Trabajo personal Módulo 4
Web Superficial y Web Profunda (legal y académica)
Dicen que el 96% de la red es "no visible // oculta // no indexada", me cabe la duda de como se calcula el porcentaje de lo que no se conoce ¿?
Vamos al trabajo.
QUE SE LLAMA WEB SUPERFICIAL O VISIBLE
Son aquellos sitios cuya información está indexada por los buscadores convencionales y se puede consultar en casi totalidad.
Las especificaciones de los sitios de la Web visible / superficial son:
Es libre para consul
La información no suele estar contenida en bases de datos.
Tiene libre acceso.
Para recuperar la información no se requiere la realización de un registro
Suele estar hecho por páginas Web estáticas, con URL fija
QUE SE LLAMA WEB PROFUNDA O INVISIBLE
Es la información disponible en Internet que no se puede recuperar a través de buscadores convencionales, incluye la información almacenada mediante bases de datos.
Pueden ser contenidos dinámicos: se generan como respuesta a una búsqueda
Contenidos no enlazados: son aquellas sin vínculos desde otras páginas.
Contenidos de acceso limitado: requieren registrarse o limitan el acceso a su página, evitando que los buscadores los tengan en sus bases de datos.
Contenidos «scripted»: Son aquellos accesibles a través de enlaces producidos por JavaScript y Flash,
Contenidos no textuales: multimedia, «usenet».
Sherman y Price identifican cuatro tipos de contenidos invisibles en la Web:
1) opaca (the opaque Web).
2) privada (the private Web).
3) propietaria (the proprietary Web).
4) realmente invisible (the truly invisible Web).
OPACA • Web opaca son archivos que podrían estar incluidos en los buscadores, pero no lo están por algún motivos, entre otros:
Extensión de la indización: a veces, por economía, no todas las páginas de un sitio son indizadas en los buscadores.
Frecuencia de la indización: los buscadores no poseen la capacidad de indizar todas las páginas existentes; a diario se agregan y modifican muchas y la indización no se realiza al ritmo que permita incluirlas a todas.
Número máximo de resultados visibles: aunque los motores de búsqueda arrojan a veces un gran número de resultados, generalmente limitan el número de documentos que se muestran (entre 200 y 1000).
URL desconectadas: las generaciones más recientes de buscadores, presentan los documentos por relevancia, generalmente basada en el número de veces que aparecen enlazados en otros sitios. Si un documento no tiene un link a él, desde otro documento, será imposible que la página sea encontrada, pues no se encuentra indizada.
PRIVADA • Sitios Web que podrían estar indizados, pero son excluidas entre otras razones por:
Estar protegidas por contraseña.
Tienen un archivo “robots.txt” para no ser indizadas.
Tienen un campo “noindex” para evitar que el buscador pueda indizar la parte correspondiente al cuerpo de la página. Este segmento de la Web contiene, en general, documentos excluidos deliberadamente por su falta de utilidad. Ya que son los dueños de la información que contienen, los que deciden que no se encuentre disponible, por lo que difícilmente se podrán encontrar mecanismos legítimos para franquear esa barrera.
PROPIETARIA • Incluye aquellas páginas en las que es necesario registrarse para tener acceso al contenido, ya sea de forma gratuita o pagada. Se dice que al menos 95% de la web profunda contiene información de acceso público y gratuito, pero hay mucha gente que no está dispuesto a registrase..
REALMENTE INVISIBLE • Se compone de páginas que no pueden ser indizadas por limitaciones técnicas de los buscadores, entre otras razones:
Programas ejecutables y archivos comprimidos.
Páginas generadas dinámicamente que se generan a partir de datos que introduce el usuario. Información almacenada en bases de datos relacionales, que no puede ser extraída a menos que se realice una petición específica.
WEB PROFUNDA A pesar de todo hay ciertos recursos de búsqueda en la web profunda, legal y académica:
WWW Virtual Library se considera el catálogo más antiguo en la web y fue iniciado por Tim Berners-Lee, el creador de la web.
Infoplease es una Web de consulta con más de 57.000 artículos de la prestigiosa enciclopedia Columbia, consulta la información con opciones de búsqueda por términos o por áreas de conocimiento, accede a enciclopedias, atlas, y biografías, tiene algunas ramificaciones interesantes como Factmonster.com para los niños y Biosearch, un motor de búsqueda sólo para biografías, o información de todo lo acontecido históricamente en un determinado día.
DeepWebTech ofrece cinco motores de búsqueda para temas específicos, entre otros temas abarcan ciencias, medicina y negocios.
TechXtra tiene información en ingeniería, matemáticas e informática. Es posible navegar a través de una extensa lista de revistas gratuitas especializadas de ingeniería, documentos técnicos, descargas y podcasts.
Academia.edu (https://www.academia.edu) es una red social 2.0 para investigadores que cuenta con un directorio de más de 12.000 publicaciones científicas de todo el mundo, facilitando la tarea de los que buscan artículos para sus trabajos. Lanzado en septiembre de 2008, se convirtió en uno de los mayores sitios de redes sociales para universitarios en el año 2010. Actualmente tiene 830.000 visitantes mensuales y cuenta con más de 191.000 académicos de todo el mundo.
Reefseek.com (http://www.refseek.com/) es un motor de búsqueda en Internet para estudiantes e investigadores que tiene como objetivo hacer que la información académica sea de fácil acceso para todos. Busca en más de un billón de documentos, incluyendo páginas web, libros, enciclopedias, revistas y periódicos, intentando eliminar cualquier resultado no relativo a ciencia e investigación. Jurn (http://www.jurn.org) es otro motor de búsqueda que permite buscar en millones de artículos libres académicos, capítulos y tesis de múltiples disciplinas (Artes, Historia, Humanidades, Negocios, Economía, Ecología, Ciencia y más).
http://academic.research.microsoft.com/ el buscador académico de Microsoft.
TechXtra (http://techxtra.tradepub.com/) centra su información, en ingeniería, matemáticas e informática. Es posible navegar a través de una extensa lista de revistas gratuitas especializadas de ingeniería, documentos técnicos, descargas y podcasts.
Ciencia (http://ciencia.science.gov/) es la versión en español del portal Science.gov (http://www.science.gov/ ) para la búsqueda de información científica e investigación del gobierno de los Estados Unidos de América. Puede indexar más de 60 bases de datos y 200 millones de páginas con información científica para mostrar los resultados por subtemas, autores o fechas. También ofrece la posibilidad de búsqueda avanzada y búsqueda de imágenes.
Google también tiene un buscador de artículos académicos: scholar.google.es
Información cortesia de www.decoamigo.com
Web Superficial y Web Profunda (legal y académica)
Dicen que el 96% de la red es "no visible // oculta // no indexada", me cabe la duda de como se calcula el porcentaje de lo que no se conoce ¿?
Vamos al trabajo.
QUE SE LLAMA WEB SUPERFICIAL O VISIBLE
Son aquellos sitios cuya información está indexada por los buscadores convencionales y se puede consultar en casi totalidad.
Las especificaciones de los sitios de la Web visible / superficial son:
Es libre para consul
La información no suele estar contenida en bases de datos.
Tiene libre acceso.
Para recuperar la información no se requiere la realización de un registro
Suele estar hecho por páginas Web estáticas, con URL fija
QUE SE LLAMA WEB PROFUNDA O INVISIBLE
Es la información disponible en Internet que no se puede recuperar a través de buscadores convencionales, incluye la información almacenada mediante bases de datos.
Pueden ser contenidos dinámicos: se generan como respuesta a una búsqueda
Contenidos no enlazados: son aquellas sin vínculos desde otras páginas.
Contenidos de acceso limitado: requieren registrarse o limitan el acceso a su página, evitando que los buscadores los tengan en sus bases de datos.
Contenidos «scripted»: Son aquellos accesibles a través de enlaces producidos por JavaScript y Flash,
Contenidos no textuales: multimedia, «usenet».
Sherman y Price identifican cuatro tipos de contenidos invisibles en la Web:
1) opaca (the opaque Web).
2) privada (the private Web).
3) propietaria (the proprietary Web).
4) realmente invisible (the truly invisible Web).
OPACA • Web opaca son archivos que podrían estar incluidos en los buscadores, pero no lo están por algún motivos, entre otros:
Extensión de la indización: a veces, por economía, no todas las páginas de un sitio son indizadas en los buscadores.
Frecuencia de la indización: los buscadores no poseen la capacidad de indizar todas las páginas existentes; a diario se agregan y modifican muchas y la indización no se realiza al ritmo que permita incluirlas a todas.
Número máximo de resultados visibles: aunque los motores de búsqueda arrojan a veces un gran número de resultados, generalmente limitan el número de documentos que se muestran (entre 200 y 1000).
URL desconectadas: las generaciones más recientes de buscadores, presentan los documentos por relevancia, generalmente basada en el número de veces que aparecen enlazados en otros sitios. Si un documento no tiene un link a él, desde otro documento, será imposible que la página sea encontrada, pues no se encuentra indizada.
PRIVADA • Sitios Web que podrían estar indizados, pero son excluidas entre otras razones por:
Estar protegidas por contraseña.
Tienen un archivo “robots.txt” para no ser indizadas.
Tienen un campo “noindex” para evitar que el buscador pueda indizar la parte correspondiente al cuerpo de la página. Este segmento de la Web contiene, en general, documentos excluidos deliberadamente por su falta de utilidad. Ya que son los dueños de la información que contienen, los que deciden que no se encuentre disponible, por lo que difícilmente se podrán encontrar mecanismos legítimos para franquear esa barrera.
PROPIETARIA • Incluye aquellas páginas en las que es necesario registrarse para tener acceso al contenido, ya sea de forma gratuita o pagada. Se dice que al menos 95% de la web profunda contiene información de acceso público y gratuito, pero hay mucha gente que no está dispuesto a registrase..
REALMENTE INVISIBLE • Se compone de páginas que no pueden ser indizadas por limitaciones técnicas de los buscadores, entre otras razones:
Programas ejecutables y archivos comprimidos.
Páginas generadas dinámicamente que se generan a partir de datos que introduce el usuario. Información almacenada en bases de datos relacionales, que no puede ser extraída a menos que se realice una petición específica.
WEB PROFUNDA A pesar de todo hay ciertos recursos de búsqueda en la web profunda, legal y académica:
WWW Virtual Library se considera el catálogo más antiguo en la web y fue iniciado por Tim Berners-Lee, el creador de la web.
Infoplease es una Web de consulta con más de 57.000 artículos de la prestigiosa enciclopedia Columbia, consulta la información con opciones de búsqueda por términos o por áreas de conocimiento, accede a enciclopedias, atlas, y biografías, tiene algunas ramificaciones interesantes como Factmonster.com para los niños y Biosearch, un motor de búsqueda sólo para biografías, o información de todo lo acontecido históricamente en un determinado día.
DeepWebTech ofrece cinco motores de búsqueda para temas específicos, entre otros temas abarcan ciencias, medicina y negocios.
TechXtra tiene información en ingeniería, matemáticas e informática. Es posible navegar a través de una extensa lista de revistas gratuitas especializadas de ingeniería, documentos técnicos, descargas y podcasts.
Academia.edu (https://www.academia.edu) es una red social 2.0 para investigadores que cuenta con un directorio de más de 12.000 publicaciones científicas de todo el mundo, facilitando la tarea de los que buscan artículos para sus trabajos. Lanzado en septiembre de 2008, se convirtió en uno de los mayores sitios de redes sociales para universitarios en el año 2010. Actualmente tiene 830.000 visitantes mensuales y cuenta con más de 191.000 académicos de todo el mundo.
Reefseek.com (http://www.refseek.com/) es un motor de búsqueda en Internet para estudiantes e investigadores que tiene como objetivo hacer que la información académica sea de fácil acceso para todos. Busca en más de un billón de documentos, incluyendo páginas web, libros, enciclopedias, revistas y periódicos, intentando eliminar cualquier resultado no relativo a ciencia e investigación. Jurn (http://www.jurn.org) es otro motor de búsqueda que permite buscar en millones de artículos libres académicos, capítulos y tesis de múltiples disciplinas (Artes, Historia, Humanidades, Negocios, Economía, Ecología, Ciencia y más).
http://academic.research.microsoft.com/ el buscador académico de Microsoft.
TechXtra (http://techxtra.tradepub.com/) centra su información, en ingeniería, matemáticas e informática. Es posible navegar a través de una extensa lista de revistas gratuitas especializadas de ingeniería, documentos técnicos, descargas y podcasts.
Ciencia (http://ciencia.science.gov/) es la versión en español del portal Science.gov (http://www.science.gov/ ) para la búsqueda de información científica e investigación del gobierno de los Estados Unidos de América. Puede indexar más de 60 bases de datos y 200 millones de páginas con información científica para mostrar los resultados por subtemas, autores o fechas. También ofrece la posibilidad de búsqueda avanzada y búsqueda de imágenes.
Google también tiene un buscador de artículos académicos: scholar.google.es
Información cortesia de www.decoamigo.com
