วิธีอ่านคะแนนของคุณ
- เวลาเฉลี่ยต่อเป้าหมาย: การทำงานทั้งหมดหารด้วยจำนวนเป้าหมาย มีหน่วยเป็นมิลลิวินาที (ms) ต่ำกว่าจะดีกว่า คลิกที่พลาดทำให้เสียเวลา ดังนั้นจึงแสดงที่นี่เช่นกัน
- ความแม่นยำ: จำนวนการเข้าชมหารด้วยจำนวนคลิกทั้งหมดของคุณในพื้นที่เล่น
- การโจมตีที่เร็วที่สุด: เป้าหมายเดียวที่เร็วที่สุดของคุณ
- ปริมาณงาน: ความเร็วและความยากในหนึ่งตัวเลข เป็นบิตต่อวินาที (ดูด้านล่าง) สูงกว่าจะดีกว่า
- แผนภูมิ: แต่ละจุดคือเป้าหมายเดียว ถึงเวลาเทียบกับความยากลำบาก เส้นประคือเส้น Fitts's-law ของคุณเอง
กฎของ Fitts คืออะไร?
ข้อมูลโดยสรุป
- มีการวัดผลอะไรบ้าง: คุณชี้ไปที่เป้าหมายได้เร็วและแม่นยำเพียงใด: การดูว่าเป้าหมายอยู่ที่ไหน เคลื่อนที่ไปที่นั่น และหยุดเป้าหมาย
- ปริมาณงานด้วยเมาส์: การศึกษาในห้องปฏิบัติการโดยใช้วิธีมาตรฐานค้นหาบิตต่อวินาทีตั้งแต่ 3.7 ถึง 4.9 [3]
- การรับส่งข้อมูลด้วยปลายนิ้ว: ในการศึกษาทางโทรศัพท์ครั้งหนึ่ง ผู้คน 16 ที่แตะเป้าหมายเข้าถึงประมาณ 7 บิตต่อวินาที [4] ตัวเลขของเราใช้วิธีที่ง่ายกว่า (ด้านล่าง) ดังนั้นจึงไม่สามารถเปรียบเทียบได้โดยตรง
- เป้าหมายขนาดเล็กบนหน้าจอสัมผัส: การสัมผัสของนิ้วตกลงไปประมาณ 1 ถึง 1.5 มม. ด้วยตัวเอง เป้าหมายที่เล็กกว่าประมาณ 7 mm จะพลาดไปมาก [5]
- แยกเมาส์และการสัมผัส: ผลลัพธ์จะถูกแยกออกจากกันในแต่ละอินพุต
วิธีการทำงานของผู้ฝึกสอนจุดมุ่งหมาย
- กด Start ตรงกลางพื้นที่เล่น นาฬิกาเริ่มเดิน
- โจมตีให้ตรงเป้า เป้าทรงกลม 30 จะปรากฏทีละตัว มี 3 ขนาด โดยแต่ละอันอยู่ห่างจากอันสุดท้ายมาก การคลิกที่พลาดจะนับรวมกับความแม่นยำของคุณ เป้าหมายจะอยู่จนกว่าคุณจะโดนมัน
- ดูผลลัพธ์ของคุณ ด้วยบรรทัด Fitts's-law ของคุณ
เป้าหมายมาจากเซิร์ฟเวอร์ของเรา สร้างขึ้นจากตัวเลขสุ่ม (เมล็ดพืช) หากคุณแบ่งปันคะแนน เพื่อนของคุณจะได้รับเมล็ดพันธุ์เดียวกันและมีเป้าหมายเดียวกันทุกประการ การคลิกของคุณจะถูกทำคะแนนบนเซิร์ฟเวอร์ของเรา ซึ่งจะเล่นซ้ำกับเป้าหมาย
เราคำนวณปริมาณงานจากระยะทางและขนาดของแต่ละเป้าหมายดังที่แสดง โดยไม่มีการแก้ไขที่มาตรฐานห้องปฏิบัติการเพิ่มไว้สำหรับตำแหน่งที่การคลิกไปถึง [3] นั่นคือเหตุผลที่เราพูดให้เปรียบเทียบกับการทดสอบของคุณเอง
อะไรส่งผลต่อเป้าหมายของคุณ?
- ระยะทางและขนาด ไกล เป้าหมายขนาดเล็กใช้เวลานานที่สุด: นั่นคือกฎของ Fitts [1, 2]
- อุปกรณ์ เมาส์ ทัชแพด และนิ้วให้ผลลัพธ์ที่แตกต่างกัน ในการศึกษาในห้องปฏิบัติการ ทัชแพดทำงานช้ากว่าเมาส์ [3] มาก
- ความเร็วหรือการเอาใจใส่ การเร่งรีบทำให้เกิดพลาด และทุกครั้งที่พลาดต้องเสียเวลา คะแนนที่ดีที่สุดมาจากการก้าวที่มั่นคง
- อายุ ในการศึกษาชิ้นหนึ่ง ผู้ใหญ่ทำข้อผิดพลาดน้อยกว่าเด็กอายุ 12 ถึง 14 และเร็วกว่าผู้ที่มีอายุ 61 ถึง 69 [6]
- ฝึกซ้อม เวลาจะลดลงในช่วงสองสามรอบแรกเมื่อคุณคุ้นเคยกับเกมแล้ว
แบบทดสอบนี้บอกอะไรได้บ้างและบอกไม่ได้
เครื่องฝึกเล็งวัดความเร็วและความแม่นยำในการชี้บนอุปกรณ์นี้ในปัจจุบัน ไม่ใช่การทดสอบความฉลาดหรือสุขภาพสมองของคุณ และคะแนนสั้นๆ ไม่ได้ทำนายว่าคุณจะเก่งแค่ไหนในการเล่นเกม
เปรียบเทียบกับการทำงานก่อนหน้านี้ของคุณบนอุปกรณ์เดียวกัน เมาส์ใหม่หรือขนาดหน้าจออื่นจะเปลี่ยนตัวเลข
คำถามที่พบบ่อย
คะแนนเทรนเนอร์การเล็งที่ดีคืออะไร?
เปรียบเทียบกับการทดสอบของคุณเองบนอุปกรณ์เดียวกัน: สำหรับเกมแบบนี้ คะแนนที่ดีคือเกมที่เอาชนะเกมล่าสุดของคุณ เมื่อมีคนเล่นมากพอแล้ว ผลลัพธ์ยังแสดงให้เห็นว่าการทดสอบครั้งแรกของคุณเป็นอย่างไรเมื่อเปรียบเทียบกับการทดสอบครั้งแรกของผู้เล่นคนอื่นโดยใช้อินพุตเดียวกัน
ปริมาณงานเป็นบิตต่อวินาทีคืออะไร?
เปรียบเทียบเมาส์กับระบบสัมผัสยุติธรรมไหม?
ไม่ และเราไม่ทำ นิ้วและเมาส์เคลื่อนที่ต่างกัน ดังนั้นผลลัพธ์จะเปรียบเทียบคุณกับคนอื่นๆ ที่ใช้อินพุตเดียวกันเท่านั้น
ทำไมเป้าหมายของเพื่อนถึงเหมือนกับเป้าหมายของฉัน?
ลิงก์คะแนนที่แชร์จะมีเมล็ดพันธุ์ของการทดสอบ ดังนั้นเป้าหมายจึงออกมาเหมือนกัน นั่นทำให้ความท้าทายเป็นไปอย่างยุติธรรม
เครื่องฝึกเล็ง Helibrain ฟรีหรือเปล่า?
ใช่. เกมและผลการแข่งขันทั้งหมดของคุณนั้นฟรี ไม่ต้องลงทะเบียน ไม่ต้องใช้อีเมล ไม่ต้องชำระเงิน เราบันทึกผลลัพธ์เพื่อสร้างการเปรียบเทียบที่ยุติธรรม ดังที่ นโยบายความเป็นส่วนตัว ของเราอธิบายไว้
การทดสอบที่เกี่ยวข้อง
- ทดสอบความเร็วในการคลิกคลิก แตะ หรือกด Spacebar กี่ครั้งในเวลาไม่กี่วินาที
- ทดสอบเวลาตอบสนองคุณตอบสนองเร็วแค่ไหนเมื่อมีสัญญาณปรากฏขึ้น
- ทดสอบความเร็วในการพิมพ์อังกฤษคุณพิมพ์ได้กี่คำต่อนาที และแม่นยำแค่ไหน
ดูการทดสอบสมองฟรีของ 43 ทั้งหมด
ต้องการทำงานนี้ทุกวันหรือไม่? แอป Helibrain (ปัจจุบันเป็นภาษาอังกฤษ) มีแผนบริการฟรีและแผนชำระเงิน
แหล่งอ้างอิง
- 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
วิธีที่เราสร้างหน้านี้: เขียนโดยทีมงาน Helibrain จากการศึกษาที่ระบุไว้ข้างต้น และตรวจสอบโดย Robert (ผู้สมัครระดับปริญญาเอกสาขาชีวฟิสิกส์) ใน 4 พฤศจิกายน 2569 เราอัปเดตเมื่อแหล่งที่มาเปลี่ยนแปลง