Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/287158 
Titel (übersetzt): 
Procedure for describing human expert knowledge and cognitive processes during the teach-in of industrial robots
Erscheinungsjahr: 
2021
Quellenangabe: 
[Journal:] Zeitschrift für Arbeitswissenschaft [ISSN:] 2366-4681 [Volume:] 76 [Issue:] 1 [Publisher:] Springer [Place:] Berlin, Heidelberg [Year:] 2021 [Pages:] 34-49
Verlag: 
Springer, Berlin, Heidelberg
Zusammenfassung: 
Der Erfahrungsaustausch über gute Praxis ist eine Grundvoraussetzung für das Verständnis zwischen Mensch und Technik, welches dabei hilft, dem Menschen als strategischen Entscheider und Nutzer eine optimale Unterstützung zukommen zu lassen. Um der Frage nachzugehen, was gute Praxis im Bereich der Roboterprogrammierung auszeichnet, haben die Autoren eine qualitative und deskriptive Studie mit einem Vergleich zwischen n = 2 Versuchspersonen durchgeführt. Ein Experte und ein Novize bearbeiteten dieselbe Aufgabe: das Programmieren einer Roboterbahn zum Fräsen eines Werkstückes. Mittels Eye-Tracking Analysen und videounterstützter retrospektiver Think-Aloud Interviews wurden die Vorgehensweisen beider Probanden extrahiert und das Vorgehen anschließend formalisiert beschrieben. Zusätzlich ist ein qualitativer Vergleich zwischen den Endergebnissen gezogen worden, bei dem der Experte erwartungsgemäß besser als der Novize abschnitt. Auf Basis der Think-Aloud Protokolle wurden kognitive Prozesse identifiziert, die in diesem Kontext von besonderem Interesse sein könnten. Weiterhin wurden Augenbewegungscharakteristiken zur näheren Beschreibung einiger der kognitiven Prozesse dargelegt. Praktische Relevanz: Die vorliegende Arbeit zeigt ein methodisches Vorgehen zur formalisierten Beschreibung und Abbildung von menschlichem Expertenwissen beim Teach-in von Industrierobotern. Sie bildet die Basis für verschiedene zukünftige Projekte, z. B. das Erstellen von Richtlinien zum praktischen und effizienten Einlernen von Anfängern oder das Umsetzen von nutzerspezifischer Assistenz im Bereich des Teach-ins von Industrierobotern.
Schlagwörter: 
Wissensrepräsentation
Expertenwissen
Teach-in
Industrieroboter
Eye-Tracking
Knowledge representation
Expert knowledge
Teach-in
Industrial robot
Eye-Tracking
Persistent Identifier der Erstveröffentlichung: 
Creative-Commons-Lizenz: 
cc-by Logo
Dokumentart: 
Article
Dokumentversion: 
Published Version

Datei(en):
Datei
Größe





Publikationen in EconStor sind urheberrechtlich geschützt.