ANTASID：用于量化非受控指向任务感知难度的 Shannon 难度指数时间调整新方法

Shannon 难度指数（$ID$）以移动幅度（$A$）与目标宽度（$W$）之间的对数关系来量化指向任务的感知难度，在受控实验设置中用于对此类任务中相应的观测移动时间（$MT_O$）进行建模。然而，现实生活中的指向任务在空间和时间上均不受控，受人类因素、主观行为、交互上下文、固有的速度-精度权衡（强调精度会牺牲交互速度，反之亦然）等因素影响。有效目标宽度（$W_e$）被视为补偿精度的空间调整。然而，文献中尚不存在用于补偿此类任务在不同交互上下文中速度的显著调整方法。因此，若不进行任何时间调整，使用 Shannon 的 $ID$ 可能会不准确地量化非受控指向任务的真实难度。为验证这一点，我们提出了 ANTASID（A Novel Temporal Adjustment to Shannon's ID，Shannon 难度指数的时间调整新方法）公式并进行了详细的性能分析。我们假设时间调整因子（$t$）为 $MT_O$ 的以 2 为底的对数，以补偿由上下文差异引起的速度变化，并最小化移动幅度与目标宽度之间的非线性关系。考虑对 $ID$ 进行空间和/或时间调整，我们使用自有数据集和基准数据集，在带有通用鼠标的受控与非受控指向任务场景下进行了回归分析。ANTASID 公式在所有场景中均显示出显著更优的拟合度值与吞吐量，同时降低了标准误差。此外，使用 ANTASID 量化的 $ID$ 与 Shannon $ID$ 的经典公式相比存在显著差异，验证了本研究的目的。