Defesa de Proposta de Tese de Doutorado de Maria Luiza Furtuozo Falci, 04/09/25, 16h, por videoconferência
ProvInCiA: Uma Abordagem para Rastreabilidade de Dados em Cidades Inteligentes por meio de Proveniência
Resumo:
As Cidades Inteligentes (CIs) podem ser definidas como ambientes orientados por dados que visam melhorar a qualidade de vida dos cidadãos. As aplicações de CI consomem dados provenientes de diversas fontes, processam essas informações e as utilizam na formulação de políticas públicas e, eventualmente, na elaboração de leis. No entanto, por questões de auditoria, garantia da qualidade e confiabilidade dos dados, é fundamental garantir a rastreabilidade completa do percurso dos dados, desde sua coleta até seu uso em sistemas que subsidiam a criação de políticas públicas. Nesse contexto, os dados de proveniência surgem como uma solução natural para representar esse caminho de derivação. Contudo, a coleta de dados de proveniência em ambientes de CI não é trivial, pois envolve um ecossistema complexo de programas, scripts, ambientes, usuários e tecnologias. O presente trabalho apresenta a abordagem ProvInCiA, que realiza a rastreabilidade de dados de proveniência no contexto de CIs e, por meio do conceito de meta-dataflows, associa as transformações dos dados em diferentes níveis, formando um caminho de derivação integrado. A ProvInCiA foi avaliada por meio de um estudo de caso envolvendo o monitoramento de índices pluviométricos, e os resultados obtidos foram promissores.
Abstract:
Smart Cities (SCs) are data-driven environments that aim to improve citizens’ quality of life. SC applications consume data from various sources, process this information, and use it to formulate public policies and, eventually, to draft laws. However, to ensure auditability, quality, and the reliability of data, it is essential to ensure complete traceability of the data path, from its collection to its use in systems that support the creation of public policies. Provenance data emerges as a natural solution to represent this derivation path. However, collecting provenance data in SC environments is not trivial, as it involves a complex ecosystem of programs, scripts, environments, users, and technologies. This work presents ProvInCiA, which collects provenance data in the context of SCs and, through the concept of meta-dataflows, associates data transformations at different levels, forming an integrated derivation path. ProvInCiA was evaluated through a case study involving the monitoring of rainfall, and the results obtained were promising.
Banca examinadora:
Prof. Daniel Cardoso Moraes de Oliveira, UFF – Presidente
Profa. Vanessa Braganholo Murta, UFF
Profa. Flavia Cristina Bernardini, UFF
Prof. José Antônio Fernandes de Macedo, UFC
Dra. Débora Barbosa Pina, UFRJ/pós-doutorado