[论文解读] Calibration Methods of Touch-Point Ambiguity for Finger-Fitts Law.

Shota Yamanaka, Hiroki Usuba|arXiv (Cornell University)|Jan 13, 2021

Tactile and Sensory Interactions被引用 1

一句话总结

本研究评估了手指震颤因子（σₐ）在手指-菲茨定律中的校准方法，分析了1D与2D触控定位实验，并重新分析了先前的数据。研究发现，不存在一种普遍最优的σₐ测量方法能始终最大化预测准确性，挑战了在触控定位任务中参数校准最佳实践的共识。

ABSTRACT

Finger-Fitts law (FFitts law) is a model to predict touch-pointing times that was modified from Fitts' law. It considers the absolute touch-point precision, or a finger tremor factor sigma_a, to decrease the admissible target area and thus increase the task difficulty. Among choices such as running an independent task or performing parameter optimization, there is no consensus on the best methodology to measure sigma_a. By integrating the results of our 1D and 2D touch-pointing experiments and reanalyses of previous studies' data, we examined the advantages and disadvantages of each approach to compute sigma_a, and we found that there is no optimal choice to maximize the prediction accuracy of FFitts law.

研究动机与目标

• 探究不同σₐ校准方法对手指-菲茨定律预测准确性的影响。
• 解决关于应使用独立任务还是参数优化来测量σₐ的共识缺失问题。
• 评估现有方法在使用实证触控定位数据估计σₐ时的可靠性和有效性。
• 确定是否存在一种方法在预测各类触控定位时间时始终优于其他方法。

提出的方法

• 开展受控的1D与2D触控定位实验，收集有关手指震颤与定位表现的实证数据。
• 重新分析先前研究的数据，以比较不同校准技术在一致性与准确性方面的表现。
• 评估多种估计σₐ的方法，包括独立测量任务与在FFitts模型内进行参数优化。
• 使用统计建模比较不同σₐ估计方法下FFitts定律的预测准确性。
• 应用模型拟合技术，评估每种方法预测实际定位时间的拟合程度。
• 评估每种方法在测量复杂性、数据需求与预测性能之间的权衡。

实验结果

研究问题

• RQ1 在不同触控定位任务中，哪种σₐ校准方法能实现手指-菲茨定律最高的预测准确性？
• RQ2 独立测量任务与参数优化在估计手指震颤因子方面有何差异？
• RQ3 是否存在一种普遍最优的σₐ测量方法，能在各种实验条件下始终优于其他方法？
• RQ4 σₐ校准方法的选择在多大程度上影响了FFitts定律预测的可靠性？

主要发现

• 在所有实验条件下，没有一种σₐ校准方法能始终最大化预测准确性。
• 独立任务与参数优化方法在可靠估计σₐ并保持高预测保真度方面均存在局限性。
• 对先前数据集的重新分析显示，σₐ估计值在很大程度上依赖于所选校准方法。
• 缺乏普遍最优方法表明，当前在人机交互研究中σₐ校准的实践可能需要重新审视。
• 本研究突显了定义与测量触控定位精度的固有模糊性，这削弱了FFitts定律预测的一致性。
• 结果表明，校准方法的选择显著影响模型性能，但并无任何一种方法明显优于其他方法。