La automatización en el Control de Tráfico Aéreo (ATC) está ganando un interés creciente. Las posibles aplicaciones relevantes se encuentran en herramientas de apoyo a la decisión automatizadas que aprovechan el rendimiento del Controlador de Tráfico Aéreo (ATCO) al realizar tareas como la Detección y Resolución de Conflictos (CD&R). Otra área importante de aplicación es la formación de los ATCOs, ayudando a los instructores a evaluar las estrategias de los aprendices. Desde esta perspectiva, es necesario construir modelos que capturen los procesos cognitivos y revelen las estrategias de trabajo de los ATCOs. En este trabajo, investigamos un enfoque novedoso basado en modelado de temas para aprender los patrones de trabajo de los controladores a partir de secuencias de eventos temporales obtenidas al fusionar datos de movimientos oculares con datos de registros de simulación. Una comparación de las fases de trabajo exhibidas por los modelos de temas y el modelo de referencia del Ciclo de Vida del Conflicto (CLC), derivado de entrevistas posteriores a la simulación con los ATCOs, indicó que había una correspondencia entre las fases capturadas por el método propuesto y el marco del CLC. Otra contribución de este trabajo es un método para evaluar similitudes entre las estrategias de trabajo de los ATCOs. También se presenta una primera aplicación de prueba de concepto dirigida a la tarea de CD&R.