن و ببین نشونه‌گیریِت چه‌جوری از قانونِ فیتس پیروی کِنه. رایگان، بی‌ثبت‌نام.

از طرفِ گروهِ HelibrainRobert(انگلیسی)، دانشجوی دکتریِ زیست‌فیزیک بازبینی کرده منتشر بَیتهآخرین بار بازبینی بَیته

امتیازت ره چه‌جوری بخونی

  • میانگینِ زمانِ هر نشونه: همهٔ زمانِ دور تقسیم بر شمارِ نشونه‌ها، به میلی‌ثانیه (ms). هرچی کم‌تر، بهتر. کلیک‌های خطا وقت ره هدر دِنّه و این‌جا هم حساب بَوّه.
  • درستی: شمارِ نشونه‌های زده‌شده تقسیم بر همهٔ کلیک‌هات توی جایِ بازی.
  • تندترین نشونه: زودترین نشونه‌ای که زدی.
  • توانِ نشونه‌گیری: تندی و دشواری ره توی یه عدد جمع کِنه، به بیت در ثانیه (پایین‌تر ببین). هرچی بیش‌تر، بهتر.
  • نمودار: هر نقطه یه نشونه ره نشون دِنه، و زمانِ زدنش ره برابرِ دشواریِش. خطِ چین‌چین، خطِ قانونِ فیتسِ خودته.

قانونِ فیتس چیه؟

قانونِ فیتس گِنه هرچی نشونه دورتر و کوچیک‌تر بَوّه، زدنش وقتِ بیش‌تری گیره. پل فیتس سالِ 1954 نشون هادِه که زمان با «شاخصِ دشواریِ» نشونه، که با بیت اندازه‌گیری بَوّه، خطی زیاد بَوّه [1]. امروزه معمولاً این‌جوری نویسنه: log2(distance / width + 1) [2]. طراح‌ها ازی قانون کار گِیرنه تا دکمه‌ها آسون‌تر زده بَوِن.

چند نکتهٔ زودکی

  • چی ره اندازه گیره: تندی و درستیِ نشونه‌گیری‌ت به سوی نشونه‌ها؛ یعنی دیدنِ جایِ نشونه، رفتن به اون‌جا و نگه‌داشتنِ نشونه‌گر روش.
  • توان با موش‌واره: پژوهش‌های آزمایشگاهی با روشِ استاندارد، حدودِ 3.7 تا 4.9 بیت در ثانیه یافته‌ن [3].
  • توان با انگشت: توی یه پژوهشِ گوشی، 16 نفر که نشونه‌ها ره با انگشت تَک‌تَک زونه، حدودِ 7 بیت در ثانیه به دست بیاردنه [4]. عددهای ما با روشِ ساده‌تری حساب بَوِن (پایین‌تر ببین)، پس مستقیم هم‌سنجی‌پذیر نی‌یه.
  • نشونه‌های کوچیک روی صفحهٔ لمسی: انگشت به‌خودیِ‌خود حدودِ 1 تا 1.5 mm خطا دِنه؛ نشونه‌های کوچیک‌تر از حدودِ 7 mm خیلی خطا خورنه [5].
  • جدا کردنِ موش‌واره و لمس: نتیجه‌ها فقط با هم‌جورِ ورودی هم‌سنجی بَوِن.

تمرینِ نشونه‌گیری چه‌جوری کار کِنه

  1. شروع ره بزن، وسطِ جایِ بازی. ساعت شروع بَوّه.
  2. نشونه‌ها ره بزن. 30 نشونهٔ گِرد، یکی‌یکی و توی سه اندازه پدیدار بَوِن؛ هر نشونه از جایِ پیشین دورتره. کلیکی که خطا بره از درستیِت کم کِنه؛ نشونه تا وقتی بزنیش سرِ جاش مونه.
  3. نتیجه‌ت ره ببین، با خطِ قانونِ فیتسِ خودت.

اگه امتیازت ره هم‌رسانی کِنی، رفیقت هم درست همون نشونه‌ها ره گیره.

توان ره از روی دوری و اندازهٔ هر نشونه، همون‌جوری که نشون داده بَوّه، حساب کِنین؛ بی‌اون اصلاح‌هایی که روشِ استانداردِ آزمایشگاهی برای جایِ فرودِ کلیک‌ها اضافه کِنه [3]. واسه همی گِنین نتیجه ره با دورهای پیشینِ خودت هم‌سنجی کِنی.

چی روی نشونه‌گیریِت اثر دارنه؟

  • دوری و اندازه. نشونه‌های دور و کوچیک بیش‌ترین وقت ره گیرنه: این همون قانونِ فیتسه [1, 2].
  • دستگاه. موش‌واره، صفحهٔ لمسی و انگشت نتیجه‌های جورواجور دِنّه. توی پژوهش‌های آزمایشگاهی، صفحهٔ لمسی خیلی کندتر از موش‌واره بوه [3].
  • تندی یا دقت. شتاب‌کاری خطاها ره زیاد کِنه و هر خطا وقت ره هدر دِنه. بهترین امتیازها با تندیِ یکنواخت به دست بَوِن.
  • سن. توی یه پژوهش، بزرگسال‌ها از بچه‌های 12 تا 14 ساله کم‌تر خطا کاردنه و از آدم‌های 61 تا 69 ساله تندتر بونه [6].
  • تمرین. توی چند دورِ نخست، وقتی به بازی خو بَیی، زمان‌ها کم بَوِن.

این آزمون چی ره گِنه و چی ره نه

تمرینِ نشونه‌گیری، تندی و درستیِ نشونه‌گیری ره با این دستگاه و در همین امروز اندازه گیره. این آزمونِ هوش یا سلامتِ مغز نی‌یه، و یه امتیازِ کوتاه پیش‌بینی نَکِنه توی بازی‌ها چه‌قدر خوب بَیی.

نتیجه ره با دورهای پیشینِ خودت و با همون دستگاه هم‌سنجی کِنی؛ موش‌وارهٔ نو یا اندازهٔ جورِ دیگهٔ صفحه، عددها ره عوض کِنه.

پرسش‌های همیشگی

امتیازِ خوبِ تمرینِ نشونه‌گیری چنده؟

نتیجه ره با دورهای پیشینِ خودت و با همون دستگاه هم‌سنجی کِنی: توی بازی‌ای مثل این، امتیازِ خوب امتیازیه که از دورِ پیشینت بهتر بَوّه. وقتی آدم‌های بس‌تری بازی کِرده بون، نتیجه هم نشون دِنه دورِ نخستت برابرِ دورِ نخستِ بازیکن‌های دیگه‌ای که همون ورودی ره به کار بَردنه چه‌جوریه.

توان به بیت در ثانیه چیه؟

توان، دشواریِ نشونه‌ها و تندیِ زدنِشون ره با هم حساب کِنه. دشواری با بیت اندازه گیره: log2(distance / width + 1) [2]. این ره بر زمانِ هر نشونه تقسیم کِنه و میانگین گیره تا بیت در ثانیه به دست بییه. پژوهش‌های آزمایشگاهی با موش‌واره، با روشِ سخت‌گیرانه‌تر حدودِ 4 تا 5 بیت در ثانیه یافته‌ن [3].

هم‌سنجیِ موش‌واره و لمس درسته؟

نه، ما هم این دو ره هم‌سنجی ناکِنیم. انگشت و موش‌واره جورِ دیگه‌ای حرکت کِنِن، پس نتیجه فقط تو ره با کسایی هم‌سنجی کِنه که از همون ورودی کار بَردنه.

چرا نشونه‌های رفیقم مثلِ نشونه‌های منه؟

پیوندِ امتیازِ هم‌رسانی‌شده، دانهٔ تصادفیِ دور ره با خودش داره، واسه همین نشونه‌ها همون‌جوری دربیین. این‌جوری چالش برابر بَوّه.

تمرینِ نشونه‌گیریِ Helibrain رایگانه؟

آره. بازی و همهٔ نتیجه‌ت رایگانه: بی‌ثبت‌نام، بی‌ایمیل و بی‌پرداخت.

همهٔ 43 آزمونِ رایگانِ مغز ره ببین

خوای هر روز روش کار کنی؟ اپلیکیشن Helibrain (فعلاً به انگلیسی) طرحِ رایگان و طرح‌های پولی داره.

این صفحه ره بُن هاکنین: تمرینِ نشونه‌گیری. Helibrain. 2026. https://helibrain.com/mzn/aim-trainer. CC BY 4.0.

How this test works

This game measures how quickly and accurately you can point at targets. Press Start, then hit 30 round targets that appear one at a time, in three sizes and at different distances. A miss doesn't move the target, but it costs time and lowers your accuracy. Your main score is your average time per target. You also see your accuracy and your throughput in bits per second. Psychology labs have used pointing tasks like this since Paul Fitts described them in 1954.

Version 1 · Cite this test:

Helibrain (2026). Aim trainer, v1. https://helibrain.com/aim-trainer/methods

Full method →

سرچشمه‌ها

  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

این صفحه چه‌جوری جور بَیته: گروهِ Helibrain اونه بر پایهٔ پژوهش‌هایی که بالا فهرست بَیّه نوشته، و Robert(انگلیسی) (دانشجوی دکتریِ زیست‌فیزیک) اونه AP 1405 Aban 13 بازبینی کرده. وقتی منبع‌ها عوض بَوِنه، صفحه ره نو کِنیم.