フィッツの法則の使い方
私はこの法律を1週間研究してきましたが、それがどのように機能するのかまだわかりません。つまり、例がありますが、法律をそれに適用する方法がわかりません。
定義
- MT = a + bログ2 2・A/W
- ID =ログ2 2・A/W
2次元空間（x-y軸）で使用します。
この定理の定義を簡単に確認するには、[ * ]を参照してください。
問題
この論文[1 *]とビデオ[ A1 ]によると、[〜＃〜] w [〜＃〜]（ターゲットの幅）および[〜＃〜] a [〜＃〜]（振幅または初期位置からターゲット位置までの距離）は、使用するたびに変更されます。これは、「みんな、この定理はうまく機能している」と言っているように見えるので、さまざまな例を取り上げますが、私の問題は、この定理をの同じ値に適用したい場合です[〜＃ 〜] w [〜＃〜]および[〜＃〜] a [〜＃〜]; aとbの値を取得するにはどうすればよいですか？そしてそれはどのように機能しますか？それは人々のグループを取り、彼らが取る時間または何を計算することによって機能しますか？
[〜＃〜] w [〜＃〜]と[〜＃〜] a [〜＃〜]の同じ値をとる理由？これは、ユーザーがマウスを左上から右下に移動する例があるためです[〜＃〜] a [〜＃〜]= 800ピクセルと[〜＃〜] w [〜＃〜]= 10ピクセル。 aとbの値を取得する方法を教えてください。またはこれら2つの値aとを取得するためにどのような実験ができるか教えていただけますかb？
注：質問が明確でない可能性があるため、質問が明確になるように編集します。明確でないものがある場合は、指摘して説明します。
参考文献
[1 *] S. MacKenzieおよびW. Buxtonによる「拡張フィッツの法則の2次元タスクへの拡張」。
[2 *] S. MacKenzieによる「ヒューマンコンピュータインターフェイスでの移動時間予測」
[3 *] H. Zhaoによる「Fitts Law：Modeling Movement Time in HCI」
一部のビデオリソースは次のとおりです。
- [A1]： フィッツの法則実験
IDは変更する必要があります
IDが定数の場合、aとbの値を取得できません。モデルにパラメーターを近似するには、推定するパラメーターと同じ数以上の条件が必要です。 2つのパラメーター（aとb）があるため、IDの値が少なくとも2つ必要です。 1つのパラメーターの値について（たとえば、bが0であると）想定することは意味がないと思います。
したがって、実験では、A、W、またはその両方を変化させることによってIDを変化させる必要があります。 AとWの値を選択して、派生方程式を適用する値の範囲を含めます。一般的に、（1）ボタンが互いに隣り合っている場合、および（2）ボタンがコントロールパネルまたは画面の反対側にある場合に、あるボタンから別のボタンに移動するなど、物理的にもっともらしい極端を含めます。 （s）（それぞれ物理ボタンまたは仮想ボタン）。実験には少なくとも2つのIDの値が必要ですが、中間の値も含めることをお勧めします。これは、ケースでFittの法則が「機能する」ことを確認するためです。
aとbを決定する線を引きます
実験の結果、さまざまなMT値がID値とペアになっています。これらの値のペアをMT on Y軸。ドットに最も近い1本の直線を描きます（Fitの「法則」であるにもかかわらず、個人間のばらつきを含む「ノイズ」のため、ドットは完全には整列しません）。直線はbで、Y切片はaです。ドットが単一の直線の周りに均等に分布しない場合（つまり、ドットのクラウドが上下にカーブしている場合）、一部の場合、フィットの法則が適用されません。理由。
実際には、MTとExcelでIDの散布図を作成し、[グラフに数式を表示する]がオンになっている線形トレンド線を追加して、数式からaとbを読み取ります。は 線形回帰 最適な直線を提供します。これは概念的には上記と同じですが、線を目立たせるよりも正確です。散布図を視覚的に調べて、フィットの法則が正しいことを確認してください申請中。
結果の方程式を使用して
実験からaとbを取得したら、フィットの方程式を使用して、関心のあるIDの特定の特定の値の平均時間を予測できます。ただし、IDの単一の値にFittを使用する意味はあまりありません。左上から右下にスルーするのにかかる時間を知りたい場合は、フィットを忘れて、ユーザーが左上から右下にスルーして平均を取る実験を実行します。
Fittは、さまざまなIDを持っている場合、特にIDが必ずしも実験的に使用した値と必ずしも同じではない場合に便利です（ただし、正確さのために、値の範囲内である必要があります）実験的に使用された）。たとえば、数式を使用して、ターゲットをウィンドウの右下以外の場所に移動した場合の影響を確認できます（実験を行ったときに思いもよらなかった場所も含まれます）。 Fittsを使用して、最小許容MTに対応する位置（またはターゲットサイズ）を決定できます。 Fittは一連のIDに使用できます。たとえば、一連のボタンをヒットするまでの合計時間を一般的な順序で計算し、ボタンの配置が異なるとどのように変化するかを確認できます。
Fittsを使用すると、マウスとマウスの代替品などの入力デバイスを、それぞれの個別のFitt方程式を導出することで比較できます。もちろん、AsとWsの代表的な組み合わせで2つのデバイスの平均MTを比較できます。ただし、2つのフィットの方程式からaとbを比較すると、さらに洞察が得られます。 Forlines et al。（2007） たとえば、タッチスクリーンの平均MTは低くなっています。これと一致して、タッチスクリーンのbはマウスのbよりも小さかった。ただし、タッチスクリーンのaはマウスのaよりも大きく、IDが小さい（距離が短い、またはターゲットが大きい）場合、マウスの方が高速であることを示しています。正確には、Forlinesらの方程式は、マウスがID <1.636の方が速いことを示唆しています。 IDの定義（ユーザーの定義とは少し異なります）を使用すると、現在の位置から42ピクセル未満のマウスは、20ピクセルのターゲットの方が高速であると予測されます。
この式は、aとbを決定するために使用した種類の実験条件以外では使用しないでください。たとえば、Forlinesらが示しているように、マウスを使った実験の方程式を使用してタッチスクリーンのMTを予測することはできません。実験で使用されたAsとWの範囲を超えて方程式を外挿するのは危険です（これは、マウスが小さいIDに適していることを私が提案したこととまったく同じです– Forlinesが実際に小さいIDを実際にテストしたとは思わないフィットはまだそのようなスケールに適用されます）。
概念的にFittを使用する
フィットの法則は、実際にパラメータを実験的に導出しなくても、概念的にも役立ちます。たとえば、分離距離が大きいほどMTが長くなることは明らかであるため、メニュー、ウィンドウ、ページのレイアウトを調整して、マウスの回転を最小限に抑える必要があります。
ターゲット（W）が大きくなるとMTが低くなることはあまり明白ではありません。これは、一般的に使用されるコントロールは、まれに使用されるコントロールよりも大きいことを示唆しています。また、ボタンをマウスポインターの現在の位置から遠くに持っている場合は、ボタンのサイズを大きくすることで補正できます。 Fitt'sによると、通常のサイズの2倍のボタンは、通常の半分の距離でクリックするのと同じくらい速くクリックします。
Fittの法則は、IDとMTの対数関係を示しています。これは、プルダウンメニューでは、7番目と8番目のメニューアイテム間ではなく、1番目と2番目のメニューアイテム間でMTの差が大きいため、使用頻度によるメニューアイテムの順序は後のメニュー項目よりも最初のいくつかのメニュー項目の方が重要です。
Fittの法則は、デスクトップアプリケーションの画面の境界線上のコントロールがに到達するのが最も速い傾向があることを示唆しています。 Aは一般に大きいですが、 Wは基本的に無限大 です。ポインターは画面の境界を超えないため、ユーザーは、はるかに大きなターゲットの境界をオーバーシュートするように、マウスをすばやく回転させることができます（そうするでしょう）。
Fittを使用して、コントロールのさまざまな場所の相対的な改善の上限を決定できます（場所1が場所2に移動するのにかかる時間の割合）。 2つの場所のMTの比率は、aがゼロのときに最大になります。その場合、bはキャンセルされ、MTの比率は次のようになります。
R極端な = Log（2 A1 / W）/ログ（2 A2 / W）
これにより、10ピクセルのターゲットを左上に置くことを示すことができます（A1 = 10ピクセル）、右下（A2 = 800ピクセル）は、MT= 86％（R極端な = 0.14）。一方、ダイアログボックスの下部にあるチェックボックスから、Macの位置（約380ピクセル）ではなく、ウィンドウの位置（たとえば、300ピクセル離れている）にある70ピクセル幅のOKボタンにマウスを移動すると、 Windowsではほとんどの場合11％高速です。