1 Análisis Bibliométricos en InternetAlicia Ocaso y Silvia Spinak 1 1

2 Bibliometría Definición: Bibliometría es la “aplicación de análisisestadísticos para estudiar las características del uso y creación de documentos”. Spinak, E “Diccionario Enciclopédico de Bibliometría, Cienciometría e Infometría”. Pág. 34. 2 2

3 Aplicación en la Web Aplicar hipótesis y leyes de la Bibliometría para: Analizar el comportamiento de los documentos Medir recursos, acceso y utilidad de la información publicada en Internet Valorar el impacto de esa información 3 3

4 OCLC Research / Web Characterization Project (Setiembre 1999)Sitio Def. 1: es un grupo de páginas Web localizadas en la misma dirección IP Def. 2: un conjunto de páginas que se relacionan temáticamente dentro de una misma dirección IP OCLC Research / Web Characterization Project (Setiembre 1999) 4 4

5 Página Unidad de información Página = DocumentoConsiste en uno o más recursos Web, que serán vertidos simultáneamente como una unidad en la pantalla. Los recursos Web son el texto, imágenes, sonido, etc. Página = Documento 5 5

6 ¿Qué medimos en la Web? A nivel macro: Con las direcciones IP medimossitios Con los motores de búsqueda medimos páginas 6 6

7 Algunos números 7 7

8 OCLC Online Computer Library Center, (Setiembre 1999)Cantidad de sitios Número de sitios 4,882,000 (+/- 3%) Crecimiento ,570, ,851, ,882,000 Permanencia Direcciones IP cambiadas = 44% OCLC Online Computer Library Center, (Setiembre 1999) 8 8

9 Recuperación de páginasCobertura estimada de diferentes buscadores según NEC Steve Lawrence and C. Lee Giles, NEC Research Institute (Setiembre 1999) 9 9

10 Cantidad de páginas Según Nature, se estima que existen unas 800 millones de páginas. Porcentaje de cobertura por los distintos buscadores Danny Sullivan, Search Engine Watch (Setiembre 1999) 10 10

11 Cantidad de páginas Cantidad de páginas indexadas por los distintos buscadores Danny Sullivan, Search Engine Watch (Setiembre 1999) 11 11

12 Danny Sullivan, Search Engine Watch (Setiembre 1999Motores de búsqueda Crecimiento temporal Danny Sullivan, Search Engine Watch (Setiembre 1999 12 12

13 Distribución por idiomaAcceso por idioma: 57% en inglés Global Reach Web Site 13 13

14 Uso de la Web En Terabytes trasmitidos de 1992 a 1995.1 Terabyte = 1 billón de bytes = más de CDs Ray Larson, Berkeley, 1996 14 14

15 Encuestas de uso de la WebLas encuestas buscan detectar: las páginas más citadas los sitios más importantes y productivos qué nuevas palabras pueden ser utilizadas para clasificar los sitios, y sus documentos o páginas 15 15

16 Tipos de encuestas Preguntas a los usuarios Muestreos de documentos 16

17 Una metodología Georgia Tech Graphics, Visualization, andUsability Web Surveys programas inteligentes recopilación de datos uso intensivo de análisis estadístico recolección de datos cualitativos (formularios HTML) grandes muestreos y muestreos al azar 17 17

18 Objetivos de las encuestasBibliométricamente, las encuestas buscan hacer agrupaciones (clusters) de distintos tipos para determinar cuáles son las tendencias en el uso de la Web Pueden medir cómo reaccionan los usuarios y cómo utilizan los documentos sin necesidad de preguntarles directamente 18 18

19 Características de los documentos WebDel mismo modo que existen diferentes guías de publicación y normas que influyen en la Bibliometría de los documentos impresos, los documentos Web también tienen sus características. 19 19

20 Grupo de investigación Inktomi (Hotbot)Examinaron Tamaño del documento Uso de los tags de HTML Cantidad de tags con respecto al tamaño promedio de documento Uso de los atributos de los tags Errores de sintaxis de los tags Uso de la extensión de especificación de browser Protocolos utilizados en las URLs hijas Tipo de archivo utilizado en las URLs hijas Número de links embebidos en las páginas Legibilidad Utilización de puerto en el servidor 20 20

21 Grupo de investigación Inktomi (Hotbot)Crearon tablas ponderadas detectando información del tipo cuáles eran las 10 términos más utilizados cuáles los 10 errores más comunes Conclusiones existencia de múltiples características medibles posibilidad de identificar la unicidad del documento. este tipo de información luego podría ser utilizada para comparar e identificar el comportamiento de los usuarios con respecto a determinado tipo de documento. 21 21

22 ¿Qué hacemos con estos números?22 22

23 Dificultades en el análisis estadísticoImposibilidad de tener cifras exactas de sitios y páginas Inestabilidad de los sitios y páginas 23 23

24 Inestabilidad Los sitios y páginas de Internet son efímeros y muy cambiantes. Los documentos en la Web son “el punto intermedio de lo publicado y lo no publicado”. Koehler, W “An Analysis of Web Page and Web Site Constancy and Permanence” Pag. 162. 24 24

25 Estudios realizados E.E.U.U. Israel Wallace KoehlerDiciembre de 1996 a Enero 1998 Koehler, W “An Analysis of Web Page and Web Site Constancy and Permanence”. Israel Bar-Ilan, J. y Peritz, B. Enero a Junio de 1998 Bar-Ilan, J. y Peritz, B “The Availability and Life Span of a Specific Topic on the Web; the Case of “informetrics”: a Quantitative and Content Analysis” 25 25

26 ¿Cuán permanentes son los sitios en Internet?Tres tipos de comportamiento: Permanencia: en un año, el 31% habían cambiado de dirección Intermitencia: en una semana, el 5% desaparece pero vuelven Desaparición: en una semana, el 0,5% desaparece totalmente Koehler, W “An Analysis of Web Page and Web Site Constancy and Permanence” Pag. 179. 26 26

27 ¿Cuán constantes son los sitios en Internet?El 97% sufrieron algún tipo de cambio Cambio: Estructura Tamaño Koehler, W “An Analysis of Web Page and Web Site Constancy and Permanence” Pag. 179. 27 27

28 ¿Difiere el comportamiento por tipo de sitio?Los más estables: nombre de institución en el dominio los sitios .gov Los que más cambian: los sitios .com los sitios .edu Difieren según quién lo publique Koehler, W “An Analysis of Web Page and Web Site Constancy and Permanence” Pag 28 28

29 Internet = “cerebro mundial”El escritor H.G.Wells de finales de la década del 30, predijo la creación de un cerebro mundial en el libro “World Brain”. Si Internet es el cerebro mundial, podemos decir que: tiene poca memoria cuando recuerda, cambia mucho de manera de pensar. Koehler, W “An Analysis of Web Page and Web Site Constancy and Permanence” Pag. 179. 29 29

30 Medición de Impacto 30 30

31 Impacto de los sitios en la WebBuscar patrones de distribución y uso de la información basado en citas y sus frecuencias de uso La bibliometría mide el impacto número de citaciones al documento en un año / la cantidad de publicaciones Las citas en Internet cantidad de visitas enlaces o links 31 31

32 Mediciones NO objetivasContar cantidad de accesos Engañoso Hábitos del usuario Contar los enlaces o links Efecto “Mateo” Efecto “Matilda” 32 32

33 Categorización de sitios según su actividad de citasCiegos Sólo reciben citas y no responden Autoritativos Se los cita más que lo que ellos citan a otros Ejes Citan más de lo que los citan a ellos Puentes Citan en casi la misma proporción que son citados 33 33

34 Gráfica de categorización 34 34

35 Leyes Bibliométricas en la WebLey de Zipf Ley de Bradford 35 35

36 Ley de Zipf Analiza las distribuciones de frecuencias en una lista ordenada de “fuentes” que producen “items”, ej. Palabras. Ley del mínimo esfuerzo (comportamiento individual de todo individuo). 36 36

37 Aplicación en la Web Cuanto más enlaces o links deba hacer el usuario para llegar a una página, menos visitas recibirá. El esfuerzo en la Web se mide en tiempo y no en dinero. 37 37

38 Ley de Bradford “Si las revistas científicas se ordenan en secuencia decreciente de productividad de artículos sobre un tema dado, éstas pueden dividirse en un núcleo de revistas dedicadas más en particular al tema y varios grupos o zonas conteniendo el mismo número de artículos que el núcleo, donde el número de revistas en el núcleo y las zonas sucesivas estará en la relación de 1 : n : n2” . Spinak, E “Diccionario Enciclopédico de Bibliometría, Cienciometría e Infometría”. Pág. 38. 38 38

39 Ley de Bradford Las publicaciones se distribuyen en un núcleo y luego en una zona de dispersión que Bradford la dividió en 2 partes. Las primeras publicaciones se agruparán en el núcleo y las siguientes en la zona de dispersión en esa relación matemática. Ejemplo: En el núcleo: 8 revistas publican 110 artículos En zona de dispersión: 29 revistas publican 133 artículos 127 publican 152 artículos 39 39

40 Aplicación en la Web La indexación temática cumple la misma distribución. En Internet se observa que a medida que transcurre el tiempo, al principio hay un incremento sostenido en el enlace a un tema, pero luego sigue una abrupta y permanente reducción. 40 40

41 Sitios Actualizados Expresión: R= número de enlaces en el 1er. AñoR, Ra, Ra2, Ra3, Ra4, ..., Rat-1 Sirve para medir el grado de obsolescencia en el tiempo. Necesidad de mantener los sitios actualizados. 41 41

42 Estudios de Casos 42 42

43 I) Datos bibliométricos a partir de un servidorDownie analizó las siguientes categorías: Análisis de la solicitud de información Análisis basados en el usuario Quién es (organización) De dónde viene (ubicación geográfica) Qué es (qué tipo de browser utiliza) Análisis basado en los bytes Downie, Stephen J. 1996 43 43

44 Datos bibliométricos a partir de un servidorEstas técnicas pueden unirse para crear un escenario detallado de la visita o visitas del usuario al sitio y de sus preferencias, sus problemas y sus acciones. Downie descubrió que las solicitudes de información coincidían con la distribución de Zipf. 44 44

45 Datos bibliométricos a partir de un servidorOtros resultados confirmaron que una configuración pobre del servidor así como falta de acceso y uso a los archivos logs completos hacían que se perdiera mucha información. Se debe destacar que Downie tuvo en cuenta criterios éticos para la observación que la mayoría de los webmaster no practican. 45 45

46 II) Valorando el impactoEstudio realizado por Josep M. Rodríguez i Gairín de la Universidad Politécnica de Catalunya, 1997. Usando capacidad de indización y recuperación del buscador Altavista 46 46

47 Limitaciones del “Citation Index de Internet”Utiliza metainformación de las “KeyWords” para generar sus índices Anchor:xx Host:xx image:xx link:xx title:xx 47 47

48 Midiendo el impacto Contadores estadísticos complementado conPáginas externas que “las citan” Impacto de la Institución = Páginas que son citadas/páginas publicadas 48 48

49 Análisis comparativo Impacto de Universidades españolasUPM UPC UJI UCM Páginas Enlaces Cociente UPM =Universidad Politécnica de Madrid UPC = Universidad Politécnica de Catalunya UJI = Universidad Jaume I UCM = Universidad Complutense de Madrid 49 49

50 Consideraciones a este modelo de valoraciónLos robots no recogen todas las páginas (limitaciones: bajo suscripción, passwords, páginas aisladas, protocolos de exclusión, etc.) La fiabilidad en la búsqueda es bastante discutible La cantidad de enlaces no es proporcional a la calidad de la información 50 50

51 III) Análisis de citación y co-citación en la WebEstudio realizado por Ray Larson de la Universidad de California, Berkeley, El análisis de co-citación se ha desarrollado en las ciencias para identificar el centro de artículos, autores o revistas en un campo de estudio. 51 51

52 Adaptaciones para la WebSeleccionar el conjunto central de documentos para el estudio (“foco”) Recuperación de frecuencias de cocitación dentro del foco Compilar las cocitaciones en una matriz de frecuencia Análisis de correlación para convertir esas frecuencias en coeficientes de correlación Análisis multivariado de la matriz de correlación Interpretación del mapa de resultado 52 52

53 Recolección de InformaciónTemas: Sistema de información geográfica Ciencias de la Tierra Testeo remoto por satélite Se encontraron 115 Páginas de las 43 más relevantes --> 7209 links luego análisis --> > 115 análisis exhaustivo --> 34 53 53

54 “Foco” de estudio = 34 direcciones 54 54

55 Citas por cada par de URLsMatriz de cocitación Citas por cada par de URLs 55 55

56 Representación geométrica de la relaciónEscala Mutlidimensional (MDS) 56 56

57 Resultados del estudioLos enlaces hipertexto funcionan de manera parecida a las co-citaciones de autores. Aplicar las técnicas de co-citación produjo resultados razonables. 57 57

58 Conclusiones 58 58

59 Conclusiones La Web es, por un lado un medio poderoso para poder publicar a bajo costo y gran rapidez. Por otro lado, ese crecimiento en cantidad no acompaña a la calidad ni en la posibilidad de fácil recuperación. 59 59

60 Conclusiones La información en la Web fluye hacia la entropía. Es por eso que es necesario aplicar teorías de otras disciplinas para desarrollar nuevos métodos, técnicas de modelado para examinar esta telaraña tan compleja. Sin duda las Ciencias de la Información pueden aportar una herramienta: Bibliometría. 60 60

61 Conclusiones Conocer las características de los documentos y la arquitectura de los sitios es fundamental para el desarrollo armónico de la Web del futuro. Debe incentivarse el uso de técnicas bibliométricas en nuestra realidad regional y nacional. 61 61

62 Bibliografía Abad, J.R “Breve historia de Internet”. Madrid: Ediciones Anaya. Bar-Ilan, J. y Peritz, B “The Availability and Life Span of a Specific Topic on the Web; the Case of “informetrics”: a Quantitative and Content Analysis” En Preceedings of the Seventh Conference of the International Society for Scientometrics and Informetrics, Mexico, U.de Colima. Corvillo Martínez, J “Indización web con identificadores geográficos para zonas específicas”. Downie, Stephen J “Informetrics and the World Wide Web: a case study and discussion”. Canadian Association for Information Science, June 2-3, at University of Toronto. En Turnbull,D Koehler, W “An Analysis of Web Page and Web Site Constancy and Permanence”. En Journal of the American Society for Information Science. 62 62

63 Bibliografía Larson, R “Bibliometrics of the Wold Wide Web: An Exploratory Analysis of the Intellectual Structure of Cyberspace”.http://sherlock.berkeley.edu/asis96/asis96.html Rodríguez, J.M “Valorando el impacto de la información en Internet: Altavista, el “Citation Index” de la Red”. En Spinak, E “Diccionario Enciclopédico de Bibliometría, Cienciometría e Infometría”. Venezuela: UNESCO. Turnbull,D “Augmenting Information Seeking on the World Wide Web Using Collaborative Filtering Techniques”. 63 63

64 Bibliografía Páginas visitadas del 16 al 27 de Octubre de 1999 64 64

65 Fin 65 65