Este documento resume una presentación sobre investigación en la Web invisible y semántica. Explica que la Web invisible contiene información que no puede ser indexada por buscadores comunes y está compuesta por la Web opaca, privada, propietaria y realmente invisible. Describe algunos buscadores especializados como forma de acceder a esta información, como Communication Invisible y SciELO. Finalmente, introduce la Web semántica y su objetivo de mejorar las búsquedas a través de ontologías y lenguajes como OWL, RDF y SPARQL.

1. TECNOLOGÍA DE LA
COMUNICACIÓN I
Lic. en Periodismo
FCH-UNSL (Año 2016)

2. CLASE II
Investigación en Internet. Búsquedas de
información en la Web Invisible y
Semántica.
CREATIVE COMMONS RECONOCIMIENTO-NOCOMERCIAL-
COMPARTIRIGUAL 3.0 UNPORTED LICENSE

3. En la clase anterior se introdujo el concepto de
WWW y se dio su clasificación (Visible, Invisible
y Semántica).
Comenzando con la Web Visible, se presentaron
especialmente dos tipologías de buscadores
existentes en esta Web: 1) por directorio o
categorías y 2) por palabra clave.
En esta clase continuamos con las búsquedas
de información centrándonos en la Web
Invisible, analizando el desarrollo de la Web
Semántica y finalizando con una reflexión
respecto del proceso de búsqueda en estas
Webs.

4. DEFINICIÓN:
Se define como la “porción de la Web que no puede ser
indexada por los buscadores comunes”. Se compone del
95% de la información existente en la WWW, contra el 5% de
la Web Visible…
WWW INVISIBLE O PROFUNDA
5%
95%
En los primeros niveles
se encuentra la
mejor información,
utilizable a nivel
profesional y
académico.

5. La Web Invisible recibe esta denominación porque
contiene información que no puede ni debe ser
visibilizada por un buscador común, y en consecuencia
no puede ser indizada por esta herramienta.
Esta información está contenida en diferentes Webs,
entre las que podemos mencionar:
• La Web Opaca
• La Web Privada
• La Web Propietaria y
• La Web Realmente Invisible
A continuación vemos cada una de estas…

6. WEB OPACA
Se compone de contenidos que 1) no son indexados por un
buscador por cuestiones de economía.
WEB INVISIBLE O PROFUNDA
En este primer ejemplo,
Google devuelve solo
dos resultados del sitio
web: Flickr…

7. En este segundo ejemplo, Google solo deja acceder a 100
de sus resultados…
Solo muestra 100
resultados aunque
señala disponer de más
de 2 millones…

8. 2) contenidos que no son indexados dada la frecuencia de
indización del buscador…
Último rastreo: 30/07
Próximo rastreo: 30/08
Las páginas
creadas del
31/07 al 29/08
no aparecerán
como parte de
los
resultados…
Estas imágenes intentan señalar que todos los sitios web creados
después del 30/07 y antes del 30/8 no aparecerán como
resultados de una búsqueda, hasta que se produzca un nuevo
rastreo, una nueva actualización por parte del buscador…

9. 3) contenidos con bajo número de Page Rank, lo que hace
que el buscador no lo muestre como parte de sus
resultados.
Solo se muestran las
páginas con mayor
Page Rank…

10. Existen muchas razones por las que una página puede tener
un bajo posicionamiento en las búsquedas: pocas visitas,
poca cantidad de enlaces, poca autoridad de quienes
escriben en el sitio, etc. Esto ocasiona entonces que las
páginas queden fuera del rastreo: “poco conectadas” o
directamente “desconectadas”…
Quedan
entonces
fuera del
rastreo!!!

11. WEB PRIVADA
Contiene información confidencial, jamás accesible para el
buscador. Se compone de 1) páginas protegidas por
contraseñas
WEB INVISIBLE O PROFUNDA

12. Existen archivos especiales o campos específicos
asociados/dentro de una página web que explicitan que la
página no sea indexada…
Archivo:
“robots.txt”
Campo:
“noindex”
2) páginas que expresamente piden no ser
indexadas

13. WEB PROPIETARIA
Contiene páginas en las que es necesario registrarse para
acceder al contenido…
WEB INVISIBLE O PROFUNDA

14. WEB REALMENTE INVISIBLE
Incluye:
a) archivos de la Web en diversos formatos: .pdf, .js, .ppt,
etc.
Afortunadamente, muchos buscadores han evolucionado y
permiten encontrar diversidad de tipos de archivos…
.PDF
.JS
.JS
.RAR
.ZIP…
WEB INVISIBLE O PROFUNDA

15. b) páginas que se generan dinámicamente, esto es, en
tiempo de ejecución
(por ej. al realizar una consulta en una base de datos).
Página dinámica
Página estática

16. c) páginas que se generan en tiempo real
(por ej. ante la transmisión en vivo y en directo de un partido).
Página generada en tiempo real

17. ¿CÓMO ACCEDEMOS A ELLA?
A través de buscadores especializados en bases de
datos que trabajan generalmente a través de las
tipologías: directorio y motor de búsqueda.
WEB INVISIBLE O PROFUNDA

18. DIRECTORIO/ MOTOR DE BÚSQUEDA ESPECIALIZADO
COMUNICACIÓN INVISIBLE (http://www.comunicacioninvisible.net/ci/)
BUSCADORES WEB INVISIBLE
Es una
base de
Bases de
datos de
estudios
fílmicos…

19. Para buscar
se utiliza la
Búsqueda
Avanzada, o
bien, por
Categorías…
COMUNICACIÓN INVISIBLE.NET

20. COMUNICACIÓN INVISIBLE.NET
Búsqueda por Palabra Clave
Las búsquedas requieren clarificar
y comprender cada operador de
búsqueda…
doblaje
Argentina

21. COMUNICACIÓN INVISIBLE.NET
Búsqueda por Palabra Clave
En caso de no
encontrar
resultados
podemos
efectuar
Búsquedas por
categorías…

22. Para buscar
se selecciona
una
categoría…
COMUNICACIÓN INVISIBLE.NET
Búsqueda por Categorías

23. Y luego la sub
categoría donde
podía
encontrarse la
información…
COMUNICACIÓN INVISIBLE.NET
Búsqueda por Categorías

24. A partir de allí
aparecen
diversas bases
de datos
donde
consultar…
COMUNICACIÓN INVISIBLE.NET
Búsqueda por Categorías

25. El acceso a cada
una de ellas
constituye un
proceso que
puede llevar
mucho tiempo ya
sea que
busquemos por
palabra clave o
categorías…
COMUNICACIÓN INVISIBLE.NET
Búsqueda por Categorías

26. Los directorios conducen a
nuevos sitios con más
información cuya exploración
demanda tiempo pero la calidad
de la información lo vale…
COMUNICACIÓN INVISIBLE.NET
Búsqueda por Categorías

27. DIRECTORIO/ MOTOR DE BÚSQUEDA GENERAL
SCIELO (http://www.scielo.org/php/index.php?lang=es)
Contiene
Bases de
datos de
revistas
científicas…
BUSCADORES WEB INVISIBLE

28. SCIELO
Búsqueda por Categorías

29. SCIELO
Búsqueda por Categorías

30. SCIELO
Búsqueda por Categorías

31. SCIELO
Búsqueda por palabra clave
Internet

32. MOTOR DE BÚSQUEDA GENERALISTA
WAYBACK MACHINE (http://archive.org/web/web.php)
BUSCADORES WEB INVISIBLE
Permite el
acceso a
versiones
de sitios
web que
pueden o
no estar
en línea…

33. BUSCADORES WEB INVISIBLE
Para buscar se
coloca la
dirección web
del sitio y luego
se selecciona el
año, mes y día
que se desea
visualizar
(siempre que
esté
disponible)…
WAYBACK
MACHINE

34. BUSCADORES WEB INVISIBLE
WAYBACK MACHINE
El resultado es el acceso a la versión en línea de esa información…

35. ¿CÓMO TRABAJAN LOS BUSCADORES PROFUNDOS?
•Se utilizan para buscar información especializada en torno a una
temática, de carácter científico.
•Poseen una base de datos propia (elaborada por personas o robots)
compuesta por sitios web confiables, aunque puedan estar
desactualizados.
•Poseen opciones de búsqueda por categorías o palabra clave. En este
último caso permiten especificar: título del recurso, autor del recurso,
descripción o resumen del recurso, contenido del recurso y palabras clave,
que permiten identificarlo, entre otros.
•Permiten la configuración de las bases de datos donde buscar,
la tipología de archivos y el lugar y cantidad de resultados
que devuelven.
BUSCADORES WEB INVISIBLE

36. WWW SEMÁNTICA
Se define como “…una extensión de la Web existente que permite
la realización de búsquedas más inteligentes a través de
buscadores inteligentes”.
Su objetivo es mejorar las búsquedas, de forma tal que las
máquinas no solo sean capaces de utilizar la información, sino
también interpretarla…
94%
5% 1% Web
Invisible
Web Visible
Web
Semántica

37. WWW SEMÁNTICA
La reestructuración de la Web podría funcionar de
manera potente pero se proyectan muchos años
para su óptimo funcionamiento…
“Quiero viajar a Lima, Perú, y sólo
quiero gastar 3000 dólares”
REQUIERE:
•OWL: permite definir
conceptos u ontologías que
puedan ser utilizadas por
usuarios, sistemas y bases
de datos.
•RDF: describe conceptos y
ontologías y cómo se
encuentran relacionados.
•SPARQL: lenguaje de
consulta sobre las
ontologías que permite
hacer búsquedas sobre los
recursos de la Web

38. GOOGLE Y WEB SEMÁNTICA
Trabaja para
lograr este tipo
de búsquedas
aunque aún
está en proceso
de desarrollo ya
que no siempre
las búsquedas
funcionan de
manera
inteligente…

39. FIN DE PRESENTACIÓN
Gracias por su atención…
Elaborado por Prof. Viviana M. Ponce
vmponce@unsl.edu.ar
Fac. de Cs. Humanas- UNSL