The Fourth Industrial Revolution, also named Industry 4.0, is leveraging several modern computing fields. Industry 4.0 comprises automated tasks in manufacturing facilities, which generate massive quantities of data through sensors. These data contribute to the interpretation of industrial operations in favor of managerial and technical decision-making. Data science supports this interpretation due to extensive technological artifacts, particularly data processing methods and software tools. In this regard, the present article proposes a systematic literature review of these methods and tools employed in distinct industrial segments, considering an investigation of different time series levels and data quality. The systematic methodology initially approached the filtering of 10,456 articles from five academic databases, 103 being selected for the corpus. Thereby, the study answered three general, two focused, and two statistical research questions to shape the findings. As a result, this research found 16 industrial segments, 168 data science methods, and 95 software tools explored by studies from the literature. Furthermore, the research highlighted the employment of diverse neural network subvariations and missing details in the data composition. Finally, this article organized these results in a taxonomic approach to synthesize a state-of-the-art representation and visualization, favoring future research studies in the field.

Resumo A aprendizagem ubíqua surgiu da combinação das tecnologias de computação ubíqua com modelos de aprendizagem focados em mobilidade e na adaptação aos diferentes contextos do cotidiano do aprendiz. Desta forma, essa tecnologia pode ser oferecida como um recurso nas relações do aprendiz com o contexto educacional, permitindo oferecer, encontrar e recuperar informações na interação do aprendiz com o ambiente de aprendizagem. O entendimento dessas relações pode ajudar na organização de informações que impactam a aprendizagem e a tomada de decisões na regulação do bem-estar deles na busca por uma aprendizagem mais significativa. A organização de dados em formato de informações de contexto, que inclui identidade, local, tempo e status, facilita a análise de resultados e tomada de decisão por parte de gestores educacionais. Ontologias têm o propósito de armazenar e compartilhar conhecimento por meio de classes e relações. Este artigo propõe a ontologia OntoLearnWell, com foco em aprendizagem ubíqua e bem-estar emocional usando informações de contexto. A ontologia foi implementada na linguagem Python e consultas SPARQL foram utilizadas para extração de dados, usando como cenário uma escola de ensino médio e a relação entre professores e alunos durante uma aula prática em laboratório.