Sruti adjuntó una muy buena encuesta de procedencia de datos, y muy popular en este campo. Para su información, la ‘procedencia’ de este documento se adjunta a continuación, no es tan popular pero cubre más: Simmhan, YL, Plale, B. y Gannon, D. (2005). Encuesta sobre técnicas de procedencia de datos Informe técnico IUB-CS-TR618. Science, 47405 (3), 1–25.
La historia continúa, hay nueve trabajos principales encuestados en este documento, esos esfuerzos pioneros (7 quizás) se fusionaron en el Modelo de Procedencia Abierta: Moreau, L., Clifford, B., Freire, J., Futrelle, J., Gil, Y., Groth, P., … Den Bussche, J. Van. (2011) La especificación principal del modelo de procedencia abierta (v1.1). Sistemas informáticos de futura generación, 27 (6), 743-756. La especificación principal del modelo de procedencia abierta (v1.1)
El desarrollo adicional está trabajando en progreso emprendido por W3C, PROV: PROV-Overview
- ¿Qué grandes problemas computacionales han resuelto las supercomputadoras?
- ¿Quiénes son algunas mujeres informáticas que han hecho avances sustanciales?
- ¿Cuáles son algunos documentos notables en la investigación de lenguajes de programación?
- ¿Cómo estudian / investigan las personas sobre cosas / utilizando métodos que son ilegales?
- ¿Hay algún algoritmo (o aplicación) que pueda distinguir entre música, habla o galimatías al azar?
Aunque quizás haya dos buenas fuentes más para que te sumerjas, los sistemas informáticos de la generación futura y W3C.
El interés de la procedencia de datos sigue creciendo, por ejemplo
Datos vinculados:
Anam, S., Kang, BH, Kim, YS y Liu, Q. (2015). Procedencia de datos vinculados: estado del arte y desafíos. Conferencia web de Australasia (AWC 2015), (enero), 27–30.
Big data:
Cuzzocrea, A. (2016). Procedencia de Big Data: análisis de vanguardia y desafíos de investigación emergentes. En las Actas del taller de la Conferencia conjunta EDBT / ICDT 2016 (pp. 797–800). Burdeos.
Wang, J., Crawl, D., Purawat, S., Nguyen, M. y Altintas, I. (2015). Procedencia de Big Data: desafíos, estado del arte y oportunidades. Actas – Conferencia internacional IEEE 2015 sobre Big Data, IEEE Big Data 2015, 2509–2516. Procedencia de Big Data: desafíos, estado del arte y oportunidades
Glavic, B. (2014). Procedencia de Big Data: desafíos e implicaciones para la evaluación comparativa. Lecture Notes in Computer Science (incluidas las subseries Lecture Notes in Artificial Intelligence y Lecture Notes in Bioinformatics), 8163 LNCS, 72–80. Procedencia de Big Data: desafíos e implicaciones para la evaluación comparativa
Por cierto, ¿respondí tu pregunta? Como ‘buen artículo de encuesta’ es demasiado genérico y lo interpreto como revisión de literatura / estado de la técnica, y esto es lo que obtuve hasta ahora. De todos modos, muy académico!