Web Superficial y Profunda

La caracterización de la Web Superficial y la Web Profunda

Los motores de búsqueda tradicionales (Google, Yahoo, etc.) sólo ofrecen acceso a una pequeña parte de lo que existe online, lo que se ha comenzado a llamar la web superficial o visible. Lo que resta, la Web profunda, es un amplísimo banco de información ubicado en catálogos, revistas digitales, blogs, entradas a diccionarios y contenido de sitios que demandan un login (aunque sea gratuito), entre otros tipos de contenido que no aparecen entre los resultados de una búsqueda convencional.

¿Cómo se diferencian?

Bueno, la Web visible comprende todos aquellos sitios cuya información puede ser indexada por los robots de los buscadores convencionales y recuperada casi en su totalidad mediante una consulta a sus formularios de búsqueda. Entre las características principales de estos sitios encontramos que su información no está contenida en bases de datos, son de libre acceso (no hay que registrarse para acceder), en general están formadas por páginas Web estáticas (páginas o archivos con una URL fija y accesibles desde otro enlace.).

En contraste a la web visible, la Web invisible comprende toda la información disponible en Internet que no es recuperada interrogando a los buscadores convencionales. Generalmente es información almacenada y accesible mediante bases de datos, que Si bien el 90% de estas bases de datos están públicamente disponibles en Internet, los robots de los buscadores solamente pueden indicar su página de entrada (homepage). La información almacenada es por consiguiente "invisible" a estos.

NOTA: Para poder acceder a la información disponible en las bases de datos hay que hacer consultas a través de páginas dinámicas (ASP, PHP...) es decir páginas que no tienen una URL fija y que se construyen en el mismo instante (temporales) desapareciendo una vez cerrada la consulta.

DATO: Por cada millón de páginas visibles hay otros 500 o 550 millones ocultas, contiene alrededor de unos 100.000 sitios y el 90% suele ofertar su información pública y gratuitamente. La información pública y gratuita del Web invisible es actualmente de 400 a 550 veces mayor que el Web visible.

 

Para poder entender un poquito más la diferenciación entre la web superficial y la web profunda, citaremos una caracterización de la Web invisible o profunda de Sherman y Price (2001), en la cual identifican cuatro tipos de contenidos invisibles en la Web:

• la Web opaca
• la Web privada
• la Web propietaria
• y la Web realmente invisible

La Web opaca: Se compone de archivos que no están incluidos en los motores de búsqueda por alguna de estas razones:

• Extensión de la indización
• Frecuencia de la indización
• Limitación del Número máximo de resultados visibles
• URL’s desconectadas

La web privada: Se compone de archivos que no están incluidos en los motores de búsqueda por alguna de estas razones:

• Las páginas están protegidas por contraseñas (passwords).
• Contienen un archivo “robots.txt” para evitar ser indizadas.
• Contienen un campo “noindex” para evitar que el buscador indice la parte correspondiente al cuerpo de la página.

NOTA: Este segmento de la web no representa una gran pérdida en términos de valor de la información que contiene, ya que se trata, en general, de documentos excluidos deliberadamente por su falta de utilidad.

La Web propietaria: Incluye aquellas páginas en las que es necesario registrarse para tener acceso al contenido, ya sea de forma gratuita o paga. Se dice que al menos 95% de la Web profunda contiene información de acceso público y gratuito.


La Web realmente invisible: Se compone de páginas que no pueden ser indizadas por limitaciones técnicas de los buscadores, como las siguientes:

• Páginas web que incluyen formatos como PDF, PostScript, Flash, Shockwave, programas ejecutables y archivos comprimidos.
• Páginas generadas dinámicamente, es decir, que se generan a partir de datos que introduce el usuario.
• Información almacenada en bases de datos relacionales. 

Para tener en cuenta:

• algunos buscadores recuperan archivos PDF y páginas con imágenes, aunque de forma limitada;
• es relativamente sencillo llegar hasta la “puerta” de las bases de datos con contenido importante;
• existen ya motores avanzados capaces de realizar búsquedas directas simultáneas en varias bases de datos a la vez; y aunque la mayoría requieren de pago, también ofrecen versiones gratuitas;
• el contenido que se genera en tiempo real pierde validez con mucha velocidad, salvo para análisis históricos; es relativamente sencillo llegar hasta la “puerta” de los servicios que ofrecen información en tiempo real;
• el contenido que se genera dinámicamente interesa únicamente a ciertos usuarios con características específicas;
• es relativamente sencillo llegar hasta la “puerta” de los servicios que ofrecen contenido generado dinámicamente.

Recursos de búsqueda en la Web profunda por tipo de recurso:

Buscadores
Scirus, WebSearch.

Metabuscadores
iBoogie, Fazzle, Ixquick, Search.Com

Directorios de buscadores
AlphaSearch

Directorios
CompletePlanet, Direct Search, HotSheet, IncyWincy, InternetInvisible, Librarians Index, Master Link List On the Internet, RefDesk.com, Webfile.com, Where to Do Research

Directorios anotados
AcademicInfo, Resource Discovery Network

Directorios de bases de datos
WebData.com

Guías
About, LibrarySpot

Motores avanzados
Deep Query Manager (sustituye a Lexibot), FeedPoint, Search4science, Strategic Finder

Búsquedas por palabras claves

Sin duda alguna la mejor manera de obtener buenos resultados en nuestras búsquedas de información en Internet es seleccionar las palabras claves correctas, ya que de ellas dependerán enteramente los resultados obtenidos.

Las herramientas de búsqueda permiten relacionar dos o más palabras claves y frases mediante operadores para ampliar la búsqueda, reducirla o reorientarla según los resultados parciales obtenidos.

Algunos buscadores por palabra clave permiten el uso de operadores booleanos (nexos lógicos que especifican cuál debe ser la relación entre los términos ingresados).

Operadores lógicos

AND (y): indica que las palabras que anteceden y siguen al operador deben encontrarse en el resultado de la búsqueda.

OR (o): indica que alcanza con que tan sólo una de las palabras esté presente. En la mayoría de las herramientas de búsqueda puede reemplazarse por un espacio en blanco.

ADJ (adyacente): especifica que ambos términos deben aparecer seguidos en el texto. En algunos buscadores alcanza con colocar las palabras entre comillas.

NOT o NAND: indican que la palabra clave anterior al operador deberá aparecer pero no la posterior.

XOR: especifica que, de ambas palabras clave, sólo debe aparecer una.

También es posible encontrar, como opciones de búsqueda, los operadores del tipo "+ -", que en algunos casos reemplazan y en otros conviven con los booleanos. El "+" equivale al AND y el "-", al NOT.  

Operadores de truncamiento

El símbolo * (asterisco): sustituye una cadena de caracteres.

Por ejemplo: la expresión educad* nos permitirá obtener páginas en las que figuren las palabras educad, educado, educador, educadores…

Un asterisco puede utilizarse en una búsqueda como marcador de posición para cualquier término comodín o desconocido.

Se lo puede combinar con el uso de comillas para buscar variaciones de esa frase exacta o para recordar palabras en medio de una frase.

Por ejemplo: "una * vale más que * palabras"

El signo ? (de interrogación): sustituye a un solo carácter en una ubicación específica.

Por ejemplo: la expresión niñ? nos permitirá obtener páginas en donde figuren las expresiones niño o niña.Si buscamos una frase exacta o una expresión formada por varias palabras, debe encerrarse entre comillas. "x"

Por ejemplo: “Archipiélago de las Azores”.

El símbolo @ permite buscar etiquetas sociales.

Por ejemplo: @cristinavdls

El símbolo # busca temas de tendencias. Por ejemplo: #tendencias

El símbolo .. , “dos puntos sin espacios” permite obtener resultados que contengan valores incluidos en un determinado intervalo de elementos como fechas, medidas y precios. Ejemplo: bicicleta $5000..$8000

Operadores de búsqueda especiales

Como ya indicamos, los operadores de búsqueda son expresiones que podemos añadir a las búsquedas para restringir los resultados Al hacer búsquedas con operadores, no se deben añadir espacios entre el operador y los términos de búsqueda.

El operador define: nos permite obtener la definición de una palabra.

Por ejemplo: define:metabuscador

El operador site: nos permite obtener resultados dentro de uno o de varios sitios o dominios.

Por ejemplo, podemos encontrar todas las menciones del término Intergeneracional en el sitio de Asociación Ofecum: intergeneracional site:www.ofecum.es

El operador link: nos permite obtener páginas que apunten a un determinado sitio.

Por ejemplo, podemos encontrar todas las páginas que se dirijan al sitio de nuestra institución educativa. link:www.utn.edu.ar

El operador related: nos permite encontrar sitios similares a una URL que conocemos.

Por ejemplo si buscamos sitios relacionados con elmundo.es encontraremos otros sitios de publicación de noticias que podrían interesarnos.

related:elmundo.es

El operador allintitle, nos permite realizar una búsqueda por título. Por ejemplo si buscamos páginas que contengan la expresión arte digital en su título debemos ingresar en la barra de búsqueda: allintitle:”arte digital”

El operador info nos muestra información acerca de un sitio web determinado.

Por ejemplo: info:www.inspt.utn.edu.ar

Búsqueda avanzada

Una búsqueda simple generalmente consta de un cuadro de texto en el que se ingresa una cadena de caracteres, en cambio, las búsquedas avanzadas suelen contar con múltiples cuadros de texto, casillas de verificación y otros elementos incluidos habitualmente en los formularios. Por lo general, estos elementos permiten aplicar filtros a la búsqueda básica, para obtener resultados más exactos.

La Búsqueda avanzada de Google, ofrece numerosas opciones para realizar búsquedas con mayor precisión y obtener resultados más útiles.

Además de la introducción de términos en el campo de búsqueda, Google ofrece otras opciones, que nos permiten encontrar páginas que contengan:

- Todas las palabras que se mencionan

- Una frase exacta

- Cualquiera de una serie de palabras

- Ninguna de las palabras que se mencionan

- Valores comprendidos en un determinado intervalo

La Búsqueda avanzada de imágenes de Google, también nos ofrece numerosas opciones para filtrar información y realizar búsquedas con mayor precisión: entre otras posibilidades seleccionar el tamaño, proporción, color, tipo de imagen, tipo de archivo entre otras posibilidades.

Buscar imágenes que puedas volver a utilizar: “Al hacer una búsqueda en la Búsqueda de Google, puedes filtrar los resultados para que aparezcan solo imágenes, vídeos o texto que puedas utilizar libremente. Para ello, debes utilizar el filtro de búsqueda avanzada "Derechos de uso”, que te permite saber cuándo puedes utilizar, compartir o modificar lo que encuentres en Internet”.

Post Data

Otro de los ejercicios que vamos a realizar para compartir con los compañeros es una Presentación colaborativa con lo tratado en este tema de La Búsqueda Avanzada. Y que una vez realizado dejo su nombre "Navegando en la Red", consta de 11 diapositivas