Analyse von Mustern der Aufmerksamkeit beim Betrachten von Petri-Netzen

Petri-Netze sind bedeutend für die Geschäftsprozessmodellierung. Die Betrachtung dieser Netze
ruft eine Menge an kognitiven Prozessen hervor. Dabei wird das vorgegebene Petri-Netz zuerst
visuell wahrgenommen und somit wird die visuelle Aufmerksamkeit darauf gesteuert für die
Informationsverarbeitung. Um diese Prozesse festhalten zu können, werden die Blickbewegungen
mithilfe von Eye-Trackern aufgezeichnet. Eine Analyse dieser Daten ermöglicht das
Auffinden von Mustern in den Rohdaten, die uns Einblicke in die kognitiven Prozesse und zu
der Aufmerksamkeit eines Menschen verschaffen. Die erfassten Daten werden meistens als
Scanpaths oder Heatmaps visualisiert. Durch Eye-Tracking und den damit erfassten Daten,
kann auch die Analyse der Prozessmodelle verbessert werden. In dieser Bachelorarbeit werden
die erfassen Eye-Tracking-Daten analysiert, um Aufmerksamkeitsmuster beim Betrachten von
Petri-Netzen herausarbeiten zu können. Dazu werden die Daten in das Visualisierungsframework
(Blickshift) importiert und zusammen mit den Stimuli visualisiert. Dadurch können verschiedene
Aufmerksamkeitsmodelle erfasst werden und somit Urteile über die Effizienz der verschiedenen
Petri-Netze (Stimuli) geschlossen werden.