RECUPERACIÓN DE LA INFORMACIÓN

 

La popularización del uso de Internet ha posibilitado la existencia de enormes cantidades de información y la ha puesto al alcance de cualquier usuario de este medio. Sin embargo, la localización de toda la información realmente relevante acerca de un tema concreto sigue siendo una labor lenta y tediosa. La aparición de los buscadores (sistemas que intentan localizar los documentos que en un momento dado son de nuestro interés) ha facilitado dicha tarea; sin embargo, los resultados hasta la fecha no son lo suficientemente satisfactorios y sólo facilitan en pocos aspectos la búsqueda de la información. Es por ello que se pretende construir un sistema de recuperación de información de sedes Web. Como recuperación de información se entiende la capacidad de seleccionar entre una gran cantidad de documentos, aquellos cuyo contenido hacen referencia a un tema indicado.

Se denominan fuentes de información a diversos tipos de documentos (en cualquier soporte), que contienen datos útiles para satisfacer una demanda de información o conocimiento. (Ej. Bases de datos, monografías, obras de consultas o de referencia).

Es importante que el usuario de información conozca las características propias de las diversas fuentes de información, evalúe la utilidad y calidad de, y comprenda su aplicación en distintos ámbitos y tipos de problemas.
Además debe comprender los sistemas de organización de la información de diversas disciplinas, la organización general de las bibliotecas y de otros centros de información, como empresas privadas y organismos del estado y los procedimientos de acceso a los acervos que contienen.

Los criterios a tener en cuenta para la selección de la información son, la disponibilidad, cobertura, actualidad, soporte técnico, lenguaje de recuperación, suficiencia, veracidad, calidad, utilidad, pertinencia, frecuencia, procedencia, autoría.

El análisis documental es la operación que consiste en seleccionar las ideas informativamente relevantes de un documento a fin de expresar su contenido sin ambigüedades para recuperar la información en él contenida. Esta representación puede ser utilizada para identificar el documento, para procurar los puntos de acceso en la búsqueda de documentos, para indicar su contenido o para servir de sustituto del documento. El análisis puede tomar la forma de un sumario, un resumen, un índice alfabético de materias o códigos sistemáticos.

El análisis documental cubre técnicas tradicionales de bibliotecas, tales como catalogación, indización, clasificación y resumen, además de técnicas informáticas como la indización automática y la recuperación de la información almacenada en ordenadores mediante el lenguaje natural.

Este análisis se realiza persiguiendo el fin práctico: recuperar la información que no es una tarea simplemente rutinaria, ni tan sencilla como resulta al parecer para algunos usuarios que desconocen cuanto trabajo previo ha habido que realizar para que el reciba la documentación que necesita.

Análisis formal es aquel que recoge todos los elementos objetivos el documento: tipo, autor, título, editorial, fecha, número de páginas, idioma original, etc. Se trata de un análisis externo del documento que extrae aquellos datos que lo distinguen típicamente de los demás . Esta descripción está en dependencia de la tipicidad del documento. esta fase permite identificar y controlar los documentos dentro de una colección. Se realiza en dos operaciones: catalogación y descripción documental.

La catalogación pretende establecer la lista de documentos que componen una colección, es decir, el catálogo, considerado éste como instrumento de comunicación entre la colección y los usuarios, por lo que la catalogación se ocupa de diseñar las formas de acceso o puntos de entrada que los documentos tengan en el catálogo con el objeto de que puedan ser recuperados; esto en la práctica implica también operaciones propias del análisis de contenido.

La descripción documental es la operación por la cual se describe el documento. En función de sus características formales y externas, como el autor, el título, el lugar de edición, el editor, el año de publicación, las características físicas, etc. Se trata de una operación que debe estar sujeta a normas estrictas de la más amplia extensión posible con el objeto de que los registros resultantes puedan ser manejados por los usuarios. Las normas de catalogación más extendidas son las ISBD (International Standard Bibliographic Description) y las Normas de Catalogación Angloamericanas.

El análisis de contenido es aquella operación intelectual o automática según la cual se describe aquello que trata el documento y los productos resultantes son: la clasificación, la indización y la condensación (resumen).


La evaluación de la recuperación de información, y más concretamente de los sistemas encargados de realizar esta tarea, realizada puede ser evaluado por diversos criterios, incluyendo entre los mismos los criterios de:

Eficaz ejecución del sistema

Efectivo almacenamiento de los datos

Efectividad en la recuperación en la recuperación

La serie de características que el sistema ofrece al usuario (la interfase de usuario)

Los dos primeros aspectos se encuentran más próximos a la evaluación del "acceso físico a los datos" (Blair, 1990) que a la evaluación de la calidad de la respuesta ofrecida al usuario, calidad medida en términos de relación con la pregunta efectuada, o "acceso lógico a los datos" (Blair, 1990) que viene a ser lo que realmente le importa al usuario, junto a las prestaciones de la interfase de usuario.

La eficacia en la ejecución es medida por el tiempo que se toma el sistema para realizar una operación. Este parámetro ha sido siempre la preocupación principal en un sistema de recuperación de Información.

La eficiencia del almacenamiento es medida por el número de bytes que se precisan para almacenar los datos. Una medida típica para medir esta eficiencia es el tamaño del índice de los ficheros unido al tamaño de los archivos del documento y dividido entre el tamaño de los archivos del documento.

Desde casi el inicio de las evaluaciones de la recuperación de Información (que surgen a partir de los experimentos desarrollados por Cleverdon en el Instituto Cranfield y son casi contemporáneos a la implementación de los primeros sistemas), se ha conferido mucha importancia a la efectividad de la recuperación de información, normalmente basada en la relevancia de los documentos recuperados (lo cual representa un serio problema, ya que valorar esa relevancia es un proceso altamente subjetivo y sin confianza, ya que diferentes juicios personales asignarán siempre diferentes valores de relevancia a un documento recuperado en respuesta a una petición).

Como rastrean los motores de búsqueda la Web para encontrar nuevas páginas (o contenidos nuevos de las ya existentes), que incorporar a sus índices.

Un motor de búsqueda compila de forma automática las direcciones de las páginas que formarán parte de su índice, tras realizar un proceso de indización de su contenido.
Al módulo encargado de la recopilación de las páginas se le conoce comúnmente como robot , “es un programa que rastrea la estructura hipertextual de la Web, recogiendo información sobre las páginas que encuentra. Esa información se indica y se introduce en una base de datos que será explorada posteriormente utilizando un motor de búsqueda”
Estos robots pueden recopilar varios millones de páginas por día, y actualizar la información recogida en los índices en períodos de tiempo extremadamente pequeños, considerando la extensión del espacio al que nos estamos refiriendo.

Por regla general, se parte de una lista inicial de direcciones que son visitados por el robot, y a partir de ahí cada uno rastrea a su manera la Web, de ahí que la información almacenada en cada motor sea diferente.
En contra de lo que pudiera parecer por su nombre, y de una amplia serie de definiciones incorrectas, el robot no se mueve por la red ni se ejecuta sobre las máquinas remotas que visita. Realmente funciona sobre el sistema local del motor de búsqueda y envía una serie de peticiones a los sitios Web remotos (donde se alojan las páginas a analizar). El índice también se gestiona localmente. Esta arquitectura clásica es la que implementa, entre otros, el motor, por ejemplo  Alta Vista, “precisando para ello (en 1998) de 20 ordenadores multiprocesadores, todos con más de 130 Gb de memoria RAM y sobre 500 Gb de espacio en disco; sólo el módulo de interrogación del índice consume más del 75% de estos recursos”.

En esta arquitectura distribuida, los servidores web reciben simultáneamente las peticiones de distintos robots (analizadores), aumentando así la capacidad de carga de nuevas páginas del motor. Esta arquitectura solventa el problema de la carga de tráfico en las conexiones con el motor, ya que aumenta la velocidad de conexión con los robots en tanto que estos descartan gran cantidad de contenidos de las páginas que analizan y no las transfieren al entorno local, aliviando considerablemente la carga de tráfico. En último lugar, la información es recopilada de forma independiente por cada robot, sin tener que realizar una gestión sincronizada.

Creo que en esto de la recuperación a través de Internet , hay que detenerse pues navegar, usar correo electrónico puede hacerlo cualquiera, pero recuperar información de calidad y pertinente al usuario no lo puede hacer cualquiera. Pienso que hay que tener experiencia, hay que ir al detalle cada vez que nos aparece un nuevo buscador, hay que crear favoritos que se conviertan en verdaderos directorios temáticos, para acceder a las revistas a texto completo, a las bases de datos online, sobre todo esto es importante para aquellos que no tienen recursos para suscribirse a bases de datos.

La tareas de organización y recuperación son actividades conscientes por lo que cada vez es mas importante la presencia del trabajador de la información no solo dentro de la biblioteca, sino también durante el diseño de los sitios Web y en las empresas para apoyar la toma de decisiones adecuadas, pues la información se ha convertido en un recurso dentro de cualquier organización y se hacen continuas referencias al valor de la gestión de información como factor crítico del éxito.

En la empresa nos encontramos con una documentación variada y muchas veces de carácter confidencial , por lo que la recuperación de este tipo de fuentes documentales es una tarea que va más allá de las actividades propias de los archiveros y documentalistas y se convierte más bien un trabajo de detectives y recopiladores de documentos, además de recopilar la información es necesario crear formatos adecuados para la empresa, en cuestión, que permitan organizar y actualizar la información y recuperarla en el momento preciso para facilitar la toma de decisiones.

 


VOLVER


 

Hosted by www.Geocities.ws

 1