瞄準訓練器

這款瞄準訓練器會讓你點擊移動目標 30 秒，接著以人機互動實驗室的方式評分：不只計算命中數，也會計算每秒位元數的效率。這個數值結合速度和準確度，不論你挑戰的是大型慢速目標還是小型快速目標，都能公平比較；單看每個目標所花的毫秒數，永遠做不到這一點。

為什麼不只計算命中數？

幾乎所有瞄準訓練器都會提供兩個數值：每個目標的平均時間和準確率。這兩個數值都容易理解，但單獨看都沒有太大意義。

• 每個目標所花時間取決於目標，而非你的能力。把目標放大或移近，任何人都會更快。大型目標的 400 毫秒可能比小型目標的 800 毫秒更不準，但排行榜看不出差別。
• 準確度和速度彼此牽制。放慢速度就能把準確率提高到 99%，亂點則可能讓時間減半。分開呈現就能讓你只挑有利的數字來看。
• 不同網站的結果無法互相比較。兩款訓練器的目標大小不同，產生的數字自然不能直接並列。

效率一次解決上述三個問題，因此評估指標裝置的國際標準 ISO 9241-9 採用效率，而非原始時間。

Fitts 定律如何運作

1954 年，Paul Fitts 指出，指向目標所需的時間並非分別取決於距離和寬度，而是取決於兩者的比值，且只呈對數關係。此處採用 Shannon 公式，移動難度如下：

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

其中 \(D\) 是游標移動距離，\(W\) 是目標寬度。這裡的位元確實採用資訊理論中的定義：命中遠處的小目標比點擊近處的大目標能傳遞更多資訊，就像在 16 個選項中選出一個，比在 2 個選項中選出一個包含更多資訊。

移動時間會隨難度線性增加，\(MT = a + b \times ID\)。因此用難度除以時間，就能得到不受目標本身影響的速率：

\( TP = \dfrac{ID}{MT} \) 位元/秒

這個特性讓整個工具得以運作。我們的三種模式每個目標的難度相差超過 1 個位元，但同等技巧的玩家在三種模式中的效率幾乎相同；同樣能力下，休閒、標準和精準模式的結果相差不到 0.01 位元/秒。如果你的分數在不同模式間大幅變動，通常表示某種模式讓你的速度與準確度失去自然平衡。

準確率如何納入計算

這是精妙之處，也是準確率不另外評級的原因。點擊落點散布在目標周圍，數學上就像仔細瞄準一個更大的目標。因此 ISO 9241-9 不採用目標的名義寬度，而改用根據實際點擊落點計算的有效寬度 \(W_e\)：

\( W_e = 4.133 \times SD_x \)

其中 \(SD_x\) 是點擊落點沿移動方向的標準差。常數 4.133 經過設定，在 4% 點擊失手時，\(W_e\) 會恰好等於 \(W\)；Fitts 最初設計的任務就是以這個錯誤率校準。

因此，速度和準確度不再是可以取巧的取捨。亂點會讓落點分散、\(W_e\) 增大，每個目標能提供的位元數就會減少。放慢速度以免失手，雖然會讓 \(W_e\) 縮小，\(MT\) 卻增加得更快。最後只看一個數值，沒有可鑽的漏洞。

在上方場地進行測試時，工具會根據實際點擊落點計算。手動輸入分數則沒有落點資料可供測量，因此工具會改用錯誤率還原相當的分散程度，並套用 Crossman 修正公式 \(W_e = W \times 2.0665 / z\)，其中 \(z = \Phi^{-1}(1 - e/2)\)。

怎樣的分數才算好？

一般滑鼠使用者的中位數約為每秒 4.0 位元。這略低於公開 ISO 9241-9 研究中的滑鼠數據（約每秒 4.5 位元），因為那些研究使用靜止目標；這裡的目標會在瞄準時移動，修正動作大約會額外增加 12% 的時間。

速度和準確度，哪個比較重要？

大多數情況下兩者差別不大，這是設計達成預期效果，而非敷衍。將同一位玩家的錯誤率從 4% 提高到 30%，效率變化不到半個位元，因為加快速度帶來的好處會被有效寬度增加抵銷。效率衡量的是你的指標操作能力，而非當天選擇的策略。

有一個例外：瞄準過頭確實會吃虧。準確率接近 100% 時，你會逐步靠近每個目標，花費的時間增加速度遠超準確度帶來的好處。同一位玩家把錯誤率放寬至約 4%，通常每秒可多得整整 1 個位元。如果你從不失手，代表你太小心了。

實際提升瞄準能力的方法

• 縮短修正階段。多數浪費的時間不是快速移動，而是點過頭後再慢慢移回來。目標是一次命中，而非逐步靠近。
• 預判移動目標。瞄準目標接下來的位置，而非它現在的位置。這在精準模式中比一味加快速度更有用。
• 移動較遠時用手肘帶動，不要只靠指尖。指尖快速移動雖然精準，距離一長就會變慢。
• 調整好靈敏度後就固定使用。Fitts 定律的常數 \(b\) 基本上是學會的動作校準；改變靈敏度會打亂它。
• 使用有線滑鼠並放大視窗。場地太小會同時壓縮距離 \(D\) 和寬度 \(W\)，無線延遲則會在每個目標上累積。
• 追蹤效率，而非每個目標所花時間，因為選擇較容易的目標無法造假效率。

常見問題

以效率衡量，一般滑鼠使用者在這項移動目標任務中約為每秒 4.0 位元。高於 4.4 就勝過多數人；受訓電競選手通常落在 5.0 到 5.8；低於 3.2 通常表示使用觸控板或設備不熟悉。單看每個目標所花時間不適合比較分數，因為它完全取決於目標的大小和距離。

因為毫秒數無法互相比較。大型且近的目標會讓時間變短，卻無法反映瞄準能力；你也可以用準確度換取速度，讓自己追求的數字更好看。效率是以移動難度（位元）除以所花時間。難度會互相抵銷，因此同一位玩家面對簡單或困難目標時，分數大致相同；這正是 ISO 9241-9 將它標準化、用來比較指標裝置的原因。

Fitts 定律於 1954 年提出，指出指向目標所需時間會隨距離除以目標寬度的對數增加。此處採用的 Shannon 形式為 \(ID = \log_2(2D/W + 1)\)，單位是位元。目標距離加倍或寬度減半，難度都恰好增加 1 個位元。移動時間隨 \(ID\) 線性增加，因此用 \(ID\) 除以移動時間，就能得到不受目標大小影響的速率：效率。

準確率會納入難度計算，而非另外評分。點擊落點分散，數學上就像瞄準較大的目標，因此工具會以實際點擊落點計算的有效寬度，取代目標的實際寬度。失手越多，有效寬度越大，每個目標的位元數和效率就越低。速度與準確度最後合併成一個無法互相取巧的分數。

幾乎不會，這正是設計目的。休閒、標準和精準模式的每個目標難度相差超過 1 個位元，但效率除以難度後，差異會抵銷。同一位玩家在休閒模式測得每秒 4.0 位元，在精準模式也應接近 4.0。若不同模式的分數差異很大，通常代表某種模式讓你的速度與準確度失去平衡。

公開的 ISO 9241-9 研究中，滑鼠約為每秒 4.5 位元，但研究使用的是靜止目標。這裡的目標會在你移動瞄準時漂移，因此修正動作會額外花時間，一般效率約低 12%，接近每秒 4.0 位元。螢幕更新率、無線延遲、使用觸控板而非滑鼠，以及瀏覽器視窗太小，也都會降低效率。

可以。將該訓練器的每個目標平均時間和準確率輸入表單，並選擇目標大小最接近的難度。工具會還原目標幾何資料並計算分數。結果不如直接在這裡測試精確，因為手動輸入的分數沒有點擊落點可供測量有效寬度，工具只能根據錯誤率估算落點分布；不過仍足以讓你了解自己在曲線中的位置。

可以，而且訓練對瞄準能力的幫助比對反應時間更大。多數進步來自縮短修正階段：一次命中目標，不要點過頭後再慢慢修正；並預判移動目標，而非追著它點。固定靈敏度、使用有線滑鼠和放大視窗也有幫助。追蹤效率而非每個目標所花時間，因為選擇較容易的目標無法造假效率。