Skip to content

Fitts 定律与 Hick–Hyman 定律:公式、应用与边界 ​

Fitts 定律描述快速指向任务中移动时间与目标距离、有效宽度的关系;Hick–Hyman 定律描述选择反应任务中反应时间与选择信息量的关系。它们来自受控实验,是预测特定条件下平均表现的模型,不是“按钮越大越好”或“选项越少越好”的通用界面法则。

前置概念 ​

  • 指向任务:使用鼠标、触控、笔或其他指针移动并激活目标。
  • 选择反应任务:在已知刺激与响应集合中,根据出现的刺激选择对应响应。
  • 平均时间模型:公式预测一组实验条件下的平均值,不保证单个用户、单次操作时间。
  • 拟合参数:公式中的截距和斜率需要用具体设备、任务和人群的数据估计,不能从其他产品直接复制。

Fitts 定律 ​

常用公式 ​

人机交互研究常用 Shannon 形式:

text
MT = a + b × ID
ID = log2(D / W + 1)

变量含义:

变量含义单位与边界
MT完成指向动作的平均移动时间通常为毫秒
a与任务、设备、人群有关的截距由数据拟合,不是固定常数
b每增加一 bit 难度所增加的时间通常为毫秒/bit,由数据拟合
D起点到目标中心沿运动方向的距离与 W 使用相同空间单位
W沿运动方向允许成功命中的有效宽度是命中区域,不一定等于视觉宽度
ID难度指数bit,因为使用以 2 为底的对数

Fitts 1954 原始实验使用不同的难度表达;现代 HCI 常使用上面的 Shannon 形式。引用研究或比较数据时必须说明采用哪一公式和测量方法。

公式怎样工作 ​

  • 距离 D 增加,难度指数与平均移动时间增加。
  • 有效宽度 W 增加,难度指数与平均移动时间降低。
  • 关系经过对数变换,因此距离翻倍不会简单让时间翻倍。
  • 只有 D/W 的比值相同且其他条件相近时,模型才预测相同难度。

计算示例 ​

假设同一设备实验拟合得到 a = 80 ms、b = 120 ms/bit。这两个数只用于计算示例。

目标 A:D = 400 px,W = 40 px。

text
ID_A = log2(400 / 40 + 1)
     = log2(11)
     ≈ 3.459 bit

MT_A = 80 + 120 × 3.459
     ≈ 495 ms

目标 B 保持距离 400 px,把有效宽度增至 80 px:

text
ID_B = log2(400 / 80 + 1)
     = log2(6)
     ≈ 2.585 bit

MT_B = 80 + 120 × 2.585
     ≈ 390 ms

在该拟合模型中,预测差约 105 ms。这不是对任何网页按钮的固定收益;触控、手部移动、视觉搜索、目标识别和错误代价可能改变结果。

界面应用 ​

  • 高频、主要和时间敏感的指针目标应有足够命中区域。
  • 增大透明点击区可以提高有效宽度,但相邻目标不能重叠或产生误触。
  • 屏幕边缘可在某些桌面指针条件下限制越过目标,但浏览器窗口边缘、触屏和系统手势会改变这一优势。
  • 目标分组应考虑起始位置;只比较按钮自身大小而不比较实际移动路径不完整。
  • 拖放包含取得目标、移动与放置多个阶段,应分别分析,而且必须提供非拖动等价操作。

WCAG 2.2 的 2.5.8 Target Size (Minimum) 是可访问性合规要求:目标至少 24×24 CSS 像素,或满足列出的间距、等价、行内、用户代理与必要性例外。它不是由 Fitts 公式直接推导出的“最佳尺寸”,也不保证目标在具体任务中足够易用。

Hick–Hyman 定律 ​

等概率选项的常见形式 ​

text
RT = a + b × log2(n + 1)
变量含义边界
RT从刺激出现到作出选择响应的平均反应时间不一定包含指向与执行时间
a基础反应与任务截距由实验拟合
b每 bit 信息量增加的反应时间由实验拟合
n可区分且等概率的响应数量不是页面上所有可见元素的简单计数

Hyman 的实验进一步考察了选项概率不相等和序列依赖。更一般的分析使用信息熵:

text
H = -Σ pᵢ × log2(pᵢ)
RT = a + b × H

当所有 n 个选项等概率时,H = log2(n)。不同文献的公式、常数和实验设计不同,不能混用 log2(n) 与 log2(n+1) 后直接比较数值。

计算示例 ​

假设一次等概率选择任务拟合得到 a = 250 ms、b = 150 ms/bit。

四个选项:

text
RT_4 = 250 + 150 × log2(4 + 1)
     ≈ 250 + 150 × 2.322
     ≈ 598 ms

八个选项:

text
RT_8 = 250 + 150 × log2(8 + 1)
     ≈ 250 + 150 × 3.170
     ≈ 726 ms

模型预测增加约 128 ms。若八个选项具有熟悉分组、明显频率差异或用户可以直接搜索,这个简单等概率模型不再准确描述实际任务。

界面应用 ​

  • 减少当前决策中无关或不合法的选项,而不是任意删除功能。
  • 使用清晰类别、默认值、搜索和最近使用,让选项概率与结构可利用。
  • 相似选项需要可区分名称和比较维度;只减少数量不能解决含义重叠。
  • 高频操作可置于直接可见位置,低频操作放入可发现菜单,但要测量发现成本。
  • 复杂决定可能需要更多信息、复核和时间;强行减少步骤会增加错误风险。

两个模型不能混为一谈 ​

mermaid
flowchart LR
    S["发现候选操作"] --> H["Hick–Hyman:选择哪一个"]
    H --> F["Fitts:移动并命中目标"]
    F --> E["执行、等待与理解结果"]

真实任务时间还包括视觉搜索、阅读、记忆、输入、系统延迟和错误恢复。Hick–Hyman 主要对应选择反应,Fitts 主要对应指向动作;二者都不能单独预测端到端任务时间。

完整案例:移动端订单行操作 ​

具体输入与证据 ​

订单列表每行当前显示六个图标操作:查看、复制编号、联系客户、退款、取消、更多。图标仅在悬停显示,但移动端没有稳定悬停;触控日志显示“取消”误触后立即返回的比例高。日志只能说明发生了回退,不能证明全部原因。

实际任务频率样本:

text
查看详情:62%
复制编号:20%
联系客户:10%
退款:4%
取消:1%
其他:3%

分析过程 ​

  1. “查看详情”可让整行或明确链接承担,减少独立小图标。
  2. “复制编号”频率高且低风险,保留为有文字或可靠名称的直接操作。
  3. “联系客户、退款、取消”进入“更多操作”菜单;退款与取消在菜单中分离,并显示文字结果。
  4. 危险操作不能只因低频藏起来后直接执行;选中后进入对象明确的复核步骤。
  5. 每个触控目标检查 CSS 像素尺寸和相邻间距,同时保留键盘等价路径。

输出设计 ​

text
订单 #A1024             待发货
客户:李晓              ¥328.00
[查看详情] [复制编号] [更多操作]

“更多操作”展开:联系客户、退款、取消订单。菜单项使用文字,当前不合法操作隐藏或禁用并解释;键盘使用标准菜单或普通按钮列表的对应模式,不能混合语义。

定量检查 ​

假设旧取消图标有效宽度 20 px,新菜单项有效高度 44 px,指针起点到目标中心距离分别为 120 px 和 180 px:

text
旧 ID = log2(120 / 20 + 1) = log2(7) ≈ 2.807
新 ID = log2(180 / 44 + 1) ≈ log2(5.091) ≈ 2.348

在相同拟合参数前提下,新目标的指向难度指数较低,但打开菜单增加了一个选择步骤。最终是否更好要同时测量误触、任务时间、发现率和危险操作复核,而不是只依据公式。

状态、键盘与失败分支 ​

  • 菜单触发按钮有可访问名称和展开状态;关闭后焦点回到触发按钮。
  • 列表滚动或数据刷新时,打开菜单要锚定正确订单或安全关闭。
  • 订单状态被他人更新后,服务端重新校验退款与取消资格。
  • 请求超时不能显示已取消;用订单详情的权威状态验证。
  • 若把低频操作收入菜单导致退款发现率明显下降,检查命名、入口与任务优先级,而不是立刻增加更多图标。

验证方案 ​

  1. 用相同设备和测试数据比较旧、新方案。
  2. 分别测量查看、复制、退款和取消的发现率、正确率、误触和完成时间。
  3. 记录起始位置、目标尺寸和输入设备,避免混合不可比数据。
  4. 仅用键盘和屏幕阅读器完成所有操作。
  5. 在窄屏、200% 放大、长订单号和动态刷新条件下复测。

Fitts 模型的边界 ​

  • 目标必须可见且可识别;视觉搜索时间不在简单公式中。
  • 有效宽度沿运动方向计算,二维不规则目标需要更精确模型。
  • 不同设备、姿势、人群和错误率需要重新拟合。
  • 触摸目标受手指遮挡、握持、拇指活动范围和系统手势影响。
  • 公式预测速度,不直接包含误触成本、学习和可访问性。
  • 键盘、语音、开关控制和屏幕阅读器导航不是同一指向任务。

Hick–Hyman 模型的边界 ​

  • 选项数量不等于有效信息量;概率、分组、熟悉度和刺激—响应兼容性会影响结果。
  • 模型来自受控选择反应任务,不能直接解释阅读、价值判断或开放式决策。
  • 隐藏选项会增加发现和导航步骤,不能只按当前屏幕选项数计算。
  • 已知目标的菜单搜索与不知道选什么的决策不是同一种任务。
  • 高风险决定需要足够信息和确认,时间更短不一定结果更好。

可执行应用步骤 ​

  1. 明确分析的是指向、选择,还是包含搜索与理解的完整任务。
  2. 记录输入设备、起点、目标命中区域、距离、选项及其概率。
  3. 选择公式并说明版本、单位与拟合参数来源。
  4. 计算难度或信息量,只作为候选方案比较的一项证据。
  5. 检查 WCAG 目标尺寸、键盘等价、名称和焦点要求。
  6. 用真实任务测量正确率、误触、发现率、完成时间和恢复。
  7. 对设备、人群和任务条件变化重新验证,不外推单一拟合结果。

常见错误与修正 ​

  • 把视觉图标大小当作有效命中宽度:检查真实点击区域。
  • 只增大目标却让相邻点击区重叠:同时验证间距与误触。
  • 用 Fitts 定律解释用户找不到按钮:先检查可见性和识别。
  • 用 Hick 定律要求菜单最多七项:没有固定通用上限,应分析信息量和结构。
  • 把选项移入多层菜单后宣称选择更快:必须计入发现与导航。
  • 复制论文或其他产品的 a、b 参数预测本产品:应使用本任务数据拟合。
  • 只比较平均时间,不报告错误率和数据分布。

练习与完成标准 ​

比较桌面工具栏的两个方案:8 个直接按钮;4 个直接按钮加一个含 4 项的菜单。

完成时应满足:

  • 记录每项任务频率、风险、输入设备与起始位置;
  • 测量目标有效尺寸和距离,并用同一 Fitts 公式计算;
  • 说明 Hick–Hyman 模型中选项是否可视为等概率;
  • 不把菜单打开、视觉搜索和阅读时间排除在最终任务测量外;
  • 覆盖键盘、屏幕阅读器、窄屏和 200% 放大;
  • 报告正确率、误触、发现率、时间中位数或分布,而不只给平均值;
  • 用数据说明选择,并明确不能外推的条件。

来源 ​

从前端走向软件产品工程的长期路线图。