DIKW4IoT - SBBD 2022

DA COSTA, Francisca Jamires; AVILA, Caio Viktor S.; ROLIM, Tulio Vidal; ANDRADE, Rossana Maria de Castro; VIDAL, Vânia Maria Ponte. DIKW4IoT: Uma abordagem baseada na hierarquia DIKW para a construção de grafos de conhecimento para integração de dados de IoT. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 37. , 2022, Búzios. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2022 . p. 190-202. ISSN 2763-8979. DOI: https://doi.org/10.5753/sbbd.2022.224648. 

Segundo a hierarquia DIKW os dados podem ser classificados como dado, informação, conhecimento e sabedoria durante o seu ciclo de vida. 

DIKW (Data-Information-Knowledge-Wisdom) [Van Meter 2020].

Uma observação de um sensor corresponde a um valor lido e uma anotação temporal. Sem a associação de dados que permitam sua identificação e contexto, estes dados não possuem um valor significativo. Além do que os dados de sensores apresentam heterogeneidade sintática e semântica, isto é, diferem no formato dos dados apresentado e no modelo de informação aplicado.

O resultado dessa integração de dados pode ser compartilhada e explorada através de um grafo de conhecimento semântico.

A informação por sua vez, refere-se a uma mensagem com significado mais relevante e que pode ser utilizada como entrada para decisão e/ou ação, ou seja, a informação são dados que por meio de conexões relacionais e contextuais receberam mais significado
[Duan et al. 2017]

[Referência para definir informação e que já acrescenta uma noção de contexto e decisão .... mas seria o mesmo significado de contexto que estou usando? CKG contém informações, ou seja, dado+relacionamentos+contexto]   

O conhecimento refere-se a capacidade de agir e a compreensão em relação a algo, isto é, a partir da informação recebida, processada e validada cognitivamente o conhecimento é construído [Duan et al. 2017]. A sabedoria está relacionada a possibilidade de avaliar um cenário e discernir entre o certo e o errado, sendo capaz de projetar as consequências de uma ação [Remor et al. 2017].

Os sensores possuem metadados que descrevem o sensor e o contexto em que está inserido. 

[significado de contexto aqui!]

Por exemplo, alguns metadados descrevem a unidade e tipo de medida, o serviço que disponibiliza os dados, a geolocalização, entre outros. Estas descrições quando associadas aos dados permitem que os dados evoluam para uma informação. 

[serviço seria proveniência, geolocalização seria Localização (Espacial)] 

[No exemplo utilizaram valor médio calculado das medições de um sensor. OK. Mas é preciso contextualizar o cálculo com a proveniência, quais os dados utilizados para calcular? etapa Anotação Semântica de Agregações de Dados associa o intervalo]

A ontologia SOSA... Uma observação possui um resultado representado pela propriedade hasSimpleResult e uma anotação temporal representada pela propriedade hasResultTime [Contexto Temporal]. As observações mantém um vínculo com sua fonte IoT por meio da propriedade madeBySensor [Contexto Proveniência]. 

[Conhecimento Dedutivo por Regras e Conhecimento Indutivo por Inferência dos Dados]

Figura 3. Anotação Semântica dos dados nas diferentes camadas dos dados .... fazer o exercício de modelar o contexto

Localização {geo:location, sosa:sensor}

Temporal {sosa:hasResultTime, sosa:Observation} {iots:streamStart, iots:IotStream}{iots:streamEnd, iots:IotStream} {iots:windowStart, iots:ObservationStream}{iots:windowEnd, iots:ObservationStream}

Proveniência {iotl:exposedBy, sosa:sensor} {sosa:madeBySensor, sosa:Observation} {iots:generatedBy, iots:IotStream} {iots:derivedFrom, iots:IotStream}

Alegações (ex:obs_temp_21154, sosa:hasSimpleResult, 28)

3.1. Workflow para abordagem DIKW4IoT

[A fase Contexto não corresponde ao mapeamento de informações de contexto]

[Na Busca Exploratória não se sabem as questões de competência antes da construção do KG]