Identifying Data 2022/23
Subject (*) Spatiotemporal Data Representation and Management Code 614G02035
Study programme
Grao en Ciencia e Enxeñaría de Datos
Descriptors Cycle Period Year Type Credits
Graduate 1st four-month period
 Fourth Optional 6
Language
Spanish
Teaching method Face-to-face
Prerequisites
Department Ciencias da Computación e Tecnoloxías da Información
Coordinador
Seco Naveiras, Diego
 E-mail
diego.seco@udc.es
Lecturers
Seco Naveiras, Diego
Varela Rodeiro, Tirso
 E-mail
diego.seco@udc.es
tirso.varela.rodeiro@udc.es
Web
General description A materia introduce os conceptos fundamentais do tratamento de datos espaciais e espazo-temporais. Trata desde modelos conceptuais ata aspectos físicos para o manexo da información espazo-temporal. En concreto, introdúcense os conceptos básicos para a modelización da información espazo-temporal, as extensións dos modelos clásicos de bases de datos para incorporar tipos de datos espazo-temporais, así como os métodos de indexación e procesamento de consultas.

Study programme competencies
Code Study programme competences
A7 CE7 - Coñecemento das características, funcionalidades e arquitectura dos sistemas de xestión de bases de datos.
A8 CE8 - Coñecemento e aplicación de conceptos e técnicas relativos ao deseño, implementación e explotación de bases de datos.
B2 CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo
B3 CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética
B4 CB4 - Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado
B7 CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables.
B8 CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo.
B9 CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados.
B10 CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións.
C1 CT1 - Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida.
C4 CT4 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Learning aims
Learning outcomes Study programme competences
Coñecer as alternativas para representar información espacial e espazo-temporal en computadores utilizando tecnoloxías de sistemas de información xeográfica. A7
A8
 B2
B3
 C1
Coñecer as técnicas para representar e consultar de forma eficiente a información espacial e espazo-temporal. A8
 B8
B9
B10
Saber deseñar e construír bases de datos para representar información espacial e espazo-temporal. A7
A8
 B4
B7
Saber utilizar alternativas ao modelo relacional para representar e consultar información espacial e espazo-temporal. A8
 B2
 C4
Coñecer os fundamentos da representación de traxectorias obtidas a partir de dispositivos multipropósito xeolocalizados para a recollida e entrega continua de datos e a súa análise dentro dos almacéns de datos. A7
A8
 B3
 C4

Contents
Topic Sub-topic
Modelado conceptual Conceptos básicos de sistemas de referencia espaciais
Representación conceptual da información xeográfica (obxectos, campos e redes xeográficas)
Representación conceptual da información espazo-temporal (obxectos en movemento)
Modelado lóxico Representación lóxica da información xeográfica (modelo vectorial, modelo ráster, grafos)
Modelos vectoriais (modelo espagueti e modelo topolóxico)
Modelos ráster
Modelos orientados a grafos
Modelos de información espazo-temporal
Modelado físico Representación física e indexación da información espacial e espazo-temporal
Creación de bases de datos relacionais
Creación de bases de datos non relacionais
Big Data producido por obxectos móbiles e dispositivos multipropósito Representación de traxectorias en bruto
Anotación de traxectorias semánticas
Almacenamento de traxectorias en almacéns de datos
Consulta de datos de mobilidade Consulta de información xeográfica no modelo vectorial
Consulta de información xeográfica no modelo ráster
Consulta de información xeográfica en modelos orientados a grafos
Análise de información espazo-temporal

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
ICT practicals A7 A8 B2 B4 B7 B8 C1 C4 10 26 36
Problem solving B2 B3 B4 B7 C1 C4 10 30 40
Supervised projects B2 B3 B4 B7 B8 B9 B10 C1 1 27 28
Mixed objective/subjective test A7 A8 B4 B7 2 0 2
Guest lecture / keynote speech A7 A8 B3 C4 21 19 40
 
Personalized attention 4 0 4
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
ICT practicals Plantexaranse problemas específicos a resolver polo alumnado utilizando as técnicas e ferramentas vistas na materia.
Problem solving Presentación ao alumnado de casos concretos para a súa análise e resolución.
Supervised projects O alumnado deberá propoñer e desenvolver a resolución a un problema de representación e xestión de datos espazo-temporais.
Mixed objective/subjective test Realización dunha proba escrita individual na que se avaliarán os conceptos explicados na materia.
Guest lecture / keynote speech Exposición dos contidos teóricos fundamentais da materia, en combinación con aspectos de aplicación práctica.

Personalized attention
Methodologies
Problem solving
Supervised projects
ICT practicals
Description
Nas prácticas e traballos tutelados realizarase un seguimento individualizado das tarefas realizadas por parte do alumnado. O profesor resolverá dúbidas e proporá melloras a cada estudante ou grupo.

Na exposición de problemas, o profesor debatirá co alumnado as posibles solucións.

Assessment
Methodologies Competencies Description Qualification
Problem solving B2 B3 B4 B7 C1 C4 Realización das tarefas prácticas propostas. 40
Supervised projects B2 B3 B4 B7 B8 B9 B10 C1 Avaliarase a calidade do traballo realizado e a súa xustificación. 30
Mixed objective/subjective test A7 A8 B4 B7 Proba individual escrita, sobre os contidos da materia. 30
 
Assessment comments

PRIMEIRA OPORTUNIDADE

Para aprobar a materia é necesario obter unha cualificación global superior a 5, e ademais:

  • Unha NOTA MÍNIMA de 1,5 (sobre 4) na solución de problemas.
  • Unha NOTA MÍNIMA de 1 (sobre 3) nos traballos tutelados.
  • Unha NOTA MÍNIMA de 1,5 (sobre 3) na proba mixta.

De non obter algunha destas notas mínimas, a nota máxima global da materia non será superior a un 4,5.

Terá cualificación de NON PRESENTADO calquera estudante que non realice a proba mixta.

SEGUNDA OPORTUNIDADE

Poderán
presentarse á segunda oportunidade ÚNICAMENTE aqueles/as estudantes que
non superasen a materia na primeira oportunidade. A recuperación de
cada unha das partes farase da seguinte forma:

  • Traballos
    tutelados: poderán recuperarse no caso de que non foran entregados ou
    non se acadase a nota mínima na primeira oportunidade. 
  • Solución de problemas: cada práctica poderá recuperarse realizando unha nova entrega na segunda oportunidade.
  • Proba mixta: poderá recuperarse realizando o exame, nas mesmas condicións que na primeira oportunidade.
  • Se
    un/unha estudante decide non realizar a recuperación de algunha das
    partes, conservará a nota obtida na primeira oportunidade nesa parte.
  • Na segunta oportunidade mantéñense as mesmas porcentaxes de avaliación e notas mínimas da primeira oportunidade.
  • Terá cualificación de NON PRESENTADO calquera estudante que non opte á recuperación de ningunha das partes.

DISPENSA ACADÉMICA

Aqueles/as
estudantes con matrícula a tempo parcial e dispensa académica que lles
exima da asistencia ás clases deberán contactar cos docentes nas
primeiras semanas do curso para determinar as condicións de entrega das
prácticas e traballos tutelados.

Sources of information
Basic Michael F. Worboys, Matt Duckham (2004). GIS: A Computing Perspective. CRC Press
Philippe Rigaux, Michel Scholl and Agnès Voisard (2002). Spatial Databases With Application to GIS. Morgan Kaufmann

Complementary Yannis Manolopoulos, Apostolos Papadopoulos, Michael Vassilakopoulos (2005). Spatial Databases: Technologies, Techniques and Trends. Idea Group (IGI)


Recommendations
Subjects that it is recommended to have taken before
Database Modeling/614G02016
Introduction to Databases/614G02008

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.