Web Superficial y la Web Profunda
|
E
|
l concepto de Internet invisible o Internet profunda,
conocida en inglés también como Deepweb, Darkweb o Hidden web, hace referencia,
básicamente, a una serie de contenidos que no son visibles para los motores de
búsqueda tradicional, esto es, que Google no puede encontrar.
La Web Superficial o visible
La
Web Superficial 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 en sus formularios de búsqueda. Las
características principales de los sitios de la Web visible son:
Ø Su información no está contenida en bases de datos
Ø Es de libre acceso
Ø No se requiere la realización de un proceso de
registro para acceder a la información.
Ø Mayoritariamente está formada por páginas Web
estáticas, es decir páginas o archivos con una URL fija y accesibles desde otro
enlace.
La Web Profunda o invisible
Web
invisible es el término utilizado para describir toda la información disponible
en Internet que no se recupera interrogando a los buscadores convencionales.
Generalmente es información almacenada y accesible mediante bases de datos.
Parte de la información es "invisible" a los robots de los buscadores
convencionales, ya que los resultados se generan en la contestación a una
pregunta directa mediante páginas dinámicas (ASP, PHP, etc.) es decir páginas
que no tienen una URL fija y que se construyen en el mismo instante
(temporales) desapareciendo una vez cerrada la consulta.
La Web opaca
La Web opaca está compuesta por archivos que,
si bien podrían estar incluidos en los índices de los buscadores, no lo están
por alguno de los siguientes motivos:
Ø Extensión de
la indización: a veces, por economía, no todas las páginas de un sitio son
indizadas en los buscadores.
Ø 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.
Ø 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).
Ø URL desconectadas: las generaciones más
recientes de buscadores, presentan los documentos por relevancia basada en el
número de veces que aparecen referenciados en otros. Si un documento no tiene
un link a él, desde otro documento, será imposible que la página sea
encontrada, pues no se encuentra indizada.
La Web privada
La Web privada
consiste en las páginas Web que podrían estar indizadas en los buscadores pero
son excluidas deliberadamente por alguno de estos motivos:
Ø Las páginas
están protegidas por contraseñas.
Ø Contienen un archivo “robots.txt” para evitar
ser indizadas.
Ø Contienen 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.
La Web Propietaria
La Web propietaria
incluye aquellas páginas en las que es necesario registrarse para tener acceso
al contenido, ya sea de forma gratuita o arancelada.
La Web Realmente Invisible
La Web realmente
invisible se compone de páginas que no pueden ser indizadas por limitaciones
técnicas de los buscadores, 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,
que no puede ser extraída a menos que se realice una petición específica.
Veamos algunos de
los recursos de búsqueda en la Web Profunda:
Ø
The WWW Virtual Library se considera el catálogo más antiguo en la web y fue
iniciado por Tim Berners-Lee, el creador de la web.
Ø
Infoplease es una
Web de consulta con más de 57.000 artículos de la prestigiosa enciclopedia
Columbia. Facilita la consulta de información con opciones de búsqueda por
términos o por áreas de conocimiento. Es posible acceder a un buen número de
enciclopedias, atlas, y biografías. Y también 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.
Ø
DeepWebTech ofrece
cinco motores de búsqueda para temas específicos. Los motores de búsqueda
abarcan la ciencia, medicina y negocios. El uso de estos motores de búsqueda
específicos del tema, puede consultar las bases de datos subyacentes en la Web
profunda.
Ø
TechXtra
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.
Según Lluis
Codina: “Internet invisible es un nombre claramente inadecuado para referirse
al sector de sitios y de páginas web que no pueden indizar los motores de
búsqueda de uso público. Debería denominarse, en realidad, la web "no
indizable", lo cual es un término mucho más adecuado”.
Michael
Bergman, es el más reconocido estudioso de la Web Profunda, quien en su
artículo ‘Web Profunda:
sacando a la luz un valor escondido’ (2001), acuñó el término
haciendo referencia a la expresión ‘Internet invisible’ que había sido usada
por Jill Ellsworth ya en 1994, momento en el cual se pronosticaba el boom del
.com y el crecimiento exponencial de la web y la consecuencia ampliación del
acceso a la información y el conocimiento.
En su momento, entre los hallazgos más sorprendentes en
relación con la Internet Invisible se cuentan:
Ø
La
información pública sobre la web señala que actualmente (2001) ésta es entre
400 a 550 veces más grande que lo que el mundo conoce como Internet.
Ø Sesenta de los mayores sitios de web
profunda contienen colectivamente alrededor de 750 terabytes de información -
suficientes por sí mismos para superar el tamaño de la web superficial en
cuarenta veces su tamaño.
Ø La web profunda es la categoría de mayor
crecimiento en información de la nueva Internet.
Ø La información alojada en sitios de web
profunda tienden a ser más selectivos, con contenidos más extensos que los
sitios superficiales comunes.
Ø La relación contenido y calidad de la
web profunda es de 1.000 a 2.000 veces mayor que la de la web superficial.
Ø Los contenidos de la web profunda son
altamente relevantes para todas las necesidades de información, mercadeo, y
dominio de Internet.
Ø Más de la mitad del contenido de la web
profunda reside en bases de datos sobre temas específicos.
Ø Un total de noventa y cinco por ciento
de la web profunda es de información accesible al público, no sujeta a cuotas o
suscripciones.
Infografía:
Comentarios
Publicar un comentario