LA WEB SUPERFICIAL Y LA WEB PROFUNDA

Fuente:

Velázquez, C., Ottaviano, M., Carnicero, S. y Rodríguez, C., Encontrando Tesoros en la Red. Universidad Tecnológica Nacional. Instituto Nacional Superior del Profesorado Técnico.  Recuperado de https://miriadax.net/web/encontrando-tesoros-en-la-red-4-edicion-/

LA WEB VISIBLE O SUPERFICIAL: es la parte de la web que puede conocerse con los  buscadores tradicionales.

Características de esta web:

-        La información no está contenida en bases de datos

-        Es de libre acceso

-        No se requiere la realización de un proceso de registro para acceder a la información.

-        En su mayoría 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: el resto, un amplio banco de información ubicado en catálogos, revistas digitales, blogs, entradas a diccionarios y contenido de sitios que demandan un login (aunque sea gratuito) y otros tipos de contenido que no aparecen entre los resultados de una búsqueda convencional.

Sherman y Price identifican cuatro tipos de contenidos invisibles en la Web:

-        la Web opaca (the opaque Web),

-        la Web privada (the private Web),

-        la Web propietaria (the proprietary Web) y

-        la Web realmente invisible (the truly invisible Web).

LA WEB OPACA: Sus archivos no están incluidos en los índices de los buscadores por los siguientes motivos:

-        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 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: contiene, en general, documentos excluidos deliberadamente por su falta de utilidad. Son los dueños de la información que contienen, los que deciden que no se encuentre disponible, por lo que es dificil encontrar mecanismos legítimos para encontrarla.  Constituida por páginas Web que podrían estar indizadas en los buscadores pero son excluidas deliberadamente por alguno de los siguientes motivos:

-        Las páginas están protegidas por contraseñas.

-        Contienen un archivo “robots.txt” para evitar ser indizadas.

-        Contienen un campo “noindex” para evitar que el buscador pueda indizar la parte correspondiente al cuerpo de la página.

LA WEB PROPIETARIA: páginas en las que es necesario registrarse para tener acceso al contenido, ya sea de forma gratuita o con costo.

LA WEB REALMENTE INVISIBLE: 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.

RECURSOS DE BUSQUEDA EN LA WEB PROFUNDA (en inglés, aunque las búsquedas pueden realizarse en español)

The WWW Virtual Library (http://vlib.org/) se considera el catálogo más antiguo en la web y fue iniciado por Tim Berners-Lee, el creador de la web.

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).

Microsoft Academic Search (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.