子运动次数决定总耗时
别名: 子运动计数 · submovement count · 修正次数与耗时
概念解释
同一段目标获取任务，不同次尝试之间总耗时的差异，主要不是来自初始冲量跑得快慢不一，而是来自修正阶段到底走了几步子运动才落定——初始冲量这一段的耗时相对稳定，真正让总时间忽长忽短的，是后面需要多少轮"挪一点、核对一下"才能命中目标。换句话说，想知道一次动作为什么比另一次慢，答案通常不在开头那一下冲量，而在结尾那几步修正上。
机制
每一次子运动都要单独走完一轮核对当前状态、生成新指令、执行这个新指令的完整流程，这轮流程本身有一个相对固定的耗时下限；总修正时间大致等于这个下限乘以实际发生的子运动次数。子运动次数本身并不是一个固定值，而是随每次尝试中初始冲量的落点距目标还差多少、这个差距被判定为"足够接近"需要多严格而波动——有时候一次冲量后差距已经很小，一两步子运动就能收尾；有时候冲量偏差稍大，或者需要的精度更高，就要多走几步。这种波动天然带有一定的随机性，也是同一个人重复做同一件事，每次耗时却不完全相同的主要原因。
怎么研究
研究者通常从速度曲线里数出修正阶段包含的次级速度峰个数，作为该次尝试子运动次数的估计，再把这个次数和总耗时做相关分析：如果次数越多、总耗时确实越长，且这个关系能解释耗时差异中的大部分变异，就说明总耗时主要由子运动次数决定，而不是由初始冲量阶段的速度差异决定。另一类做法是人为操纵会影响子运动次数的因素（比如收紧命中判定的容差），观察耗时是否随之相应增加。
边界
这条结论描述的是同一类任务内部、不同次尝试之间耗时差异的主要来源，不能直接推广成"总耗时只取决于子运动次数、和距离或目标大小无关"——距离和目标大小本身会通过影响冲量阶段落点的精度、进而影响需要多少次子运动，两者是通过子运动次数这个中间环节联系起来的，不是彼此无关的两条路径。另外，子运动的识别本身依赖速度曲线上能否分辨出清晰的次级峰，测量误差会给次数统计带来一定噪声。
怎么落地
- 想缩短一类精细操作的平均耗时，与其试图让用户的初始移动更快，不如想办法减少完成这个操作平均需要的子运动次数——比如通过吸附、磁性对齐、放大目标有效范围，让冲量阶段的落点更容易一次接近目标，从而少走几步修正。
- 评估两种交互方案孰优孰劣时，如果只比较平均总耗时容易被个别慢尝试拉偏，建议同时记录子运动次数的分布，次数分布更集中、极端多次修正的情况更少的方案，通常意味着更稳定、更可预测的完成时间。
- 验证办法：对同一批用户在两种设计下分别完成同一操作，从运动轨迹里提取子运动次数分布并计算平均值；如果新设计下平均子运动次数明显下降，即便初始冲量阶段耗时没有变化，也能预期总完成时间会相应缩短。