| Sumario: | Considerando la cantidad y diversidad en los datos que hoy día se relevan para futuros análisis, su combinación y uso se torna un elemento complejo a modelar. Es por esto que el agregado de semántica, a través de modelos conceptuales, es una tendencia actual en las arquitecturas software para Sistemas Big Data. En ese sentido, en este artículo presentamos una caracterización de contexto mediante la identificación top-down de variedad en sistemas predictivos sobre fluctuaciones de cuerpos de aguas subterráneos. Esa caracterización favorecería la identificación de situaciones recurrentes, incluyendo la posibilidad de reusabilidad durante el análisis. La propuesta se ejemplifica mediante dos casos comparativos en zonas geográficas diferentes y distantes.
|
|---|