Internet Invisible

Internet invisible y web semántica: ¿el futuro de los
sistemas de información en línea?
1
Lluís Codina
UPF
(Junio 2003)
Resumen
Los cambios en la Web Invisible, cuyas fronteras no dejan de retroceder, y
el desarrollo de la web semántica marcarán buena parte del futuro de los
sistemas de búsqueda en línea de los próximos años. La Web Invisible es
cada vez menos invisible porque, pocoa poco, y de una forma u otra, sus
contenidos se van incorporando a los motores de búsqueda. La web
semántica es la más ambiciosa e importante apuesta tecnológica y científica
del W3 Consortium y afectará en gran medida los desarrollos futuros en
sistemas de representación y acceso a la información
Palabras Clave
Web Invisible, Formatos de documentos, Motores de búsqueda, Web
semántica0. Metodología
Para este trabajo, nos hemos basado ampliamente en los resultados
obtenidos de un proceso de análisis sistemático de funciones de búsqueda y
representación de la información en sistemas de información documental en
línea, entre los que destacan los análisis realizados a motores de búsqueda,
multibuscadores y bases de datos en línea. Este trabajo se ha beneficiadotambién de las discusiones de un grupo de expertos
2
que se llevan a cabo
en un seminario de sistemas de información documentales desarrollado a lo
largo del año 2003 y coordinado por el autor en el seno de dos proyectos de
investigación financiados que se llevan a cabo en el Instituto de Lingüística
Aplicada (IULA) de la Universitat Pompeu Fabra (UPF).
1. Internet invisible
Internetinvisible 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 como Google o AltaVista. Pese al nombre,
afortunadamente, la web invisible es perfectamente visible ya que los
contenidos de tales páginas y sitios web pueden ser vistos o bien mediante
un navegador convencional obien mediante un navegador complementado
con algún programa adicional (plugin).

1
Publicado originalmente en la revista Tradumática (2003)
2
Participaron habitualmente en el Seminario de Documentación-IULA en el período cubierto por este
trabajo (enero-junio 2003): Miquel Centelles, Mercè Lorente, Mari Carmen Marcos, Gemma Martínez,
Maria delValle Palma y Cristòfol Rovira.

Por tal motivo, debería denominarse, en realidad, la web "no indizable", lo
cual es un término mucho más adecuado, pero claramente alejado de la
capacidad de sugeridora del término "invisible". Dado que, sin embargo es
el término más habitual incluso en la bibliografía técnica, usaremos en este
trabajo el término Web o Internet invisible parareferirnos a información
publicada en servidores Web que, por diversos motivos no puede ser
indizada y, por tanto, no puede ser encontrada por los motores de
búsqueda convencionales.
Veamos ahora porqué hay contenidos no indizables en la Web. Hay, al
menos tres motivos. En un orden no significativo, podemos decir que el
primer motivo son los formatos de los documentos. Losmotores de
búsqueda fueron creados originalmente para descargar, leer e indizar
páginas HTML. Cualquier otro formato era ilegible, es decir, invisible para
tales motores. Todos sabemos de la proliferación de formatos no HTML en la
Web (que, sin embargo se integran con toda facilidad en el navegador). Es
el caso, por ejemplo, de los cada vez más abundantes documentos en
formato .pdf(documentos Acrobat) e incluso en formato .doc (documentos
Word). En la medida en que una parte de los contenidos de la Web está
formada por documentos no HTML, esa parte es candidata a ser Internet
invisible.
Figura 1. Parte de un documento en formato no HTML (svg) visto en
un navegador
(http://www.mapageweb.umontreal.ca/turner/meta/english/)
El segundo motivo son las páginas que se...