菲兹定律

介绍

人类运动在计算中无处不在。我们的手臂、手腕和手指忙于键盘、桌面和接触敏感显示器。因此，将人的运动极限和能力与计算系统上的交互技术相匹配是人机交互(HCI)研究的一个重要领域。相当多的HCI研究是针对建模、预测和测量人类性能。在人类运动领域，菲茨定律是本研究的杰出模型。适用菲茨定律的人类活动的全谱比上款所举的手臂、手腕和手指三个例子更广。在诸如游戏、虚拟现实或可访问计算等欺骗文本中，动作还可能涉及躯干、腿、脚、眼睛、脸、舌头、嘴唇、皮肤、头部等。值得注意的是，对于每一种输入模式，都有使用Fitts定律来探索设计空间或量化人类性能的例子。本章概述了费茨定律。我们将看到，菲茨定律是预测和测量的模型。对于预测，Fitts定律是一个方程，它给出了根据移动距离和目标大小获取和选择目标的时间。对于度量，Fitts定律提供了一种方法，可以用单个度量(吞吐量)来量化人类的性能。吞吐量，在本章后面描述的计算中，结合了执行目标捕获任务的速度和准确性。我们从背景细节和菲茨定律的简单介绍开始，然后描述了修正缺陷或改进模型的预测能力或理论基础的改进。近年来，由于ISO 9241 9 (ISO, 2000)标准的出现，计算机输入技术的Fitts定律评价更加一致。总结了标准中使用的菲茨定律方法，并给出了实现这些方法的软件工具。由于Fitts吞吐量是此类评估的主要性能度量，我们还根据最佳实践方法详细计算了吞吐量。然后，我们给出了一个使用Fitts定律和ISO 9241 9来衡量人类绩效的例子。这个例子涉及到基于触摸的目标选择与一个具有接触敏感显示器的手机。

背景

和上世纪50年代的许多心理学家一样，Fitts也有动机去研究人类的表现是否可以用信息论这个令人兴奋的新领域的隐喻来量化。这个领域是香农、维纳和其他数学家在20世纪40年代的工作成果。当实验心理学家探索测量和建模人类行为的最新技术时，“概率”、“冗余”、“位”、“噪声”和“通道”这些术语进入了他们的词汇表。这方面的两个著名模型是希克-海曼选择反应时间定律(希克，1952;(海曼，1953)和菲茨定律为人类运动系统的信息容量(菲茨，1954)。
Fitts特别感兴趣的是快速瞄准移动，即人类操作者在一定距离内获取或选择一定大小的目标。Fitts提出了一个模型——现在称为“定律”——广泛应用于人机工程学、工程学、心理学和人机交互等领域。Fitts定律的起点是一个称为Shannon定理17的方程，它给出了带宽为B (s - 1或Hz)的通信信道的信息容量C(以比特/秒为单位)为

其中S为信号功率，N为噪声功率(Shannon & Weaver, 1949，第100-103页)。Fitts认为，人类操作者在一定幅度内运动，以获得一定宽度的目标，这显示了“信息传输速率”(Fitts, 1954, p. 381)。在Fitts的类比中，运动振幅类似于信号，目标公差或宽度类似于噪声。
Fitts提出了一个目标获取任务的难度指数(ID)，使用一个对数项，从式17.1稍微重新排列。将信号功率(S)和噪声功率(N)分别替换为运动幅度(A)和目标宽度(W):

Fitts将目标宽度称为“允许变异性”或“运动容忍度”(Fitts, 1954, p. 382)。这是运动开始的区域。与式17.1中的log项一样，ID的单位是位，因为括号内的比率是无单位的，并且log以2为底。
Fitts的想法之所以新颖，有两个原因:首先，它提出了利用信息度量位来量化目标选择任务的难度。其次，它介绍了这样一种观点，即执行目标选择任务的行为类似于通过通道(人类通道)传输信息。Fitts把传输率称为性能指标，尽管今天的术语吞吐量(TP)更为常见(为了保持一致性，在本章中使用了吞吐量这个术语)。
吞吐量是通过一系列试验以简单商数计算的。任务难度指数(ID)为分子，平均移动时间(MT)为分母:

ID以位为单位，MT以秒为单位，TP的单位是位/秒或位/秒。Fitts工作的一个中心论点是吞吐量与运动幅度和目标宽度无关，就像嵌入到ID中的那样。换句话说，随着ID的变化(由于A或W的变化)，MT以相反的方式变化，而TP保持更多或更少的恒定。
当然，吞吐量会受到其他因素的影响，比如设备、交互特性或环境。在Fitts的原始实验中，对两种设备进行了比较(见下一节)。在HCI中，可以使用Fitts的吞吐量作为因变量来探索大量的因素或自变量。例如“设备”(鼠标对触控笔对轨迹球，见MacKenzie, Sellen， & Buxton, 1991)，带有眼动跟踪器的“停顿间隔”(700 ms对500 ms，见Zhang & MacKenzie, 2007)，或“设备位置”(受支持的与移动设备相比，见MacKenzie, 2015)。吞吐量作为一个因变量尤其具有吸引力，因为它将速度和准确度结合在一个度量中(使用一种稍后将介绍的技术)。
在上面提到的Fitts定律的两种用途中，预测和测量吞吐量是使用Fitts定律进行测量的一个例子。

例子

最初的研究(Fitts, 1954)涉及四个实验条件:两个交互或串行的攻丝任务(1 oz触头和1 lb触头)、一个磁盘传输任务和一个pin传输任务。在轻敲条件下，参与者以最快的速度在两块板之间来回移动触控笔，并在板的中心轻敲触控笔(见图17.1a)。Fitts后来设计了任务的离散变体(Fitts & Peterson, 1964)。对于离散任务，参与者根据刺激光选择两个目标中的一个(见图17.1b)。图17.1中的任务通常称为“Fitts范式”。“很容易想象，如何使用当代计算技术来更新Fitts的设备。
菲茨发表了他1954年实验的总结数据，因此对他的结果进行重新检查是可能的。在触控笔‐触控条件下，四个目标振幅(A)与四个目标宽度(W)交叉

图17.1 Fitts范例。(a)连续敲打任务(Fitts之后，1954年)(b)离散任务(Fitts & Peterson之后，1964年)。
表17.1 Fitts(1954)用1 oz触控笔连续敲击任务实验数据。一个额外的列显示了调整W的百分比错误后的有效目标宽度(We)(参见文本)。

两个持续15秒的试验序列。(在当前的实践中，“序列”通常是指定的试验次数，例如25次，而不是指定的时间间隔。)表17.1给出了1oz触控笔状况的汇总数据。除了A和W，表中还包括错误率(ER)、难度指数(ID)、移动时间(MT)和吞吐量(TP)。如前所述，添加了有效目标宽度(We)列。
表17.1中的条件组合产生的任务难度从1位到7位不等。观察到的平均MTs从180 ms (ID = 1位)到731 ms (ID = 7位)不等，每个平均值来自16名参与者的600多个观察结果。MT值的标准差为157.3 ms，为均值的40.2%。这是完全预料到的，因为“困难的任务”(例如，ID = 7位)显然要比“简单的任务”(例如，ID = 1位)花费更长的时间。
Fitts通过将ID除以MT(式17.3)来计算每个任务分配的吞吐量。平均吞吐量为10.10位/秒。快速浏览表17.1中的TP列，可以为本文提供强有力的证据，即信息处理的速度相对独立于任务难度。虽然任务难度较大，但TP值的标准差为1.33位/秒，仅为均值的13.2%。
将表17.1中的数据和ID对TP的独立性可视化的一种方法是通过散点图显示每个任务条件下的MT‐ID点。图17.2显示了表17.1中数据的这种图表。图中还包括最佳拟合线(