En ergonómica, la ley de Fitts del (citado a menudo como ley de Fitts del ) es un modelo del movimiento humano que predice el tiempo requerido para moverse rápido a un área de blanco, en función de la distancia a la blanco y del tamaño de la blanco.

La ley de Fitts se utiliza al modelo el acto del que señala, en el mundo real (e., con una mano o el dedo) y en las computadoras (e. Fue publicada por el Paul Fitts en el 1954 .

El modelo

Matemáticamente, la ley de Fitts se ha formulado en varias maneras diferentes. Una forma común es la formulación de Shannon (propuesta por Scott MacKenzie, profesor de la universidad de York, y nombrada para su semejanza al teorema de Shannon-Hartley) para el movimiento a lo largo de una sola dimensión:

$T\; =\; a\; +\; b\; \backslash \; log\_2\; \backslash \; cebada\; bigg\; (\backslash \; frac\; \{D\}\; \{W\}\; +1\; \backslash \; cebada\; bigg)$

donde
el T del

es el tiempo medio llevado para terminar el movimiento. (Tradicionalmente, los investigadores han utilizado la TA símbolo para esto, para significar el tiempo del movimiento del .)
el un representa la época partida/parada del dispositivo y el b representa la velocidad inherente del dispositivo. Estos constantes pueden ser determinados experimental cabiendo una línea recta a los datos medidos.
El D es la distancia del punto de partida al centro de la blanco. (Tradicionalmente, los investigadores han utilizado el A del símbolo para esto, para significar la amplitud movimiento.)
El W es la anchura de la blanco medida a lo largo del eje del movimiento. El W se puede también pensar en como la tolerancia permitida del error en la posición final, puesto que el punto final del movimiento debe caer dentro de ±  W /2 del centro de la blanco.

De la ecuación, vemos una compensación de la velocidad-exactitud del asociada a señalar, por el que las blancos que son más pequeñas y/o más lejos requerimos más hora de adquirir.

Éxito e implicaciones de la ley de Fitts

La ley de Fitts es un modelo inusualmente acertado y bien estudiado. Los experimentos que reproducen los resultados de Fitts y/o que demuestran la aplicabilidad de la ley de Fitts en situaciones algo diferentes no son difíciles de realizarse. Los datos medidos en tales experimentos caben a menudo una línea recta con un coeficiente de correlación de 0.95 o más alto, una muestra que el modelo es muy exacto.

Aunque Fitts publicara solamente dos artículos sobre su ley (Fitts 1954, Fitts y Peterson 1964), hay centenares de estudios subsecuentes relacionados con ella en la literatura de la interacción persona-ordenador (HCI), y absolutamente posiblemente millares de estudios publicados en la literatura más grande del psychomovement. El primer uso de HCI de la ley de Fitts estaba por Card, inglés, y Burr (1978), que utilizaron el índice del funcionamiento (IP del ), definido como 1 b, para comparar el funcionamiento de diversos dispositivos de entrada con el ratón que salía en tapa. (Estas primeras obras, según biografía de s de la tarjeta Estuardo ', " era un factor principal que llevaba a la introducción comercial del ratón por el " de Xerox ; .) La ley de Fitts se ha demostrado para aplicarse bajo una variedad de condiciones, con muchos diversos miembros (las manos, pies, vistas cabeza-montadas, eye mirada), el manipulanda (dispositivos de entrada), los ambientes físicos (submarino incluyendo), y las necesidades educativas de las poblaciones de usuario (joven, viejo, especial, y los participantes narcotizados). Observar que el de los constantes un, b, IP del tiene diversos valores bajo cada uno de estas condiciones.

Desde el advenimiento de los interfaces utilizador Fitts gráfico la ley se ha aplicado a las tareas donde el usuario debe colocar el cursor del ratón sobre una blanco en pantalla, tal como el botón u otro aparato . La ley de Fitts puede modelar el Punto-y-chasca y acciones del Drag-and-drop . (Nota que la fricción tiene un IP más bajo del asociado a ella, porque la tensión creciente del músculo hace señalar más difícil.) A pesar de la súplica del modelo, debe ser recordado que en su forma original y más terminante:

que se aplica solamente al movimiento en una sola dimensión y no al movimiento en dos dimensiones (aunque se extiende con éxito a dos dimensiones en la ley del manejo de Accot-Zhai);
Describe la respuesta de motor simple, por ejemplo, de la mano humana, no pudiendo explicar la aceleración del software ejecutada generalmente para un cursor del ratón;
Describe los movimientos inexperimentados, no los movimientos que se ejecutan después de meses o de años de práctica (algo discuten sin embargo el comportamiento de modelos de la ley de ese Fitts que es tan bajo que el entrenamiento extenso no diferencia mucho).

Si, según lo demandado generalmente, la ley es verdad para señalar con el ratón, algunas consecuencias para el diseño del interfaz de usuario incluyen:
Los botones del

y otros controles del GUI deben ser un tamaño razonable; es relativamente difícil chascar encendido los pequeños. el menubar en OS del mac) y esquinas de la exhibición de computadora (e. " Start" el botón en el Windows Xp ) es particularmente fácil de adquirir porque el indicador permanece en el borde de la pantalla sin importar cuánto se mueve más lejos el ratón, así se puede considerar como tener anchura infinita.
Los menús móviles pueden generalmente ser más rápidamente abiertos menús que pull-down, puesto que el usuario evita recorrido.
Los artículos del menú de la empanada se seleccionan típicamente más rápidamente y tienen una tarifa de error más baja que artículos lineares del menú, por dos razones: porque los artículos de menú de la empanada son todos los iguales, pequeña distancia del centro del menú; y porque sus áreas de blanco acuncadas (que extienden generalmente al borde de la pantalla) son muy grandes.

La ley de Fitts sigue siendo uno de los pocos modelos proféticos persona-ordenador de la interacción duro, confiable, ensambló más recientemente por la ley del manejo de Accot-Zhai, que se deriva de la ley de Fitts.

Algunos detalles matemáticos

El logaritmo en la ley de Fitts se llama el índice de la identificación del de la dificultad para la blanco, y tiene unidades de pedacitos. Podemos reescribir la ley como

$T\; =\; identificación\; de\; a\; +\; de\; b,$

donde

= \ log_2 \ (\ frac {D} {W} +1 \ derechos) dejado del $ID$

Así, las unidades para el b son tiempo/pedacito, e. milisegundos/pedacito. El constante un se puede pensar en como tiempo de reacción de incorporación y/o el tiempo requerido para chascar un botón.

Los valores para el un y el b cambian como las condiciones bajo las cuales se hace se cambia el señalar. Por ejemplo, un ratón y una aguja pueden ambos ser utilizados para señalar, pero tienen diverso de los constantes un y el b se asoció a ellos.

Un índice de IP funcionamiento (también llamado el TP del rendimiento de procesamiento), en los pedacitos/tiempo, se puede definir para caracterizar cómo rápidamente el señalar puede ser hecho, independiente de las blancos del detalle implicadas. Hay dos convenciones para definir IP del : uno es IP del = 1 b (que tenga la desventaja de no hacer caso el efecto del un ), el otro es IP del = el ID_average/MT_average (que tiene la desventaja dependiendo de un " arbitrariamente elegido; average" Identificación del ). Para una discusión de estas dos convenciones, ver Zhai (2002). Se utiliza cualquier definición, la medición del IP del de diversos dispositivos de entrada permite que los dispositivos sean comparados con respecto a su capacidad punteaguda.

Levemente diferente de la formulación de Shannon es la formulación original de Fitts:

= \ log_2 \ (\ frac {2.o} {W} \ derecho) dejado del $ID$

El factor de 2 aquí no es particularmente importante; esta forma de la identificación del se puede reescribir con el factor de 2 absorbentes como cambios en el de los constantes un, b . El " +1" en la forma de Shannon, sin embargo, hace diferente de la forma original de Fitts, especialmente para los valores bajos del cociente D/W. La forma de Shannon tiene la ventaja que la identificación del es siempre no negativa, y se ha demostrado para mejorar datos medidos ajuste.

Una derivación de la ley de Fitts

La ley de Fitts se puede derivar de varios modelos del movimiento. Un modelo muy simple, implicando respuestas discretas, deterministas, se considera aquí. Aunque este modelo haya terminado simplista, proporciona una cierta intuición para la ley de Fitts.

Asumir que el usuario se mueve hacia la blanco en una secuencia de submovements. Cada submovement requiere un constante t del tiempo ejecutar, y mueve una fracción constante 1 - el r de la distancia restante al centro de la blanco, donde 0 < el r < 1. Así, si el usuario está inicialmente en un D de la distancia de la blanco, la distancia restante después de que el primer submovement sea el rD, y la distancia restante después del submovement del th del n es el rⁿD . (Es decir la distancia se fue al centro de la blanco es una función que el decae exponencial en un cierto plazo.) Dejar el N ser (posiblemente) el número fraccionario de submovements requeridos para caer dentro de la blanco. Entonces,

= \ frac {W} {2} del $r^N\; D$

El solucionar para el N :

Ver también

.