怎样解读舒尔特方格进度数据
了解进度追踪器中的个人最佳、平均值、中位数、近期平均、错误次数和一致性分别表示什么，以及为什么必须先筛选真正可比的任务记录。
作者 schulte-table.org 编辑团队 ·
手上有多次记录时，不存在一个永远最重要的数字。个人最佳回答“筛选范围内最短的一次完成用时是多少”，中位数描述排序后的中间位置，平均值使用全部已完成记录，近期平均则只看最近 7 次完成记录。
这些数值不同很正常。查看卡片前，应先确认筛选出的记录是否来自相同尺寸、相同模式、相同输入方式和相同完成规则；否则计算本身即使无误，比较含义仍可能很弱。
1. 当前追踪器怎样计算各项指标
追踪器先应用日期范围、方格尺寸、模式、完成状态和输入方式筛选，再用筛选结果中的已完成记录计算用时指标。个人最佳取最小 durationMs；平均值是已完成用时之和除以数量；中位数先排序，奇数条取正中一条，偶数条取中间两条的平均。
近期平均最多使用最近 7 次已完成记录。记录读取时按 completedAt 从新到旧排列，因此这里不是随机抽 7 条，也不是最早的 7 条。错误次数沿用来源工具记录的错误选择；追踪器还显示平均错误和无错误完成比例，但不会重新判断来源工具的错误规则。
界面中的一致性是完成用时的变异系数。代码用总体方差计算标准差，再除以平均用时。百分比越小，只表示当前筛选集合的用时相对更靠近；它不是心理稳定性，也不是注意状态的测量。
平均值 = 已完成用时总和 ÷ 已完成记录数
CV = 总体标准差 ÷ 平均值 × 100%
近期平均 = 最近 7 次已完成记录的平均值| 指标 | 概括什么 | 适合用来 | 主要限制 |
|---|---|---|---|
| 个人最佳 | 筛选范围内最短的完成用时 | 记住本地最短一次 | 可能是异常值 |
| 平均值 | 全部筛选后完成用时的算术平均 | 查看整组记录的中心 | 容易被特殊一轮拉动 |
| 中位数 | 排序后处于中间的用时 | 查看较少受单个极端值影响的中心 | 仍取决于纳入了哪些记录 |
| 近期平均 | 最近 7 次完成记录 | 观察近期本地结果 | 样本较小时变化会很快 |
| 错误次数 | 来源规则记录的错误选择 | 给用时补充准确性背景 | 比较前必须统一错误规则 |
| 一致性（CV） | 筛选用时的相对离散程度 | 查看用时是否聚集 | 不代表心理或医学状态 |
2. 算例：为什么最佳、平均和中位数不一样
假设 5 次同条件完成用时为 31.2、32.1、31.8、49.5、31.7 秒。排序后是 31.2、31.7、31.8、32.1、49.5，所以个人最佳为 31.2 秒，中位数为 31.8 秒。
总和是 176.3 秒，平均值为 176.3 ÷ 5 = 35.26 秒。49.5 秒这一轮明显抬高平均值，却不会同等程度改变中位数。按追踪器的总体标准差公式，标准差约为 7.1259 秒，CV 约为 20.21%。这只说明这 5 个用时较分散，不构成删除较慢记录的理由。
| 原始用时 | 个人最佳 | 中位数 | 平均值 | 总体 CV |
|---|---|---|---|---|
| 31.2、32.1、31.8、49.5、31.7 秒 | 31.2 秒 | 31.8 秒 | 35.26 秒 | 20.21% |
3. 先用筛选器建立真正可比的集合
追踪器提供最近 7 天、最近 30 天、全部或自定义日期，还可按 gridSize、mode、completed 和 inputMethod 筛选。输入方式筛选只在本地记录确实含该字段时出现。尝试次数卡片统计所有筛选记录，而用时卡片只统计已完成记录；关闭默认的“仅已完成”后，两者可能不相等。
不要把 3×3 与 10×10、升序数字与倒序、鼠标与触摸、完成与中断记录混成一组。schema 还保存 durationMs、mistakes、时间戳和标识符，但不完整保存浏览器缩放、系统显示比例、屏幕方向、提示开关等条件。需要这些信息时，应保持设置不变或另行备注。
- 相同方格尺寸
- 相同模式与方向
- 相同输入方式
- 相同完成及错误规则
- 设备、缩放、显示比例和方向可比
- 没有未记录的中断
4. 最短一次为什么不能单独代表趋势
再看一组近期记录：34.0、33.8、34.2、24.1、34.1 秒。24.1 会立刻成为个人最佳，但其余 4 次仍集中在约 34 秒。它可能是真实完成，也可能来自设置变化、不同输入路径、中断处理差异，或在计算器中保存时选错了模式。
不要只因它特殊就自动删除，也不要只因它最短就把整组称为持续变化。先查看 CSV 或 JSON 中的 mistakes、mode、gridSize、inputMethod 和时间戳，再核对 schema 没有保存的设备与缩放。趋势需要一串同条件观察，而不是只看最有利的端点。
“图表中隐藏超过 3 个标准差的异常值”只改变图表显示，不会删除本地记录，也不会把该记录从摘要卡片的计算中排除。
5. 导出数据适合核对，不适合美化结论
CSV 导出包含 schemaVersion、id、completedAt、gridSize、cellCount、mode、durationMs、mistakes、completed、inputMethod 和 challengeId。JSON 另外保留版本化外层结构与导出时间；JSON 导入会验证记录、与当前本地记录合并，并按 ID 去重。
导出可以帮助你核对摘要背后的原始行，或在删除前备份。它不会让不同任务自动变得可比。若在表格软件中继续分组，应保留与追踪器相同的条件，并写明手动增加的判断规则。
6. 这些数据能说明什么、不能说明什么
这些卡片可以描述当前浏览器中、当前筛选任务记录的最短值、中心位置、近期用时、已记录错误和用时离散程度。它们适合发现可疑录入、比较两组同条件个人记录，或判断某次设置变化应另开分组。
它们不能给出医疗诊断、注意诊断、智力分数或人群排名，也不能保证结果迁移到阅读或学习活动。本站没有支撑此类推断的匹配人群数据。最准确的表述仍是：这是所选浏览器任务记录的统计摘要。