Como ler o seu resultado
- Tempo médio por alvo: a rodada inteira dividida pelo número de alvos, em milissegundos (ms). Quanto menor, melhor. Cliques errados custam tempo, então também aparecem aqui.
- Precisão: os acertos divididos por todos os seus cliques na área de jogo.
- Acerto mais rápido: o seu alvo individual mais rápido.
- Rendimento: velocidade e dificuldade num só número, em bits por segundo (veja abaixo). Quanto maior, melhor.
- O gráfico: cada ponto é um alvo, com o seu tempo de acordo com a dificuldade dele. A linha tracejada é a sua própria reta da lei de Fitts.
O que é a lei de Fitts?
A lei de Fitts diz que, quanto mais longe e menor é um alvo, mais tempo se leva para acertá-lo. Paul Fitts mostrou em 1954 que o tempo cresce em linha reta com o "índice de dificuldade" do alvo, medido em bits [1]. Hoje ela costuma ser escrita como log2(distância / largura + 1) [2]. Os designers a usam para deixar os botões fáceis de acertar.
Dados rápidos
- O que mede: com que rapidez e precisão você aponta para alvos: ver onde o alvo está, ir até ele e parar em cima dele.
- Rendimento com mouse: estudos de laboratório que usam o método padrão encontram cerca de 3,7 a 4,9 bits por segundo [3].
- Rendimento com o dedo: num estudo com telefones, 16 pessoas tocando em alvos chegaram a cerca de 7 bits por segundo [4]. Os nossos números usam um método mais simples (veja abaixo), então não são diretamente comparáveis.
- Alvos pequenos em telas sensíveis ao toque: o toque de um dedo cai, por si só, cerca de 1 a 1,5 mm fora do ponto; alvos menores que cerca de 7 mm recebem muitos erros [5].
- Mouse e toque separados: os resultados ficam separados para cada forma de entrada.
Como funciona o aim trainer
- Aperte Começar no meio da área de jogo. O cronômetro começa.
- Acerte os alvos. Aparecem 30 alvos redondos, um de cada vez, em três tamanhos, cada um bem longe do anterior. Um clique que erra conta contra a sua precisão; o alvo fica lá até você acertá-lo.
- Veja o seu resultado, com a sua reta da lei de Fitts.
Os alvos vêm do nosso servidor, gerados a partir de um número aleatório (uma semente). Se você compartilhar a sua pontuação, o seu amigo recebe a mesma semente e, portanto, exatamente os mesmos alvos. Os seus cliques são pontuados no nosso servidor, que os reproduz sobre os alvos.
Calculamos o rendimento a partir da distância e do tamanho de cada alvo tal como aparecem na tela, sem as correções que o padrão de laboratório acrescenta conforme o lugar onde os cliques caem [3]. É por isso que recomendamos comparar com as suas próprias rodadas.
O que influencia a sua mira?
- Distância e tamanho. Alvos distantes e pequenos são os que levam mais tempo: isso é a lei de Fitts [1, 2].
- O aparelho. Um mouse, um touchpad e um dedo dão resultados diferentes. Em estudos de laboratório, o touchpad foi bem mais lento que o mouse [3].
- Rapidez ou cuidado. A pressa aumenta os erros, e cada erro custa tempo. As melhores pontuações vêm de um ritmo constante.
- A idade. Num estudo, os adultos erraram menos que crianças de 12 a 14 anos e foram mais rápidos que pessoas de 61 a 69 anos [6].
- A prática. Os tempos caem nas primeiras rodadas, à medida que você se acostuma com o jogo.
O que este teste pode e não pode dizer
O aim trainer mede a rapidez e a precisão ao apontar neste aparelho, hoje. Ele não é um teste de inteligência nem da saúde do seu cérebro, e a pontuação de uma rodada curta não prevê o quanto você seria bom em jogos.
Compare com as suas próprias rodadas anteriores no mesmo aparelho; um mouse novo ou um tamanho de tela diferente mudam os números.
Perguntas frequentes
O que é uma boa pontuação no aim trainer?
Compare com as suas próprias rodadas no mesmo aparelho: num jogo como este, uma boa pontuação é a que supera a anterior. Quando gente suficiente tiver jogado, o resultado também mostra como a sua primeira rodada se compara com as primeiras rodadas de outros jogadores com a mesma forma de entrada.
O que é o rendimento em bits por segundo?
O rendimento (em inglês, throughput) combina a dificuldade dos alvos e a rapidez com que você os acertou. A dificuldade é contada em bits: log2(distância / largura + 1) [2]. Divida pelo tempo que cada acerto levou, tire a média e você obtém bits por segundo. Estudos de laboratório com mouse encontram cerca de 4 a 5 bits por segundo com um método mais rigoroso [3].
É justo comparar mouse e toque?
Não, e nós não comparamos. Um dedo e um mouse se movem de jeitos diferentes, então o resultado só compara você com quem usou a mesma forma de entrada.
Por que os alvos do meu amigo são iguais aos meus?
O link de uma pontuação compartilhada leva a semente da rodada, então os alvos saem iguais. Isso deixa o desafio justo.
O aim trainer do Helibrain é grátis?
Sim. O jogo e o seu resultado completo são grátis: sem cadastro, sem e-mail, sem pagamento. Salvamos os resultados para construir comparações justas, como explica a nossa política de privacidade (em inglês).
Testes relacionados
- Teste de cliquesQuantas vezes você clica, toca ou aperta a barra de espaço em poucos segundos.
- Teste de tempo de reaçãoA rapidez com que você reage quando aparece um sinal.
- Teste de digitaçãoQuantas palavras por minuto você digita, e com que precisão.
Veja todos os 37 testes cerebrais grátis
Quer trabalhar nisso todos os dias? O app Helibrain (por enquanto em inglês) tem um plano gratuito e planos pagos.
Fontes
- 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
Como fizemos esta página: escrita pela equipe Helibrain a partir dos estudos listados acima e revisada por Robert (doutorando em biofísica) em 4 de novembro de 2026. Atualizamos a página quando as fontes mudam.