Análisis bibliométrico de la producción científica sobre Lago de Datos
Barra lateral del artículo
Contenido principal del artículo
Resumen
El presente trabajo desarrolla un análisis bibliométrico de la producción científica que contextualiza la corriente sobre Lago de Datos. En ese sentido, lago de datos son infraestructuras de almacenamiento y gestión de grandes volúmenes de datos provenientes de diversas fuentes, con la intensión de facilitar su acceso, análisis y compartición. El objetivo de este artículo es mostrar una visión cuantitativa de la producción científica del tema entre los años 2018 y 2022, para así comprender el estado actual de la investigación, identificar tendencias y áreas de investigación emergentes, evaluar el impacto y promover la colaboración entre investigadores. La metodología permitió llevar a cabo una revisión sistemática de la literatura mediante un análisis retrospectivo descriptivo, usándose como fuente de información la base de datos Scopus, misma que reflejó 73 artículos clave. En ese contexto, los resultados resaltan el interés sobre Lago de Datos desde el número de publicaciones de artículos por año hasta el top de principales autores, palabras clave y revistas respecto a producción científica. De manera que, denotan la importancia y las preferencias en la investigación sobre esta temática relevante para diversos ámbitos o áreas.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Derechos de autor: Los autores que publican en la revista INNOVA Research Journal conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo bajo una Licencia Creative Commons, Atribución-No Comercial 4.0 International (CC BY-NC 4.0). Se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que: a) se cite la autoría y la fuente original de su publicación (revista, editorial, URL y DOI de la obra); b) no se usen para fines comerciales; c) se mencione la existencia y especificaciones de esta licencia de uso.
Citas
Agudelo Patiño, J. C. (2020). Data lakes: aplicaciones, herramientas y arquitecturas. Colombia: Universidad Tecnológica de Pereira [Trabajo de Grado, Universidad Tecnológica de Pereira, Colombia]. https://bit.ly/49CWmUB
Balseca-Chávez, F., Colina-Vargas, A. M., y Espinoza-Mina, M. A. (2021). Identificación de amenazas informáticas aplicando arquitecturas de Big Data. INNOVA Research Journal, 6(3), 141-167. https://revistas.uide.edu.ec/index.php/innova/article/view/1860/1953
Escudero, C., y Cortez, L. (2018). Técnicas y métodos cualitativos para la investigación científica. Editorial Utmach. https://bit.ly/3I5ZGvd
Goyal, P., & Malviya, R. (2023). Challenges and opportunities of big data analytics in healthcare. Health Care Science, 2(6), 1-11.
Grossman, R. (2019). Data lakes, clouds, and commons: a review of platforms for analyzing and sharing genomic data. Trends in Genetics, 35(3), 223-234. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6474403/
Guix, J. (2018). El análisis de contenidos: ¿qué nos están diciendo?. Calidad Asistencial, 23(1), 26-30. https://www.elsevier.es/es-revista-revista-calidad-asistencial-256-articulo-el-analisis-contenidos-que-nos-S1134282X08704640
Gül, M., & Ayik, Z. (2023). Enrichment studies in gifted education: a bibliometric analysis with RStudio. Participatory Educational Research, 10(3), 266-284. https://dergipark.org.tr/en/pub/per/issue/76200/1257077
Hernández, E., Duque, N., y Moreno, J. (2017). Big data: una exploración de investigaciones, tecnologías y casos de aplicación. Tecnológicas, 20(39), 1-24. https://revistas.itm.edu.co/index.php/tecnologicas/article/view/685/671
Hernández, M., y Lasso, E. (2021). Revisión bibliográfica de las investigaciones realizadas sobre páramos en las últimas cinco décadas [Trabajo de Grado, Universidad de los Andes, Colombia].
Hernández, R., Fernández, C., y Baptista, M. (2019). Metodología de la investigación. México: McGraw-Hill.
Jarke, M., Lenzerini, M., Vassiliou, Y., & Vassiliadis, P. (2013). Fundamentals of Data Warehouses. Sigmod Record, 32(2), 55-56.
Kimball, R., & Ross, M. (2013). The data warehouse toolkit. Toronto: John Wiley & Sons.
Kitchenham. (2007). Guidelines for performing Systematic Literature Reviews in. Inglaterra: University of Durham. https://bit.ly/3UQP3Uu
López, V., Amado, A., y Miotto, U. (2022). Un enfoque bibliométrico a los procedimientos gráficos como método de investigación. Expresión Gráfica Arquitectónica, 27(45), 218-231. https://polipapers.upv.es/index.php/EGA/article/view/16451
Lorenzo, P., y López, G. (2022). Análisis, diseño e implementación de una arquitectura de servicios cloud para un lago de datos en el ambito turístico [Trabajo de Grado, Universidad de La Coruña, España]. https://ruc.udc.es/dspace/handle/2183/32125
Madera, C., & Laurent, A. (2019). The next information architecture evolution: the data Lake wave. Management of Digital EcoSystems, 6(9), 1-8. https://hal-lirmm.ccsd.c nrs.fr/lirmm-01399005/document
Moreno, B., Muñoz, M., Cuellar, J., Domancic, S., y Villanueva, J. (2018). Revisiones Sistemáticas: definición y nociones básicas. Clínica de Periodoncia, Implantología y Rehabilitación Oral, 11(3), 184-186.
Oleo, C., y Said, E. (2020). La producción científica en el estudio de experiencia de usuario en la educación: caso Web of Science y Scopus. Perspectiva, 32(7), 1-7. https://humanas.blog.scielo.org/es/2020/05/21/la-produccion-cientifica-en-el-estudio-de-experiencia-de-usuario-en-la-educacion-caso-web-of-science-y-scopus/
Pasupuleti, P., & Purra, B. (2017). Data lake development with big data. Reino Unido: Packt Publishing. https://www.packtpub.com/product/data-lake-development-with-big-data/9781785888083
Perilla, R., Orjuela, W., y Parra, C. (2020). Análisis de futuro: algunos métodos alternativos a la caja de herramientas de la prospectiva francesa. Colombia: Universidad del Tolima. https://bit.ly/3wphmzj
Rawat, D., Doku, R., & Garuba, M. (2019). Cybersecurity in big data era: from securing big data to data-driven security. Transactions on Services Computing, 20(1), 1-18. https://ieeexplore.ieee.org/ielaam/4629386/9642441/8673585-aam.pdf
Reinsel, D., Gantz, J., & Rydning, J. (2020). The digitization of the world from edge to core. Estados Unidos: Seagate. https://www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf
Research.com. (2023). Best Journals - Computer Science - IEEE Access. https://research.com/journal/ieee-access
Research.com. (2023). Best Journals - Computer Science - International Journal of Advanced Computer Science and Applications.
Research.com. (2023). Best Journals - Computer Science - Proceedings of the VLDB Endowment. https://research.com/journal/proceedings-of-the-vldb-endowment-1
Rico, D., Maestre, G., Medina, Y., y Areniz, Y. (2021). Universidad inteligente: factores claves para la adopción de internet de las cosas y big data. Ibérica de Sistemas y Tecnologías de Información, 4(1), 63-79.
Romero, A., y Melendres, J. (2023). Uso de data warehouse para la toma de decisiones empresariales: una revisión literaria. Científica de Sistemas e Informática, 3(2), 1-12. https://bit.ly/3uxrF3T
Sakr, S., & Gaber, M. (2019). Large scale and big data: processing and management. Estados Unidos: Auerbach Publications. https://www.routledge.com/Large-Scale-and-Big-Data-Processing-and-Management/Sakr-Gaber/p/book/9781138033948
Shehab, N., Badawy, M., & Arafat, H. (2020). Big Data Analytics Concepts, Technologies Challenges, and Opportunities. Advanced Intelligent Systems and Informatics, 11(14), 92-101. https://www.researchgate.net/publication/336219391_Big_Data_Analyt ics_Concepts_Technologies_Challenges_and_Opportunities
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 10(4), 333-339. https://www.sciencedirect.c om/science/article/pii/S0148296319304564
Solano, E., Castellanos, S., López, M., y Hernández, J. (2019). La bibliometría: una herramienta eficaz para evaluar la actividad científica postgraduada. MediSur, 7(4), 59-62. http://scielo.sld.cu/pdf/ms/v7n4/v7n4a745.pdf
Villasís, M., Rendón, M., García, H., Miranda, M., y Escamilla, A. (2020). La revisión sistemática y el metaanálisis como herramientas de apoyo para la clínica y la investigación. Alergia México, 67(1), 62-72. https://www.scielo.org.mx/pdf/ram/v67n1/2448-9190-ram-67-01-62.pdf
Wieder, P., & Nolte, H. (2022). Toward data lakes as central building blocks for data management and analysis. Frontiers in Big Data, 16(2), 1-18. https://www.researchgate.net /publication/362793690_Toward_data_lakes_as_central_building_blocks_for_data_management_and_analysis