Conducta de búsqueda de usuarios de internet en google.com

UNIVERSIDAD POLITÉCNICA DE VALENCIA ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA LICENCIATURA EN DOCUMENTACIÓN Conducta de búsqueda de usuarios de internet en google.com Proyecto Final de Carrera presentado por: ANA CASADO SÁNCHEZ Directora: NURIA LLORET ROMERO Codirector: JORGE SERRANO COBOS Valencia, septiembre de 2011 ÍNDICE 1. Introducción ............................................................................................................. pág. 6 2. Justificación del estudio ......................................................................................... pág. 9 2.1. Jerarquía de la información .......................................................................... pág. 18 3. Estado de la cuestión .............................................................................................. pág. 22 3.1. Recopilación de información. Metodología ................................................. pág. 22 3.2. Análisis de la bibliografía ............................................................................... pág. 24 3.2.1. Búsquedas. Línea de tiempo ................................................................. pág. 25 3.2.2. Búsquedas. Acoplamiento bibliográfico ............................................. pág. 27 3.3. Estudios sobre el tema: .................................................................................. pág. 35 3.3.1. Estudios sobre análisis de búsquedas ................................................. pág. 35 3.3.2. Intención de búsqueda ........................................................................... pág. 39 3.3.3. Propuesta ................................................................................................. pág. 40 4. Hipótesis ................................................................................................................... pág. 41 5. Material y métodos ................................................................................................. pág. 43 5.1. Material de trabajo ......................................................................................... pág. 43 5.2. Metodología ..................................................................................................... pág. 44 5.3. Datos. Limitaciones. Delimitación del universo y la muestra .................. pág. 46 5.3.1. Datos ......................................................................................................... pág. 46 5.3.2. Limitaciones y decisiones ...................................................................... pág. 50 5.3.2.1. Limitaciones ...................................................................................... pág. 50 5.3.2.2. Decisiones .......................................................................................... pág. 51 5.4. Diseño de los experimentos .......................................................................... pág. 54 5.4.1. Obtención de datos para el estudio ...................................................... pág. 54 5.4.2. Extracción de datos ................................................................................ pág. 54 6. Resultados y análisis ............................................................................................... pág. 57 6.1. Datos de palabras clave y búsquedas........................................................... pág. 57 6.1.1. Longitud de la palabra clave ................................................................. pág. 57 6.1.2. Uso de operadores booleanos ............................................................... pág. 61 6.1.3. Intención de búsqueda ........................................................................... pág. 62 6.1.4. Longitud de la palabra clave e intención de búsqueda ..................... pág. 64 6.1.4.1. Búsqueda informativa y palabras clave ........................................ pág. 65 6.1.4.2. Búsqueda navegacional y palabras clave ...................................... pág. 66 6.1.4.3. Búsqueda transaccional y palabras clave ..................................... pág. 67 6.1.5. Palabras clave y LEMBP ......................................................................... pág. 68 6.1.5.1. Los subencabezamientos de forma................................................ pág. 69 6.1.6. Búsquedas y LEMBP ............................................................................... pág. 71 6.1.6.1. Principios básicos de la LEMBP ..................................................... pág. 72 6.1.6.2. Las búsquedas y el principio de especificidad ............................ pág. 73 6.1.6.3. Las búsquedas y el principio de síntesis de la LEMBP ................ pág. 75 6.1.6.4. Nuevos soportes y nuevos términos ............................................. pág. 75 6.1.6.5. Principio lingüístico de la LEMBP .................................................... pág. 76 6.1.7. Observaciones ......................................................................................... pág. 77 7. Conclusiones ............................................................................................................ pág. 78 7.1. Propuesta metodológica de Análisis de usuarios....................................... pág. 81 8. Discusión .................................................................................................................. pág. 84 9. Investigación futura ................................................................................................ pág. 85 Bibliografía ...................................................................................................................... pág. 87 Anexo 1 ........................................................................................................................... pág. 90 Anexo 2 ............................................................................................................................ pág. 104 ÍNDICE DE FIGURAS Figura 1. Información directa e indirecta. .................................................................... pág. 8 Figura 2. La cadena documental ................................................................................... pág. 9 Figura 3. Interfaz de registro de libros de LibraryThing .............................................. pág. 10 Figura 4. Nube de etiquetas realizada con la herramienta Wordle .............................. pág. 12 Figura 5. Comparación actividades de profesional información vs. usuario ................ pág. 13 Figura 6. Página de resultados de búsqueda del catálogo de la UCA ............................ pág. 16 Figura 7. Página de inicio de las Bibliotecas públicas de la Comunidad de Madrid ...... pág. 18 Figura 8. Página de inicio de las Bibliotecas públicas de Cataluña .............................. pág. 19 Figura 9. Página de inicio de la Red Bibliotecas públicas de Navarra .......................... pág. 19 Figura 10. Página de inicio de la Red electrónica de lectura pública valenciana ............ pág. 20 Figura 11. Línea de tiempo.............................................................................................. pág. 26 Figura 12. Estudio Eyetraking ......................................................................................... pág. 37 Figura 13. Cuota de mercado de los principales buscadores en 2009 ............................ pág. 43 Figura 14. Hoja de cálculo utilizada en este estudio ....................................................... pág. 45 Figura 15. Representación gráfica de la toma de decisiones en la elección de palabras clave ............................................................................................................... pág. 47 Figura 16. Interfaz Herramienta para buscar palabras clave de Google adwords .......... pág. 48 Figura 17. Cuadro de diálogo para elegir formato de archivo de descarga de datos de Palabras clave. Google Adwords .................................................................... pág. 49 Figura 18. Interfaz de búsqueda de palabras de Google Adwords. Búsquedas globales mensuales destacadas .................................................................................... pág. 50 Figura 19. Interfaz Página principal Google.es ............................................................... pág. 54 Figura 20. Hoja de cálculo. Fórmula recuento de palabras ............................................ pág. 56 Figura 21. Relación entre longitud de palabra clave y volumen de búsquedas generadas ....................................................................................................... pág. 57 Figura 22. Tabla de uso de operadores booleanos .......................................................... pág. 61 Figura 23. Intención de búsqueda. Datos sobre el volumen de búsquedas .................... pág. 62 Figura 24. Datos actualizados del estudio de Jansen y Booth con la incorporación de datosde nuestro estudio. Tabla ..................................................................... pág. 63 Figura 25. Longitud de palabra clave vs Intención de búsqueda. Tabla ......................... pág. 64 Figura 26. Intención de búsqueda por longitud de palabras clave ................................. pág. 65 Figura 27. Palabras clave vs Búsquedas cuando se formulan búsquedas informativas . pág. 65 Figura 28. Palabras clave vs Búsquedas cuando se formulan búsquedas navegacionales ............................................................................................... pág. 66 Figura 29. Palabras clave vs Búsquedas cuando se formulan búsquedas transaccionales .............................................................................................. pág. 67 Figura 30. Palabras clave que utilizan términos recogidos en la LEMBP ....................... pág. 68 Figura 31. Palabras clave que utilizan algún término de la lista ampliada de subencabezamientos de forma de la LEMBP ................................................. pág. 69 Figura 32. Palabras clave que utilizan algún término de la lista original de subencabezamientos de forma de la LEMBP ................................................. pág. 70 Figura 33. Búsquedas que utilizan términos recogidos en la LEMBP ............................. pág. 71 Figura 34. Porcentaje de búsquedas por nombre propio ............................................... pág. 73 Figura 35. Palabras clave más utilizadas ........................................................................ pág. 74 Figura 36. Principio de síntesis de las búsquedas que contienen términos del LEMBP . pág. 75 Figura 37. Nuevos términos incorporados a la lista de subencabezamientos de forma. pág. 75 Figura 38. Usuarios de internet hispanohablantes. Tabla ................................................. pág. 106 Figura 39. Buscadores más usados por países hispanohablantes en 2010. Tabla ............... pág. 107 Figura 40. Tabla ponderada uso de Google en español ..................................................... pág. 108 6 1. INTRODUCCIÓN Internet ha supuesto, desde su popularización a mediados de los años 90, una revolución en el ámbito del acceso a la información. Antes de la llegada de Internet, la biblioteca era la protagonista del mundo de la información (Lozano, 2010). En la actualidad los buscadores se han convertido en la primera herramienta de búsqueda de información y servicios para el 80% de los usuarios de internet (Jansen, 2004). La adaptación por parte del usuario parece que ha sido rápida. Los primeros buscadores de la Web emulaban las funcionalidades de los buscadores tradicionales utilizadas en los OPAC (Catálogos en línea de las bibliotecas). Daban la posibilidad de realizar búsquedas complejas utilizando operadores booleanos (AND, OR, AND NOT,…), búsquedas por campos,… pero algunos estudios reflejan en sus resultados que menos del 5% de las búsquedas en internet recogidas utilizaba operadores booleanos (Spink, Wolfran, Jansen y Saracevic, 2001) confirmando que el usuario no estaba interesado en utilizar la tradicional búsqueda avanzada. Además de los buscadores, la Web 2.0, entendida como plataforma (O'Reilly, 2006), proporciona una serie de aplicaciones, blogs, wikis, redes sociales, entornos para compartir recursos, en las que el usuario aporta y comparte conocimientos e información con el resto de usuarios y ha generado un nuevo escenario en el que las interfaces de usuario y los sistemas de información se han hecho cada vez más sociales, destinados a apoyar la producción descentralizada, de cooperación y el uso de contenidos. (Pirolli, 2009). Y el cambio va a más. La tecnología avanza y sigue modificando nuestros hábitos. Nuevos dispositivos favorecen nuevas conductas. Los dispositivos móviles con acceso a Internet permiten estar conectados a la red en cualquier lugar, las 24 horas al día. El usuario maneja un gran volumen de información, y tiene la posibilidad de compartirla con otros usuarios y retroalimentarse. La demanda de la banda ancha en España sigue creciendo. Durante 2010 se han sobrepasado los 10 millones de líneas de banda ancha fija habiéndose experimentado un crecimiento del 8,3% en el último año. Por otro lado, la realidad móvil ha crecido aún más: Telefónica cuenta con más de 4,3 millones de usuarios de banda ancha móvil, 2 veces más que en el año 2009, lo que supone un crecimiento interanual del 58,7%. En el caso de los datacards el crecimiento ha sido de casi 900.000 unidades, lo que supone un ascenso en el último año de un 60,8% según datos de la CMT. Ante estas cifras es evidente que la banda ancha es una realidad cada vez más demandada y cada vez más ubicua. (Fundación Telefónica, 2011) 7 La aparición de nuevos soportes de acceso a internet, como móviles y tabletas, no ha hecho más que reforzar la afirmación de Pirolli, que sigue vigente, y a la hora de diseñar un sistema de información deberemos tener en cuenta cuáles son las necesidades, preferencias y habilidades de nuestros usuarios. En definitiva, requerirá, por parte del diseñador, un perfil del usuario, que se dibuja a partir de la información que tenemos del mismo. Pero, ¿de dónde obtenemos esa información? Cuando hablamos de diseño centrado en el usuario, las técnicas para obtener esta información son principalmente: encuestas, entrevistas y estudios de campo. (Martín Fernández, Hassan Montero, 2004) Entre los estudios de campo podemos incluir el análisis de la información que se genera a través de cada una de las actividades que realiza el usuario en la web. Nuestro objetivo en este proyecto será analizar la actividad de recuperación de información a través de la consulta a buscadores para obtener información que nos ayude a conocer y comprender cuáles son las tendencias actuales en las búsquedas de internet, con el fin de diseñar mejores sistemas de búsqueda, implementando los motores o mejorando las interfaces de usuario, y ayudándonos también a organizar de una forma más adecuada el contenido de nuestros sistemas de información. ¿y por qué vamos a estudiar las búsquedas? El usuario, que es el que realiza la acción de búsqueda hace un ejercicio de síntesis para describir con unas pocas palabras una necesidad de información. En definitiva, nuestro objetivo será acercarnos al usuario recogiendo e interpretando los términos que utiliza cada vez que hace una búsqueda de contenido. Se va a hacer uso de la inteligencia colectiva para obtener los datos. La inteligencia colectiva, como comenta Segaran, es un término popularizado con la llegada de las nuevas tecnologías de la información (2008, 30). Consiste, a groso modo, en recopilar datos de diferentes grupos de personas, combinarlos y analizarlos. Aunque los métodos de inteligencia colectiva existían antes de la web, ésta, con millones de usuarios aportando información constantemente parece un buen lugar para recopilar datos (Baeza Yates, 2011b). Baeza Yates también habla del poder de los datos en la web. Y diferencia entre datos explícitos de los que podemos obtener información semántica de forma directa, 8 como metadatos o etiquetas, y datos implícitos, que necesitarán ser procesados para obtener dicha información semántica. Información DIRECTA Información INDIRECTA ↓ ↓ Datos explícitos Datos implícitos Metadatos Texto RDF Anchors + Links enlaces intradocumento + enlaces interdocumento Wikipedia ODP Y! Answers Consultas + clicks Flickr Figura 1. Información directa e indirecta. Fuente: Baeza Yates, 2011a Baeza-Yates plantea que, por ejemplo, cada vez que buscamos algo y hacemos click en una página, podemos interpretar que estamos etiquetando la página con la consulta. Y puntualiza que en realidad estos datos no están en la web, son datos sobre lo que hacen las personas en la web. (2011b) Y también nos habla de la calidad de los datos utilizados justificando su uso para emprender investigación basándose en los mismos: aunque los datos generados por las personas no tienen la misma calidad que los datos editoriales, es decir los datos generados por un periódico, la cantidad de ellos es tan grande que para la misma calidad hay más datos generados por la web 2.0 que datos generados por periódicos. (2011a) 9 2. JUSTIFICACIÓN DEL ESTUDIO Desde hace más de una década se han publicado estudios para saber cómo buscan los usuarios en internet, la mayoría de las veces con la intención de implementar los motores de búsqueda y así obtener resultados que mejor satisfagan nuestra necesidad de información. En la actualidad la tecnología al alcance del usuario es mucho más sofisticada, tenemos más recursos para participar en la red, y el uso de internet se ha incorporado de forma natural a nuestro día a día. With Phase Two of the World Wide Web, we usher in a new era of online experience; the age of the amateur.[…] Web 2.0 has embraced the ordinary user with easy-to-use online tools that have enabled everyone to participate (Kroski, 2007, 91). El usuario de internet, haciendo uso de las herramientas de la Web 2.0 se ha convertido en catalogador, indizador y recuperador de información. Estas son actividades propias de bibliotecarios y documentalistas, y forman parte del proceso documental, que es el conjunto de operaciones dirigidas a la selección, la adquisición, el registro y el tratamiento de los documentos con el fin de posibilitar su almacenamiento y recuperación para su difusión: entrada de documentos tratamiento técnico salida de información catalogación difusiónpolítica de adquisición selección adquisición registro sellado análisis de contenido indización resumen 1 2 recuperación Figura 2. La cadena documental 1. La catalogación. Es el análisis de la forma, o descripción bibliográfica. El objetivo de la catalogación es suministrar una representación del documento que lo describa de forma única, sin ambigüedades, y que permita luego identificarlo, localizarlo, incorporarlo a los ficheros 16 Figura 6. Página de resultados de búsqueda del catálogo de la UCA Hay bibliotecas, como la de la Universidad de Cádiz, que han implementado sus sistemas de recuperación de información con herramientas de la web 2.0, como nubes de etiquetas que se nutren de los encabezamientos de materia y de las etiquetas que asignan los usuarios a los documentos (http://www.uca.es/area/biblioteca). Algunas etiquetas son muy genéricas y pueden aplicarse a muchos documentos o a distintos contenidos web, pero la combinación de estas etiquetas con otras más específicas nos permitirá describir y recuperar contenido específico. Aún así, debido a la naturaleza más genérica que específica de los tags, la indización social sería más apropiada para ofrecer sistemas de navegación (Hassan Montero, 2006a). Si somos capaces de incorporar esta información, a nuestro sistema de información podremos tener una herramienta de navegación y desambiguación de búsquedas, como el catálogo de la UCA, y también nos aportará información acerca del nivel que tienen nuestros usuarios sobre temas específicos o contenido que podamos ofrecer a través de nuestro sistema de información. Otra información que podemos obtener al estudiar las búsquedas, es la intención con la que se realizan. Cuando Jansen habla de intención de búsqueda se refiere a la forma en la RELEVANCIA TAGS FACETAS 17 que el usuario expresa el objetivo de su búsqueda (2010). Por la expresión que utilice podremos entender que busca un tipo u otro de información. La intención de búsqueda se puede clasificar, siguiendo la propuesta de Broder (2002) en: a. Navegacional: Aquellas búsquedas que explícitamente hacen referencia a una institución, o a una información concreta, albergada en páginas concretas. El usuario busca llegar a algún sitio en particular. b. Transaccional: El objetivo del usuario, no es encontrar o localizar contenidos informativos, sino realizar alguna actividad en la web, transacciones o acciones de intercambio. c. Informativa: La intención es adquirir alguna información que se supone puede estar presente en una o más páginas web. En el caso de las búsquedas informativas, la precisión con la que formulemos nuestra petición, y lo específicos que hayamos sido en el etiquetado, nos dará unos resultados u otros. Siempre teniendo en cuenta que no siempre está disponible el documento que buscamos, y que en muchas ocasiones no buscamos una información concreta. Conocer la intención de búsqueda se puede aprovechar para clasificar mejor la intención del usuario de base y mejorar el rendimiento de los motores de búsqueda Web. (Jansen, 2010). Y también para tomar decisiones a la hora de determinar los componentes de un sistema de información, que podemos dividir en: a. sistemas organizativos: cómo categorizar la información, por ejemplo, por materias, cronológicamente,… b. sistemas de etiquetado: cómo representamos la información, por ejemplo, con terminología científica o común. c. sistemas de navegación: cómo navegamos o nos movemos a través de la información, por ejemplo, recorriendo una jerarquía. d. Sistemas de búsqueda: cómo buscamos información, por ejemplo, realizando una consulta sobre un índice. (Morville, Rosenfeld, 2006, 49) En cada caso deberemos conocer cuál es el nivel de conocimientos de nuestro usuario potencial respecto a la información que ofrece nuestra web o sistema de información, qué tipo de información es la más demanda, la que tiene más interés, cómo realiza las búsquedas, la experiencia de nuestros usuarios, y nos podremos apoyar en la información 18 que tengamos al respecto para tomar decisiones sobre la arquitectura de información de la web que estemos diseñando. 2.1. La jerarquía de la información Cuando un usuario accede a una página web, lo primero que hace es echar un vistazo general, una exploración visual, en la que se detectan cuáles son los contenidos de información más importantes, cómo se ha estructurado la información, por los menús, submenús, cabeceras, que hacen que detectemos cierta ordenación jerárquica del contenido de la página. Si echamos un vistazo a las páginas de inicio de las redes de bibliotecas de algunas comunidades autónomas, Madrid, Cataluña, Comunidad Valenciana y Navarra, por ejemplo, obtendremos resultados dispares. Algunos resultados nos llevan al catálogo en línea de la comunidad autónoma, otros a la página de inicio de las bibliotecas de la comunidad, otras solo nos dan direcciones. De entrada vemos que hay múltiples respuestas para una misma pregunta según la comunidad, que tiene que ver con el lugar que ocupan las bibliotecas públicas en la jerarquía administrativa en cada comunidad. Una vez seleccionadas lo que entendemos que son las páginas de inicio de las Bibliotecas Públicas de cada comunidad, podemos observar que se han tomado decisiones distintas a la hora de plantear el diseño de las webs: Figura 7. Página de inicio de las Bibliotecas públicas de la Comunidad de Madrid 19 Figura 8. Página de inicio de las Bibliotecas públicas de Cataluña Figura 9. Página de inicio de la Red Bibliotecas públicas de Navarra 20 Figura 10. Página de inicio de la Red electrónica de lectura pública valenciana No vamos a entrar aquí a analizar cada una de las webs, pero a simple vista observamos diferencias notables ya en las páginas de inicio de cada una de las cuatro que aquí mostramos, en el volumen de información ofrecido en cada una de ellas, el modo de estructurar los servicios, la importancia que se le da al catálogo, y también en los servicios que a simple vista ofrece cada una de ellas… Un mayor conocimiento de cómo buscan los usuarios y cómo etiquetan, nos pemitiría generar una mejor jerarquía de información. Si encontramos una tendencia clara en cómo buscan y etiquetan los usuarios, no debería haber portales tan dispares para temáticas y tareas tan concretas como las de portales tan similares, que en teoría se dirigen a un público similar, y ofrecen los mismos servicios básicos. Morville y Rosendelf definían Arquitectura Web (1998) como: - La combinación de la organización, etiquetado y los esquemas de navegación dentro de un sistema de información - El diseño estructural de un espacio de información para facilitar las tareas de acabado y acceso intuitivo a los contenidos. - El arte y ciencia de estructurar y clasificar sitios web e intranets para ayudar a los usuarios a encontrar y administrar su información. - Una disciplina emergente y una comunidad práctica enfocada en traer los principios de diseño y arquitectura a los entornos digitales. Nos hablan de entornos de información compartida, de distintos aspectos que se combinan en el sitio web, el tipo de organización, los sistemas de navegación, las búsquedas,… las decisiones que tomemos tendrán que tener en cuenta cada uno de 21 estos aspectos, y las tendremos que tomar apoyándonos en la información que tengamos sobre nuestra organización y sobre nuestros usuarios. Ronda León va un paso más allá en la definición y apunta que el nuevo enfoque de la arquitectura de información radica en la atención que le presta a la gestión de la información (organizar, estructurar, representar) y a las necesidades de usuarios (2005) estableciendo una relación directa entre las disciplinas de ciencias de la documentación y la arquitectura de la información que postula como una nueva disciplina dentro de la primera. 22 3. ESTADO DE LA CUESTIÓN Hasta el momento hemos tratado superficialmente varios temas relacionados con la descripción y recuperación de la información: búsquedas en la web, etiquetado social, intención de búsqueda, descripción de contenidos, etc. Llegados a este punto se hace necesario profundizar sobre los aspectos concretos en los que se centra este estudio: las operaciones de búsqueda de información por parte del usuario. Primero analizaremos la bibliografía de los artículos con los que nos hemos documentado para plantear este estudio en forma de línea de tiempo y acoplamiento bibliográfico. Esto nos dará una perspectiva general del camino recorrido en cada tema y de las líneas de estudio en las que nos hemos centrado y en las que se enmarca nuestro estudio. Y en segundo lugar se hace un repaso de los artículos publicados sobre búsquedas web, artículos que han sido nombrados en diferentes revisiones publicadas sobre cada tema. 3.1. Recopilación de información. Metodología Se realizan las primeras búsquedas en Google Académico, http://scholar.google.es/, utilizando términos genéricos, sobre todo para localizar autores, y hacer una evaluación rápida del volumen de publicaciones sobre el tema. Términos utilizados para hacer estas primeras búsquedas: searching and tagging, web searching, web searching data, searching the web, tagging, social tagging Los primeros artículos con los que trabajamos son:  Strong Regularities in World Wide Web Surfing, de Bernardo A. Huberman, Peter L. T. Pirolli, James E. Pitkow and Rajan M. Lukose, que se centra en la navegación  How are we searching the World Wide Web? A comparison of nine search engine transaction logs, de Bernard J. Jansen y Amanda Spink, que analiza los términos que utilizamos para interrogar al buscador. Una vez localizados los primeros artículos, y a través de sus palabras clave, se realizaron nuevas búsquedas: browsing retrieval, search intention, searching data semantic web, definición de servicio web,… 23 Se utilizó la bibliografía para localizar más artículos de interés en el tema que estamos estudiando. También utilizamos los términos de búsqueda en Google, y localizamos algunas webs y blogs relacionados con el tema de las que también hemos obtenido información pertinente: - No solo usabilidad, http://www.nosolousabilidad.com/ - The long Tail, http://www.longtail.com/the_long_tail/ - Grupo ThinkEpi, http://www.thinkepi.net/ - The MIT Media Lab, http://www.media.mit.edu/ - Wikipedia, http://es.wikipedia.org/wiki/Web_2.0 - Searchblog, http://battellemedia.com/ - Maestros del Web, http://www.maestrosdelweb.com/editorial/web2/ Acceso a las publicaciones científicas: Algunos artículos se pueden descargar directamente en Google Académico, son de libre acceso. Pero muchos de los artículos localizados son de acceso restringido, y la mayoría están publicados en la Biblioteca Digital de ACM, http://dl.acm.org/, por lo que se han podido descargar a través del catálogo de la biblioteca de la UPV, desde los ordenadores del campus. Otra fuente de información a la que hemos llegado a través de las búsquedas ha sido DBLP Computer Science Bibliography, http://www.informatik.uni-trier.de/~ley/db/, que es un servidor de información bibliográfica sobre las principales revistas de ciencias de la computación y otros procedimientos. DBLP indexa más de un millón de artículos y contiene más de 10.000 enlaces a páginas de inicio de científicos de la computación. DBLP se produce en el departamento de Ciencias de la Computación de la Universidad de Trier, en Alemania. De este servidor hemos obtenido principalmente información relativa a coautorías. 24 3.2. Análisis de la bibliografía A partir de la bibliografía recogida en los artículos citados en este trabajo hemos realizado una línea de tiempo que representa las publicaciones relacionadas con la búsqueda y recuperación de información, que tiene un mayor auge en los años 90, década que podríamos identificar como el origen histórico de la Era de la Documentación Digital (Rovira, 2004, 9) y con las publicaciones relacionadas con el etiquetado social. 3.2.1. Búsquedas. Línea de tiempo Línea de tiempo dibujada con la bibliografía de los artículos que hemos seleccionado para estudiar cómo buscamos y la intención de búsqueda de los usuarios. Interpretación de la línea de tiempo: - En la bibliografía hay dos referencias que no se han representado por una cuestión de espacio, ya que datan de 1945 y 1949. - De los títulos de los artículos de la década de 1970, podemos intuir que tratan de establecer las bases teóricas para conseguir eficiencia de los sistemas de recuperación de información: relevance, retrieval characteristics, relevance weighting, co-occurrence data, probabilistic models, theory of indexing, optimum term weighting,… - De los 80 encontramos pocas referencias bibliográficas. Y las que tenemos son sobre artículos genéricos o estudios experimentales sobre el uso de sistemas de información. - En 1989 aparece la primera referencia a un estudio del log de un OPAC. - Los años en blanco o con una producción significativamente más baja no coinciden necesariamente con que no haya habido producción. Es el caso de 1994 o 2009. Es difícil pensar que esos años no se publicara ningún artículo relacionado con el tema. - Pero sí parece significativo el volumen de artículos referenciados que se publicaron a finales de los años 90 y primeros 2000. Son artículos que analizaban las consecuencias de la aparición de los primeros buscadores. 25 El primer buscador fue Wandex, […] un robot desarrollado por Mattew Gray en el MIT, en 1993. Otro de los primeros buscadores, Aliweb, también apareció en 1993 y todavía está en funcionamiento. El primer motor de búsqueda de texto completo fue WebCrawler, que apareció en 1994. A diferencia de sus predecesores, éste permitía a sus usuarios una búsqueda por palabras en cualquier página web, lo que llegó a ser un estándar para la gran mayoría de los buscadores. También apareció en 1994 Lycos.[…] Muy pronto aparecieron muchos más buscadores, como Excite, Infoseek, Inktomi, Northern Light y Altavista. De algún modo, competían con directorios (o índices temáticos) populares tales como Yahoo!. Más tarde, los directorios se integraron o se añadieron a la tecnología de los buscadores para aumentar su funcionalidad. (Colaboradores de Wikipedia). Y por fin, en 1998, apareció Google. - Después del boom de publicaciones observamos que sigue habiendo publicaciones relacionadas con el tema. Se mantiene una publicación constante en la década del 2.000, y los artículos sirven de referencia para publicaciones posteriores. 32 - i. Indización social y recuperación de información 22. Abdulla, G., Fox E.A., & Abrams, M. (1997). Shared User Behavior on the World Wide Web. Proceedings of the WebNet’97, 54-59. Referencia bibliográfica en: - c. Real life, real users, and real needs: a study and analysis of user queries on the web - d. Real life information retrieval: a study of user queries on the web 23. Bates, M.J., Wilde, D. N. and Siegfried, S. (1993) An analysis of search terminology used by humanities scholars: The Getty online searching project report. Library Quarterly, 63 (1), 1-39. Referencia bibliográfica en: - c. Real life, real users, and real needs: a study and analysis of user queries on the web - d. Real life information retrieval: a study of user queries on the web 24. Fenichel, C. H. (1981). Online searching: Measures that discriminate among users with different.types of experience. Journal of the American Society for Information Science, 32, 23-32. Referencia bibliográfica en: - c. Real life, real users, and real needs: a study and analysis of user queries on the web - d. Real life information retrieval: a study of user queries on the web 25. Fenichel, C. H. (1981). Online searching: Measures that discriminate among users with different.types of experience. Journal of the American Society for Information Science, 32, 23-32. Referencia bibliográfica en: - c. Real life, real users, and real needs: a study and analysis of user queries on the web - d. Real life information retrieval: a study of user queries on the web 26. Saracevic, T. (1997). Users lost: Reflections on the past, future, and limits of information science. SIGIR Forum, 31 (2) 16-27 33 Referencia bibliográfica en: - c. Real life, real users, and real needs: a study and analysis of user queries on the web - d. Real life information retrieval: a study of user queries on the web 27. Spink, A. & Saracevic, T. (1997). Interactive information retrieval: Sources and effectiveness of search terms during mediated online searching. Journal of the American Society for Information Science, 48, (8), 741-761. Referencia bibliográfica en: - c. Real life, real users, and real needs: a study and analysis of user queries on the web - d. Real life information retrieval: a study of user queries on the web 28. Mathes, A. (2004). Folksonomies - Cooperative Classification and Communication Through Shared Metadata. Unpublished paper. Referencia bibliográfica en: - i. Indización social y recuperación de información - j. Structure and form of folksonomy tags: the road to the public library catalogue 29. Quintarelli, E. (2005). Folksonomies: power to the people. ISKO Italy-UniMIB meeting: Milan. June 24, 2005. Referencia bibliográfica en: - i. Indización social y recuperación de información - j. Structure and form of folksonomy tags: the road to the public library catalogue El artículo con mayor acoplamiento bibliográfico es el 2, Strong regularities in World Wide Web surfing, citado por 4 artículos de nuestra bibliografía (a, b, c, d). Le siguen el 3 y el 16, que han sido citados por (a, c, f) y (c, b, e) respectivamente. Luego tenemos grupos de artículos que son citados por los mismos artículos de la bibliografía. 34 Es el caso de los artículos [10, 11, 13, 14, 15], que han sido citados por (b, c, d), y por ningún otro artículo. Observamos que los artículos citados son de diferentes autores, pero con puntos en común: todos son artículos publicados en la década de los 90, y no necesariamente tratan sobre búsquedas en internet. Más bien la línea común de estos artículos es la observación de las conductas de los usuarios en el nuevo medio y el estudio de las posibilidades que ofrece para establecer un contacto directo con el usuario. El artículo de Kehoe y Pitkow analiza 5 encuestas en línea, la primera de 1994, proponiendo una metodología para extraer datos de calidad que puedan ser útiles en estudios posteriores. Y los tres artículos que citan a este grupo tienen en común al autor, Bernard J. Jansen, con lo que podemos extraer que los tres pertenecen a una misma línea de investigación del autor, las búsquedas en la web. Lo mismo ocurre con los artículos [5, 6], los 2 han sido citados por (a, b, e). La temática de nuestra bibliografía es clara, las búsquedas en la web. Los artículos citados se interesan por la accesibilidad a la información y la coocurrencia de pares de términos en las búsquedas de temas específicos en internet. Los dos artículos han sido citados en publicaciones de Jansen, que sigue una línea de estudio clara, los usuarios y las búsquedas en la web. 35 3.3. Estudios sobre el tema 3.3.1. Estudios sobre análisis de búsquedas Desde finales de los años 60 se publican estudios que evalúan la eficacia de los sistemas de información y proponen varemos para evaluar el rendimiento de los mismos, se desarrollan teorías y se proponen nuevos modelos para diseñar sistemas de información basándose en la exhaustividad y la precisión de los resultados de búsqueda, y midiendo la relevancia de los términos que se utilizan tanto en la descripción como en la recuperación de información para obtener resultados pertinentes. En los años 80 entran en las bibliotecas y centros de documentación los primeros microordenadores de razonable potencia y los primeros sistemas de reconocimiento OCR (Rovira et al., 2004, 9). En esta década aparecen los primeros estudios de archivos log de un OPAC. Las publicaciones relacionadas con la recuperación de información han estado condicionadas por un entorno cambiante, cambiante por la evolución de la tecnología que ha supuesto, a partir de los años 90, una transformación definitiva del consumo y del acceso a la información por parte del usuario, que asume un papel activo en el proceso de recuperación de información y condiciona el diseño de los sistemas de información, que a la hora de ser concebidos tendrán que valorar tanto las nuevas capacidades del usuario como las herramientas que sobre todo la web 2.0 ha puesto a su alcance. Jim Jansen, nos ayuda a entender este entorno cambiante, a través de algunas de las personalidades más relevantes para él en el desarrollo de las búsquedas patrocinadas y que más han influido en los cambios que se han sucedido en torno a la búsqueda de información (Jansen, 2011): - Scott Banister, Jeffrey Brewer, and Bill Gross – credited with conceiving the idea of keyword advertising Scott Banister, cofundador en 1995 de SponsorNet New Media, Inc. y creador en 1996 de Submit It!, cofundador en 2000 de IronPort y cofundador, asesor y miembro de la junta en PayPal entre otras; Jeffrey Brewer, fundador de Goto.com y Bill Gross, fundador de Idealab, desarrollan el concepto de Pay per CLick: entre los tres conciben la idea de publicidad por palabras clave. 36 - John Battelle – the Database of Intentions publicado el 13 de noviembre de 2003 The Database of Intentions is simply this: The aggregate results of every search ever entered, every result list ever tendered, and every path taken as a result. It lives in many places, but three or four places in particular hold a massive amount of this data (ie MSN, Google, and Yahoo). This information represents, in aggregate form, a place holder for the intentions of humankind - a massive database of desires, needs, wants, and likes that can be discovered, subpoenaed, archived, tracked, and exploited to all sorts of ends. Such a beast has never before existed in the history of culture, but is almost guaranteed to grow exponentially from this day forward. This artifact can tell us extraordinary things about who we are and what we want as a culture. And it has the potential to be abused in equally extraordinary fashion. (Batelle, 2003) - Sabeer Bhatia and Jack Smith – founded Hotmail, the first free internet email service, and conceived an amazing way to market it Fundadores de Hotmail, el primer servicio de correo electrónico gratuito, 1996 - Rick Boyce – credited with pioneering the idea of banner advertising Pionero en la idea de publicidad en banners, 1994 - Sergey Brin – technology to enhances people’s lives and founded Google Cofundador de Google 1998 - Andrei Broder – three types of web queries (informational, navigational, transactional) Identifica tres tipos de búsqueda en la web: informacional, navegacional y transaccional. 2002 - Nico Brooks – conceived of the 'conversion potential' in sponsored search Introduce la idea de conversion potential en búsquedas patrocinadas. - Clay Davis – provided me the idea for using ‘the 7 words you can’t say on television’ - Rufus Evison - The hotel problem Metáfora para explicar el primer problema con el que nos encontramos a la hora de enfrentarnos a un studio de analítica web. - Gord Hotchkiss – conceived the idea of the Google Triangle based on eyetracking studies Concibió la idea del Triángulo de Google basado en estudios de eyetracking 2005 37 Figura 12. Eyetraking. Fuente (Jansen, 2011) El área de la página de resultados de Google por la que más pasa la vista según estudios de eyetracking - Brad Geddes – explains the three entities in web searching Explica las tres entidades en búsquedas por Internet - Salar Kamangar and Eric Veach – developed Google AdWords, which provides ~90+% of Google's revenue Desarrolladores de AdWords de Google, que proporciona aproximadamente el 90% de los ingresos de Google. 2000 - Marissa Mayer – the Google business model El modelo de negocio de Google - Jamie Murphy, Daehee Park, and Lee Hunter – the Google Online Marketing Challenge - Larry Page – the concept of ads being relevant and non-annoying for web searching Introduce el concepto de anuncios que son pertinentes y no molestos para búsquedas por Internet - Jan Pedersen – web searching behaviors Web, buscando comportamientos - David Penniman – developed standard methods of log analysis Desarrollo de métodos estándar de análisis de registros - Pete Pirolli – information foraging theory Teoría de la búsqueda de información - Marc Resnick – user reaction to sponsored links Reacción de los usuarios a los enlaces patrocinados 38 - Dan Rose – user intent in web searching La intención del usuario en búsquedas por Internet - Tefko Saracevic – the concept of relevance El concepto de pertinencia. Concepto que ha revisado en diferentes artículos, a lo largo de toda su carrera, desde 1975 hasta 2008 - Eric Schmidt – Google being in the auction business - Amanda Spink – web searching behavior - Danny Sullivan – commentary on web searching - Mimi Zhang – search engine branding and viral marketing Jansen y Pink hablan de las búsquedas en internet buscando patrones de comportamiento de los usuarios: Longitud de la cadena de búsqueda, refinamiento de las búsquedas (Jansen y Pink, 2001),… trabajo que han seguido desarrollando en otros posteriores, en los que se comparan las interacciones que ocurren entre los usuarios y los motores de búsquedas desde la perspectiva de la duración de la sesión, la duración de la consulta, la complejidad de la consulta, y acceso al contenido listado por cada motor de búsqueda Web. (Jansen y Pink, 2004). También han publicado artículos referidos a los documentos recuperados y su visualización. (Jansen y Pink, 2003). Se profundiza más en la pertinencia de los resultados y cómo afecta al número de páginas de respuestas que consultan los usuarios. En 2010 Batelle actualiza su Database of intentions reconociendo que se equivocó al suponer que la base de datos de las intenciones de la que hablaba en 2003 se crea solo a través de nuestras interacciones con las búsquedas tradicionales (Batelle, 2010). Con la evolución y aparición de nuevos campos de acción de los usuarios de internet, esa base de intenciones necesariamente se ha ampliado, y está formada, según Batelle por: 1. Las búsquedas, que ya han sido explicadas con anterioridad. 2. El entramado social que creamos con nuestros contactos en algunas redes sociales, quién soy y a quién conozco,... 39 3. Una tercera señal que configura nuestra base de datos será el estado, los comentarios personales de lo que nos parezca digno de mención en cada momento. 4. El check-in o ¿dónde estoy? que es un aspecto que se acentúa más con el uso de dispositivos móviles. Resaltamos esta actualización de Batelle para destacar que efectivamente las búsquedas nos van a dar, sí o sí, información real sobre nuestros usuarios. Pero también para hacer hincapié en el hecho de que el usuario desarrolla diferentes acciones en la web, y que cada una de las acciones que realiza nos puede dar información importante y a tener en cuenta durante la toma de decisiones de nuestros proyectos. 3.3.2. Intención de búsqueda Aunque hay estudios anteriores sobre intención de búsqueda, es Broder (2002) el que propone la clasificación de las búsquedas, actualmente aceptada, en tres tipos: transaccional, navegacional e informativa. Broder utiliza dos métodos para determinar la intención de búsqueda, encuestas a usuarios y análisis manual de un archivo de registro de Alta-Vista. Lee et al. (2005) proponen un modelo automático de identificación de la intención de búsqueda sin una respuesta explícita del usuario, basándose en el comportamiento previo del usuario antes de hacer la búsqueda y los clicks que realiza después sobre los resultados de las búsquedas. Baeza_Yates et al.(2006) ofrecen un marco para la identificación automática de la intención de búsqueda, basado en el análisis de logs. La identificación se hace desde dos perspectivas, los objetivos del usuario, y la categoría en la que se enmarcan esos objetivos. Dando por hecho que la búsqueda es una representación de una necesidad, implícitamente se representan una serie de factores que serán los que se traten de identificar para poder identificar cuál es la intención de búsqueda. Jansen et al. (2007) proponen un algoritmo de búsqueda basado en la observación de 5 millones de búsquedas, de 7 logs, archivos de registro, de 3 buscadores 40 diferentes. Se han identificado características según la intención de búsqueda, con las que propone la implementación del algoritmo. Jansen y Booth (2010) investigan, siguiendo la propuesta de Baeza_Yates et al.(2006) una metodología para clasificar automáticamente las búsquedas por intención y por tema. Todos estos estudios sobre intención de búsqueda tienen como objetivo mejorar el rendimiento del buscador, con la identificación más eficaz de las consultas. 3.3.3. Propuesta En este trabajo proponemos un estudio de las búsquedas partiendo de la premisa de que estudiamos formas de describir contenido cuando el usuario interroga al buscador. Se aborda este estudio siguiendo la filosofía de trabajo planteada en las publicaciones sobre búsquedas web, recopilando datos de búsquedas y estudiando aspectos concretos de las mismas para contestar unas preguntas previas. En nuestro caso recopilaremos datos de búsquedas, desde la perspectiva de la mejora de los sistemas de información relacionados con las bibliotecas. La elección de un tema concreto entronca con los estudios sobre intención de búsqueda y clasificación de la misma por temas. En nuestro caso partimos ya de un tema concreto, e intentaremos identificar cuál es la intención de búsqueda del usuario. Además, estudiaremos las búsquedas en comparación con los encabezamientos de materia de las bibliotecas públicas, estudiando el aspecto léxico de las propias búsquedas. 41 4. HIPÓTESIS Para definir un perfil de usuario, y averiguar cómo se enfrenta a la tarea de la descripción de contenido, planteamos una serie de hipótesis que nos obligarán a obtener distintos datos para determinar si las hipótesis planteadas son ciertas o falsas. Hipótesis 1. El usuario habitual de internet ha modificado su conducta, ya no busca igual que hace diez años. En los últimos años, con la experiencia adquirida, y teniendo en cuenta que no hablamos de búsquedas generales sino de búsquedas en el entorno de la biblioteca, queremos demostrar que un usuario típico, sin un perfil ni conocimientos específicos, ya no busca igual que hace diez años. Tenemos datos de estudios realizados desde 1998 sobre cómo buscan los usuarios en la web. Haciendo un recorrido por los mismos podemos observar si ha habido algún cambio significativo en las conductas de búsquedas. 2. El lenguaje utilizado por los usuarios que utilizan el castellano para realizar sus búsquedas en Google.com, sobre temática bibliotecaria, no coincide con los encabezamientos de materia de las bibliotecas públicas españolas, listado utilizado por los bibliotecarios de las bibliotecas públicas españolas y en castellano. Esta hipótesis podríamos considerarla como una segunda parte de la anterior. Volvemos a hablar de la tarea del profesional de la información, porque en el análisis de contenido, en la fase de tratamiento técnico de la cadena documental, el indizador no solo asigna una materia al documento para su identificación en la colección, sino también para su recuperación, en la última fase de la cadena, la de la salida de información. Los encabezamientos de materia han sido redactados para una biblioteca pública española de carácter general y de tipo medio. El público de una biblioteca pública podemos equipararlo al del usuario de Google, y al usuario de Library Thing, ya que es una comunidad que no se dedica a la catalogación de libros de una materia determinada. 48 Figura 16. Interfaz Herramienta para buscar palabras clave de Google adwords a. Escribimos el término de referencia en el cuadro donde pone Palabra o frase b. En Ubicaciones e idiomas, seleccionamos el idioma “español” c. Tipo de concordancia: Amplia d. Desactivamos la opción de “Solo mostrar ideas directamente relacionadas con mis términos de búsqueda”, que restringe los resultados a búsquedas en las que obligatoriamente aparece el término de referencia. e. En “Incluir contenido específico”, seleccionamos “Incluir contenido para adultos” f. Especificamos un filtro de palabras clave: Búsquedas globales mensuales >= 10.000 g. Pinchamos en “Buscar” h. Obtenemos el listado con las palabras clave relacionadas. Exportamos los resultados en formato *.csv, Archivo de valores separados por comas de Microsoft Office Excel. 49 Figura 17. Cuadro de diálogo para elegir formato de archivo de descarga de datos de Palabras clave. Google Adwords i. Repetimos la operación con los siguientes términos de búsqueda. Para elegir las palabras clave definitivas: 3. Tenemos un listado por cada término de referencia. De cada listado eliminamos: a. Las columnas de datos que no hagan referencia a “Palabra Clave”, “Búsquedas globales mensuales” y “Búsquedas locales mensuales” b. Los duplicados con menos búsquedas asociadas. c. Del listado relacionado con el término de referencia “novela” eliminamos los términos que hacen referencia a telenovelas. d. Guardamos cada archivo como archivo *.xlsx, Hoja de cálculo de Microsoft Office Excel. 4. Unificamos todos los listados. 5. Eliminamos las palabras clave duplicadas. De este modo obtenemos el listado definitivo de palabras clave de búsqueda, que contiene 772 palabras clave, y entre todas suman una media de 171.070.500 de búsquedas globales mensuales, y 33.272.010 de búsquedas locales mensuales  171.070.500 búsquedas realizadas con las 772 palabras clave seleccionadas. 50 Figura 18. Interfaz de búsqueda de palabras de Google Adwords. Búsquedas globales mensuales destacadas Este dato lo hemos obtenido sumando el dato que nos proporciona Google Adwords bajo el epígrafe “Búsquedas globales mensuales”, y es el promedio anual aproximado de consultas de los usuarios que incluyen la palabra clave en la búsqueda en Google (Google Adwords) 5.3.2. Limitaciones y Decisiones Limitaciones en la obtención de los datos del estudio, y decisiones en el tratamiento de los datos: 5.3.2.1. LIMITACIONES  Adwords solo nos ofrece información de los últimos 12 meses. Los datos definitivos de las búsquedas se obtuvieron en diciembre de 2010 y corresponden a las búsquedas realizadas entre diciembre de 2009 y noviembre de 2010, ambos incluidos.  No trabajamos con archivos log (archivos de registro de transacciones de buscadores), en los que quedan registrados todos los datos de las sesiones, por lo tanto no podemos manejar datos relacionados con perfiles de usuario. ni sobre refinamiento de búsquedas. Con los datos que tenemos no podemos búsquedas globales mensuales 51 saber si las palabras clave que nos da la aplicación son búsquedas únicas o modificaciones de una búsqueda anterior. Es decir, no tenemos información sobre sesiones.  Estamos utilizando los datos que nos proporciona gratuitamente Google Adwords. Pero nosotros no tenemos acceso a los datos en bruto. Antes de poner a disposición del usuario los datos de búsqueda y etiquetado, ha habido un redondeo. 5.3.2.2. DECISIONES  De las palabras clave vamos a analizar los siguientes aspectos, que son medibles y cuantificables: - Cómo se construye la cadena de búsqueda. Longitud de la cadena de búsqueda - Las palabras clave, ¿se aproximan al lenguaje controlado de la LEMBP? Se comparan las palabras clave con los encabezamientos de la LEMBP, para establecer cuál es la distancia entre el lenguaje de descripción de contenidos que se utiliza en una biblioteca y el que utiliza el usuario cuando quiere acceder al documento. a. Consideraremos como materia, palabras clave como: Libros de anatomía por anatomía Libros de biología por biología Libros medicina por medicina Entendiendo “libros de” y “libros” como partícula de contextualización de la búsqueda. b. Se aceptarán expresiones de la forma: modernismo autores y autores modernistas libros de Dan Brown y gabriel garcia marquez novelas c. Se han contabilizado tanto las formas recomendadas como las no recomendadas: Certamen poesía 2010 y concurso poesía 2010 52 d. Indistintamente se han aceptado las formas en singular y plural, aunque en la lista puedan tener connotaciones distintas. e. La LEMBP utiliza algunos subencabezamientos de forma para describir el soporte del material que describe. Es el caso de términos como: Videocassetes, Videodiscos, Fotografías, Grabaciones en vídeo, Grabaciones sonoras o Grabados. Teniendo en cuenta que una de las ideas básicas del LEMBP es Partir de la idea de un esquema ideal de colección para biblioteca pública de nuestro tiempo que quiera ser reflejo fiel de la cultura actual, y en las normas de la Lista, en el apartado de Finalidad leemos Sería ingenuo pensar que esta Lista ofrece todas las soluciones, pero sería suicida creer que, desde ahora, puede prescindirse de ella. Sobre su pauta pueden construirse otras generales con mayor número de encabezamientos y un número indefinido para materias especiales que no llegarían a ser todavía un ”thesaurus” (Dirección General del Libro y Bibliotecas, 1994), lo que nos indica que no es una lista cerrada y nos invita a ampliarla según nuestras necesidades, se han incluido en el recuento de los Subencabezamientos de forma los siguientes términos, que no se contemplan en la Lista original: ebook, ereader, pdf, dvd, audiolibro, libros digitales, libros electrónicos, on line. Esto es, en el recuento de subencabezamientos de forma se han incluido las palabras clave que incluían los términos ebook, ereader, pdf, dvd, audiolibro, libros digitales, libros electrónicos y on line. f. Siguiendo el espíritu de la LEMBP podríamos considerar libros digitales, audiolibros, y ereaders como materias si estuviésemos buscado documentos cuyo contenido tratase sobre alguno de estos soportes. Se ha tomado la decisión de considerarlos subencabezamientos, en primer lugar porque son términos en plural, y para ser materias deberían estar expresados en singular y en segundo lugar porque es más factible que el usuario realice esta búsqueda considerando estas palabras clave como soportes de contenido de otro tipo. g. La LEMBP contempla 6 tipos de subencabezamiento: a. de forma 53 b. bajo nombres de países c. bajo nombres de ciudades d. para la historia de España e. para la historia de los países iberoamericanos f. para nombres de persona Para este estudio no vamos a utilizar los relacionados con la historia de España y de los países iberoamericanos, ya que consideramos que se refieren a un tema muy específico. Pero sí que se tendrán en cuenta los subencabezamientos bajo nombres de países y ciudades, que nos pueden ayudar a determinar búsquedas geográficas, que no hacen referencia necesariamente a un tema específico, y también los subencabezamientos de forma y bajo nombres de persona.  Para decidir la Intención de cada búsqueda seguiremos los siguientes criterios, que nos permitirán clasificar las búsquedas como: - Navegacional: En este grupo se han incluido las búsquedas del tipo bibliotecas públicas Madrid, editorial Santillana, novelas García Márquez,… o Aquellas búsquedas que explícitamente hacen referencia a una institución, negocio o nombre propio - Transaccional: El objetivo del usuario, no es encontrar o localizar contenidos informativos, sino realizar transacciones y acciones de intercambio. o Búsquedas que contienen los términos gratis, descargar, comprar, online. - Informativa: El usuario busca ampliar su conocimiento sobre algún tema, aprender, leer, obtener un dato concreto, informarse, etc. o Búsquedas que no siguen los criterios de clasificación de búsquedas transaccionales o navegacionales. 54 5.4. Diseño de los experimentos 5.4.1. Obtención de datos para el estudio. Se generará un grupo de palabras clave formado por términos de búsqueda empleados en Google.es. Los términos se recopilaran a través de Google Adwords. Figura 19. Interfaz Página principal Google.es El análisis de estas palabras clave, nos ofrece información de cómo buscan los usuarios a través de Google, cómo se buscan títulos famosos, autores famosos, cómo la gente busca autores por "escritores chilenos", en lugar de "escritores-Chile" al estilo de los encabezamientos de materia… 5.4.2. Extracción de datos Extracción de los datos más significativos, que nos ayudarán a responder a las hipótesis planteadas: El recuento y la extracción de datos han sido básicamente manuales. Se han automatizado las operaciones más costosas utilizando fórmulas de Excel y tablas dinámicas, con las que se han extraído datos combinados. Se han tomado decisiones organizativas y se han contabilizado datos como: a. longitud de la cadena de búsqueda. Número de palabras que componen cada palabra clave. PALABRAS CLAVE 55 Fórmula de Excel: =SI(LARGO(ESPACIOS(A2))=0;0;LARGO(ESPACIOS(A2))-LARGO(SUSTITUIR(A2;" ";""))+1) b. número de palabras clave que contienen encabezamientos o subencabezamientos de materia. Fórmula de Excel: =CONTAR.SI($A:$A;"acta*") c. asignación de un tipo de intención de búsqueda a cada palabra clave.  Navegacional: Aquellas palabras clave que explícitamente hacen referencia a una institución, negocio o nombre propio.  Transaccional: palabras clave que contienen los términos gratis, descargar, comprar, online. Utilizando la opción de búsqueda de Excel (ctr+B) No hemos incluido en nuestro recuento de transaccionales búsquedas que contengan términos como imágenes, vídeo, pdf, como Jansen et al. en su estudio de determinación de intención de búsqueda (2007), porque son términos que describen formatos, pero no necesariamente implican una transacción.  Informativa: palabras clave que no siguen los criterios de clasificación de las transaccionales o navegacionales. d. recuento manual de palabras clave que contienen nombres propios de persona, de instituciones, títulos de obras o gentilicios. e. recuento manual de palabras clave en inglés. 56 Figura 20. Hoja de cálculo. Fórmula recuento de palabras f. generación de gráficas combinando los datos extraídos. 57 6. RESULTADOS Y ANÁLISIS 6.1. Datos de Palabras Clave y Búsquedas A continuación se expone la información obtenida a partir de las palabras clave y las búsquedas recopiladas con Google Adwords. Recordamos que cuando hablamos de “palabras clave” nos referimos a las palabras, expresiones, término o frases que hemos escrito en el buscador para realizar una búsqueda. A pesar de la confusión que pueda generar, se ha utilizado la expresión “Palabra Clave” porque es el término que utiliza Google Adwords para referirse a la expresión de búsqueda, y tras valorar las distintas opciones que teníamos, y observando que con todas había cierta ambigüedad decidimos mantener la expresión de la herramienta que hemos utilizado para la extracción de datos. 6.1.1. Longitud de la Palabra clave. Trabajamos con 772 palabras clave con las que se han generado un total de 171.070.500 búsquedas. Figura 21. Relación entre longitud de palabra clave y volumen de búsquedas generadas 7,12% 35,88% 39,64% 10,62% 4,66% 1,42% 0,65% 72,18% 11,82% 13,44% 2,14% 0,69% 0,08% 0,04% 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 90,00% 1 2 3 4 5 6 >6 Longitud de la palabra clave(nº de términos) Términos de búsqueda Palabras clave Búsquedas Exponencial (Búsquedas) 64 6.1.4. Longitud de la palabra clave e Intención de búsqueda La figura 26 muestra el volumen de búsquedas navegacionales, transaccionales e informativas, en relación con la longitud de la palabra clave: Longitud palabra clave (nº de términos) navegacional transaccional informativa 1 7,76% 0 64,42% 72,18% 2 3,29% 2,46% 5,96% 11,70% 3 2,51% 2,61% 8,14% 13,25% 4 0,89% 0,64% 0,52% 2,05% 5 0,20% 0,05% 0,44% 0,69% 6 0,03% 0,01% 0,04% 0,08% >6 0,04% 0 0 0,04% 14,72% 5,76% 79,51% TOTALES % Figura 25. Longitud de palabra clave vs. Intención de búsqueda. Tabla relacional A primera vista podemos destacar que no hemos registrado búsquedas transaccionales e informativas de más de 6 términos, y tampoco transaccionales de 1 término. Las búsquedas informativas de 1 término son las más frecuentes, y también que hay una disminución sustancial del volumen de búsquedas utilizando más de 3 términos. Cuando utilizamos 1, 2 o 3 términos para realizar una búsqueda, mayoritariamente es informativa. Para las búsquedas informativas se utiliza una mayor variedad de “fórmulas”, mientras que para las transaccionales solo utilizamos el 7,49 % de las palabras clave, la mayoría de una longitud de 3 palabras. Esto se traduce en una menor variedad de enunciados a la hora de realizar búsquedas transaccionales, y una identificación clara de estas búsquedas a través de términos como “gratis, comprar, descargar y bajar”. 65 Figura 26. Intención de búsqueda por longitud de palabras clave A medida que utilizamos más términos la estadística tiende a dar más protagonismo a la búsqueda navegacional, aunque en comparación, tanto el volumen de búsquedas como el número de palabras clave sea considerablemente menor que la búsqueda informativa. 6.1.4.1. BÚSQUEDA INFORMATIVA Y PALABRAS CLAVE Figura 27. Palabras clave vs Búsquedas cuando se formulan búsquedas informativas El 81,02 % de las búsquedas informativas se realizan utilizando cadenas de búsqueda de 1 solo término, y no hemos contado ninguna búsqueda informativa de más de 6 términos. De las palabras clave utilizadas en las búsquedas informativas, el 80,70 % estaban formadas por 2 o 3 términos, y representan el 53,49 % del conjunto de palabras 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 1 término 2 términos 3 términos 4 términos 5 términos 6 términos >6 términos Búsquedas navegacional transaccional informativa 7,99% 38,40% 42,30% 7,02% 81,02% 7,49% 10,23% -20,00% 0,00% 20,00% 40,00% 60,00% 80,00% 100,00% 1 término 2 términos 3 términos 4 términos 5 términos 6 términos >6 términos Búsqueda informativa palabras clave búsquedas 66 clave. Más de la mitad de las palabras clave que estamos observando se han utilizado para formular el 14,10% de las búsquedas totales (datos de la tabla que se muestra en la Figura 26) Parece fácil identificar las palabras clave de un solo término con las búsquedas informativas. Las navegacionales de 1 término son todas nombres propios o de instituciones, o hacen referencia a un dato concreto, por ejemplo editoriales como mondadori, longman, o autores como coelho, bioy,… o también isbn 6.1.4.2. BÚSQUEDA NAVEGACIONAL Y PALABRAS CLAVE Figura 28. Palabras clave vs Búsquedas cuando se formulan búsquedas navegacionales Aunque no es lo más habitual, una de las cosas más destacables es que las búsquedas navegacionales son las únicas que alguna vez utilizan más de 6 términos en la cadena de búsqueda. Todas las búsquedas largas coinciden con títulos de libros: la reina en el palacio de las corrientes de aire 10 términos alicia en el pais de las maravillas libro 8 términos un viejo que leia novelas de amor 7 términos 6,90% 34,48% 26,60% 18,72% 7,88% 52,69% 22,35% 17,02% 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 1 término 2 términos 3 términos 4 términos 5 términos 6 términos >6 términos Búsqueda navegacional palabras clave búsquedas 67 6.1.4.3. BÚSQUEDA TRANSACCIONAL Y PALABRAS CLAVE Figura 29. Palabras clave vs Búsquedas cuando se formulan búsquedas navegacionales Para búsquedas transaccionales se utilizan palabras clave con una longitud mínima de 2 términos. No se pueden formular búsquedas transaccionales con 1 término. Necesitaremos al menos 1 término para describir la acción y otro para describir el contenido objeto de la acción. Búsqueda transaccional= acción + contenido 17,24% 60,34% 13,79% 42,39% 45,63% -10,00% 0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 1 término 2 términos 3 términos 4 términos 5 términos 6 términos >6 términos Búsqueda transaccional palabras clave búsquedas 68 6.1.5. PALABRAS CLAVE Y LEMBP En este apartado se exponen los datos obtenidos al comparar las Palabras Clave que se han utilizado para realizar las búsquedas con los términos que se utilizan en las bibliotecas públicas para realizar la descripción de contenido, términos recogidos en la Lista de Encabezamientos de Materia de las Bibliotecas Públicas, LEMBP. Figura 30. Palabras clave que utilizan términos recogidos en la LEMBP El 40,80 % de las palabras clave no utiliza términos del LEMBP. En este grupo se han contabilizado las palabras clave que se utilizan con una intención de búsqueda transaccional, como libros para descargar gratis y aquellas otras que se utilizan con fines informativos o navegacionales, pero tienen construcciones como aprender a leer que describen acciones o deseos, u otras que hacen referencia al título de la obra como libro crepúsculo. El resto, el otro 59,20 % de las palabras clave analizadas utiliza, para la descripción de la búsqueda, algún término contemplado en la LEMBP: El 43,52 % de las palabras clave son materias de la LEMBP: premios nobel de literatura, relato corto, y también tipos de lectura. [Lectura: Úsase para estudios sobre el arte de leer y la actitud del hombre frente a la lectura. LEMBP]. 43,52% 40,80% 4,79% 1,04% 7,38% 2,33% Encabezamientos de Materia en Palabras Clave materia - sub.forma autor autor+sub geo+sub 69 El 1,04 % de las palabras clave son nombres de autores. Sin subencabezamientos: coelho, tatiana de, ursula k.leguin El 7,38 % de las palabras clave utilizan subencabezamientos para nombres de persona, y se han contabilizado tanto las palabras clave construidas con la estructura que marca la LEMBP como las que no: nombre + subencabezamiento garcia lorca obra, y también: biografia del autor federico garcia lorca, , libros de miguel Delibes, la poesia de lorca,… Se han agrupado las palabras clave que hacen referencia a Subencabezamientos bajo nombre de ciudades y Subencabezamientos bajo nombre de países en sub+geo; representan el 2,33 % de las Palabras Clave: alejandria biblioteca, biblioteca santiago, biblioteca argentina. El 4,79 % de las palabras clave son materias que tienen también un subencabezamiento de forma: antología poesía, guía de lectura, y también libros digitales, audiolibros, y ereaders 6.1.5.1. LOS SUBENCABEZAMIENTOS DE FORMA Representan el 4,79 % del total de las palabras clave. Y en este grupo hemos incluido nuevos términos que no recoge la LEMBP. Si estudiamos este grupo de forma aislada obtenemos los siguientes datos: Figura 31. Palabras clave que utilizan algún término de la lista ampliada de subencabezamientos de forma 81,97% 18,03% Subencabezamientos de forma + nuevos soportes no utilizados utilizados 70 Solo hemos utilizado el 18,03 % de los términos de nuestra lista de subencabezamientos de forma, contando los términos ebook, ereader, pdf, dvd, audiolibro, libros digitales, libros electrónicos, on line. Del listado original solo se utiliza el 13,16 % de los términos, que aglutinan la mayoría de los subencabezamientos utilizados: novela, cuentos, ejercicios y certámentes. Figura 32. Palabras clave que utilizan algún término de la lista original de subencabezamientos de forma de la LEMBP 86,84% 13,16% Subencabezamientos de forma de la LEMBP no utilizados utilizados 71 6.1.6. BÚSQUEDAS Y LEMBP A continuación los datos referidos al volumen de búsquedas, es decir, cuántas veces se hace una búsqueda utilizando encabezamientos o subencabezamientos de materia. Figura 33. Búsquedas que utilizan términos recogidos en la LEMBP El 76,59 % de las búsquedas se realiza utilizando algún término contemplado en la LEMBP. Algunas formas de encabezamiento, como ciudad+subencabezamiento, país+subencabezamiento o autor, solo representan alrededor de un 2 % del total de búsquedas. Pero el 74,09 % de las búsquedas contienen algún término recogido en la lista de encabezamientos de materia o subencabezamiento de forma. Se han considerado materias las búsquedas con la siguiente estructura: libros de ----- y libros ----, interpretando que libros de y libros contextualizan la búsqueda. La LEMBP no recoge libro o libros como subencabezamiento de forma. No es el caso de Novelas, que sí es un subencabezamiento de forma. Por eso, las búsquedas que emplean este término se han contabilizado como subencabezamientos de forma. 66,08% 23,41% 8,01% 1,68% 0,63% 0,19% Búsquedas utilizando Encabezamientos de materia materia - sub.forma autor autor+sub geo+sub 72 6.1.6.1. PRINCIPIOS BÁSICOS DE LA LEMBP La LEMBP se basa en varios principios básicos, que delimitan el alcance de la lista y orientan al catalogador cuando se encuentra con distintas posibilidades de descripción del contenido de una obra. Esos principios son:  Principio de especificidad: este principio se contempla desde 2 vertientes: o el elemento más específico por el que se puede definir el contenido es el nombre propio, que es el más específico y que no se contempla en la lista. Tampoco contiene “nombres comunes de cosas concretas enumerables en series uniformes”, que serían propios de diccionarios enciclopédicos o manuales específicos de un tema, a los que se recomienda acudir, en vez de incluir los términos en la lista. o Cuando se utilice encabezamiento + subencabezamiento, en ningún caso se utilizará la sistematización en la descripción, es decir, el subencabezamiento no será una especificación de un término más genérico, el encabezamiento. El ejemplo que aparece en la LEMBP es “Puede estar justificado alguna vez, por tener pocos libros sobre este tema, catalogar un libro que trata de Manzanos bajo Arboles frutales; lo que nunca estará justificado es catalogarlo bajo Arboles frutales-Manzanos.”  Principio de síntesis: “se intenta obtener la expresión del asunto o materia con un término de la máxima simplicidad”.  Principio de uso: “Los encabezamientos de materia deben acomodarse al fin para el que se utilizan: aplicarse a unos determinados fondos, ayudar a unos usuarios concretos, formar un catálogo llamado catálogo alfabético de materias.” “... estos encabezamientos están pensados para macrodocumentos con predominio de los de tema genérico.”  Principio lingüístico: "Los encabezamientos se redactarán en español (cuando exista un término aceptado en nuestro idiomas), en el lenguaje usual (que no tiene que ser necesariamente el «vulgar») y en el orden natural del idioma (prevalencia del nombre sobre el adjetivo como elemento inicial).” 73  Principio de uniformidad: “Cada materia debe tener siempre el mismo encabezamiento. Por consiguiente debe escogerse (basándose en razones de uso y de idioma) entre varios posibles (sinonimia) y debe distinguirse por medio de determinantes entre paréntesis en el caso de que un encabezamiento sirva para varias materias (homonimia).”  Principio de economía: “Debe limitarse al máximo el número de encabezamientos para un mismo documento. Esto supone no acudir con asiduidad a los encabezamientos dobles o a los compuestos con «y» (que solucionan fácilmente el problema de las materias que se solapan), pero evitando al mismo tiempo el peligro de caer en los encabezamientos excesivamente genéricos.” Se realiza una observación de las búsquedas desde el punto de vista del principio de síntesis, el principio de uso y el principio lingüístico, que son los que hacen referencia a la descripción propiamente dicha. No tenemos un punto de partida para estudiar el principio de uniformidad, porque éste lleva implícita la existencia de una colección, y de unos bibliotecarios que catalogan con una uniformidad de criterio que no se puede dar cuando estudiamos el comportamiento de usuarios que actúan individualmente. 6.1.6.2. LAS BÚSQUEDAS Y EL PRINCIPIO DE ESPECIFICIDAD Las búsquedas por nombre propio representan un 7,92% del total de búsquedas, e incluyen nombres propios de autores, lugares, comercios o títulos de obras. Como se explica en la LEMBP el nombre propio es el más específico de todos, aunque por razones obvias no se contemplen los nombres propios en la lista. BÚSQUEDAS POR NOMBRE PROPIO Nombre propio de ... Porcentaje de búsquedas autor 4,91% biblioteca 0,40% editorial 0,69% librería 0,28% título 1,63% TOTAL 7,92% Figura 34. Porcentaje de búsquedas por nombre propio 80 Con los datos que hemos obtenido podemos concluir que el usuario no utiliza el mismo lenguaje que el propuesto en la LEMBP, pero sí comparte la idiosincrasia de la lista, como se ve en los datos sobre los principio de síntesis y lingüísticos y la incorporación de nuevos términos para la descripción de contenido. 81 7.1. PROPUESTA DE UNA METODOLOGÍA DE ANÁLISIS DE USUARIOS Tras realizar este estudio proponemos una metodología para realizar análisis de usuarios de internet en base a lo que buscan y a lo que indizan a través del etiquetado, en las Webs 2.0. Partiremos para esta propuesta de una serie de premisas que hemos manejado también para la realización de este estudio: 1. Para plantear un análisis de usuario previamente estableceremos los objetivos de dicho análisis, y de este modo dirigiremos nuestros esfuerzos hacia la respuesta que queramos encontrar. 2. Los objetivos que establezcamos determinarán los aspectos de las búsquedas a estudiar en cada caso. 3. No contamos con la información privilegiada que nos proporciona un fichero log. Si la tuviésemos, porque vamos a estudiar cómo buscan los usuarios en el buscador de nuestra página, por ejemplo, utilizaríamos los datos que nos proporciona el fichero como base de nuestro análisis y nos saltaríamos la primera parte, la de obtención de datos utilizando Google Adwords. 4. Las decisiones que se tomen con posterioridad son subjetivas y quedan fuera del alcance de este estudio y de la metodología de análisis propuesta. 7.1.1. Análisis de usuario en base a las búsquedas: FASE 1. OBTENCIÓN DE DATOS 1. Definir objetivos. ¿qué queremos obtener con las búsquedas? Podemos estar trabajando en un proyecto para la mejora de nuestro sistema de recuperación de información, o para la adaptación de la estructura léxica de un catálogo, o de la navegación en un sitio web. Para diferentes objetivos estudiaremos distintos aspectos de las búsquedas. 2. Proceso de recopilación de datos a partir de la información que nos proporciona Google Adwords: a. Describir con varias palabras clave o expresiones el contenido de nuestra web o sistema de información. 82 b. Con los términos seleccionados, y utilizando de la herramienta de Palabras Clave de Google Adwords, obtener las expresiones de búsqueda con las que los usuarios de internet buscan contenido en teoría similar al que ofrecemos en nuestra web. En este paso tendremos que determinar el idioma, el ámbito geográfico de las búsquedas, filtraremos el valor mínimo de búsquedas globales o locales con el que queremos trabajar, si queremos incluir búsquedas que hagan referencia a contenido adulto y el tipo de dispositivo desde el que se realiza la búsqueda. c. Exportar los resultados que vayamos obteniendo con cada término en formato *.csv, Archivo de valores separados por comas a Microsoft Office Excel. d. Depurar los resultados obtenidos. Obtendremos las palabras clave definitivas unificando los listados obtenidos y eliminando duplicados y los campos de datos que no vayamos a utilizar. FASE 2. ANÁLISIS Y EXTRACCIÓN DE INFORMACIÓN 3. Dirigir el análisis de datos hacia diferentes aspectos de las búsquedas en función de nuestras necesidades, que se definen antes de comenzar el análisis de las búsquedas. A partir de la información que obtenemos podemos estudiar: a. Vocabulario utilizado en las búsquedas En este caso queremos averiguar si el lenguaje que utilizamos nosotros en nuestro sistema de información es el mismo que utilizan nuestros usuarios en las búsquedas para describir los mismos ítems. Podemos estar hablando de un catálogo, tanto bibliográfico como comercial, o del vocabulario que utilizamos para nombrar las distintas secciones de nuestra web. En cualquier caso: i. generar un listado con el vocabulario que queremos testar, que puede ser: - lista de encabezamiento de materias - lista con el nombre de las secciones de un catálogo comercial 83 - lista con el nombre de los productos de un catálogo comercial - lista con el nombre de las secciones, subsecciones, categorías, en definitiva una lista con el nombre de los distintos apartados de cualquier sistema jerárquico de organización de una web o un sistema de información. ii. Comparar nuestro listado de nombres con el listado de búsquedas. b. Intención de búsqueda Establecer la intención de búsqueda que tienen nuestros usuarios potenciales al buscar contenido relacionado con el que ofrecemos en nuestra web. Nos da información sobre el tipo de información que busca el usuario, qué actividades están más relacionadas con nuestro contenido y también el conocimiento o la especialización del usuario. c. Longitud de la cadena de búsqueda: Contabilizar el número de palabras con las que nuestros usuarios potenciales realizan sus búsquedas. Combinando los datos de longitud con los de intención de búsqueda obtenemos una visión más real de cómo busca el usuario. El esfuerzo de conceptualización o la relación entre longitud y especificidad de la búsqueda. Además, podemos tomar decisiones de diseño del tipo tamaño de la caja de búsqueda o posición de nuestro buscador en la web si averiguamos el tipo de navegación que practicarán nuestros usuarios. 84 8. DISCUSIÓN Sólo estamos estudiando búsquedas de “biblioteca”. No podemos extrapolar los datos a otros campos o temas de búsqueda, porque dependiendo de los términos que seleccionemos obtendremos una información u otra, como se ha visto con los resultados obtenidos estudiando la intención de búsqueda y que se han comparado con los resultados obtenidos en otros estudios. Si queremos estudiar un grupo de usuarios interesados por ejemplo, en excursionismo tendremos que trabajar con un corpus de palabras relacionadas con ese tema. Del mismo modo es posible que otro estudio sobre bibliotecas escogiese otro corpus de palabras distinto del nuestro, con resultados distintos, y también sería válido. Las palabras que seleccionemos nos darán información sobre un aspecto concreto de un tema específico en el que queramos trabajar. Respecto a la población estudiada, no hay error muestral ya que el 96,18 % de los usuarios que buscaron en español en internet durante el período observado, de enero a diciembre del 2010, utilizaron Google (StatCounter Global Stats, 2011), y por tanto el volumen de búsquedas para cada consulta o query estudiada es lo buscado por aquellos usuarios que buscan en Google en español esa consulta o query de entre el 96,18 % de usuarios que buscan (cualquier cosa) en español. Porcentaje de usuarios de Google calculado en el Anexo 2. 85 9. INVESTIGACIÓN FUTURA Este estudio es una vista en conjunto de aspectos distintos que afectan a las búsquedas en internet. El reto ha sido realizarlo con datos de acceso abierto, datos a los que todos podemos acceder desde nuestra casa. Estudios ampliados desde la especialización:  Ampliar áreas geográficas de estudio, dentro de los usuarios de habla española, diferenciar usuarios españoles, mexicanos (que es la mayor comunidad hispanohablante), y del resto de países de habla española. Con la misma herramienta que hemos utilizado se puede especificar idioma y país desde el que se realizan las búsquedas.  En estudios futuros será muy importante distinguir usuarios que acceden a internet desde un dispositivo fijo o uno móvil, encontrar diferencias en la formulación de la cadena de búsqueda y analizar si las necesidades de un mismo grupo de usuarios es distinta según el soporte desde el que se realiza la consulta.  Análisis de búsquedas de temáticas concretas en el ámbito de las bibliotecas. Esta propuesta surge de resultados obtenidos a partir de la búsqueda de la palabra cómic, de la que se desprenden datos sustancialmente distintos a los obtenidos en este estudio (ver apartado 6.1.6), datos relacionados con la intención de búsqueda e incluso con la estructura de la cadena de búsqueda empleada para obtener información. La especialización del usuario provoca necesidades de información distintas, y por tanto, el modo de atender a esas necesidades de acceso a la información ha de ser distinto. Estas tres propuestas se podrían llevar a cabo con datos de Google Adwords. Si quisiéramos llevar a cabo estos mismos estudios añadiendo variables relacionadas con el perfil de usuario, es decir, sexo, edad, nivel de estudios, sería necesario acceder a archivos log, que no son de acceso abierto. Estudios paralelos:  En la introducción hablamos de las actividades que realizan los usuarios en la web gracias a las herramientas 2.0 que tienen a su disposición, como el etiquetado social, 86 equiparable a la indización. Pero, el usuario convencional ¿etiqueta igual que el profesional? ¿El etiquetado nos ofrece más información que la indización, que utiliza vocabularios controlados? ¿Qué tipo de etiquetas se utilizan y cuáles pueden mejorar las búsquedas? porque si etiquetado social nos da la misma información que el profesional, ¿es necesario tenerlo en cuenta para mejorar nuestros sistemas de búsqueda? BIBLIOGRAFÍA - Baeza-Yates, R., Calderón-Benavides, L., González-Caro, C. (2006) The intention Behind Web Queries. En: String Processing and Information Retrieval, Vol. 4209, pp. 98109. doi:10.1007/11880561_9 - Baeza-Yates, R. (2008). Web Mining or The Wisdom of the Crowds. In Proceeding of the 2008 conference on Artificial Intelligence Research and Development: Proceedings of the 11th International Conference of the Catalan Association for Artificial Intelligence, Teresa Alsinet, Josep Puyol-Gruart, and Carme Torras (Eds.). IOS Press, Amsterdam, The Netherlands, 3-3. - Baeza-Yates, R. (2011a) Investigación en tecnologías de la información [vídeo] En: Jornadas Cátedra GedesTIC 2011-UPV Jornada 1. Sesión 1. Video 1/4. Disponible en: http://gedestic.es/videos/jornada-1-sesion-1-video-14-investigacion-en-tecnologias-de-lainformacion [consulta: 16/05/2011] - Baeza-Yates, R. (2011a) Investigación en tecnologías de la información [vídeo] En: Jornadas Cátedra GedesTIC 2011-UPV Jornada 1. Sesión 1. Video 2/4. Disponible en: http://gedestic.es/videos/jornada-1-sesion-1-video-24-investigacion-en-tecnologias-de-lainformacion [consulta: 16/05/2011] - Batelle, J. (2003) The Database of Intentions [en línea]. John Batelle’s Searchblog. 13 noviembre 2003 http://battellemedia.com/archives/2003/11/the_database_of_intentions [consulta: 16/05/2011] - Batelle, J. (2010) The Database of Intentions Is Far Larger Than I Thought [en línea]. John Batelle’s Searchblog. 5 marzo 2010 http://battellemedia.com/archives/2010/03/the_database_of_intentions_is_far_larger_than_i_tho ught [consulta: 16/05/2011] - Broder, A. (2002). A taxonomy of web search. SIGIR Forum 36, 2 (September 2002), Disponible en: http://www.sigir.org/forum/F2002/broder.pdf [consulta: 18/05/2011] - Colaboradores de Wikipedia. (2011a)Ley de potencias [en línea]. Wikipedia, La enciclopedia libre, 2011. Disponible en: <http://es.wikipedia.org/w/index.php?title=Ley_de_potencias&oldid=46508039> [consulta: 20/05/ 2011] - Colaboradores de Wikipedia.(2011b) Motor de búsqueda [Internet]. Wikipedia, La enciclopedia libre, 2011. Disponible en: http://es.wikipedia.org/w/index.php?title=Motor_de_b%C3%BAsqueda&oldid=46425393. [consulta: 18/05/2011]. - Colaboradores de Wikipedia, .(2011c) 'Distopía', Wikipedia, La enciclopedia libre, 15 abril 2011, 12:01 UTC, <http://es.wikipedia.org/w/index.php?title=Distop%C3%ADa&oldid=45640460> [descargado 6 junio 2011] - DBLP Computer Science Bibliography, http://www.informatik.uni-trier.de/~ley/db/ - Dirección General del Libro y Bibliotecas (1994) Lista de Encabezamientos de Materia para las Bibliotecas Públicas. Disponible en: http://www.mcu.es/bibliotecas/MC/LEMBP/index.html - Fundación Orange (2011) eespaña 2010, Informe anual sobre el desarrollo de sociedad de la información en España. Disponible en: http://www.informeeespana.es/docs/eE2010.pdf - Golder, S. and Huberman, B. A. (2006). Usage Patterns of Collaborative Tagging Systems. Journal of Information Science, 32(2). 198-208. Disponible en: http://www.hpl.hp.com/research/idl/papers/tags/tags.pdf [Consultado 05/05/de 2010] - Guinchat, C., Menou, M. (1983) Introducción general a las ciencias y técnicas de la información y de la documentación. Paris: UNESCO, 1983. - Hassan Montero, Y. (2006a). Indización Social y Recuperación de Información. En: No Solo Usabilidad, nº 5, 2006. <nosolousabilidad.com>. ISSN 1886-8592 http://www.nosolousabilidad.com/articulos/indizacion_social.htm [consulta: 16/05/2011] - Hassan Montero, Y. (2006b) Visualización y Recuperación de Información. En: CTDI 2006. ESIG, Portugal. 27 de Abril de 2006. http://www.nosolousabilidad.com/hassan/visualizacion_y_recuperacion_de_informacion.pdf [consulta: 16/05/2011] - Huberman, B.A., Pirolli, P., Pitnow, J.E. and Lukose, R.M. (1998) Strong regularities in World Wide Web surfing. En: Science, 280 (5360) 95-97. - Jansen, B.J., Spink, A.(2006) How are we searching the World Wide Web? A comparison of nine search engine transaction logs. Information Processing & Management. Volume 42, Issue 1, January 2006, Pages 248-263 doi:10.1016/j.ipm.2004.10.007 - Jansen, B. J., Booth, D. and Spink, A. (2007) Determining the user intent of web search engine queries. En: Proceedings of the 16th international conference on World Wide Web (WWW'07). ACM, New York, NY, USA, 1149-1150. DOI=10.1145/1242572.1242739 http://doi.acm.org/10.1145/1242572.1242739 - Jansen, J., Booth, D. (2010). Classifying web queries by topic and user intent. En: Proceedings of the 28th of the international conference extended abstracts on Human factors in computing systems (CHI EA '10). ACM, New York, NY, USA, 4285-4290. DOI=10.1145/1753846.1754140 http://doi.acm.org/10.1145/1753846.1754140 - Jansen, J. (2011) Some folks who are mentioned in Understanding Sponsored Search [en línea]. Web Search. 14/05/2011 http://jimjansen.blogspot.com/2011/05/some-folks-who-are-mentionedin.html [consulta 16/05/2011] - Kroski, E. (2007) Folksonomies and user-based tagging. EN: N. Courtney ed. Library 2.0 and beyond. Innovative Technologies and Tomorrow User. Westport, Connecticut: Libraries Unlimited, pp. 91103 - Lee, U., Liu, Z., Cho, J. (2005). Automatic identification of user goals in Web search. En: Proceedings of the 14th international conference on World Wide Web (WWW '05). ACM, New York, NY, USA, 391-400. http://doi.acm.org/10.1145/1060745.1060804 - LibraryThing. Disponible en http://www.librarything.com/zeitgeist - Lozano, R. (2010) Biblioteca, aprendizaje y acceso a la información en medio del temporal tecnológico. En: Notas ThinkEpi 2010. Disponible en: http://www.thinkepi.net/bibliotecaaprendizaje-acceso-informacion-medio-temporal-tecnologico [Consultado 17/05/2011] - Martín Fernández, F. J., Hassan Montero, Y. (2003). Conociendo a nuestros usuarios. En: No Solo Usabilidad, nº 2, 2003. <nosolousabilidad.com>. ISSN 1886-8592 - Ministerio de Cultura (2011) Definición de Biblioteca Pública. Disponible en: http://www.mcu.es/bibliotecas/MC/EBP/Definicion.html [consultado 02/06/2011] - Morville, P., Rosenfeld, L. (2006) Information architecture for the World Wide Web. O’Reilly, 3ª edición. - O'Reilly, T. (2006) Qué es Web 2.0. Patrones del diseño y modelos del negocio para la siguiente generación del software. Disponible en: http://sociedadinformacion.fundacion.telefonica.com/DYC/SHI/seccion=1188&idioma=es_ES&id=2 009100116300061&activo=4.do?elem=2146 - Ronda León, Rodrigo; (2005). La Arquitectura de la Información y las Ciencias de la Información. En: No Solo Usabilidad, nº 4, 2005. ISSN 1886-8592. Disponible en: http://www.nosolousabilidad.com/articulos/ai_cc_informacion.htm [consultado 21/05/2011] - Rovira, C., Codina, Ll., Marcos, M.C., Palma, M.V. (2004) Información y documentación digital. Barcelona: Documenta Universitaria - Spink, A., Wolfram, D., Jansen, J. and Saracevic, T. (2001). Searching the Web: the public and their queries.En: J. Am. Soc. Inf. Sci. Technol. 52, 3 (February 2001), 226-234. DOI=10.1002/10974571(2000)9999:9999<::AID-ASI1591>3.3.CO;2-I http://dx.doi.org/10.1002/10974571(2000)9999:9999<::AID-ASI1591>3.3.CO;2-  Byrne, M. D., John, B. E., Wehrle, N. S., and Crow, D. C. The tangled web we wove: A taskonomy of WWW use. In Human Factors in Computing Systems: Proceedings of CHI 99 (pp. 544-551), Addison Wesley, 1999.  Choo, C. W., Detlor, B., and Turnbull, D. . Information Seeking on the Web – An integrated model of browsing and searching. Proceedings of the Annual Meeting of the American Society for Information Science (ASIS), 1999. Available at http://choo.fis.utoronto.ca/fis/respub/aisis99/  Goodrum, A., & Spink, A. (1999). Visual information seeking: A study of image queries on the World Wide Web. Paper presented at the Annual Meeting of the American Society for Information Science, Washington, DC  Gordon, M. and Pathak, P. (1999). Finding information on the World Wide Web: the retrieval effectiveness of search engines. Information Processing and Management, 35 (2) 141-180.  Hawking, D., Craswell, N., Thistlewaite, P., Harman, D. (1999) Results and challenges in web search evaluation. WWW8, Toronto, pages 243-252. Elsevier  Hofmann, T.: Probabilistic latent semantic analysis. In: Proc. of Uncertainty in Artificial Intelligence, Stockholm (1999)  Jansen, B., Spink, A., & Saracevic, T. (1999). The use of relevance feedback on the Web: Implications for Web IR system design. Paper presented at the World Conference of the World Wide Web, Internet, and Intranet, October 24–30, 1999. Waikiki, Honolulu. Available at http://jimjansen.tripod.com/  Jupiter Research. (1999). Go network announces new INFOSEEK Search: 30 percent faster, 50 percent larger. Retrieved from the World Wide Web on 5 September 2000 from http://info.go.com/press/search.html  Kehoe, C., Pitkow, J., & Morton, K. (1999). Graphic, visualization, and usability center’s 8th WWW user survey. Retrieved 15 August 1999 from the World Wide Web at http://www.gvu.gatech.edu/  Lawrence, S., & Giles, C. (1999). Accessibility of information on the web Nature, 400, 107–109 Nielsen/NetRating. (1999). Retrieved from the World Wide Web on 11 August 1999 from http://www.nielsen-netratings.com/  Leighton, H., Srivastava, J. (1999) Precision amongWorld Wide Web Search Services (Search Engines). Journal of the American Society for Information Science, 50(10): 870-881, 1999.  Navarro-Prieto, R., Scaife, M., & Rogers, Y. Cognitive Strategies in Web Searching. Proceedings of the 5th Conference on Human Factors & the Web, 1999. Available at http://zing.ncsl.nist.gov/hfweb/proceedings/navarro-prieto/index.html.  NTIA. (1999). Defining the digital divide, the 3rd annual report by the National Telecommunications and Information Administration. Retrieved from the World Wide Web on 20 August 1999 from http:// www.ntia.doc.gov/ntiahome/digitaldivide/  OCLC Inc. (1999). Web statistics and analysis. URL: http://www.oclc.org/oclc/research/projects/webstats/index.htm.  Pharo, N. (1999). Solving problems on the World Wide Web. Internet Research: Electronic Networking Applications and Policy, 4(3). Retrieve from the World Wide Web on 1 August 1999 from http://www.shef.ac.uk/;is/publications/  Piktow, J. (1999). Summary of WWW characteristics. The World Wide Web Journal. 2(2), 2–13  Silverstein, C., Henzinger, M., Marais, H., & Moricz, M. (1999). Analysis of a very large Web search engine query log. SIGIR Forum, 33(1), 6–12  Spink, A., Bateman, J., & Jansen, B. (1999). Searching the Web: A survey of Excite users. Internet Research: Electronic Networking Applications and Policy. Retrieve from the World Wide Web on 7 August 1999 from http://www.shef.ac.uk/;is/publications/infres/ircont.html  Spink, A., Bateman, J. & Jansen, B.J. (1999). Searching the Web: Survey of Excite users. Internet Research: Electronic Networking Applications and Policies, 9 (2) 117-128.  Wolfram, D. (1999). Term co-occurrence in Internet search engine queries: An analysis of the Excite data set. Canadian Journal of Information and Library Science, 24(2/3), 12–33  Xu, J.L. (1999). Internet search engines: Real world IR issues and challenges Paper presented at the Conference on Information and Knowledge Management. Kansas City, MO año 2000  Alexa Insider Page. (2000). Alexa Insider Side Bar. Retrieved from the World Wide Web on 30 March 2000 from http://insider.alexa.com/ insider?cli510  D. Beeferman and A. Berger. Agglomerative clustering of a search engine query log. In Proceedings of ACM SIGKDD '00, 2000.  K. Bharat and A. Broder. Mirror, mirror, on the Web: A study of host pairs with replicated content. In Proceedings of the Eighth Int'l. World Wide Web Conf., 1999.  N. Cristianini and J. Shawe-Taylor. An Introduction to Support Vector Machines. Cambridge University Press, 2000.  He, D., & Go¨ker, A. (2000). Detecting session boundaries from Web user logs. Paper presented at 22nd Annual colloquium of IR research, April 5– 7, 2000, Cambridge UK  C. Holscher and G. Strube. Web search behaviour of Internet experts and Newbies. Proceedings of WWW9. 2000. Available at http://www9.org/w9cdrom/81/81.html.  Jansen, B. J., Goodrum, A., Spink, A. (2000). Searching for multimedia: Video, audio, and image. Web queries. World Wide Web, 3(4)  Jansen, B., Spink, A., & Saracevic, T. (2000). Real life, real users, and real needs: A study and analysis of user queries on the web. Information Processing and Management, 36(2), 207–227  Jansen, B. J., Spink, A., & Saracevic, T. (2000). A study of users queries on the Web. Information Processing and Management, 36 (2) (Special Issue: Web Research & IR).  Ross, N., & Wolfram, D. (2000). End user searching on the Internet: An analysis of term pair topics submitted to the Excite search engine Journal of the American Society for Information Science, 51(10), 949– 958  Spink A., Jansen, B.J. & Ozmultu, (2000). Query reformulation and relevance feedback by Excite users. Internet Research: Electronic Networking Applications and Policies.  Statistical Research, Inc. (2000). New study shows Internet users are loyal to Web “Niches.” Retrieved from the World Wide Web on 5 September 2000 from http://www.sriresearch.com/press/pr20000217.htm  Sullivan, D. (2000). Search engine sizes. SearchEngineWatch.com. Retrieved from the World Wide Web on 29 April 2000 from http:// www.searchenginewatch.com/reports/sizes.html  Xu, J.L. (2000). Multilingual search on the World Wide Web. Paper presented at the HICSS 33. Maui, HI año 2001  Amanda Spink, Dietmar Wolfram, Major B. J. Jansen, and Tefko Saracevic. 2001. Searching the Web: the public and their queries. J. Am. Soc. Inf. Sci. Technol. 52, 3 (February 2001), 226-234. DOI=10.1002/1097-4571(2000)9999:9999<::AID-ASI1591>3.3.CO;2-I http://dx.doi.org/10.1002/1097-4571(2000)9999:9999<::AID-ASI1591>3.3.CO;2-I  Bernard J. Jansen and Udo Pooch. 2001. A review of web searching studies and a framework for future research. J. Am. Soc. Inf. Sci. Technol. 52, 3 (February 2001), 235-246. DOI=10.1002/1097-4571(2000)9999:9999<::AID-ASI1607>3.3.CO;2-6 http://dx.doi.org/10.1002/1097-4571(2000)9999:9999<::AID-ASI1607>3.3.CO;2-6  F. Cacheda, A. Viña. “Experiencies retrieving information in the World Wide Web”, aceptado para ISCC 2001, 6th IEEE Symposium on Computers and Communications, 3-5 de Julio de 2001.  J. Jackson. Pop Goes the Interstitial. eMarketeer, 7 June 2001, Available at http://www.emarketer.com/analysis/eadvertising/20010607_ead.html  http://www.tic.udc.es/~fidel/docs/publications/jitel2001.pdf  J. Muramatu and W. Pratt. Transparent queries: Investigating Users’ Mental Models of Search Engines. Proceedings of SIGIR 2001.  Nick Craswell, David Hawking and Stephen Robertson. Effective site finding using link anchor information. SIGIR’01. Available at http://pigfish.vic.cmis.csiro.au/~nickc//pubs/sigir01.pdf  N. Craswell, D. Hawking and K. Griffiths. Which Search engine is best at finding airline site home pages?. CSIRO Mathematical and Information Sciences TR01/45, 2001. Available at http://pigfish.vic.cmis.csiro.au/~nickc//pubs/TR01-45.pdf  D.Hawking, N. Craswell, and K. Griffiths. Which search engine is best at finding online services? WWW10 poster. Available at http://pigfish.vic.cmis.csiro.au/~nickc//pubs/www10actualposter.pdf  Ponte, M., Cacheda, F., Viña, A. (2001) Análisis de las búsquedas realizadas, categorías accedidas y documentos vistos en un directorio Web. año 2002  Broder, A.: A taxonomy of web search. SIGIR Forum 36 (2002) 3–10  A. Spink, B.J. Jansen, D. Wolfram, and T. Saracevic. From E-Sex to E-Commerce: Web search changes. IEEE Computer, 35(3):107 { 109, 2002.  D.D. Wackerly, W. Mendenhall III, and R.L. Schea®er. Mathematical Statistics with Applications. Duxbury, 6th edition, 2002. 2003  Basu, A., Watters, C., Shepherd, M.: Support vector machines for text categorization. In: International Conference on System Sciences, Washington, DC, USA, IEEE Computer Society (2003) 103.3  Batelle, J. (2003) The Database of Intentions [en línea]. John Batelle’s Searchblog. 13 noviembre 2003 http://battellemedia.com/archives/2003/11/the_database_of_intentions  B.D. Davison, D.G. Deschenes, and D.B. Lewanda. Finding relevant Website queries. In Proceedings of the Twelfth Int'l. World Wide Web Conf., 2003.  N. Eiron and K.S. McCurley. Analysis of anchor text for Web search. In Proceedings of ACM SIGIR '03, 2003. año 2004  Baeza-Yates, R., Hurtado, C., Mendoza, M.: Query recommendation using query logs in search engines. In: Current Trends in Database Technology - EDBT, Springer-Verlag GmbH (2004) 588– 596  J.L. Devore. Probability and Statistics for Engineering and the Sciences. Duxbury, 6th edition, 2004.  R. Kraft and J. Zien. Mining anchor text for query re¯nement. In Proceedings of the Thirteenth Int'l. World Wide Web Conf., 2004.  Rose, D.E., Levinson, D.: Understanding user goals in web search. In: International conference on WWW, ACM Press (2004) 13–19  Speretta, M., Gauch, S.: Personalizing search based on user search history (2004)  Jin, X., Zhou, Y., Mobasher, B.: Web usage mining based on probabilistic latent semantic analysis. In: Knowledge discovery and data mining, New York, USA, ACM Press (2004) 197–205 año 2005  Mobasher, B. In: Practical Handbook of Internet Computing. CRC Press (2005)  Baeza-Yates, R.: Applications of web query mining. In: ECIR 2005. Volume 3408.,Lecture Notes in Computer Science (2005)  Lee, U., Liu, Z., Cho, J.: Automatic identification of user goals in web search. In: International conference on WWW, ACM Press (2005) 391–400  Lin, C., Xue, G.R., Zeng, H.J., Yu, Y.: Using probabilistic latent semantic analysis for personalized web search. In: Web Technologies Research and Development, Berlin Heidelberg, SpringerVerlag GmbH (2005) 707–717  Jansen, B.J., Spink, A.: An analysis of web searching by european alltheweb.com users. Information Processing andManagement: an International Journal 41 (2005) 361–381 año 2006  Baeza-Yates, R., Liliana Calderón-Benavides, L.,González-Caro, C. The intention Behind Web Queries. EN: String Processing and Information Retrieval In String Processing and Information Retrieval, Vol. 4209 (2006), pp. 98-109. doi:10.1007/11880561_9 Key: citeulike:2435010  Jansen, B.J., Spink, A.(2006) How are we searching the World Wide Web? A comparison of nine search engine transaction logs. Information Processing & Management. Volume 42, Issue 1, January 2006, Pages 248-263 doi:10.1016/j.ipm.2004.10.007  O'Reilly, T. (2006) Qué es Web 2.0. Patrones del diseño y modelos del negocio para la siguiente generación del software. Disponible en: http://sociedadinformacion.fundacion.telefonica.com/DYC/SHI/seccion=1188&idioma=es_ES&i d=2009100116300061&activo=4.do?elem=2146  Shen, D., Pan, R., Sun, J.-T., Pan, J. J., Wu, K., Yin, J. and Yang, Q. Query enrichment for webquery classification Transactions on Information Systems, 24, 3 (2006), 320 - 352. año 2007  Beitzel, S. M., Jensen, E. C., Lewis, D. D., Chowdhury, A. and Frieder, O. Automatic classification of Web queries using very large unlabeled query logs ACM Transactions on Information Systems, 25, 2 (2007), Article No. 9.  Beitzel, S. M., Jensen, E. C., Chowdhury, A. and Frieder, O. Varying approaches to topical web query classification. In Proceedings of the 30th annual international ACM SIGIR conference on Research and development in information retrieval (Amsterdam, The Netherlands, 23 - 27 July, 2007), 783 - 784.  Bernard J. Jansen, Danielle L. Booth, and Amanda Spink. 2007. Determining the user intent of web search engine queries. In Proceedings of the 16th international conference on World Wide Web (WWW '07). ACM, New York, NY, USA, 1149-1150. DOI=10.1145/1242572.1242739 http://doi.acm.org/10.1145/1242572.12427392009  Liu, J., Birnbaum, L. (2007) Measuring Semantic Similarity between Named Entities by Searching the Web Directory. En: 2007 IEEE / WIC / ACM International Conference on Web Intelligence, WI 2007, 2-5 November 2007, Silicon Valley, CA, USA, Main Conference Proceedings 2007 doi: 10.1109/WI.2007.75  Meredith Ringel Morris and Eric Horvitz. 2007. SearchTogether: an interface for collaborative web search. In Proceedings of the 20th annual ACM symposium on User interface software and technology (UIST '07). ACM, New York, NY, USA, 3-12. DOI=10.1145/1294211.1294215 http://doi.acm.org/10.1145/1294211.1294215  Bamba, B., Ling Liu, Caverlee, J., Padliya, V., Srivatsa, M., Bansal, T., Palekar, M., Patrao, J., Suiyang Li, Singh, A. (2007) DSphere: A Source-Centric Approach to Crawling, Indexing and Searching the World Wide Web. doi: db/conf/icde/icde2007.html#BambaLCPSBPPLS07  Kroski, E. (2007) Folksonomies and user-based tagging. EN: N. Courtney ed. Library 2.0 and beyond. Innovative Technologies and Tomorrow User. Westport, Connecticut: Libraries Unlimited, pp. 91-103  Pirolli, P. Information Foraging Theory: Adaptive Interaction with Information. Oxford University Press, Oxford, 2007. año 2008  Xiao-Bing Xue, Zhi-Hua Zhou, and Zhongfei (Mark) Zhang. 2008. Improving Web search using image snippets. ACM Trans. Internet Technol. 8, 4, Article 21 (October 2008), 28 pages. DOI=10.1145/1391949.1391955 http://doi.acm.org/10.1145/1391949.1391955  Costa, R.P., Seco, N.(2008) Hyponymy Extraction and Web Search Behavior Analysis Based on Query Reformulation. EN: Advances in Artificial Intelligence – IBERAMIA 2008 Lecture Notes in Computer Science, Volume 5290/2008, 332-341, DOI: 10.1007/978-3-540-88309-8_34  Caviglia, F., Ferraris, M. (2008) The Web as a learning environment: Focus on contents vs. focus on the search process EN: Learning to Live in the Knowledge Society IFIP International Federation for Information Processing, Volume 281/2008, 175-178, DOI: 10.1007/978-0-38709729-9_27  Baeza-Yates, R. (2008). Web Mining or The Wisdom of the Crowds. In Proceeding of the 2008 conference on Artificial Intelligence Research and Development: Proceedings of the 11th International Conference of the Catalan Association for Artificial Intelligence, Teresa Alsinet, Josep Puyol-Gruart, and Carme Torras (Eds.). IOS Press, Amsterdam, The Netherlands, The Netherlands, 3-3. año 2009  Duda, C., Frey, G., Kossmann, D., Matter, R., Chong Zhou (2009) AJAX Crawl: Making AJAX Applications Searchable EN: Data Engineering, 2009. ICDE '09. IEEE 25th International Conference on: 78 – 89. doi: 10.1109/ICDE.2009.90  Lozano, R. (2010) Biblioteca, aprendizaje y acceso a la información en medio del temporal tecnológico. En: Notas ThinkEpi 2010. Disponible en: http://www.thinkepi.net/bibliotecaaprendizaje-acceso-informacion-medio-temporal-tecnologico año 2010  Chowdhury, G. (2010), Social Information Retrieval Systems: Emerging Technologies and Applications for Searching the Web Effectively. Journal of the American Society for Information Science and Technology, 61: 2587–2588. doi: 10.1002/asi.21410  Baeza-Yates, R. (2010). Searching the Web of Objects. EN: Objects and Databases Lecture Notes in Computer Science, 2010, Volume 6348/2010, 6-7, DOI: 10.1007/978-3-642-16092-9_2  Takata, N., Ohshima, H., Oyama, S., Tanaka, K. (2010) Searching the Web for Alternative Answers to Questions on WebQA Sites EN: Web-Age Information Management Lecture Notes in Computer Science, 2010, Volume 6184/2010, 441-452, DOI: 10.1007/978-3-642-14246-8_43  Ioannidis, S., Massoulie, L. (2010) Surfing the Blogosphere: Optimal Personalized Strategies for Searching the Web EN: INFOCOM, 2010 Proceedings IEEE, 1 – 9, DOI: 10.1109/INFCOM.2010.5462079  Jae-wook Ahn and Peter Brusilovsky. 2010. What you see is what you search: adaptive visual search framework for the web. In Proceedings of the 19th international conference on World wide web (WWW '10). ACM, New York, NY, USA, 1049-1050. DOI=10.1145/1772690.1772798 http://doi.acm.org/10.1145/1772690.1772798  Rob Ennals, Dan Byler, John Mark Agosta, and Barbara Rosario. 2010. What is disputed on the web?. In Proceedings of the 4th workshop on Information credibility (WICOW '10). ACM, New York, NY, USA, 67-74. DOI=10.1145/1772938.1772952 http://doi.acm.org/10.1145/1772938.1772952  Jansen, J., Booth, D. (2010). Classifying web queries by topic and user intent. En: Proceedings of the 28th of the international conference extended abstracts on Human factors in computing systems (CHI EA '10). ACM, New York, NY, USA, 4285-4290. DOI=10.1145/1753846.1754140 http://doi.acm.org/10.1145/1753846.1754140 año 2011  Jansen, J. (2011) Some folks who are mentioned in Understanding Sponsored Search [en línea]. Web Search. 14 mayo 2011 http://jimjansen.blogspot.com/2011/05/some-folks-who-arementioned-in.html [consulta 16 mayo 2011]  Baeza-Yates, R. (2011a) Investigación en tecnologías de la información [vídeo] En: Jornadas Cátedra GedesTIC 2011-UPV Jornada 1. Sesión 1. Video 1/4. Disponible en: http://gedestic.es/videos/jornada-1-sesion-1-video-14-investigacion-en-tecnologias-de-lainformacion [consulta: 16 mayo 2011]  Baeza-Yates, R. (2011a) Investigación en tecnologías de la información [vídeo] En: Jornadas Cátedra GedesTIC 2011-UPV Jornada 1. Sesión 1. Video 2/4. Disponible en: http://gedestic.es/videos/jornada-1-sesion-1-video-24-investigacion-en-tecnologias-de-lainformacion [consulta: 16 mayo 2011] ANEXO 2 Cálculo del porcentaje de población mundial que utiliza el español como idioma en Internet y que además utiliza Google como buscador: Para obtener este dato consultaremos la web http://www.internetworldstats.com, para obtener el número de países que utilizan el español como lengua de navegación por internet. Una vez obtengamos los datos de los países y el porcentaje que representa cada uno, consultamos país por país, cuál es el buscador más utilizado en el período de tiempo coincidente con la recogida de datos de este estudio, entre enero y diciembre de 2010. Esta información la obtenemos en http://gs.statcounter.com No tenemos datos globales sobre el uso de buscadores, por eso tenemos que hacer la búsqueda por países. Por último, obtenemos el promedio de uso de Google en cada país, y ese dato lo ponderaremos de acuerdo con la población que representa cada uno de ellos. De este modo obtendremos el dato de la población con la que estamos trabajando. Países que utilizan el español como idioma de Internet: USUARIOS DE INTERNET HISPANOHABLANTES COUNTRIES Population (2009 Est.) Internet Users, Latest Data Penetration % Population User Growth 2000-2009 Table % Users Argentina 40,913,584 20,000,000 48.9 % 700.0 % 14.3 % Bolivia 9,775,246 1,050,000 10.7 % 775.0 % 0.8 % Chile 16,601,707 8,369,036 50.4 % 376.2 % 6.0 % Colombia 43,677,372 20,788,818 47.6 % 2,267.7 % 14.9 % Costa Rica 4,253,877 1,500,000 35.3 % 500.0 % 1.1 % Cuba 11,451,652 1,450,000 12.7 % 2,316.7 % 1.0 % Dominican Republic 9,650,054 3,000,000 31.1 % 5,354.5 % 2.1 % Ecuador 14,573,101 1,840,678 12.6 % 922.6 % 1.3 % El Salvador 7,185,218 975 13.6 % 2,337.5 % 0.7 % Equatorial Guinea 633,441 12 1.9 % 2,300.0 % 0.0 % Guatemala 13,276,517 1,960,000 14.8 % 2,915.4 % 1.4 % Honduras 7,833,696 958,5 12.2 % 2,296,3 % 0.7 % Mexico 111,211,789 27,600,000 24.8 % 917.5 % 19.7 % Nicaragua 5,891,199 600 10.2 % 1,100.0 % 0.4 % Panama 3,360,474 934,5 27.8 % 1,976.7 % 0.7 % Paraguay 6,995,655 894,2 12.8 % 4,371.0 % 0.6 % Perú u29,546,963 7,636,400 25.8 % 205.5 % 5.5 % Puerto Rico 3,966,213 1,000,000 25.2 % 400.0 % 0.7 % Spain 40,525,002 29,093,984 71.8 % 440.0 % 20.8 % Uruguay 3,494,382 1,340,000 38.3 % 262.2 % 1.0 % Venezuela 26,814,843 8,846,535 33.0 % 831.2 % 6.3 % TOTAL 411,631,985 139,849,651 34.0 % 669.2 % 100.0 % Figura 38. Usuarios de internet hispanohablantes