Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ley de Fitts PDF
Ley de Fitts PDF
1
2 4 UNA DERIVACIN DE LA LEY DE FITTS
software que suele estar implementada para un cur- un ratn como un lpiz pueden usarse para sealar, pero
sor de ratn. tienen asociados diferentes constantes a y b.
Describe movimientos sin entrenamiento, y no los Un ndice de rendimiento (IP, del ingls index of perfor-
que se realizan tras meses o aos de prctica (aun- mance), en bits/tiempo, puede ser denido para carac-
que algunos arguyen que la ley de Fitts modela un terizar cmo de rpido puede apuntarse, independiente-
comportamiento de tan bajo nivel que el entrena- mente de los objetivos concretos considerados. Hay dos
miento intensivo no supone demasiada diferencia). convenciones para denir IP: una es IP = 1/b (que tie-
ne la desventaja de ignorar el efecto de a) y la otra es
IP = IDmedia/MTmedia (que tiene la desventaja de de-
Si, como suele armarse, la ley sigue siendo correcta para
pender de una media ID arbitrariamente elegida). Para
la accin de sealar con un ratn, algunas consecuencias
una discusin sobre estas dos convenciones, vase Zhai
para el diseo de interfaces de usuario son:
(2002). Cualquiera sea la denicin usada, medir el IP
de diferentes dispositivos de entrada permite comparar
Los botones y otros widgets que hayan de ser sea- stos respecto a su capacidad para apuntar.
lados en las GUI deben tener un tamao razonable,
siendo muy difcil pinchar en los que sean pequeos. Ligeramente diferente de la formulacin de Shannon es
la formulacin original de Fitts:
Los bordes (por ejemplo la barra de mens en Mac
OS) y esquinas de la pantalla son particularmente f- ( )
ciles de alcanzar porque el puntero queda en el borde 2D
ID = log2
de la misma independientemente de cunto ms se W
mueva el ratn, por lo que puede considerarse que
tienen ancho innito. Aqu el factor de 2 no es particularmente importante: esta
forma del ID puede ser reescrita con dicho factor incluido
Los mens popup pueden ser usados ms rpida- como cambios en las constantes a y b. El +1 de la for-
mente que los pull-down, al ahorrar desplazamiento ma de Shannon, sin embargo, s representa una diferencia
el usuario. respecto a la forma original de Fitts, especialmente para
valores bajos de la razn D/W. La forma de Shannon tie-
Los elementos de los mens radiales se seleccionan
ne la ventaja de que el ID es siempre no negativo, y ha
ms rpidamente y con una tasa de error menor que
resultado encajar mejor con los datos medidos.
los de los mens lineales, por dos razones: porque
todos estn a la misma corta distancia del centro del
men, y porque sus reas de seleccin con forma de
cua (que suele extenderse hasta el borde de la pan- 4 Una derivacin de la ley de Fitts
talla) son muy grandes.
La ley de Fitts puede derivarse de varios modelos de mo-
La ley de Fitts sigue siendo uno de los pocos modelos pre- vimiento. A continuacin se considera uno muy simple
dictivos de IPO rmes y ables, junto con la ms reciente que incluye respuestas discretas y deterministas. Aun-
ley de Accot-Zhai, que deriva de ella. que este modelo es excesivamente simplista, proporciona
cierta intuicin sobre la ley.
Vase tambin la ley de Hick, que modela el tiempo que
un usuario tarda en tomar una decisin. Considrese que el usuario se mueve hacia el objetivo en
una secuencia de submovimientos. Cada uno de estos re-
quiere un tiempo constante t para ser realizado, y supone
3 Algunos detalles matemticos una fraccin constante 1-r de la distancia restante hasta
el centro del destino, donde 0 < r < 1. As, si el usua-
rio est inicialmente a una distancia D del destino, la dis-
El logaritmo de la ley de Fitts se denomina ndice de di- tancia restante tras el primer submovimiento es rD, y la
cultad (ID, del ingls index of diculty) para el objetivo, distancia restante tras el ensimo submovimiento es rn D.
y tiene unidades de bits. Puede reescribirse la ley como (En otras palabras, la distancia restante al centro del des-
(D ) tino es una funcin que decrece exponencialmente con
ID = log2 W + 1 , siendo T = a + bID el tiempo.) Sea N el nmero (posiblemente fraccionario)
de submovimientos necesario para alcanzar el objetivo.
As, la unidades de b son tiempo/bit, por ejemplo mi- Entonces,
lisegundos/bit. La constante a puede ser considerada el
tiempo de reaccin o el tiempo necesario para pinchar un
botn. W
rN D =
2
Los valores de a y b cambian segn las condiciones bajo
las que se realiza la accin de apuntar. Por ejemplo, tanto Despejando N:
3
El tiempo necesario para todos los submovimientos es: Johnny Accot y Shumin Zhai (2003). Re-
ning Fitts law models for bivariate poin-
ting. Procedimientos de la conferencia
t 2D CHI 2003 de la ACM sobre Factores
T = Nt = log2
log2 1/r W Humanos en Sistemas Informticos, pp.
193-200.
Deniendo apropiadamente las constantes a y b, esto pue- Extendiendo la ley de Fitts para sobrepasar y
de ser reescrito como cruzar el objetivo
Johnny Accot y Shumin Zhai (2002).
D More than dotting the is founda-
T = a + b log2 tions for crossing-based interfaces. Pro-
W
cedimientos de la conferencia CHI 2002
La anterior derivacin es similar a la que gura en Card, de la ACM sobre Factores Humanos en
Moran y Newell (1983). Para una crtica del modelo de- Sistemas Informticos, pp. 73-80.
terminista de correcciones iterativas, vase Meyer et al.
(1990). Introducciones
Stuart K. Card, Thomas P. Moran, Allen
Newell (1983). The Psychology of Human-
5 Referencias Computer Interaction.
I. Scott MacKenzie (1992). Fitts law as a re-
Trabajo original search and design tool in human-computer in-
teraction. Human-Computer Interaction, volu-
Paul M. Fitts (1954). The information capa- men 7, 1992, pp. 91-139.
city of the human motor system in contro- Meyer, D. E., Smith, J. E. K., Kornblum, S.,
lling the amplitude of movement. Journal of Abrams, R. A. y Wright, C. E. (1990). Speed-
Experimental Psychology, volumen 47, n 6, accuracy tradeos in aimed movements: To-
junio de 1954, pp. 381-391. (Reimpreso en ward a theory of rapid voluntary action. En
Journal of Experimental Psychology: General, M. Jeannerod (Ed.), Attention and performan-
121(3):262-269, 1992). ce XIII (pp. 173-226). Hillsdale, NJ: Lawren-
Paul M. Fitts y James R. Peterson (1964). ce Erlbaum.
Information capacity of discrete motor res- A. T. Welford (1968). Fundamentals of Skill.
ponses. Journal of Experimental Psychology, Methuen, 1968.
67(2):103-112, febrero de 1964.
Sobre las dos convenciones para denir el ndice de
Algunos trabajos posteriores: rendimiento IP
Primer aplicacin de la ley de Fitts a la IPO Shumin Zhai (2002). On the Validity of Th-
roughput as a Characteristic of Computer In-
Stuart K. Card, William K. English put, IBM Research Report RJ 10253, 2002,
y Betty J. Burr (1978). Evaluation of Almaden Research Center, San Jose, Califor-
mouse, rate-controlled isometric joys- nia.
tick, step keys, and text keys for text selec-
tion on a CRT. Ergonomics, 21(8):601-
613, 1978.
6 Enlaces externos
Extendiendo la ley de Fitts a 2 dimensiones
(destinos bivariable) First Principles of Interaction Design por Bruce
I. Scott MacKenzie y William A. S. Bux- Tognazzini (ingls)
ton (1992). Extending Fitts law to two-
A Quiz Designed to Give You Fitts por Bruce Tog-
dimensional tasks. Procedimientos de la
nazzini (ingls)
conferencia CHI 1992 de la ACM sobre
Factores Humanos en Sistemas Inform- Ley de Fitts (ingls)
ticos, pp. 219-226.
Ley de Fitts: Modelando el movimiento y el tiempo
A. Murata. Extending eective target
en IPO (ingls)
width in Fitts law to a two-dimensional
pointing task. International Journal Bibliografa sobre investigacin de la ley de Fitts re-
of Human-Computer Interaction, copilada por I. Scott MacKenzie (ingls)
11(2):137-152, 1999.
4 7 TEXTO E IMGENES DE ORIGEN, COLABORADORES Y LICENCIAS
7.2 Imgenes