Redes y arañas

En el mundo de la red, se entiende por araña o spider a los programas que enlazan nuestros criterios de búsqueda con una lista de resultados que se adecue a ellos. Así, los más famosos serían Google, Yahoo, Bing... sin embargo, se calcula que existen más de 1000. Esto se comprende si tenemos en cuenta que varios grupos de investigación cuentan con su propio spider propio.

Por tanto, las funciones principales de los spiders serían la de explorar nuevas URL para añadir a su lista de exploraciones y extraer el contenido para indexarlas. Sin embargo, el spider propiamente dicho tan solo realizaría la primera función de exploración de manera autónoma, con capacidad de interactuar con los enlaces que visite. Cabe señalar que los resultados de las búsquedas no siempre serán objeto de indexación. Por ejemplo, las páginas web de un país que establezcan en sus leyes que no desean ser exploradas por el buscador en cuestión.

Fuente: http://bit.ly/2rpeXiB (Tras búsqueda de resultados etiquetados para reutilización no comercial).

Así, la otra función de extracción de datos, indexación y publicación de los resultados correría a cargo de una unidad humana, la cual desempeñará un papel crucial a la hora de cliquear nuestras páginas web más frecuentes.

En los buscadores comerciales, se muestran en la primera página de resultados aquellos que se adecuen al proceso que se sigue para su publicación. Sería lógico pensar que los resultados están ordenados en función de la calidad de la información de las distintas páginas, siendo el primer enlace el mejor. Esto no es exactamente así, ya que intervienen otros muchos factores. Entre los más influyentes, encontraríamos la presencia social de la página, el tiempo de permanencia de sus usuarios en ella, el número de visitas que recibe, los enlaces dentro del sitio... y por supuesto, si la página en cuestión ha pagado o no para estar entre los principales resultados. También entraríamos a jugar nosotros en esta ecuación indirectamente con nuestras búsquedas principales, ya que estas quedan almacenadas como cookies que posteriormente usará nuestro buscador para colocar anuncios que se ajusten a estas en búsquedas posteriores.

Para concluir, podemos afirmar que la red es una herramienta de búsqueda de información muy importante y casi indispensable en los tiempos que corren. En ella se alberga información válida pero también no válida, por lo que se debe de saber realizar las conductas apropiadas para obtener los resultados que queremos nosotros y no los que quieren unos terceros y, si es una búsqueda científica, emplear la búsqueda avanzada en bases de datos bibliográficas, catálogos, etc.

Bibliografía:

Codina, L. (12 de junio de 2015). Google para Periodistas (1): Cómo encuentran información los buscadores o vida de una araña cibernética [Mensaje en un blog]. Recuperado de: https://www.lluiscodina.com/google-para-periodistas-como-funcionan-rastreadores/

Codina, L. (15 de junio de 2015). Google para Periodistas (2): La fórmula N/2 o lo que Google quiere y no quiere que veamos [Mensaje en un blog]. Recuperado de: https://www.lluiscodina.com/google-para-periodistas-lo-que-quiere-que-veamos/

(Entrada correspondiente al subapartado 2.1. La información que encontramos en los buscadores generalistas)

UE DOCUMENTAL

En esta ocasión nos disponemos a analizar el portal EUROPEANA. Se trata de una biblioteca digital de acceso libre, la cual fue inaugurada en noviembre de 2008 y que tiene por objetivo la digitalización de los documentos de los distintos archivos, bibliotecas, museos, etc. de los 28 países de la Unión Europea.

(imagen obtenida de: https://commons.wikimedia.org/wiki/File:EU_basic_logo_portrait_black.png)

Entre los distintos documentos a los que podemos acceder, estos tienen formatos variados, pasando por  libros, obras de arte, material 3D o películas. Esta biblioteca nació con 2 millones de ítems y su crecimiento anual ha ido aumentando exponencialmente, llegando en junio de 2014 a superar los 32 millones (y actualmente, en noviembre de 2016, se estiman casi 54 millones). De esta forma, la documentación proviene de los diferentes portales digitales nacionales europeos. En el caso de España, nos puede resultar familiar la participación para este proyecto del CSIC o de la Fundación Dialnet, entre otras. En total, los documentos provenientes de España suponen el 8,8% respecto del total, siendo así el cuarto país en aportación documental (Fuente: Europeana, junio de 2014). 

Sin embargo, la plataforma también ha tenido que hacer frente a diversos problemas, la mayoría de carácter jurídico y en lo referente a la no violación de la propiedad intelectual. Además, podemos añadir el tópico de "Nunca los comienzos fueron fáciles", ya que en este caso no es una excepción. En sus primeros años, Europeana arrastraba graves problemas de indexación de sus documentos (algo que actualmente se va mejorando) y, en un primer momento, muchos no veían con buenos el proyecto. En el siguiente enlace vemos un artículo de Daniel Rodríguez Herrera, publicado en noviembre de 2008 (coetáneo a la creación del portal), en el que argumenta su disconformidad alegando "su objetivo es complacer a los políticos y no a los usuarios web".

Por tanto, a modo de conclusión cabe señalar que, desde la creación de Internet, una de las prioridades culturales ha sido la digitalización de los distintos documentos, para que estos puedan estar al alcance de todo el mundo con una fácil accesibilidad a los mismos. Claro ejemplo de ello es Europeana, cuyo proyecto se encuentra aún dando sus primeros pasos si tomamos el objetivo, utópico hoy en día, de la totalidad de la documentación europea digitalizada en su portal pero cuya evolución aumenta año a año y es cada vez más frecuentada por los usuarios, algo que además de evidenciar que el proyecto es útil, ayuda a que los proveedores continúen aportando nuevos ítems.

Bibliografía: RAMOS SIMÓN, L.F., ARQUERO AVILÉS, M. del R., MENDO CARMONA, C., TEJADA ARTIGAS, C.M., PRIETO GUTIÉRREZ, J.J., COBO SERRANO, S., BOTEZAN, I., SÁNCHEZ JIMÉNEZ, R. y MARCO CUENCA, G., 2014. Europeana : la plataforma del patrimonio cultural europeo. Gijón : Trea. ISBN 978-84-9704-840-8

Sistemas de información. Crítica del mundo digital: propuesta de categorización

En este artículo los autores nos hablan de los principales puntos en los que la web y los buscadores (a continuación indagaremos en la relación entre estos dos términos)  flaquean o presentan diferentes problemas. Para ello, se procede a hacer una categorización, la cual es la siguiente:

-         -  PROBLEMAS TECNOLÓGICOS

En este apartado se incluyen aquellos fallos relacionados con la mecánica de búsqueda en sí, y se espera que con el paso del tiempo y la perfección progresiva de los buscadores dichos fallos se vayan corrigiendo. Actualmente, encontramos entre estos problemas la mala indexación con la URL, ya sea porque esta precisa de registro o porque ya no se encuentra disponible (aunque se puede acceder en ocasiones a una copia en caché); la relevancia de las mismas o las limitaciones en el lenguaje a la hora de efectuar nuestra búsqueda.

Cabe mencionar aquí la profunda relación de simbiosis que existe entre las direcciones web y los buscadores. Estas se retroalimentan entre sí y una no podría existir sin la otra, ya que en un caso (Direcciones web sin buscadores) tan solo podríamos acceder a aquellos sitios que conozcamos su URL (que sería un acceso minúsculo) y en el otro caso (Buscadores sin direcciones web) se produce una ingenuidad.

-         -  PROBLEMAS COGNITIVOS

Se habla en este apartado de aquellas acciones realizadas habitualmente por el usuario de manera inconsciente y que derivan en una búsqueda de información no contrastada y de dudosa fiabilidad. Hablamos aquí de la desconfianza por los resultados los cuales pueden ser publicados por cualquiera, así como de la ausencia de una lectura profunda de la información y la limitación al vistazo rápido. Grandes personalidades dentro de la lingüística tales como Nicholas Carr en el mundo anglosajón o Mario Vargas Llosa en el hispano han hecho referencia a estos problemas aludiendo como punto negativo a la cada vez menor lectura profunda de los textos y la consecuente pérdida de rigor.

       *A modo de reflexión personal acerca de estos dos primeros conjuntos de problemas, considero que muchos de ellos pueden ser obviados si sabemos efectuar nuestra búsqueda correctamente, tal y como se detalla en una entrada anterior de este mismo blog (contrastación de las fuentes, uso de operadores booleanos, etc).

-         - POLÍTICOS Y SOCIALES

Por último, en este apartado se tratan los problemas que acarrean la violación de los derechos de las personas en la web. Entran aquí agentes de diversa índole, ya que debido al enfoque global que se da en internet puede chocar (y de hecho, choca) con la legislación vigente de unos u otros países referente a la privacidad. Estas infracciones pueden ser cometidas tanto por particulares como por grandes empresas, llegando hasta el propio buscador de Google.

          *En este punto considero que se trata de un problema verdaderamente serio e incluyo aquí el derecho a la propiedad intelectual (el cual en el texto no se menciona). Pese a su gravedad, creo que en este tipo de conflictos la ley se mueve en un terreno ambiguo y pantanoso, ya que en muchas ocasiones las posibles denuncias por violación de la privacidad no proceden debido a la existencia de vacíos legales, falta de pruebas o, en asuntos de mayor trascendencia, por el gran poder de Google.

      

      Bibliografía:

      Codina, L., & Abadal, E. (2013). Crítica del mundo digital: propuesta de categorización. Anuario ThinkEPI, 7, 146–149