Recuperación de Información | Sistemas de Información y Documentación | Universidad de la Salle

U. de la Salle

Eres el visitante No.

Reproducir Video en Nueva Ventana

jueves, 16 de septiembre de 2010

El concepto de recuperación de información

Los fundamentos sobre los que construir una técnica exitosa de recuperación de información en Internet son: 
  1. El conocimiento de las características propias de los documentos existentes en Internet, y 
  2. La teoría de la recuperación de información
Las aproximaciones a la RI en Internet pueden establecerse según la creación de recursos, o según al herramienta utilizada. Ambos enfoques, al igual que en casos anteriores, no son excluyentes
 
Según la creación del recurso:
La creación de listados, índices y catálogos ordenados por áreas o materias, de forma que el usuario dispusiese de un conjunto de fuentes seleccionadas en las que empezar a buscar. El ejemplo más conocido es el norteamericano Yahoo!. Han ido añadiendo motores internos a sus prestaciones, de forma que permiten consultar mediante ecuaciones sus
bases de datos. La creación automática de bases de datos basadas en índices o ficheros
inversos, mediante unas aplicaciones que rastrean o exploran todo el ámbito Web, llamados robots, spiders o wanderers. Estos robots rastrean el web a la búsqueda de documentos, obtienen una copia, la indizan, y usan los enlaces presentes en los mismos para localizar nuevos documentos  

Según la herramienta utilizada:
  1.  Directa: El navegador se conecta al servidor Web que actúa como interfaz del motor de búsqueda correspondiente a la base de datos que desea consultar. El servidor le envía una página Web que actúa como interfaz de interrogación, a través de la cual formula la consulta. El servidor la recibe, procesa y envía como respuesta una nueva página Web, generada de forma dinámica, que contiene las respuestas más pertinentes a la cuestión formulada por el usuario. 
  2. Por intermediario: El navegador se conecta a un servidor web que le ofrece una interfaz de interrogación propia. Esta interfaz le permite interrogar una base de datos correspondiente a un motor de búsqueda situado en un servidor web diferente al que ofrece la interfaz. La interfaz actúa como intermediario entre el motor de búsqueda de destino y el usuario. El interés de estos intermediarios (metabuscadores) se da cuando consultan a múltiples motores de búsqueda. 
  3. Por agente: El usuario instala en su computador una aplicación que permite formular las ecuaciones de búsqueda y remitirlas a uno o varios motores de búsqueda. 
La aplicación lanza conexiones simultáneas al conjunto de motores que se trate, recibe las respuestas, y las entrega al usuario en una presentación única, que puede ofrecer diferentes formas.
Finalmente y dependiendo de las prestaciones del agente, las respuestas pueden ser filtradas, aplicando criterios propios de eliminación de duplicados, reordenación de resultados, etc. 

4.  Por robot personal2: Se trata de aplicaciones que se instalan en el
computador del usuario, y que son capaces de acceder a un servidor web,
construir un mapa de índices de sus contenidos, y utilizar los mismos para
acceder a la información que sea interesante para el usuario, obteniendo
copias de las páginas o documentos web contenidos en el mismo.

ARCHIVO INVERTIDO

El archivo invertido contiene todos los términos que pueden usarse como puntos de acceso durante la recuperación de registros en una base de datos, y para cada término, la lista de referencias a los registros del archivo maestro de donde se extrajo el término. Al conjunto de todos los puntos de acceso para una base de datos determinada se le denomina diccionario. Se puede considerar el archivo invertido como un índice del contenido del archivo maestro.

http://www.cindoc.csic.es/isis/01-3-3.htm

Consultas al STRID: las ecuaciones de búsqueda

La búsqueda se realiza sobre un conjunto de términos introducido en el sistema por el usuario. Sin embargo, esta es la fase final de un proceso que comienza por el análisis de los documentos que se van a introducir, los datos que los conforman, y cómo estos forman una estructura de datos, como se ha visto en el capítulo correspondiente. Existen múltiples metodologías de diseño de estructuras de datos, cada una con sus virtudes y sus defectos. La estructura de datos se plasma en el sistema informático en una estructura de base de datos, a partir de la cual se introducen los documentos. La organización de la información con vistas a su recuperación dentro de un sistema documental ha producido abundante bibliografía en la que pueden analizarse múltiples aspectos (TAGUE SUTCLIFFE, 1996).
4.6.1. El proceso de búsqueda.
El proceso de búsqueda de la información es más complejo de lo que pueda parecer en un primer momento, y tiene, con posibles variaciones (véase el panorama esbozado con anterioridad sobre la recuperación de información), las siguientes fases:
1.- Definición del tema de búsqueda.
2.- Selección de términos descriptivos sobre el tema de búsqueda. Consulta de tesauros o diccionarios, etc.
3.- Selección de las bases de datos sobre las que realizar la búsqueda.
4.- Formulación y ejecución de ecuaciones de búsqueda.
5.- Evaluación de los resultados. Replanteamiento, si procede, de las ecuaciones para ajustar la búsqueda.
Se debe considerar, además, que la definición del tema y de los términos para la búsqueda se hace en lenguaje natural, lenguaje que debe traducirse a la terminología empleada en la base de datos, y que los términos empleados en las ecuaciones son la traslación al lenguaje de interrogación de la base de datos de los términos originales, combinados mediante operadores que aplican lógica matemática. Tampoco hay que olvidar que la localización de esos términos dentro de la base de datos está en muchos casos sujeta a la estructura de campos existente. Lo anterior hace ineludible la utilización de lenguajes documentales para la correcta explotación de las bases de datos documentales.
En principio, debe aceptarse que la búsqueda incluye una serie de términos significativos, los cuales describen el área de interés para la recuperación de información. Estos términos mantienen entre ellos algún tipo de relación semántica. Esta relación debe reflejarse a través de la utilización de operadores que la reflejen, y por esta causa una ecuación de búsqueda se compone de dos tipos de elementos. En primer lugar, los términos que representan el tema de interés, y en segundo lugar, un conjunto de operadores que expresan la relación que deben mantener los términos entre sí. Este segundo tipo de elementos son el objeto de los siguientes párrafos.
4.6.2. Tipos de operadores utilizados en las ecuaciones de búsqueda.
La combinación de los términos necesarios para la recuperación de los documentos adecuados se basa en la utilización de unos operadores, especialmente los denominados booleanos, en honor de George Boole, que en 1847 publicó un trabajo titulado The mathematical Analysis of Logic, en el que sentó las bases de la denominada álgebra lógica o simbólica. La combinación de los términos mediante los operadores crea una forma matemática, una ecuación, susceptible de ser tratada por medios informáticos.
Los operadores booleanos establecen relaciones entre los términos, y son O (operador de unión), Y (operador de intersección) y NO (operador de exclusión). Trabajan sobre el conjunto de los documentos, estableciendo subconjuntos con aquellos documentos que se ajusten a las condiciones fijadas en la ecuación.
La complejidad que rodea a los mecanismos de recuperación de la información ha hecho necesario aplicar otros operadores, que complementen a los booleanos. En primer lugar, los operadores de localización, referidos a la posición de los términos dentro de los documentos. Se basan en una hipótesis según la cual la cercanía entre dos términos puede significar una estrecha relación entre ellos. Pueden ser absolutos, cuando se establece que un término debe aparecer en un campo determinado, independientemente del resto de los términos incluidos en la ecuación, o relativos, cuando se establece que un término debe tener una posición referida a otro término incluido en la ecuación, por ejemplo en la misma línea, la misma frase, separados por "x" palabras, etc. Ambos pueden combinarse. También se encuentran los operadores de rango o intervalo, que establecen un intervalo, dentro del cual deben encontrarse los términos a recuperar, especialmente utilizados en la recuperación de datos numéricos y de fechas. Las dificultades que se desprenden de las características intrínsecas de los términos también afectan a la recuperación de la información. Se pueden plantear problemas con el uso de plurales de los términos, géneros o prefijos y raíces. Para intentar reducirlos, se emplean símbolos de truncamiento, cuya finalidad es indicarle al sistema de recuperación que se está buscando una cadena de caracteres dentro de un término, no un término en sí mismo.
Todos los operadores señalados pueden combinarse entre sí para crear ecuaciones complejas, considerando que siempre se establecen unas limitaciones por parte de los operadores. Normalmente, se ejecutan primero aquellas operaciones con los operadores más restrictivos, y su resultado se combina con los términos relacionados con operadores menos restrictivos. Los sistemas de gestión de bases de datos documentales incluyen en su documentación tanto los operadores disponibles y su uso, como las limitaciones y restricciones establecidas.
4.6.3. La recuperación mediante exploración.
La utilización de ecuaciones de búsqueda como principal herramienta en la recuperación de información plantea problemas, que los enfoques actuales de investigación pretenden resolver mediante la creación de mejores interfaces de usuario (INGWERSEN, 1992), que reflejen los mapas cognitivos de los usuarios, y permitan generar imágenes de los mismos que puedan ser utilizadas para interrogar los recursos de información. Interrogación que debería verse complementada por la capacidad de los sistemas de añadir funciones de exploración de los contenidos informativos, durante el proceso de recuperación. El fundamento de los procesos de exploración es la revisión y análisis de documentos por sus contenido, de forma que el sistema sea capaz de llevar al usuario a otras informaciones similares o relacionadas, sin necesidad de formular nuevas ecuaciones de búsqueda.
4.6.4. Los resultados: análisis y modificación.
Una vez considerado todo lo expuesto, y realizada una búsqueda, es de rigor analizar su pertinencia. Una alta pertinencia se caracteriza por la recuperación de los documentos adecuados a la información que se deseaba obtener, evitando la introducción de otros que puedan distorsionar el conjunto, y cumplir los requisitos de una correcta recuperación de la información En sistemas de tratamiento y recuperación de información documental, ésta debe ser exacta, exhaustiva, precisa, oportuna, íntegra y significativa. Por contra, el silencio (falta de documentos) y el ruido (exceso de documentos, muchos de ellos no significativos) caracterizan a un bajo nivel de pertinencia.
Como resultado del análisis anterior, cabe plantearse la adecuación de la respuesta obtenida a lo esperado. Pueden darse dos situaciones, ante las cuales deben adoptarse diferentes acciones. En un primer caso, puede suceder que el resultado de la ecuación sea demasiado escaso. Entonces procede ampliarla, lo cual puede hacerse con la utilización de términos más genéricos, sinónimos, o ampliación de truncamientos. En un segundo caso, si el resultado obtenido es excesivamente amplio, deben utilizarse medidas contrarias: utilización de términos más específicos, reducción de truncamientos, etc.

http://tramullas.com/documatica/4-6.html

Lenguajes de interrogación y ecuaciones de búsqueda

    • Lenguajes
      Cada sistema de recuperación tiene su propio lenguaje de interrogación, que es el que le permite "hablar" en el mismo lenguaje que la base de datos. Este lenguaje como cualquier otro tiene sus propia sintaxis que especifica las características especiales de la búsqueda determinando en cada momento la relación que tienen los elementos de búsqueda. Las reglas gramaticales en el lenguaje de interrogación son los operadores.
    • Cómo plantear una estrategia de búsqueda
      No existen pautas que nos indiquen como hacer con exactitud todas las búsqueda debido a que cada consulta es distinta. Por eso es conveniente definir un procedimiento básico de trabajo:
      • Planteando el tema desde distintos puntos de vista
      • Determinando que se sabe del tema
      • Formulando nuestra búsqueda mediante:
        • La selección de palabras clave que representen lo que busco (utilizar diccionarios, sinónimos, tesauros, ontologías, etc.)
        • La traducción de las palabras importantes a otros idiomas (inglés)
      • Seleccionando las herramientas de búsqueda (índices, motores, metabuscadores). Se recomienda usar distintas herramientas a la vez.
      • Aplicando las palabras clave en las herramientas de búsqueda seleccionadas
    • Ecuaciones simples
      • Ecuaciones compuestas
        • Operadores
          • Lógicos o Boléanos: Permiten convertir las palabras de la consulta en conjuntos matemáticos, y operar con las palabras como si fuesen conjuntos. Las operaciones básicas son la suma (OR), la resta (NOT) y el producto (AND).
            • Y lógico (AND)
            • NO lógico (NOT)
            • O lógico (OR)
          • Posicionales: Permiten especificar la posición de las palabras dentro del documento.
            • Cerca (NEAR)
            • Junto (ADJ)
            • Frases
          • Existencia: Indica cuando se requiere la presencia o ausencia de una palabra en los documentos recuperados.
            • Presencia / Ausencia
            • Ausencia
          • Exactitud: Este tipo de operador se utiliza cuando la consulta que se pretende es menos específica ya que, permite la posibilidad de cortar una palabra de búsqueda a su raíz.
            • Proximidad
            • Por campos
        • CCL (Common Command Language)
        • Permite restringir las búsquedas mediante calificadores -es decir, la búsqueda se puede llevar a cabo en campos específicos como Autor, título, etc.- es muy utilizado en bases de datos. La característica de este sistema es que puede mezclar los dos lenguajes, calificadores y operadores lógicos, obteniendo de esta forma una búsqueda muy exhaustiva.
          http://www.mariapinto.es/e-coms/recu_infor.htm

        COMPATIBILIDAD ENTRE SISTEMAS DE CLASIFICACIÓN EN DIRECTORIOS COMERCIALES: ESTÁNDARES Y SOLUCIONES TÉCNICAS

        El uso de Internet como herramienta de promoción y como soporte de transacciones comerciales implica la necesidad de identificar información sobre posibles socios comerciales. Con este fin, se han diseñado distintos servicios de directorio, donde las organizaciones pueden dar a conocer su actividad y los productos y servicios que ofertan. A menudo, la descripción que ofrecen estos directorios consisten en breves
        descripciones textuales facilitadas por las propias organizaciones, situación que condiciona al uso de sistemas de recuperación básicos, donde el usuario debe prever de antemano los términos utilizados en la descripción de las organizaciones registradas en estos directorios. Tanto los servicios comerciales como los servicios públicos para la distribución y localización de información sobre empresas, precisan de sistemas de
        recuperación más sofisticados.
        La aplicación de sistemas de clasificación basados en categorías preestablecidas y en el uso de términos controlados ofrece distintas ventajas, entre ellas garantizar la descripción homogénea de los servicios y facilitar al usuario la selección de categorías correctas a la hora de formular sus búsquedas. Por otra parte, los sistemas de clasificación incorporan notaciones para representar clases de forma abreviada e independiente de cualquier idioma en particular, lo que ayuda enormemente en la formulación de consultas en entornos globales donde los usuarios pueden proceder de distintas localizaciones geográficas.


        Universidad Carlos III de Madrid, Biblioteconomía y Documentación,
        C/ Madrid, 126 - 28903 Getafe España, reito@bib.uc3m.es

        Percepción del desempeño en la búsqueda de información en bases de datos bibliográficas de los estudiantes de estomatología

        El manejo de la información es un tema relevante si se considera la gran cantidad de publicaciones científicas acumuladas, que se desarrolla de manera exponencial. Internet se convirtió en el medio más dinámico y estimulante para encontrar y recuperar información biomédica desde la aparición de las bases de datos automatizadas.1 Pocos usuarios conciben hoy día que una revista científica no pueda consultarse en mayor o menor medida por este medio.2
        En el área de la salud, una de las principales bases de datos bibliográficas es PubMed-Medline. En Latinoamérica se dispone de Lilacs, lo mismo que otras fuentes como la Cochrane Library, el Índice Médico Español (IME), Ebsco, ScienceDirect, SpringerLink y Scielo, entre otras.2 Existen también motores de búsqueda generales como Yahoo, Altavista, Google y otros muy populares. Estos últimos, a pesar de su utilidad científica, a menudo arrojan como resultados una serie de documentos que no alcanzan los niveles deseados de la búsqueda, con una marcada deficiencia relacionadas con la calidad de los productos, en relación con las palabras clave utilizadas, lo que facilita en oportunidades la distorsión académica en estudiantes.3,4
        La forma básica para la búsqueda es mediante palabras clave,5,6 y términos controlados como los que ofrecen el MeSH y el DeCS, determinantes en la ejecución de una búsqueda eficiente.7-11 Igualmente, es posible especificar una búsqueda mediante el empleo de operadores lógicos (conjunciones y signos diacríticos), los operadores boleanos "and", "with", "or" y "not", y el truncado, o los llamados límites, que ayudan a restringir los resultados según fechas, idiomas, fuentes, autores y tipo de material, entre otros.
        El usuario debe dominar las bases de datos, lo que significa, entre otros aspectos, la correcta identificación y el empleo de los términos controlados, el uso de los operadores y los límites, de las diferentes facilidades y filtros para la búsqueda, el refinamiento de la búsqueda de acuerdo con el volumen de los resultados, su organización, etcétera. Pero los usuarios no realizan frecuentemente estas acciones de la manera más apropiada. En otras ocasiones, desconocen las facilidades que ofrecen los sistemas y presentan una pobre cultura de la información y, por tanto, carecen de las competencias necesarias para desempeñarse correctamente en la búsqueda y el manejo de la información.12
        Una búsqueda pertinente de datos conduce a información consistente y útil.13 Dominar las herramientas necesarias para hacerlo es una meta cuyo cumplimiento es cada vez más deseable entre los profesionales de la salud,4 quienes al emplear el total de las facilidades que ofrecen medios como las bases de datos pueden actualizar sus conocimientos en general y disponer de la información necesaria para el manejo de sus casos clínicos concretos, establecer un mejor diagnóstico y tratamiento y realizar nuevas propuestas científicas.14,15 ya sea que actúen como terapeutas en clínica o dediquen su tiempo a procesos investigativos.
        Espinoza, Rincón y Chacín, en los resultados de su estudio, realizado con profesores usuarios de Internet, encontraron que a pesar de la gran utilidad que representan los bancos de datos y los catálogos bibliográficos su uso es casi insignificante entre ellos, algo que pudiera ser ocasionado por la carencia de una política adecuada de entrenamiento en función de las necesidades específicas de los usuarios y sus instituciones.16
        De igual manera, González y Santana estudiaron el comportamiento de los alumnos de medicina en la búsqueda de información en Internet. Entre sus observaciones sobresalen que solo el 15 % de ellos utiliza la base de datos PubMed-Medline en su labor de búsqueda, la cual constituye una de las de mayor prestigio internacional en el área de las ciencias médicas, además de que es la única en su sector con acceso gratuito. El análisis muestra también que los estudiantes dejan a un lado el Mesh Browser y tienen preferencia por el buscador Google, lo que los autores consideran preocupante en este nivel educativo.17
        Nos propusimos realizar una valoración integral de los estudiantes seleccionados, en relación con la forma en que manejan las bases de datos para la solución de determinados problemas de información. No existen actualmente datos que describan la situación de los estudiantes en relación con este tema. Desde el punto de vista formativo en escenarios académicos es importante este tipo de investigaciones y de trabajos que facilitan los juicios valorativos y permiten a los docentes identificar las principales necesidades en este aspecto, a partir de una línea de base, que facilite la labor pedagógica, para potencializar los saberes y competencias en el manejo de las bases de datos por parte de los estudiantes de odontología.
        La importancia que aporta al tema de investigación se ve reflejada en la calidad y cantidad de las publicaciones científicas referentes a la temática expuesta, pues se reporta que en la búsqueda bibliográfica a través de bases de datos se detectan diversidad de documentos de alta preponderancia y utilidad que permiten a los estudiantes mantenerse actualizados desde lo investigado y estar al tanto de la redefinición de teorías que permiten reconstruir el conocimiento científico en los diferentes campos de las ciencias. 

        http://scielo.sld.cu/scielo.php?pid=S1024-94352010000100009&script=sci_arttext

        Listas de términos controlados

        La aparición de los primeros tesauros aplicados a la recuperación de información a principios de los años sesenta desplazaron, en gran medida, la utilización de los sistemas de clasificación tradicionales para la indización y la recuperación. Sin embargo, la creciente disponibilidad en los años setenta de bases de datos online puso el énfasis en los sistemas basados en el lenguaje natural, como alternativa a los lenguajes controlados.
        Un tesauro proporciona un lenguaje o un conjunto de términos normalizados que describen un área temática. Aplicado a la indización de una base de datos, indica al buscador qué términos utilizar para recuperar el máximo número de documentos relevantes.
        Los términos del tesauro son utilizados por los indizadores para describir el contenido de las publicaciones con coherencia, amplitud y concisión.En la actualidad parece claro que la naturaleza complementaria del
        lenguaje natural y del controlado, especialmente los tesauros, justificarían la necesidad de disponer de ambos procedimientos para recuperar información. Como señala Lancaster (1995), el modo normal de funcionamiento de un sistema de recuperación de información debe ser el de “búsqueda en dos niveles”, utilizando conjuntamente el lenguaje natural y términos controlado. Ampliar aca -> Documento PDF.

        http://www.francog.com.ar/wp_archivos/2003/11/tesauros_y_listas_de_terminos_controlados.php 
        Licencia de Creative Commons
        Manual de Alfresco by Claudia Marcela Torres is licensed under a Creative Commons Attribution-ShareAlike 2.5 Colombia License.
        Based on a work at www.alfresco.com.
        Permissions beyond the scope of this license may be available at http://creativecommons.org.