eSeeTrack

由Tsang、Tory與Swindells等人（2010）發展的一套視覺化的掃路路徑分析工具。支援靜態與動態的畫面之掃視路徑，眼動資料透過時間軸（timeline）與樹狀結構（tree-structured），呈現出三種重要的眼動資料屬性，分別是持續時間、頻率、凝視序列。

eSeeTrack能夠快速的將凝視序列提取、探索、比較。其中轉換的分析技術是基於Itoh、Hansen與Nielsen（1998）所使用的轉換圖（transition diagram），將AOI用樹狀節點的方式表達，而AOI之間的轉換次數則以AOI節點的線段粗細表達，並且使用Wattenberg與Viegas發展的文字樹（Word Tree）技術，將凝視的區域標籤化轉為文字樹。

如圖1為eSeeTrack整體介面，此畫面為兩間零售店的掃視路徑分析，在樹狀的視覺化，紅色標籤的商店1，灰色標籤為商店2，字型大小代表凝視多寡，可以發現最多的凝視序列為促銷訊息（sales promotion）5次，指出人們傾向花更多時間觀看促銷訊息。

圖1　eSeeTrack介面。資料來源：Tsang等人（2010）。

在手術模擬情境的研究中，受試者分為生手與專家，AOI有腹腔鏡螢幕、生命體徵螢幕、其他畫面，由圖2發現，專家在生命體徵螢幕與腹腔鏡螢幕會頻繁的來回參照，而生手則是生命體徵螢幕看一段時間，接著再看腹腔鏡螢幕。

專家有0.3%的凝視次數看其他畫面，生手則有2.3%的凝視次數看其他畫面，乍看之下2.3%不多，但對於手術來說，可能就有重大的影響。

由圖3發現，生手一但看了其他畫面，很可能還會再次回來看其他畫面，相對的，專家看了其他，不會再次的觀看其他畫面，這發現展示了專家比生手有著更高的專注力，分心時間較短且頻率較少。

圖2　手術模擬情境之eSeeTrack掃視路徑樹狀圖。起始點為生命體徵螢幕，紅色與藍色為專家，灰色為生手。資料來源：Tsang等人（2010）。

圖3　手術模擬情境之eSeeTrack掃視路徑樹狀圖。結束點為其他畫面，紅色與藍色為專家，灰色為生手。資料來源：Tsang等人（2010）。