Introducci贸n
Existe mas de una contradicci贸n cuando se unen en la misma frase las palabras "web" y "ciencia". Por un lado, los contenidos de la Web, no sin algo de raz贸n, siempre han despertado recelos en sectores acad茅micos y profesionales:
¿Qui茅n controla la informaci贸n que se publica en la Web?
¿Hasta qu茅 punto es fiable la informaci贸n que encontramos a trav茅s de los motores de b煤squeda?
¿Se aplican a la Web los controles editoriales propios de las publicaciones impresas que tanto han significado para el progreso de la ciencia?
Ciertamente, no faltan casos de fraudes o de manipulaciones m谩s o menos conocidos en el mundo de la Web, tales como las falsas p谩ginas de La Casa Blanca, la manipulaci贸n de los resultados de los motores de b煤squeda que hacen los practicantes poco escrupulosos del posicionamiento web (el caso m谩s conocido es el llamado "Gooble bombing" que ha sido erradicado por Google solo muy recientemente). Lo anterior ha generado cosas como la reciente prohibici贸n, por parte de una universidad norteamericana, de que sus estudiantes citen la Wikipedia como fuente para sus trabajos acad茅micos.
A todo ello hay que sumar la dificultad para obtener resultados acad茅micos o cient铆ficos cuando se utilizan t茅rminos que tienen la misma forma (pero distinto significado) que otros t茅rminos propios del comercio o de la cultura popular. Por ejemplo, a alguien muy interesado en la fisiolog铆a del sue帽o le resultar谩 muy dif铆cil encontrar informaci贸n sobre la fase del sue帽o denominada Rapid Eye Movement y que se conoce internacionalmente como REM, ya que si entra esa expresi贸n en Google solamente encontrar谩 resultados vinculados con el grupo musical REM. La palabra clave "Dolly" proporciona otro buen ejemplo: si alguien est谩 interesado en clonaci贸n y quiere informarse sobre el famoso experimento de clonaci贸n de la oveja Dolly, es probable que en un motor de b煤squeda como Google solamente encuentre informaci贸n sobre la cantante Dolly Parton.
Lo misma dificultad se puede experimentar si tenemos una necesidad de informaci贸n cuya palabra clave coincide con palabras presentes en temas discutidos en f贸rums de Internet. Por ejemplo, si alguien interesado en encontrar informaci贸n sobre tarjetas gr谩ficas utiliza palabras clave como ATI o NVIDIA, lo 煤ltimo que encontrar谩 ser谩n an谩lisis t茅cnicos o art铆culos cient铆ficos; en cambio obtendr谩 toneladas de los t铆picamente ca贸ticos mensajes en foros de discusi贸n y e interminables listas de precio en sitios como e-Bay.
Sin embargo, pese a todas las dudas, la Web no solamente ha llegado para quedarse, sino para tener tambi茅n un impacto positivo y real en la difusi贸n del conocimiento acad茅mico y cient铆fico. Durante a帽os, m谩s o menos desde los noventa hasta nuestros d铆as, una de las soluciones que busc贸 el mundo acad茅mico a esta contradicci贸n consisti贸 en desarrollar y promover directorios, portales y servicios de evaluaci贸n, como INTUTE (www.intute.ac.uk).
Con el enorme crecimiento que Internet ha experimentado dese el entonces. el problema que plantean los servicios de informaci贸n creados y mantenidos "a mano" es que apenas pueden abarcar una parte 铆nfima de los contenidos reales de la Web. De manera, que la contradicci贸n segu铆a sin resolverse.
Motores acad茅micos
Hist贸ricamente, la importante editorial Elsevier fue la primera en detectar que exist铆a una nueva necesidad de informaci贸n acad茅mica en la Web y que, por tanto, se necesitaba una nueva clase de sistemas de informaci贸n para la Web. En concreto, Elsevier concibi贸 un sistema capaz de indizar p谩ginas web de manera autom谩tica, es decir, tal como lo hacen los motores convencionales, pero que fuera capaz de filtrar la informaci贸n de manera que pudiera ser admisible y fiable para los estrictos criterios del mundo acad茅mico.
Ese producto se llam贸 Scirus (www.scirus.com) y, al parecer su 茅xito despert贸 suficientes recelos en Google para que esta empresa intentara una operaci贸n parecida, y as铆 tuvimos unos pocos a帽os despu茅s Google Scholar (scholar.google.com).
Por imitaci贸n (y para suerte del mundo acad茅mico) Microsoft no quiso ser menos y, desde inicios del 2007 contamos con un nuevo contendiente en este apasionante campo: Live Search Academic (academic.live.com).
La caracter铆stica principal de los tres sistemas es que solamente indizan sitios web vinculados con el mundo acad茅mico. Qu茅 se entiende por "mundo acad茅mico" cambia en cada caso. La perspectiva que combina, a la vez, rigor y m谩xima amplitud corresponde sin duda a Scirus. La perspectiva que se ci帽e con el m谩ximo rigor, pero en esta caso a costa de la amplitud, corresponde a Live Search Academic y, en alguna posici贸n intermedia, se encuentra Google Scholar.
Con el fin de poder presentar una comparativa entre los tres motores, proponemos la siguiente tipolog铆a de documentos acad茅micos:
Tipo 1: P谩ginas web y documentos de todo tipo (word, ppt, etc.) publicados en sitios de instituciones acad茅micas o cient铆ficas (p.e., sitios del tipo.edu).
Tipo 2: Art铆culos de publicaciones cient铆ficas tipo peer review , ya se trate de publicaciones open acces,o de publicaciones de pago.
Tipo 3: Trabajos acad茅micos tales como tesis doctorales o tesis de licenciatura.
Tipo 4: Documentos depositados en repositorios cient铆ficos (e-prints) ya sean pre-pirnts, post-prints, materiales did谩cicos, etc.
Tipo 5: Patentes
Tipo 6: Libros (monograf铆as)
Los seis tipos de documentos anteriores se solapan entre ellos. Por ejemplo, algunos repositorios incluyen tesis doctorales (aunque no todos); algunos repositorios han sido creados por asociaciones cient铆ficas o por agencias gubernamentales, pero otros creados y mantenidos por universidades y se accede a ellos a trav茅s de su sitio web, etc. Pese a todo, la distribuci贸n anterior nos ser谩 煤til aqu铆 para situar en contexto a los motores de b煤squeda acad茅micos.
A partir de la clasificaci贸n anterior, podemos establecer una tabla como la siguiente para presentar una comparativa de los tres sistemas anteriores en relaci贸n la clase de documentos que incluyen (o sea, en relaci贸n a sus "inputs"):
Sistema | Tipo 1 | Tipo 2 | Tipo 3 | Tipo 4 | Tipo 5 | Tipo 6 |
Scirus | x | x | x | x | x | . |
Live Search Academic | . | x | . | . | . | . |
Google Scholar | x | x | x | x | . | x |
Como se puede observar, de los seis tipos posibles, Scirus y Google Scholar tienen 5 de ellos (aunque no coincidentes): Scirus no tiene libros y, por su parte, Google no tiene patentes. Live tiene solamente uno, mientras que el Tipo 2 (revistas cient铆ficas) es, como parece l贸gico si se mira bien, el 煤nico com煤n a los tres motores. En lo que sigue presentaremos con un poco m谩s de detalle cada uno de los tres motores.
2.1. Scirus
Ilustraci贸n 1: La austera pero potente y eficaz pantalla principal de Scirus
2.1.1. Contexto
El motor de b煤squeda Scirus es, como ya se ha apuntado antes, una creaci贸n de la importante editorial de revistas cient铆ficas holandesa Elsevier (www.elsevier.com) que es parte, a su vez, del gigante editorial anglo-holand茅s Reed-Elsevier (www.reed-elsevier.com), editor de libros y revistas y productor de bases de datos como Lexis-Nexis.
La cuesti贸n es que Elsevier parece haber comprendido muy bien important铆simo papel que la Web est谩 jugando en la distribuci贸n de informaci贸n acad茅mica y dispone de otras dos grandes bases de datos (en este caso y a diferencia de los motores que analizaremos aqu铆, dirigidas a su utilizaci贸n en el contexto de bibliotecas universitarias): Science Direct (www.sciencedirect.com) y Scopus (www.scopus).
Scirus fue fundado en el a帽o 2001 y, poco a poco ha ido ampliando su campo de acci贸n incorporando sucesivamente nuevas fuentes hasta convertirse en un aut茅ntico gigante y en el m谩s completo sistema de los tres (Google Scholar y Windows Live). En un an谩lisis realizado a finales del a帽o 2006 (Jacs贸, 2006) se constat贸 que conten铆a m谩s de 300 millones de documentos (empez贸 con 50 millones en 2001, de manera que ha multiplicado su contenido por seis desde entonces). Otros dos an谩lisis previos (Giustini y Barksy, 2005; Doldi y Bratengeyer, 2005) confirmaron en su momento que Scirus era, con mucha diferencia m谩s completo que Google Scholar (no exist铆a Live en 2005) por lo que hac铆a a repositorios cient铆ficos del tipo American Physical Society o PubMed.
2.1.2. Inputs
Los inputs de Scirus, es decir, el origen de los documentos que incluye en sus 铆ndices son los siguientes (nos guiamos por la propia categorizaci贸 de Scirus):
Art铆culos de revistas: principalmente, publicaciones acad茅micas de la propia editorial Elsevier (unos 2.000 t铆tulos) m谩s un amplio grupo de publicaciones de tipo open access. Son los documentos que Scirus agrupa bajo la denominaci贸n Journal Sources en su p谩gina de resultados y la opci贸n del mismo nombre que se puede marcar o desmarcar en su formulario de b煤squeda.
Repositorios institucionales o acad茅micos: este apartado incluye repositorios como el de la NASA sobre astronom铆a o el de la biblioteca de la Cornell University sobre ciencias (f铆sica, inform谩tica, biolog铆a y matem谩ticas), hasta un total (en teor铆a) de 18 repositorios, entre los que debemos destacar, adem谩s de los mencionados, el de tesis doctorales de la red internacional NDLTD y el de patentes de Lexis-Nexis que incluye patentes de Estados Unidos, Jap贸n y Europa. Decimos "en teor铆a" porque las pruebas demuestran que en realidad utiliza m谩s repositorios, por ejemplo, hemos podido comprobar que utiliza tambi茅n E-LIS, un repositorio sobre Bibliteconom铆a-Documentaci贸n que no aparece en la lista "oficial" de fuentes de Scirus. Esta clase de documentos est谩 se帽ala por Scirus bajo la denominaci贸n Preferred Web Sources.
P谩ginas y documentos publicados en sitios web: en este caso se trata excusivamente de servidores de universidades, de instituciones acad茅micas o de departamentos o institutos de I+D de algunas empresas. Desde el punto de vista del dominio, se trata mayoritariamente de sitios del tipo.edu, ac.uk,.gov, etc. Este grupo se identifica en Scirus como Other Web Sources.
2.2. Google Scholar
Ilustraci贸n 2: La s煤per austera interfaz de Google Scholar
2.2.1. Contexto
A estas alturas es dif铆cil presentar a Google. Ha sido la empresa que ha revolucionado de tal manera la b煤squeda en la Web que incluso ha acabado afectando a los h谩bitos de navegaci贸n. Por ejemplo, la mayor铆a de los internautas ya no utiliza los Preferidos del navegador: prefiere entrar el nombre de la web en la m谩s famosa caja de b煤squeda de la historia. Muchos tampoco entran ya una URL completa si 茅sta en medianamente complicada. Prefirieren entrar una parte del nombre de la web sabiendo que Google les llevar谩 a ella, probablemente en el primer resultado. Ha empujado a los directorios generalistas, como Yahoo o Dmoz, pr谩cticamente a la clandestinidad y ha barrido a los centenares de directorios nacionales e internacionales que exist铆an antes del 2000. La influencia de Google se ha dejado sentir tambi茅n en el primer modelo de negocio que ha sido capaz de generar beneficios en la Web: su sistema de anuncios AdWord y AdSense, imitado tambi茅n por sus competidores.
Por 煤ltimo, pr谩cticamente han creado (u obligado a desarrollar, seg煤n se mire) una rama de la matem谩tica: el an谩lisis de enlaces. Lo cierto es que son muchas cosas las que Google ha aportado a la Web. La cuesti贸n es que, en su b煤squeda incesante de nuevas actividades (siempre pensado en reforzar su modelo de negocio, no lo olvidemos), desde hace dos a帽os Google se decidi贸 a entrar en el mercado de los motores acad茅micos y lanz贸 Google Scholar (Google Acad茅mico) con algunas ideas (relativamente) nuevas. La m谩s importante, sin duda, la de llevar a la Web el an谩lisis de citaciones (por eso decimos que era una idea relativamente nueva).
2.2.2. Inputs
De acuerdo con la documentaci贸n oficial (y como es f谩cil comprobar con un simple test) los inputs de Google Scholar consisten en lo siguiente:
Art铆culos de revistas: en este caso se trata de art铆culos de las editoriales acad茅micas que han aceptado formar parte del programa de Google Scholar. En una l铆nea secretista que comienza a ser demasiado caracter铆stica de Google, no existe una documentaci贸n p煤blica (al menos este analista no la ha encontrado) que detalle qu茅 editoriales son en concreto. Mediante pruebas sucesivas es f谩cil ver que hay una amplia representaci贸n de ellas, pero naturalmente, esto no substituye la buena pr谩ctica que consistir铆a en ir publicando peri贸dicamente qu茅 editoriales est谩n en el programa de Google Scholar.
Libros: al igual que en el caso anterior, se trata de editoriales que han aceptado formar parte de los contenidos de Google Scholar, en este caso, editoriales de libros. Tampoco disponemos de forma p煤blica de una lista de tales editoriales. En todo caso, lo anterior es solamente una de las variedades de esta entrada. La segunda consiste en acuerdos con bibliotecas para obras cuyo derecho de autor haya caducado por haber transcurrido m谩s de los X a帽os que cada legislaci贸n (la europea, la norteamericana, etc.) establece despu茅s de la muerte del autor para que la obra pueda pasar a dominio p煤blico. En general, cabe se帽alar que, en el caso que alguno de los resultados de Scholar sea un libro, el sistema nos remitir谩 a Google Books para su examen. No obstante, entendemos que debemos incluimos aqu铆 esta categor铆a documental porque est谩 integrada en las b煤squedas de Scholar.
Sitios Web : Al igual que Scirus, incluye documentos y p谩ginas de sitios web vinculados con el mundo acad茅mico. La documentaci贸n oficial de Scholar no explica c贸mo seleccionan estos sitios. Es posible deducir, no obstante, que debe utilizar un sistema similar al de Scirus, a saber, indizar sitio del tipo.edu, etc., sin perjuicio que tengan una lista de URL (sitios) de partida para analizar y a partir de los cuales encuentren otros, etc. En esta categor铆a, Google Scholar incluye tambi茅n repositorios de e-prints como los mencionados a prop贸sito de Scirus.
El principal problema de Google Scholar es que no facilita ninguna informaci贸n precisa sobre sus fuentes concretas. No tenemos una lista ni de editoriales ni de repositorios, ni tampoco una estimaci贸n sobre el n煤mero de sitios que indizan o sobre el n煤mero de documentos que contiene. En su lado positivo, podemos se帽alar que ha construido su propio 铆ndice de impacto, basado en citaciones que se aplica a todos los resultados. De forma que respresenta algo as铆 como la alternativa econ贸mica al 铆ndice ISI (con muchas menos prestaciones, al menos por el momento).
2.3. Live Search Academic
Ilustraci贸n 3: Live Search presenta la 煤nica interfaz en el mundo
de la b煤squeda en la Web que no intenta imitar la de Google
2.3.1. Contexto
Microsoft (la compa帽铆a propietaria de Live Search) tiene una curiosa historia con la Web: casi siempre llega tarde, pero acaba dominando todo o parte del sector. Les sucedi贸 con los navegadores, con el correo electr贸nico y les ha sucedido con las b煤squedas en la Web. Les ha vuelto a suceder con las b煤squedas para objetivos acad茅micos, es decir, en este caso se cumple solamente la primer parte: han llegado tarde. Lo que no sabemos es si acabar谩n dominado una buena parte del sector, como consiguieron hacer en el caso de los navegadores.
En todo caso, Microsoft es la 煤nica empresa del mercado inform谩tico que dispone de capacidad tecnol贸gica y financiera suficiente para plantear un desaf铆o cre铆ble al lider actual de las b煤squedas generalistas en la web (Google), por un lado, y al l铆der de las b煤squedas acad茅micas por otro (Scirus). Solamente una incomprensible lista de fracasos anteriores de Microsoft en este campo hace dif铆cil pensar en su liderazgo a medio plazo, pese a los medios de que dispone.
2.3.2. Inputs
En el caso de Live Academic, la lista de inputs es simple: art铆culos de revistas acad茅micas procedentes de diversas editoriales y sociedades cient铆ficas ¿Cu谩les son estas estas revistas participantes? Por suerte, Live Academics es algo m谩s transparente que Google en este aspecto y proporciona una la lista de lo que denominan " participating publishers ". En esta lista aparecen publicaciones como: ACM, Blackwell, Elsevier, Nature, Springer-Verlag y as铆 hasta poco m谩s de cincuenta " publishers ". Lo que sucede es que uno solo de estos "publishers" edita hasta 2000 t铆tuos distintos. Lo que no indica aqu铆 Live Academic es cu脿ntos t铆tulos de estas editoriales incluye, es decir, si incluye todas sus publicaciones o solamente una parte. Las pruebas muestran que, al menos por el momento solo incluye una parte, y no muy amplia, de los t铆tulos de estas editoriales. La lista tambi茅n tambi茅n demuestra que su lista no incluye editoriales fuera del 谩mbito anglosaj贸n. Ciertamente, una b煤squeda usando palabras clave en castellano arroja alg煤n resultado, pero siempre corresponde al hecho de que alguna editorial no espa帽ola, como Elsevier haya publicado alguna vez, casi por casualidad, alg煤n documento en castellano. Nada que ver con el hecho de incluir, por ejemplo, las publicaciones del CSIC o de cualquier otro editor espa帽ol (en lengua castellana o en cualquier otra lengua)
Si Microsoft piensa tomar en serio su nuevo motor de b煤squeda no hay duda que deber谩 ampliar su lista de "publishers" a varias bandas: editoriales de otros pa铆ses, pero tambi茅n mayor n煤mero de t铆tulos de cada editorial.
Conclusiones
Hay evidencias de que la difusi贸n y, si se nos permite, la promoci贸n del conocimiento, actividad caracter铆stica de la Documentaci贸n, est谩 entrando en una nueva era. Hasta hace poco, la Web hab铆a demostrado de sobras su formidable capacidad para actuar como un agente de primer orden en la difusi贸n de la comunicaci贸n y de la cultura. Faltaba el elemento de la ciencia y de la informaci贸n acad茅mica.
Contrasta este giro de los motores de b煤squeda hacia el mundo acad茅mico con su "desentendimiento" del proyecto de la Web Sem谩ntica que lleva a cabo el WWW Consortium con un amplio apoyo de instituciones cient铆ficas de todo el mundo. No deja de ser curioso que, en esta nueva etapa que est谩 abriendo los motores ninguno de los tres actores (Google, Elsevier, Microsoft) haya considerado incluir alguno de los aspectos de la Web sem谩ntica, tales como el uso de ontolog铆as. Tal vez se trate de iniciativas ambas demasiado tempranas como para que puedan pensar en unirse. Probablemente, ser谩 necesario que antes maduren cada una de ellas por separado antes de que puedan pensar siquiera en unir esfuerzos. A煤n as铆, es un pena la mutua ignorancia en la que parecen vivir la Web sem谩ntica por un lado y los motores de b煤squeda por otro.
En todo caso, estas novedades en la b煤squeda auguran una nueva etapa en la forma en la cual se gestionar谩 y se difundir谩n los conocimientos cient铆ficos. De momento, las evidencias son muy prometedoras. Corresponde a los documentalistas-bibliotecarios seguir jugando, pero ahora de acuerdo al nuevo esquema de la Web, el imprescindible papel promotor del conocimiento que nos ha sido siempre tan caracter铆stico.
Bibliograf铆a
Codina, Llu铆s. (2006). "Motores de b煤squeda para usos acad茅micos: ¿Cambio de Paradigma?". ThinkEPI, Enero 2006. [Acceso: http://www.thinkepi.net/repositorio/motores-de-busqueda-para-usos-academicos- ¿cambio-de-paradigma/]
Doldi, L. M.; Bratengeyer, E. (2005). "The web as a free source for scientific information: a comparison with fe-based databases". Online information review, v. 29, n. 4, p. 400-411
Giustini, D.; Barsky, E. (2005). " A look at Google Scholar, PubMed, and Scirus: comparisons and recommendations" JCHLA/JABSC, 26, 2005, P. 85-89. [Acceso: http://pubs.nrc-cnrc.gc.ca/jchla/jchla26/c05-030.pdf ]
Grupo Digidoc. Web sem谩ntica y Sistemas de Informaci贸n Documental. Acceso: http://www.semanticaweb.net/
Jacs贸, Peter. P茅ter's Digital Reference Shelf. December, 2006. [Acceso: http://www.gale.com/reference/peter/ ]
Rovira, Crist貌fol; Marcos, Mari-Carmen; Codina, Llu铆s (2007). "Repositorios de publicaciones digitales de libre acceso en Europa: an谩lisis y valoraci贸n de la accesibilidad, posicionamiento web y calidad del c贸digo". El Profesional de la Informaci贸n , v. 16, n. 1, enero-febrero 2007. [Acceso en: http://eprints.rclis.org/archive/00008668/ ]
