Esercissi ëd mira

Colp 30 bersaj an pressa e con precision, e varda com toa mira a va an conformità a la lege ëd Fitts. Gratis, sens registrassion.

Dël team ëd HelibrainRevisionà da Robert(Mach an anglèis), candidat al dotorà ëd biofisicaPublicà Revisionà l'ùltima vira

Com lesse tò pontègi

  • Temp medi për bersaj: la corsa completa dividùa për ël nùmer ëd bersaj, an millisecond (ms). Pi bas a l'é mej. I clic falì a fan perde temp, për sòn a-i son contà quì.
  • Precision: ij colp giust dividù për tuti ij clic ant l'area ëd giòch.
  • Colp pì rapid: tò bersaj singol pì rapid.
  • Ritmo ëd passagi: rapidità e dificultà ansema an un nùmer, an bit al second (varda sì-dapress). Pi aut a l'é mej.
  • Ël grafich: minca pont a l'é un bersaj, con sò temp confrontà a soa dificultà. La riga tratgià a l'é toa riga ëd la lege ëd Fitts.

L'é-lo la lege ëd Fitts?

La lege ëd Fitts a dis che pi lontan e pi cit a l'é un bersaj, pi temp a-i veul për colp-lo. An 1954 Paul Fitts a l'ha mostrà che ël temp a crëss an linia drita con l'«indice ëd dificultà» d'un bersaj, misurà an bit [1]. Ancoi a ven ëd solit scrivùa com log2(distance / width + 1) [2]. I designer a la dòvro për fé boton fàcil da colpì.

Fait rapìd

  • Còs a misura: con che rapidità e precision it indoviné ij bersaj: vëdde dov a l'é un bersaj, mo-vse fin-a lì e fermesse sora.
  • Ritmo ëd passagi con un mouse: j'arserche an laboratorì con ël métod standard a trovo da 3.7 a 4.9 bit al second [3].
  • Ritmo ëd passagi con un dit: an un'arserca an sël telefon, 16 person ch'a tocavo dij bersaj a l'han arivà a circa 7 bit al second [4]. I nòstri nùmer a dòvro un métod pi sempi (veuj ëd sota), donca a son pa confrontà diretament.
  • Bersaj cit an sle schërm tactil: ël toc d'un dit a casca da sol da 1 a 1.5 mm fora; ij bersaj pi cit ëd circa 7 mm a fan sbalié sovens [5].
  • Mouse e toc separà: ij resultà a ven confrontà mach ant la midema categorìa d'input.

Com a travaja l'esercissi ëd mira

  1. Sgnaca Start an mes ëd l'area ëd giòch. L'orologi a parte.
  2. Colp ij bersaj. 30 bersaj torond a comparisso un a la vira, an tre dimension, mincaun ben lontan da col ch'a l'é vnù prima. Un clic ch'a sbalia a conta contra toa precision; ël bersaj a resta fin che it lo colpe.
  3. Varda tò resultà, con toa riga ëd la lege ëd Fitts.

Se it condivid tò pontègi, tò amis a l'ha esatament ij midem bersaj.

I calcoloma ël ritmo ëd passagi a partì da la distansa e da la dimension ëd minca bersaj com a son mostre, sens le corevision chël standard ëd laboratorì a gionta a second ëd dov ch'a casco ij clic [3]. Për sòn i disoma da confronté con le toe pròpie corse.

Còs ch'a inflüensa toa mira?

  • Distansa e dimension. I bersaj lontan e cit a-i veulo pì temp: a l'é la lege ëd Fitts [1, 2].
  • Ël dispositiv. Un mouse, un touchpad e un dit a dan resultà diferent. Nle arserche ëd laboratorì, ël touchpad a l'era pi lent ëd cotant ël mouse [3].
  • Rapidità o atension. Se it cor, it sbalie pì sovens, e minca sbali a costa temp. I resultà mej a rivo con un ritmo costant.
  • Età. An n'arserca, j'adult a l'han fàit meno eror che ij cit da 12 a 14 agn e a son stàit pi rapid ëd le person da 61 a 69 agn [6].
  • Pràtica. I temp a cala ant le prime corse, mentre it t'abitue al giòch.

Còs ch'a peul e ch'a peul pa dì-t sto test

L'esercissi ëd mira a misura la rapidità e la precision con che it colpe sì sël tò dispositiv, an sto moment. A l'é pa un test d'inteligensa o dla salùte dël tò cervel, e un pontègi curt a prevede pa che brav it sarìe an dij giòch.

Confronta con le toe corse passà an sël midem dispositiv; un mouse neuv o na dimension diferenta ëd schërm a cambia ij nùmer.

Domande frequent

Còs a l'é un bon pontègi a l'esercissi ëd mira?

Confronta con le toe corse an sël midem dispositiv: për un giòch com cost, un bon pontègi a l'é un ch'a supera l'ùltim. Quand a l'avran giogà assé person, ël resultà a mostrarà ëdcò com toa prima corsa a se confronta con le prime corse dij àotr giocador ch'a l'han dovrà ël midem input.

Còs a l'é ël ritmo ëd passagi an bit al second?

Ël ritmo ëd passagi a combina la dificultà dij bersaj e la rapidità con che it j'has colpì. La dificultà a ven contà an bit: log2(distance / width + 1) [2]. Divid la dificultà për ël temp ch'a-i é andà për minca colp e fà la media: it l'has ël nùmer ëd bit al second. J'arserche ëd laboratorì con un mouse a trovo da 4 a 5 bit al second con un métod pi rigoros [3].

L'é giust confronté mouse e toc?

No, e i lo foma pa. Un dit e un mouse a se smovo an manera diferente, donca ël resultà a confronta mach con dj'àotr ch'a l'han dovrà ël midem input.

Përchè ij bersaj ëd mè amis a son ij midem dij mè?

Un colegament condividù d'un pontègi a conten ël sem d'a dla corsa, për sòn ij bersaj a ven fora tuti ij midem. Për sòn la sfida a l'é giusta.

L'esercissi ëd mira ëd Helibrain a l'é gratis?

Sì. Ël giòch e tò resultà complet a son gratis: sens registrassion, sens email e sens pagament.

Test colegà

Varda tùit ij 43 test gratis për ël servel

Veul-lo travajéje dzortut? L'aplicassion Helibrain (per adess an anglèis) a un pian gratis e dij pian a paiament.

Sité costa pàgina: Esercissi ëd mira. Helibrain. 2026. https://helibrain.com/pms/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 →

Sorgiss

  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

Com ch'a l'é stàita fàita sta pàgina: scrita dal team ëd Helibrain a partì da jë studi cità sì-sora, e revisionà da Robert(Mach an anglèis) (candidat al dotorà ëd biofisica) an 2026 novèmber 4. La modifìchioma quand che le font a cambio.