The growing amount of information in the organizations has led to problems of interoperability and data integrity, thereby forcing development and adoption of new technologies and approaches to give solution to these problems. A solution to this problem is to use the approach that provides the semantic web to achieve interoperability between data from di erent sources and information systems. Other one of the advantages that o ers the semantic web is the construction of descriptive models of information based on ontologies like more complete structures for the description of data. This allows a formal description of them, in addition to their semantic and syntactic representation. This paper describes the design of a RESTful Web services-based architecture that guarantees the semantic interoperability and integrity of academic data of Loja's Particular Technical University. The implementation of the solution proposed in this work is based on the development of a prototype of a RESTful API which provides general information about students, teachers, authorities and academic components. These data are stored in Apache Marmotta's triple store, an open implementation of a linked data platform.
Resumen La creciente cantidad de informacion en las organizaciones ha generado problemas de interoperabilidad e integridad de datos, obligando as al desarrollo y adopcion de nuevos enfoques y tecnolog as que permitan dar solucion a estos problemas. Una solucion para este problema es emplear el enfoque que brinda la web semantica para lograr la interoperabilidad entre datos de diferentes fuentes y sistemas de informacion. Otra de las ventajas que ofrece la web semantica es la construccion de modelos descriptivos de datos basados en ontolog as como estructuras mas completas para la descripcion de datos. Esto permite una descripcion formal de los mismos, ademas de su representacion semantica y sintactica. El presente trabajo describe el disen~o de una arquitectura basada en RESTful web services que garantice la interoperabilidad semantica e integridad de datos academicos de la Universidad Tecnica Particular de Loja. La implementacion de la solucion propuesta en este trabajo se basa en el desarrollo de un prototipo de un RESTful API el cual provee informacion general acerca de Estudiantes, Docentes, Autoridades y
triple store de Apache Marmotta, una implementacion abierta de una plataforma de datos enlazados. 1.
Actualmente las organizaciones poseen sistemas informaticos que diariamente
alimentan a grandes bases de datos y que con el tiempo estas adquieren grandes
volumenes. Estas bases de datos con grandes volumenes de informacion tienden
a convertirse en un gran problema para las organizaciones que no poseen una
arquitectura de aplicaciones y de datos correctamente de nida [
El problema que actualmente le impide a la Universidad Tecnica Particular de Loja (UTPL) lograr una interoperabilidad de datos entre las diferentes aplicaciones que posee radica en la heterogeneidad de las fuentes de informacion que posee, los grandes volumenes de datos, la existencia de entidades ambiguas y poco consistentes que estas aplicaciones generan.
La interoperabilidad semantica de datos entre aplicaciones se presenta
como una solucion viable a este problema, de niendo un estandar de tecnolog as,
formatos de datos, reglas y medios de comunicacion entre las aplicaciones [
En el contexto de educacion superior, las universidades y organizaciones
similares almacenan la informacion que producen en diferentes sistemas de
informacion. Sin embargo, la falta de uso de estandares abiertos, la aplicacion de
un enfoque de calidad de datos, y la adopcion de una aproximacion semantica
han causado problemas a la hora de integrar y re-usar contenidos a traves de la
Web [
En este trabajo se propone un marco de interoperabilidad semantica que
permita integrar la informacion general de Docentes, Estudiantes, Componentes
Academicos y la estructura organizacional de la UTPL (Gobierno UTPL). Los
datos y su semantica son descritos usando el modelo RDF [
El piloto descrito en este trabajo usa informacion del Sistema de Informacion Estrategica Centralizada (SIEC-UTPL) la cual maneja una copia de la informacion de varios sistemas de la UTPL, entre otros:
El Entorno Virtual de Aprendizaje - (EVA).
El Nuevo Sistema de Gestion Academica - (NSGA).
Distributivo.
El Sistema de Infraccion Academica Cient ca - (SIAC).
FileMaker (Base de datos de recursos humanos).
El Sistema de Informacion Estrategica Centralizada - (SIEC).
El Sistema de Exalumnos. 2.
Conforme a las recomendaciones establecidas por la W3C se debe seguir un
ciclo de publicacion de datos enlazados. El ciclo de vida usado en esta
investigacion se basa en el modelo propuesto por [
Gran volumen de datos, diversidad de tecnolog as y esquemas de almacenamiento, dispersion y ambiguedad, se evidencia en las fuentes datos que se analizan en este trabajo. La duplicidad de registros y entidades existentes en cada una de las diferentes bases de datos Institucionales analizadas (Financiero, Academico, Recursos Humanos, Biblioteca, Editorial, Unidad de Graduados.), evidencia claramente las di cultades tecnicas y log sticas para la integracion de estas fuentes y sistemas de informacion. Disen~o de la solucion La solucion planteada consta de dos etapas.
La primera: disen~ar un modelo ontologico de datos en base al dominio de nido, que permita la representacion semantica de los datos y la interoperabilidad semantica entre fuentes de datos heterogeneas y dispersas. El grafo de conocimiento resultante se publicara en un triplestore basado en Apache Marmotta.
La informacion a ser extra da, transformada y cargada en Apache Marmotta sera acerca de las siguientes entidades:
Docentes..
Autoridades UTPL.
Estudiantes.
Componentes Educativos
La segunda: disen~ar e implementar una arquitectura de software robusta
de alta disponibilidad que garantice la interoperabilidad semantica e integridad
de datos entre sistemas de informacion. Para este disen~o se utiliza el modelo de
vistas 4+1 propuesto por [
Conforme a las recomendaciones establecidas por la W3C se debe seguir un
ciclo de publicacion de datos enlazados. La opcion seleccionada es el ciclo de vida
propuesto por [
La solucion propuesta se basa en las siguientes tecnolog as y estandares. Almacenamiento: Apache Marmotta kiwi triplestore.
A continuacion, se describe el proceso desarrollado: Identi cacion de fuentes. Las fuentes de datos identi cadas para obtener informacion son las siguientes:
El Nuevo Sistema de Gestion Academica - (NSGA).
FileMaker (Base de datos de recursos humanos).
El Sistema de Informacion Estrategica Centralizada - (SIEC).
El Sistema de Exalumnos.
Modelamiento del vocabulario. Basados en el marco de trabajo propuesto
por [
Transformacion de datos a RDF. Luego de la extraccion, depuracion y modelado de la ontolog a es posible de nir un proceso de transformacion de datos relacionales a un esquema RDF que se almacene dentro de un triple store, en este caso el triple store de Apache Marmotta. En este caso particular se disen~o este proceso con la ayuda de una aplicacion desarrollada en Java utilizando libreras como: RDF4J, Apache Marmotta API, JDBC y SESAME un framework para linkend data.
Publicacion de Datos. Uno de los puntos nales es la publicacion de la data transformada a RDF, esta data reposa sobre una plataforma para Linked data como lo es Apache Marmotta. La publicacion se la realiza justo despues de que los datos fueron convertidos a RDF con la ayuda del API de Apache Marmotta se env a a traves del protocolo HTTP al servidor en donde se encuentra el triple store de Marmotta.
Consumo y Visualizacion. Los datos pueden ser accedidos de dos formas diferentes. La prima a traves del RESTful API construido sobre la arquitectura propuesta como parte de la solucion y que retorna datos en cuatro diferentes formatos: JSON, RDF, XML, JSON-LD. La segunda a traves del SPARQL endpoint que Apache Marmotta proporciona en su consola de administracion. 2.3.
A partir de la solucion propuesta se identi caron las fuentes de datos que contiene informacion sobre las entidades seleccionadas. El cuadro 1 a continuacion muestra un mapeo de las entidades y los sistemas y bases de datos en las que se encuentra almacenada informacion relacionada. Sistema Nomina RRHH SIAC
SIEC Distributivo
NSGA x x x x x x x x
Docente Autoridad CEomdupcoantievnote Estudiante x x x x x x x
Una vez identi cadas las fuentes de informacion se de ne y/o selecciona los vocabularios a ser utilizados en cada una de las propiedades de las entidades.
El cuadro 2 referente a la entidad Persona muestra una relacion entre las fuentes de datos, sus atributos y la equivalencia de estos atributos en un vocabulario RDF.
La entidad persona abarca toda la informacion general que una entidad de este tipo posee, pero es necesario de nir atributos propios de las subentiades como Estudiante, Docente, Autoridad UTPL. De tal forma que se pueda realizar una presentacion semantica de cada una de las entidades.
A continuacion, el cuadro 3 muestra informacion de Estudiante y las relaciones de sus fuentes, atributos y equivalencias con los diferentes vocabularios RDF.
Estudiante
Equivalencia Vocabularios RDF
Atributo Vocabulario:Propiedad Inicio EsFteucdhiaos UTPL schema:startDate
FinFEescthuadios schema:endDate AcEasdteamdoico lodutpl:AcademicStatus
AcaNdievmelico vivo:AcademicDegree
El cuadro 4 muestra la informacion espec ca de la subentidad Docente.
El cuadro 6 a continuacion muestra la informacion de la entidad componente academico.
Sistema
Posterior a la identi cacion de los vocabularios, propiedades, rangos y dominios se modela la ontolog a sobre la cual se van a almacenar los datos que posteriormente se transformaran a un formato de tripletas RDF.
La gura 1, muestra el modelo ontologico disen~ado para la entidad componente academico.
La gura 2, muestra el modelo ontologico para la entidad persona:
2.4.
Para realizar la transformacion de los datos a una estructura semantica se utiliza tecnolog a Java. El framework SESAME permite armar una descripcion de un recurso en RDF para su posterior serializacion en los diferentes formatos que la W3C determina para Linked Data.
Al nalizar toda la transformacion de la data se procede a cargar el RDF sobre el triplestore de Apache Marmotta la plataforma para Linked Data que esta investigacion selecciona como repositorio de datos. El cuadro 9 muestra los resultados producto de la generacion y carga de un total de 271.140.00 tripletas que corresponden a los datos de las cuatro entidades seleccionadas en el caso de aplicacion.
Proceso
Resumen Transformacion y Carga
Numero Formato de Memoria Tiempo de Tripletas Serializacion RAM Ocupada de Ejecucion.
271.140.00 application/x-turtle 7 MB 1:88(m:ss)
Apache Marmotta realiza una negociacion de contenido basica en la cual brinda la opcion de presentar los datos como tripletas en una pagina HTML o en un formato RDF. Esta negociacion de contenido depende de como se acceda al recurso. La gura 3 muestra la visualizacion de la informacion de un recurso en forma de una pagina web puesto que se accede al URI de dicho recurso desde un navegador.
El acceso a la informacion se la puede realizar de dos formas diferentes, la primera desde un RESTful API y la segunda directamente del SPARQL endpoint de Apache Marmotta. Cada una de estas opciones con tiempos de respuesta diferentes. El RESTful API semantico que se construyo como parte de la solucion fue comparado con el API-UGTI que es el que la UTPL ocupa actualmente en varios de los sistemas que posee, Se consideraron caracter sticas como los tiempos de respuesta promedio entre la API semantico, el API-UGTI y una conexion directa a base de datos desde una aplicacion por medio de un JDBC.
El resultado de esta comparativa se lo puede visualizar en la gura 4 a continuacion.
Cabe aclarar que el mejor tiempo lo tiene la conexion por medio de un JDBC con una diferencia de 26.73 milisegundos con respecto a la solucion planteada en esta investigacion. Esta m nima diferencia entre los tiempos de respuesta se debe principalmente a los procesos de trasformacion y serializacion que realiza el API para presentar los datos en los cuatro diferentes formatos anteriormente mencionados y probados.
Las pruebas revelan un correcto funcionamiento de cada una de las partes que conforman la solucion que se plantea en el presente trabajo de investigacion, demostrado as que los problemas de interoperabilidad de la UTPL pueden ser atendidos implementando soluciones de este tipo.
En este trabajo se presento un enfoque novedoso y manejable para generar un ambiente de interoperabilidad semantica en universidades, basado en la construccion de grafos de conocimiento a traves del enfoque de Web Semantica y las tecnolog as de Linked Data. Este marco se presenta como una alternativa viable a los problemas de interoperabilidad de datos y gobierno de datos en una institucion de educacion superior.
La evaluacion muestra que el marco propuesto permite aprovechar el potencial de Linked Data en terminos de posibilidades de desambiguacion, integracion, clasi cacion, y transformacion de datos relacionales provenientes de fuentes heterogeneas y distribuidas, ademas de acercar a la UTPL a un nivel optimo de interoperabilidad semantica a nivel institucional.
Al igual que en las bases de datos relacionales, los grafos de conocimiento (knowledge graph, KG) se pueden utilizar en el back-end de las aplicaciones, y responder consultas estructurales escritas en SPARQL, ademas, es posible ejecutar consultas federadas basadas en grafos de conocimiento multiples y que permitan inferir conocimiento clave en la toma de decisiones. El habilitador de esta caracter stica proviene del hecho de que los datos y su semantica se representan expl citamente usando grafos de conocimiento, en lugar de estar en las capas de la logica de negocios de las aplicaciones.
Como parte de trabajos futuros, los autores se encuentran explorando diferentes formas para extender el marco descrito e integrar el soporte del razonamiento, de modo que, por un lado, se pueda razonar en tiempo real con los datos y, por otro lado, el propio razonamiento se puede utilizar para inferir consultas automaticamente. Finalmente, los autores recomiendan a los responsables de la gestion de datos de las instituciones de educacion superior, la adopcion de estandares, protocolos y tecnolog as abiertas establecidas por la industria tecnologica, as como la adopcion de buenas practicas en la gestion de datos, con el n de garantizar un alto nivel de interoperabilidad semantica.