瞄准训练器

这款瞄准训练器让你点击移动目标 30 秒，随后像人机交互实验室一样为训练评分：不只统计命中数，还会计算以比特/秒为单位的吞吐率。这个数字综合了速度和准确率；无论你面对的是又大又慢的目标，还是又小又快的目标，成绩都可以比较——而单看“单目标用时”永远做不到这一点。

为什么不只统计命中数？

几乎所有瞄准训练器都会报告两个数字：单目标平均用时和准确率。它们都很容易看懂，但单独看都意义不大。

• 单目标用时取决于目标，而不是你的水平。把目标放大或移近，谁都会更快。在巨大目标上用时 400 毫秒，比在微小目标上用时 800 毫秒更差，但排行榜无法看出区别。
• 准确率和速度相互制约。任何玩家都可以放慢速度把准确率提高到 99%，也可以乱点来缩短一半用时。分别报告这两个数字，会让你只挑自己追求的那个来美化成绩。
• 不同网站的成绩无法比较。目标大小不同的两款训练器，给出的数字根本不能放在一起比较。

吞吐率一次解决这三个问题，因此评估指向设备的国际标准 ISO 9241-9 以它为基础，而不是使用原始用时。

Fitts 定律的原理

1954 年，Paul Fitts 发现指向目标所需的时间并不分别取决于距离和宽度，而是取决于两者的比值，并且只按对数增长。这里采用 Shannon 公式，移动难度为：

\( ID = \log_2\!\left(\frac{2D}{W} + 1\right) \) 比特

其中，\(D\) 是光标移动的距离，\(W\) 是目标宽度。这里的单位确实是信息论中的比特：远距离命中小目标，比近距离点中大目标传递的信息更多，就像从 16 个选项中选出一个，比从 2 个选项中选出一个传递的信息更多。

移动时间会随难度线性增加：\(MT = a + b \times ID\)。因此用难度除以用时，就能得到不受目标本身影响的速率：

\( TP = \dfrac{ID}{MT} \) 比特/秒

这正是整个工具能够工作的关键。三种模式的每个目标难度相差超过 1 比特，但同等水平的玩家在三种模式下得出的吞吐率几乎相同——同一能力下，休闲、标准和精准模式的成绩差距都不超过 0.01 比特/秒。如果你的成绩在不同模式间波动很大，通常是某种模式打乱了你自然的速度与准确率平衡。

准确率如何计入评分

这里有个巧妙之处，也是准确率不单独评分的原因。点击落点分散在数学上等同于瞄准一个更大的目标。因此 ISO 9241-9 会舍弃目标的实际宽度，改用有效宽度 \(W_e\)，根据点击落点计算：

\( W_e = 4.133 \times SD_x \)

其中，\(SD_x\) 是沿移动方向测得的点击落点标准差。常数 4.133 的取值确保当 4% 的点击未命中时，\(W_e\) 恰好等于 \(W\)——Fitts 最初任务所校准的错误率。

这样一来，速度和准确率就不再是可以钻空子的取舍关系。乱点会让落点分散、\(W_e\) 增大，每个目标带来的比特数就会减少。为了不漏掉目标而放慢速度，\(W_e\) 虽会缩小，但 \(MT\) 增长得更快。最后只看一个数字，没有可操纵的旋钮。

在上方训练区域练习时，工具会根据实际点击落点进行测量。手动输入成绩时没有落点可供测量，因此工具会根据错误率估算等效分散度，使用 Crossman 校正公式 \(W_e = W \times 2.0665 / z\)，其中 \(z = \Phi^{-1}(1 - e/2)\)。

怎样才算好成绩？

鼠标用户在这里的成绩中位数约为 4.0 比特/秒。这略低于已发表的 ISO 9241-9 研究中约 4.5 比特/秒的鼠标成绩，因为那些研究使用静止目标；这里的目标会在你瞄准时移动，修正动作大约会多花 12% 的时间。

速度和准确率哪个更重要？

大多数情况下，两者并无明显区别——这正说明设计达到了目的。对同一位玩家来说，把错误率从 4% 一路提高到 30%，吞吐率的变化不到半个比特，因为获得的速度会被有效宽度的增加抵消。吞吐率衡量的是你的指向能力，而不是当天碰巧采用的策略。

但有一个例外：瞄得过于谨慎确实会吃亏。准确率接近 100% 时，你会逐渐靠近每个目标，付出的时间远超准确率带来的收益。同一位玩家把错误率放宽到约 4%，通常每秒能多获得整整 1 比特。如果你从不失手，那就太谨慎了。

如何真正提升瞄准能力

• 减少修正动作。大部分时间不是浪费在快速移动上，而是瞄过头后再慢慢移回来。尽量一次就落在目标上，不要反复调整。
• 预判移动目标。瞄准目标将要到达的位置，而不是它当前的位置。这比单纯加快速度更能提升精准模式的成绩。
• 移动距离较远时用手肘带动手臂，而不是只动指尖。指尖移动虽然精准，但远距离操作较慢。
• 调整好灵敏度后保持不变。Fitts 公式中的常数 \(b\) 本质上是学会的动作校准；更改灵敏度会让校准重新开始。
• 使用大窗口和有线鼠标。较小的训练区域会同时压缩 \(D\) 和 \(W\)，无线连接则会让每次点击都受到延迟影响。
• 追踪吞吐率，而不是单目标用时——选择更容易的目标无法虚增这个数字。

常见问题

按吞吐率衡量，普通鼠标用户在这项移动目标任务中的成绩约为 4.0 比特/秒。超过 4.4 就胜过大多数人；5.0 到 5.8 是受训电竞选手能达到的范围；低于 3.2 通常意味着使用触控板或不熟悉设备。单目标用时不适合比较成绩，因为它完全取决于目标有多大、距离有多远。

因为毫秒数无法直接比较。又大又近的目标会让用时很短，却不能说明瞄准水平；而且你总能用准确率换速度，让自己追求的那个数字更好看。吞吐率用移动难度（以比特计）除以所需时间。难度会相互抵消，因此同一玩家面对简单或困难目标时的成绩大致相同，这正是 ISO 9241-9 用它来比较指向设备的原因。

Fitts 定律发表于 1954 年，指出指向目标所需的时间会随距离与目标宽度之比的对数增加。这里采用 Shannon 形式：\(ID = \log_2(2D/W + 1)\)，单位是比特。目标距离加倍或宽度减半，难度就恰好增加 1 比特。移动时间随 \(ID\) 线性增加，因此用 \(ID\) 除以移动时间，就能得到不受目标大小影响的速率：吞吐率。

准确率会纳入难度计算，而不是单独评分。点击落点分散在数学上等同于瞄准更大的目标，因此工具会用根据点击落点计算的有效宽度替换实际宽度。漏击越多，有效宽度越大，每个目标计入的比特数就越少，吞吐率也会降低。速度和准确率最终合为一个无法自我钻空子的数字。

几乎不会，这正是设计目标。休闲、标准和精准模式的每个目标难度相差超过 1 比特，但吞吐率会除以该难度，因此差异会抵消。休闲模式得分为 4.0 比特/秒的玩家，在精准模式下也应接近 4.0。不同模式间成绩差异很大，通常表示其中一种模式让你的速度与准确率失去了舒适的平衡。

公布的 ISO 9241-9 研究中，鼠标成绩约为 4.5 比特/秒，但测试使用的是静止目标。这里的目标会在你瞄准时移动，因此修正动作会增加用时，常见吞吐率约低 12%，接近 4.0。显示器刷新率、无线延迟、使用触控板而非鼠标，以及浏览器窗口过小，也会造成可测量的损失。

可以。在表单中输入其他训练器的单目标平均用时和准确率，并选择目标大小最接近的难度模式。工具会还原目标几何数据并计算成绩。这个结果不如直接在此训练精确——手动输入的成绩没有点击落点，无法据此测量有效宽度，因此工具会改用错误率估算落点分布——但足以确定你在曲线中的位置。

可以，训练对瞄准能力的提升比对反应时间的影响更明显。大部分进步来自缩短修正阶段：尽量一次移动就命中，不要瞄过头后再慢慢修正；预判移动目标，而不是追着它瞄。保持灵敏度设置不变、使用有线鼠标并放大窗口也有帮助。追踪吞吐率，而不是单目标用时，因为选择更容易的目标无法虚增吞吐率。