LA WEB PROFUNDA

     

                Cualquier persona que utilice internet, y no sea un especialista, cuando necesita encontrar información sobre algún tema, hace la consulta directamente en el buscador Google. Es el gran buscador de masas. Pero no toda la información que hay sobre un tema x en internet nos aparecerá a partir de una simple búsqueda en Google o de otro buscador generalista. Esto es así porque existe toda una serie muy amplia de información que queda fuera del alcance de estos buscadores. Esta información inaccesible se encuentra en la llamada  web profunda. 

Esta web profunda está integrada por catálogos, revistas digitales, blogs, entradas de diccionarios y el contenido que está ubicado en sitios que para acceder a ellos se necesita una contraseña o login tanto si estos sitios son de pago o gratuitos. La información que podemos en encontrar en esa web profunda está contenida generalmente en bases de datos.

Pero ese magma que conforma la web profunda a su vez puede dividirse en diversos ámbitos según el alcance y razón de que no se encuentren indexadas y por ello fuera del alcance de los buscadores convencionales. Los autores Sherman y Pirce presentan está división a partir de cuatro denominaciones: Web opaca,  web privada, web propietaria y la web realmente invisible. 

Veamos cómo son estos cuatro tipos de webs:

-        Web opaca: es aquella que abarca toda una serie de información que podría estar accesible para los buscadores, pero no lo están al no haber sido indexadas por los siguientes motivos: 

a)     No han sido indexadas por los buscadores por razón de economía.    

b)     La frecuencia de indexación supera la capacidad de indexación de los buscadores, puesto que son actualizadas muchas veces en poco tiempo.  

c)     Por el número de resultados visibles, esto es que a pesar de la gran cantidad de ítems que recuperan los buscadores a la hora de mostrarlos estos se ven reducidos, pues se hayan limitados los resultados en un abanico que van de los 200 a los 1000.

d)     Las URL desconectadas, que serían las informaciones que muestran un índice muy bajo de consultas por lo cual con el criterio de relevancia quedan fuera de la indización.

  Web privada: Las páginas  web que la conforman podrían haber sido indexadas pero han sido excluidas deliberadamente de poder ser indizadas por los titulares de la información que contienen y se han utilizado estas herramientas o recursos pasa impedirlo.

a)     Necesidad de contraseñas para acceder a ellas.

b)      Contienen un archivo “robots, txt” que impide ser indizadas.

c)     Con tienen un campo “noindex” para evitar que el buscador pueda acceder al cuerpo de la página.   

Web propietaria: Es la que incluye aquellas páginas que es necesario registrarse para tener acceso a su contenido sean gratuitas o de pago.  

Web realmente invisible: Aquí se engloban aquellas páginas que no pueden ser indezadas por las limitaciones técnicas de los buscadores, existencia en ella de programas ejecutables  archivos comprimidos, ser páginas que se generan directamente.