Ley de Fitts

Modelo predictivo del movimiento humano

Ley de Fitts: calado del tamaño del objetivo W y distancia al objetivo D

La ley de Fitts (a menudo citada como ley de Fitt ) es un modelo predictivo del movimiento humano que se utiliza principalmente en la interacción y la ergonomía entre humanos y computadoras . Esta ley científica predice que el tiempo necesario para moverse rápidamente a un área objetivo es una función de la relación entre la distancia al objetivo y el ancho del objetivo. ^[1] La ley de Fitts se usa para modelar el acto de señalar , ya sea tocando físicamente un objeto con una mano o un dedo, o virtualmente, señalando un objeto en un monitor de computadora usando un dispositivo señalador .

Se ha demostrado que la ley de Fitts se aplica en una variedad de condiciones; con muchas extremidades diferentes (manos, pies, ^[2] el labio inferior, ^[3] miras montadas en la cabeza ^[4] ), manipulanda (dispositivos de entrada), ^[5] entornos físicos (incluso bajo el agua ^[6] ) y poblaciones de usuarios (jóvenes, ancianos, ^[7] con necesidades educativas especiales, ^[8] y participantes drogados ^[9] ).

Formulación del modelo original

El artículo original de 1954 de Paul Morris Fitts propuso una métrica para cuantificar la dificultad de una tarea de selección de objetivos. La métrica se basó en una analogía de información, donde la distancia al centro del objetivo ( D ) es como una señal y la tolerancia o ancho del objetivo ( W ) es como ruido. La métrica es el índice de dificultad de Fitts ( ID , en bits):

$${\displaystyle {\text{ID}}=\log _{2}{\Bigg (}{\frac {2D}{W}}{\Bigg )}}$$

Tarea de Fitts del experimento original

Fitts también propuso un índice de rendimiento ( IP , en bits por segundo) como medida del rendimiento humano. La métrica combina el índice de dificultad ( ID ) de una tarea con el tiempo de movimiento ( MT , en segundos) para seleccionar el objetivo. En palabras de Fitts, "La tasa promedio de información generada por una serie de movimientos es la información promedio por movimiento dividida por el tiempo por movimiento". ^[1] Por lo tanto,

$${\displaystyle {\text{IP}}={\Bigg (}{\frac {\text{ID}}{\text{MT}}}{\Bigg )}}$$

Hoy en día, IP se denomina más comúnmente rendimiento ( TP ). También es común incluir un ajuste de precisión en el cálculo.

Los investigadores posteriores a Fitts comenzaron la práctica de construir ecuaciones de regresión lineal y examinar la correlación ( r ) para determinar la bondad del ajuste. La ecuación expresa la relación entre MT y los parámetros de la tarea D y W :

$${\displaystyle {\text{MT}}=a+b\cdot {\text{ID}}=a+b\cdot \log _{2}{\Bigg (}{\frac {2D}{W}}{\Bigg )}}$$

Gráfico de la relación lineal de los parámetros de la ley de Fitts

donde:

• MT es el tiempo promedio para completar el movimiento.
• un y b son constantes que dependen de la elección del dispositivo de entrada y se determinan por lo general empíricamente por análisis de regresión . un define la intersección en el y el eje y es a menudo interpretado como un retraso. El parámetro b es una pendiente y describe una aceleración. Ambos parámetros muestran la dependencia lineal en la ley de Fitts. ^[10]
• ID es el índice de dificultad.
• D es la distancia desde el punto de partida hasta el centro del objetivo.
• W es el ancho del objetivo medido a lo largo del eje de movimiento. W también se puede considerar como la tolerancia de error permitida en la posición final, ya que el punto final del movimiento debe estar dentro de ± W ⁄ 2 del centro del objetivo.

Dado que son deseables tiempos de movimiento más cortos para una tarea determinada, el valor del parámetro b se puede utilizar como una métrica cuando se comparan los dispositivos señaladores informáticos entre sí. La primera interfaz hombre-máquina de aplicación de la ley de Fitts era por Card, Inglés, y Burr, ^[11] que utiliza el índice de rendimiento ( IP ), interpretado como 1 / b , para comparar el rendimiento de los diferentes dispositivos de entrada , con el ratón viene en la parte superior en comparación con el joystick o las teclas de movimiento direccional. ^[11] Este primer trabajo, según Stuart CardLa biografía de Xerox " fue un factor importante que llevó a la introducción comercial del ratón por parte de Xerox ". ^[12]

Muchos experimentos que prueban la ley de Fitts aplican el modelo a un conjunto de datos en el que se varía la distancia o el ancho, pero no ambos. El poder predictivo del modelo se deteriora cuando ambos se varían en un rango significativo. ^[13] Tenga en cuenta que debido a que el término ID depende solo de la relación entre la distancia y el ancho, el modelo implica que una combinación de distancia y ancho objetivo se puede reescalar arbitrariamente sin afectar el tiempo de movimiento, lo cual es imposible. A pesar de sus defectos, esta forma del modelo posee un notable poder de predicción en una variedad de modalidades de interfaz de computadora y tareas motoras, y ha proporcionado muchos conocimientos sobre los principios de diseño de la interfaz de usuario.

Movimiento

Un movimiento durante una sola tarea de la ley de Fitts se puede dividir en dos fases: ^[10]

• movimiento inicial . Un movimiento rápido pero impreciso hacia el objetivo.
• movimiento final . Movimiento más lento pero más preciso para adquirir el objetivo.

La primera fase está definida por la distancia al objetivo. En esta fase, la distancia se puede cerrar rápidamente sin dejar de ser imprecisa. El segundo movimiento intenta realizar un movimiento preciso, lento y controlado para dar en el blanco. La duración de la tarea escala linealmente con respecto a la dificultad. ^[10] Pero como diferentes tareas pueden tener la misma dificultad, se deduce que la distancia tiene un mayor impacto en el tiempo total de finalización de la tarea que el tamaño objetivo.

A menudo se cita que la ley de Fitts se puede aplicar al seguimiento ocular . Este parece ser al menos un tema controvertido como mostró Drewes. ^[14] Durante los movimientos sacádicos rápidos de los ojos, el usuario es ciego. Durante una tarea de la ley de Fitts, el usuario adquiere conscientemente su objetivo y realmente puede verlo, lo que hace que estos dos tipos de interacción no sean comparables.

Bits por segundo: modelos innovadores impulsados ​​por la teoría de la información

La formulación del índice de dificultad de Fitts que se usa con más frecuencia en la comunidad de interacción humano-computadora se llama la formulación de Shannon:

$${\displaystyle {\text{ID}}=\log _{2}{\Bigg (}{\frac {D}{W}}+1{\Bigg )}}$$

Esta forma fue propuesta por Scott MacKenzie, ^[15] profesor de la Universidad de York , y recibió su nombre por su parecido con el teorema de Shannon-Hartley . ^[16] Describe la transmisión de información utilizando ancho de banda, fuerza de señal y ruido. En la ley de Fitts, la distancia representa la fuerza de la señal, mientras que el ancho del objetivo es el ruido.

Usando esta forma del modelo, la dificultad de una tarea de señalar se equiparó a una cantidad de información transmitida (en unidades de bits) al realizar la tarea. Esto se justificó con la afirmación de que señalar se reduce a una tarea de procesamiento de información. Aunque no se estableció una conexión matemática formal entre la ley de Fitts y el teorema de Shannon-Hartley en el que se inspiró, la forma de la ley de Shannon se ha utilizado ampliamente, probablemente debido al atractivo de cuantificar las acciones motoras mediante la teoría de la información. En 2002 se publicó la norma ISO 9241 , que proporciona estándares para las pruebas de interfaz persona-computadora, incluido el uso de la forma Shannon de la ley de Fitts. Se ha demostrado que la información transmitida a través de pulsaciones de teclas en serie en un teclado y la información implícita en el IDpara tal tarea no son consistentes. ^[17] La entropía de Shannon da como resultado un valor de información diferente al de la ley de Fitts. Los autores señalan, sin embargo, que el error es insignificante y solo debe tenerse en cuenta en comparaciones de dispositivos con entropía conocida o mediciones de capacidades de procesamiento de información humana.

Ajuste de precisión: uso del ancho objetivo efectivo

Crossman propuso una mejora importante a la ley de Fitts en 1956 (véase Welford, 1968, págs. 147-148) ^[18] y Fitts la utilizó en su artículo de 1964 con Peterson. ^[19] Con el ajuste, el ancho objetivo ( W ) se reemplaza por un ancho objetivo efectivo ( W _e ).W _e se calcula a partir de la desviación estándar en las coordenadas de selección recogidos sobre una secuencia de ensayos para un particular, DW condición. Si las selecciones se registran como coordenadas x a lo largo del eje de aproximación al objetivo, entonces

$${\displaystyle W_{e}=4.133\times SD_{x}}$$

Esto produce

$${\displaystyle {\text{ID}}_{e}=\log _{2}{\Bigg (}{\frac {D}{W_{e}}}+1{\Bigg )}}$$

y por lo tanto

$${\displaystyle {\text{IP}}={\Bigg (}{\frac {ID_{e}}{MT}}{\Bigg )}}$$

Si las coordenadas de selección se distribuyen normalmente, W _e se extiende 96% de la distribución. Si la tasa de error observada fue del 4% en la secuencia de los ensayos, entonces W _e = W . Si la tasa de error fue superior al 4%, W _e > W , y si la tasa de error fue inferior al 4%, W _e < W . Al usar W _e , un modelo de ley de Fitts refleja más de cerca lo que los usuarios hicieron en realidad, en lugar de lo que se les pidió que hicieran.

La principal ventaja de calcular la propiedad intelectual como se indicó anteriormente es que la variabilidad espacial, o precisión, se incluye en la medición. Con el ajuste de precisión, la ley de Fitts abarca más verdaderamente el compromiso entre velocidad y precisión. Las ecuaciones anteriores aparecen en ISO 9241-9 como el método recomendado para calcular el rendimiento .

Modelo de Welford: innovaciones impulsadas por el poder predictivo

No mucho después de que se propuso el modelo original, se propuso una variación de 2 factores bajo la intuición de que la distancia y el ancho del objetivo tienen efectos separados sobre el tiempo de movimiento. El modelo de Welford, propuesto en 1968, separó la influencia de la distancia y el ancho del objetivo en términos separados y proporcionó un poder predictivo mejorado: ^[18]

$${\displaystyle T=a+b_{1}\log _{2}(D)+b_{2}\log _{2}(W)}$$

Este modelo tiene un parámetro adicional, por lo que su precisión predictiva no se puede comparar directamente con las formas de 1 factor de la ley de Fitts. Sin embargo, una variación del modelo de Welford inspirada en la formulación de Shannon,

$${\displaystyle T=a+b_{1}\log _{2}(D+W)+b_{2}\log _{2}(W)=a+b\log _{2}\left({\frac {D+W}{W^{k}}}\right)}$$

El parámetro adicional k permite la introducción de ángulos en el modelo. Ahora se puede contabilizar la posición de los usuarios. La influencia del ángulo se puede ponderar utilizando el exponente. Esta adición fue introducida por Kopper et al. en 2010. ^[20]

La fórmula se reduce a la forma de Shannon cuando k = 1 . Por lo tanto, este modelo se puede comparar directamente con la forma de Shannon de la ley de Fitts utilizando la prueba F de modelos anidados. ^[21] Esta comparación revela que la forma Shannon del modelo de Welford no solo predice mejor los tiempos de movimiento, sino que también es más robusta cuando se varía la ganancia de la pantalla de control (la relación entre, por ejemplo, el movimiento de la mano y el movimiento del cursor). En consecuencia, aunque el modelo de Shannon es un poco más complejo y menos intuitivo, es empíricamente el mejor modelo para usar en tareas de señalamiento virtual.

Ampliación del modelo de 1D a 2D y otros matices

Extensiones a dos o más dimensiones

En su forma original, la ley de Fitts está destinada a aplicarse solo a tareas unidimensionales. Sin embargo, los experimentos originales requerían que los sujetos movieran un lápiz (en tres dimensiones) entre dos placas de metal en una mesa, lo que se denomina tarea de golpeteo recíproco. ^[1] El ancho objetivo perpendicular a la dirección del movimiento era muy amplio para evitar que tuviera una influencia significativa en el rendimiento. Una aplicación importante de la ley de Fitts son las tareas de señalamiento virtual 2D en pantallas de computadora, en las que los objetivos tienen tamaños limitados en ambas dimensiones.

Tarea de golpeteo recíproco en un contexto 2D

La ley de Fitts se ha extendido a tareas bidimensionales de dos formas diferentes. Para navegar, por ejemplo, menús desplegables jerárquicos, el usuario debe generar una trayectoria con el dispositivo señalador que está restringida por la geometría del menú; para esta aplicación se derivó la ley de dirección Accot-Zhai .

Para apuntar simplemente a objetivos en un espacio bidimensional, el modelo generalmente se mantiene como está, pero requiere ajustes para capturar la geometría del objetivo y cuantificar los errores de orientación de una manera lógicamente consistente. ^{[22] [23]} Se pueden utilizar varios métodos para determinar el tamaño objetivo: ^[24]

• status quo: ancho horizontal del objetivo
• modelo de suma: W es igual a alto + ancho
• modelo de área: W es igual a alto * ancho
• menor del modelo: W menor valor de altura y ancho
• Modelo W : W es el ancho efectivo en la dirección del movimiento.

En general, el modelo W representa la medición más avanzada.

Caracterización del desempeño

Dado que los unos y b parámetros deben capturar los tiempos de movimiento durante un potencialmente amplia gama de geometrías de trabajo, que pueden servir como una métrica de rendimiento para una interfaz dada. Al hacerlo, es necesario separar la variación entre usuarios de la variación entre interfaces. La un parámetro es típicamente positiva y próxima a cero, y, a veces ignorado en la caracterización de rendimiento medio, como en el experimento original de Fitts. ^[17] Existen múltiples métodos para identificar parámetros a partir de datos experimentales, y la elección del método es objeto de un acalorado debate, ya que la variación del método puede resultar en diferencias de parámetros que superan las diferencias de rendimiento subyacentes. ^{[25] [26]}

Un problema adicional en la caracterización del rendimiento es la incorporación de la tasa de éxito: un usuario agresivo puede lograr tiempos de movimiento más cortos a costa de pruebas experimentales en las que no se alcanza el objetivo. Si estos últimos no se incorporan al modelo, los tiempos medios de movimiento se pueden reducir artificialmente.

Objetivos temporales

La ley de Fitts se ocupa únicamente de los objetivos definidos en el espacio. Sin embargo, un objetivo se puede definir puramente en el eje del tiempo, que se denomina objetivo temporal. Un objetivo parpadeante o un objetivo que se mueve hacia un área de selección son ejemplos de objetivos temporales. De manera similar al espacio, la distancia al objetivo (es decir, la distancia temporal D _t ) y el ancho del objetivo (es decir, el ancho temporal W _t ) también se pueden definir para los objetivos temporales. La distancia temporal es la cantidad de tiempo que una persona debe esperar a que aparezca un objetivo. El ancho temporal es una corta duración desde el momento en que aparece el objetivo hasta que desaparece. Por ejemplo, para un objetivo que parpadea, D _t se puede considerar como el período de parpadeo y W _tcomo la duración del parpadeo. Al igual que con los objetivos en el espacio, cuanto mayor sea D _t o menor W _t , más difícil será seleccionar el objetivo.

La tarea de seleccionar el objetivo temporal se denomina señalamiento temporal . El modelo para el apuntado temporal se presentó por primera vez en el campo de la interacción humano-computadora en 2016. ^[27] El modelo predice la tasa de error, el desempeño humano en el apuntado temporal, como una función del índice de dificultad temporal ( ID _t ):

$${\displaystyle {\text{ID}}_{t}=\log _{2}{\Bigg (}{\frac {D_{t}}{W_{t}}}{\Bigg )}}$$

Implicaciones para el diseño de la interfaz de usuario

Esquinas mágicas en Microsoft Windows

Menú radial

Se pueden derivar múltiples pautas de diseño para GUI a partir de las implicaciones de la ley de Fitts. En su forma básica, la ley de Fitts dice que los objetivos que debe alcanzar un usuario deben ser lo más grandes posible. Esto se deriva del parámetro W. Más específicamente, el tamaño efectivo del botón debe ser lo más grande posible, lo que significa que su forma debe optimizarse para la dirección de movimiento del usuario hacia el objetivo.

Los diseños también deben agrupar las funciones que se usan comúnmente entre sí. La optimización del parámetro D de esta manera permite tiempos de viaje más pequeños.

La colocación de elementos de diseño en los cuatro bordes de la pantalla permite objetivos infinitamente grandes en una dimensión y, por lo tanto, presentan escenarios ideales. Como el puntero del usuario siempre se detendrá en el borde, puede mover el mouse con la mayor velocidad posible y aun así dar en el blanco. El área objetivo es efectivamente infinitamente larga a lo largo del eje de movimiento. Por tanto, esta directriz se denomina “Regla de los bordes infinitos”. El uso de esta regla se puede ver, por ejemplo, en MacOS , que coloca la barra de menú siempre en el borde superior izquierdo de la pantalla en lugar del marco de la ventana del programa actual. ^[28]

Este efecto puede exagerarse en las cuatro esquinas de una pantalla. En estos puntos, dos bordes chocan y forman un botón teóricamente infinitamente grande. Microsoft Windows coloca su botón "Inicio" en la esquina inferior izquierda y Microsoft Office 2007 usa la esquina superior izquierda para su menú "Office". Estos cuatro lugares reciben el nombre de "rincones mágicos". ^[29] MacOS coloca el botón de cierre en la parte superior izquierda de la ventana del programa y la barra de menú llena la esquina mágica con otro botón.

Una interfaz de usuario que permite menús emergentes en lugar de menús desplegables fijos reduce los tiempos de viaje para el parámetro D. El usuario puede continuar la interacción directamente desde la posición del mouse y no tiene que moverse a un área predeterminada diferente. Muchos sistemas operativos usan esto cuando muestran menús contextuales de clic derecho. Como el menú comienza justo en el píxel en el que el usuario hizo clic, este píxel se denomina "mágico" o "píxel principal". ^[24]

James Boritz y col. (1991) ^[30] compararon diseños de menús radiales . En un menú radial, todos los elementos tienen la misma distancia del píxel principal. La investigación sugiere que en las implementaciones prácticas también se debe tener en cuenta la dirección en la que un usuario debe mover el mouse. Para los usuarios diestros, seleccionar el elemento del menú más a la izquierda fue significativamente más difícil que el del lado derecho. No se encontraron diferencias para las transiciones de funciones superiores a inferiores y viceversa.

Ver también

• Accot, Johnny; Zhai, Shumin (2002). Más que salpicar las i: fundamentos para interfaces basadas en cruces . Actas de la Conferencia ACM CHI 2002 sobre factores humanos en sistemas informáticos . págs. 73–80. doi : 10.1145 / 503376.503390 . ISBN 978-1581134537.
• Accot, Johnny; Zhai, Shumin (2003). Refinando los modelos de la ley de Fitts para el apuntado bivariado . Actas de la Conferencia ACM CHI 2003 sobre factores humanos en sistemas informáticos . págs. 193-200. doi : 10.1145 / 642611.642646 . ISBN 978-1581136302.
• Card, Stuart K .; Moran, Thomas P .; Newell, Allen (1983). La psicología de la interacción humano-computadora . Hillsdale, Nueva Jersey: L. Erlbaum Associates. ISBN 978-0898592436.
• Fitts, Paul M .; Peterson, James R. (febrero de 1964). "Capacidad de información de las respuestas motoras discretas". Revista de Psicología Experimental . 67 (2): 103-112. doi : 10.1037 / h0045689 . PMID  14114905 .

• Ley de dirección de Accot-Zhai
• Ley de Hick
• Apuntar y hacer clic
• Interfaz basada en cruces

Referencias

1. Fitts, Paul M. (junio de 1954). "La capacidad de información del sistema motor humano en el control de la amplitud del movimiento". Revista de Psicología Experimental . 47 (6): 381–391. doi : 10.1037 / h0055392 . PMID 13174710 . S2CID 501599 .  
2. Hoffmann, Errol R. (1991). "Una comparación de los tiempos de movimiento de manos y pies". Ergonomía . 34 (4): 397–406. doi : 10.1080 / 00140139108967324 . PMID 1860460 . 
3. José, Marcelo Archajo; Lopes, Roleli (2015). "Interfaz humano-computadora controlada por el labio" . IEEE Journal of Biomedical and Health Informatics . 19 (1): 302-308. doi : 10.1109 / JBHI.2014.2305103 . PMID 25561451 . 
4. Entonces, RHY; Griffin, MJ (2000). "Efectos de la señal de dirección del movimiento del objetivo en el rendimiento del seguimiento de la cabeza". Ergonomía . 43 (3): 360–376. doi : 10.1080 / 001401300184468 . PMID 10755659 . 
5. MacKenzie, I. Scott; Sellen, A .; Buxton, WAS (1991). Una comparación de dispositivos de entrada en tareas elementales de apuntado y arrastre . Actas de la Conferencia ACM CHI 1991 sobre factores humanos en sistemas informáticos . págs. 161-166. doi : 10.1145 / 108844.108868 . ISBN 978-0897913836.
6. Kerr, R (1973). "Tiempo de movimiento en un entorno submarino". Revista de comportamiento motor . 5 (3): 175-178. doi : 10.1080 / 00222895.1973.10734962 . PMID 23961747 . 
7. Brogmus, G (1991). "Efectos de la edad y el sexo en la velocidad y precisión de los movimientos de la mano: y los refinamientos que sugieren para la ley de Fitts". Actas de la reunión anual de la Sociedad de Factores Humanos . 35 (3): 208–212. doi : 10.1177 / 154193129103500311 .
8. Smits-Engelsman, BCM; Wilson, PH; Westenberg, Y .; Duysens, J. (2003). "Deficiencias motoras finas en niños con trastorno de coordinación del desarrollo y dificultades de aprendizaje: un déficit de control de circuito abierto subyacente". Ciencia del movimiento humano . 22 (4–5): 495–513. doi : 10.1016 / j.humov.2003.09.006 . PMID 14624830 . 
9. Kvålseth, TO (1977). "Efectos de la marihuana sobre el tiempo de reacción humano y el control motor". Habilidades motoras y perceptivas . 45 (3): 935–939. doi : 10.2466 / pms.1977.45.3.935 . PMID 600655 . 
10. Graham, ED; MacKenzie, CL (1996). "Apuntado físico versus virtual". Actas de la Conferencia SIGCHI sobre factores humanos en sistemas informáticos : 292–299.
11. Tarjeta, Stuart K .; Inglés, William K .; Burr, Betty J. (1978). "Evaluación de mouse, joystick isométrico de velocidad controlada, teclas de pasos y teclas de texto para la selección de texto en un CRT" (PDF) . Ergonomía . 21 (8): 601–613. CiteSeerX 10.1.1.606.2223 . doi : 10.1080 / 00140137808931762 .  
12. "Tarjeta de Stuart" . PARC . Archivado desde el original el 11 de julio de 2012.
13. Graham, Evan (1996). Señalar en una pantalla de computadora (Ph.D.). Universidad Simon Fraser.
14. Drewes, H. (2011). "Disertación". Seguimiento de la mirada para la interacción humano-computadora . LMU München: Fakultät für Mathematik, Informatik und Statistik.
15. MacKenzie, I. Scott. "Página de inicio de Scott MacKenzie" . www.yorku.ca .
16. MacKenzie, I. Scott (1992). "La ley de Fitts como herramienta de investigación y diseño en la interacción humano-computadora" (PDF) . Interacción persona-computadora . 7 : 91-139. doi : 10.1207 / s15327051hci0701_3 .
17. Soukoreff, R. William; Zhao, Jian; Ren, Xiangshi (2011). "La entropía de un movimiento rápido dirigido: índice de dificultad de Fitts frente a la entropía de Shannon". Interacción persona-computadora : 222-239.
18. Welford, AT (1968). Fundamentos de la habilidad . Methuen.
19. Fitts, Paul M .; Peterson, JR (1964). "Capacidad de información de las respuestas motoras discretas". Revista de Psicología Experimental . 67 (2): 103-112. doi : 10.1037 / h0045689 . PMID 14114905 . 
20. Kopper, R .; Bowman, DA; Silva, MG; MacMahan, RP (2010). "Un modelo de comportamiento motor humano para tareas de apuntamiento distal". Revista internacional de estudios humanos e informáticos . 68 (10): 603–615. doi : 10.1016 / j.ijhcs.2010.05.001 .
21. Zapatero, Garth; Tsukitani, Takayuki; Kitamura, Yoshifumi; Booth, Kellogg (diciembre de 2012). "Los modelos de dos partes capturan el impacto de la ganancia en el rendimiento de señalamiento". Transacciones ACM sobre la interacción computadora-humano . 19 (4): 1–34. doi : 10.1145 / 2395131.2395135 .
22. Wobbrock, J .; Shinohara, K (2011). Los efectos de la dimensionalidad de la tarea, la desviación del punto final, el cálculo del rendimiento y el diseño de experimentos en las medidas y los modelos de puntería . Actas de la Conferencia ACM sobre factores humanos en sistemas informáticos . Vancouver, Columbia Británica. págs. 1639-1648. CiteSeerX 10.1.1.409.2785 . doi : 10.1145 / 1978942.1979181 . ISBN  9781450302289.
23. MacKenzie, I. Scott; Buxton, William AS (1992). Extendiendo la ley de Fitts a tareas bidimensionales . Actas de la Conferencia ACM CHI 1992 sobre factores humanos en sistemas informáticos . págs. 219-226. doi : 10.1145 / 142750.142794 . ISBN 978-0897915137.
24. Zhao, H. (2002). "Ley de Fitt: modelado del tiempo de movimiento en HCI". Teorías en la Interacción Humana Computadora . S2CID 17219815 . 
25. Soukoreff, R. William; MacKenzie, I. Scott (2004). "Hacia un estándar para la evaluación de dispositivos señaladores, perspectivas sobre 27 años de investigación de la ley de Fitts en HCI" . Revista Internacional de Estudios Humano-Informáticos . 61 (6): 751–789. doi : 10.1016 / j.ijhcs.2004.09.001 .
26. Zhai, Shumin (2002). Sobre la validez del rendimiento como característica de la entrada de computadora (pdf) (Informe técnico). San José, California: Centro de Investigación de Almaden. RJ 10253.
27. Lee, Byungjoo; Oulasvirta, Antti (2016). Modelado de tasas de error en apuntamiento temporal . Actas de la Conferencia CHI de 2016 sobre factores humanos en sistemas informáticos . CHI '16. Nueva York, NY, EE.UU .: ACM. págs. 1857–1868. doi : 10.1145 / 2858036.2858143 . ISBN 9781450333627.
28. Hale, K (2007). "Visualización de la ley de Fitts" . Árbol de partículas. Archivado desde el original el 8 de diciembre de 2019 . Consultado el 8 de diciembre de 2019 .
29. Jensen, H. (2006). "Dándote Fitts" . Desarrollador de Microsoft. Archivado desde el original el 8 de diciembre de 2019 . Consultado el 8 de diciembre de 2019 .
30. Boritz, J; Cowan, WB (1991). "Estudios de la ley de Fitts del movimiento direccional del ratón". Desempeño humano . 1 (6). S2CID 43676399 . 

Enlaces externos

• Fitts 'Law en CS Dept. Proyecto de infraestructura educativa respaldado por NSF
• Ley de Fitts: Modelado del tiempo de movimiento en HCI
• Bibliografía de la investigación jurídica de Fitts compilada por I. Scott MacKenzie
• Fitts 'Law Software - Descarga gratuita de I. Scott MacKenzie
• Una visualización interactiva de la ley de Fitts con JavaScript y D3 por Simon Wallner