<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>دکتر محمد دوستی زاده</PublisherName>
      <JournalTitle>نشریه علمی-تخصصی دستاوردهای نوین در برق،کامپیوتر و فناوری</JournalTitle>
      <Issn></Issn>
      <Volume></Volume>
      <Issue></Issue>
      <PubDate PubStatus="epublish">
        <Year></Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </Journal>

    <ArticleTitle>Big Data in the Metaverse: A Systematic Review of Challenges, Opportunities, and Practical Implementation Considerations</ArticleTitle>
    <VernacularTitle>کلان‌داده در متاورس: مرور نظام‌مند چالش‌ها، فرصت‌ها و ملاحظات پیاده‌سازی عملی</VernacularTitle>
    <FirstPage></FirstPage>
    <LastPage></LastPage>
    <ELocationID EIdType="doi">10.22051/jera.2021.31891.2698</ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>علی</FirstName>
                <Affiliation>گروه کامپیوتر، واحد فردوس، دانشگاه آزاد اسلامی، فردوس، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>زهرا</FirstName>
                <Affiliation>2گروه کامپیوتر، واحد زابل، دانشگاه آزاد اسلامی، زابل، ایران،</Affiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year></Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>

    <Abstract>The metaverse, as a new generation of interactive digital environments, requires an infrastructure capable of managing large-scale, heterogeneous, and real-time data generated from interactions among users, objects, sensors, and intelligent systems. In this context, big data plays a central role in achieving scalability, intelligence, and sustainability of metaverse services. This paper aims to identify the challenges, opportunities, and practical implementation considerations of big data in the metaverse through a systematic review of the existing literature. The study was conducted using the PRISMA 2020 framework and searches across the Scopus, Web of Science, IEEE Xplore, and ACM Digital Library databases. During the screening process, 1,285 initial records were identified, and after removing duplicates, screening titles and abstracts, and evaluating full texts, 112 studies were selected for qualitative synthesis and 18 industry studies were chosen for the final quantitative analysis. The results indicate that the most significant challenges in this domain include latency in data processing and synchronization, weaknesses in data governance and data veracity, and the lack of interoperability among platforms. Conversely, opportunities such as deep personalization of user experience, development of high‑fidelity digital twins, and the emergence of data‑driven economic models represent key advantages of big data in the metaverse. Furthermore, the findings suggest that hybrid architectures based on cloud and edge computing, together with real-time analytics and robust data governance mechanisms, are essential for the practical implementation of this technology.</Abstract>
    <OtherAbstract Language="FA">متاورس به‌عنوان نسل نوین محیط‌های دیجیتال تعاملی، نیازمند زیرساختی است که بتواند داده‌های حجیم، متنوع و بلادرنگ حاصل از تعامل کاربران، اشیا، حسگرها و سامانه‌های هوشمند را مدیریت کند. در این میان، کلان‌داده نقش محوری در تحقق مقیاس‌پذیری، هوشمندی و پایداری خدمات متاورسی ایفا می‌کند. این مقاله با هدف شناسایی چالش‌ها، فرصت‌ها و ملاحظات پیاده‌سازی کلان‌داده در متاورس، یک مرور نظام‌مند بر ادبیات موجود انجام می‌دهد. پژوهش حاضر با استفاده از چارچوب PRISMA 2020 و جست‌وجو در پایگاه‌های Scopus، Web of Science، IEEE Xplore و ACM Digital Library انجام شده است. در فرایند غربال‌گری، 1285 رکورد اولیه شناسایی شد و پس از حذف موارد تکراری، بررسی عنوان و چکیده، و ارزیابی متن کامل، 112 مطالعه برای سنتز کیفی و 18 مطالعه صنعتی برای تحلیل کمّی نهایی انتخاب شدند. نتایج نشان می‌دهد که مهم‌ترین چالش‌ها در این حوزه شامل تأخیر در پردازش و همگام‌سازی داده، ضعف در حاکمیت و veracity داده، و نبود هم‌کنش‌پذیری میان پلتفرم‌ها است. در مقابل، فرصت‌هایی مانند شخصی‌سازی عمیق تجربه کاربر، توسعه دوقلوهای دیجیتال با دقت بالا، و شکل‌گیری مدل‌های اقتصادی مبتنی بر داده از مزایای کلیدی کلان‌داده در متاورس محسوب می‌شوند. همچنین، یافته‌ها نشان می‌دهد که معماری‌های ترکیبی مبتنی بر رایانش ابری و لبه، در کنار تحلیل بلادرنگ و سازوکارهای حاکمیت داده، برای پیاده‌سازی عملی این فناوری ضروری هستند.</OtherAbstract>

    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Metaverse</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Big Data</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Systematic Review</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">PRISMA</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Digital Twin</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Edge Computing</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Data Governance</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Interoperability.</Param>
      </Object>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">/downloadfilepdf/479699</ArchiveCopySource>
  </Article>
</ArticleSet>
