Rebelarse contra la relevancia: cómo encontrar lo que buscamos y no lo que Google cree que buscamos

Por:  José-Antonio Merlo-Vega 

Las políticas comerciales de Google están incidiendo negativamente en la pertinencia de los resultados de las búsquedas. Esto se debe a que el concepto de relevancia ha cambiado en aras de la personalización de los resultados, algo que perjudica directamente a la búsqueda objetiva, la que se realiza desde los centros de información. Priorizar los resultados que los buscadores consideran que se ajustan a nuestras preferencias dificulta la verdadera pertinencia de las consultas, la que obtiene resultados precisos y que responde a la intención de la búsqueda.

Google siempre destacó por su eficiencia, algo por lo que consiguió situarse como la herramienta por excelencia para la recuperación de información disponible en internet¹. Los sucesivos cambios en los algoritmos de recuperación y la anunciada orientación de los resultados hacia las preferencias personales repercuten directamente en las estrategias de interrogación que se deben emplear para conseguir resultados objetivos y, por tanto, localizar los datos o archivos que realmente se necesitan.

La relevancia ya no consiste en ofrecer los resultados que se corresponden con lo que buscamos, sino lo que lo que las herramientas que empleamos para buscar información estiman que es lo que más se ajusta a nuestras supuestas preferencias, junto a aquello que creen que nos puede interesar en virtud de nuestro perfil: noticias, fotos, vídeos, etc. No se ofrece lo que buscamos, sino lo que se cree que buscamos. Pero, cuando se busca información desde servicios bibliotecarios de referencia o desde cualquier unidad documental, la recuperación debe estar lo más alejada posible de preferencias personales.

Los profesionales de la información deben ser expertos en recuperación de información, por lo que tienen que ser conscientes de que las lógicas de los buscadores han cambiado y de cómo ahora nuestras competencias pasan por conseguir identificar relevancia con pertinencia, no con preferencias. En definitiva, se trata de saber que, si empleamosGoogle, la forma de buscar debe ser diferente, más elaborada, porque distintos son ahora los resultados, menos objetivos.

Periódicamente Google informa de los cambios en sus algoritmos de recuperación², cada vez más orientados hacia la personalización de los resultados, buscando ajustarse a las preferencias de quien realiza la consulta, es decir, a lo que Google cree que nos interesa basándose en la información que tiene de nosotros. Además, las nuevas políticas de privacidad de Google³, que tendrán efecto desde el 1 de marzo de 2012, buscan profundizar aún más en la obtención de resultados subjetivos, al unir la información que, como usuarios de cuentas de Google, hemos dejado en sus servicios: contenidos de nuestros correos electrónicos en Gmail, vídeos vistos en YouTube, historial de búsqueda almacenado, canales RSS en Google reader, perfiles de Google+ y conexiones en redes sociales, aplicaciones Android descargadas, etc.

Las nuevas políticas apuntan a un proceso de “desdoscerización”, donde la inteligencia colectiva sigue siendo un motor de la Web, mayor todavía con las posibilidades de la comunicación móvil, pero donde las preferencias interesan como mercado potencial, como escaparate de tendencias, necesidades que cubrir y productos que vender.

La denominada por la empresa Google como “experiencia Google para los usuarios”, de evidente inspiración mercantil, es contraria en principio a lo que podemos etiquetar como “experiencia Google para profesionales de la información”, quienes siempre deben partir del principio de objetividad en la recuperación de la información. La parte positiva es que estos cambios devuelven el protagonismo a los expertos en información, obligados a dominar la extracción de información de forma adecuada.

Ahora ya no se trata de conocer todos los operadores y sus combinaciones, sino que lo importante es entender cómo funciona Google para personalizar la consulta, no los resultados de las consultas, para buscar de forma precisa, para que la relevancia sea igual a la pertinencia y para que lo encontrado se corresponda con la buscado. Hagan la prueba y busquen, por ejemplo, la nueva edición de un informe de un organismo.

Si realizamos la consulta basándonos en la experiencia de usuario de Google, encontraremos noticias, páginas creadas hace tiempo, imágenes, productos en venta o conversaciones de redes sociales, por lo que se hace necesario filtrar la información desde el inicio, empleando las herramientas avanzadas que tanto Google como los navegadores y otras aplicaciones permiten; para ello, en este artículo se ofrecen algunos consejos para profesionales de la información que quieran rebelarse contra el falso concepto de relevancia y encontrar de forma ágil lo que se esté buscando.

Diez consejos para la recuperación objetiva de información

1. Busca de forma anónima. El anonimato debe ser el punto de partida. Es aconsejable realizar las consultas sin sesiones abiertas con cuentas de Google. Si se accede a un buscador o servicio previa identificación, las consultas se irán almacenando y paulatinamente los resultados se irán ajustando al historial de búsquedas. Si se busca algo diferente, se tardará más en encontrarlo, ya que al personalizarse los resultados, Googlesiempre intentará ofrecer lo más parecido a las búsquedas anteriores. No conviene buscar con cuentas de Google abiertas, aunque siempre se pueden eliminar los resultados acumulados, como se mostrará más adelante.

2. Usa la búsqueda avanzada. Los formularios en los que se combinan los términos de búsqueda para ajustar los resultados son un recurso esencial. El hecho de que sean sistemas clásicos no los convierte en obsoletos y siguen siendo la mejor forma de diseñar estrategias de interrogación. Aunque está activa, Google ya no enlaza claramente su útil “búsqueda avanzada”, que permite delimitar aspectos como consultar por frases, limitar los resultados a servidores específicos o elegir el formato de la información buscada. En recientes cambios de la interfaz principal de Google se eliminó el acceso directo a esta herramienta, que está disponible en:

http://www.google.es/advanced_search

3. Usa operadores de precisión. El valor de los operadores para la recuperación pertinente no es tampoco nada nuevo y está en la base de cualquier buscador eficaz. No obstante, ante los constantes cambios en los algoritmos de Google, cada vez se hace más necesario completar la consulta con algunos operadores, especialmente con aquellos que permiten realizar búsquedas literales (texto entre comillas), limitar la consulta a servidores concretos (site:servidor), elegir formatos de archivo (filetype:tipo de archivo) o excluir términos (-término1 – término2). La información sobre los operadores de Google, en especial los empleados en la búsqueda avanzada, se puede conocer desde su página de ayuda:

http://www.google.es/intl/es/help/features.html

4. Usa los filtros. Google ofrece diversas opciones para seleccionar páginas alojadas en servidores de un área geográfica, en una lengua o en una fecha, por ejemplo. Estas posibilidades se ofrecen en un menú lateral y son útiles para delimitar los resultados. Por defecto, ofrece datos cercanos a nuestra ubicación, por lo que conviene modificar esta información por un área global. De igual forma, Google permite seleccionar tipos de información: noticias, imágenes, libros digitalizados, etc., a partir de un menú que muestra en la parte superior de los resultados. El uso de los filtros se realiza de forma posterior a una consulta; en primer lugar, se debe ejecutar una búsqueda a través del formulario inicial de Google, para después filtrar los resultados con las diferentes opciones del menú lateral, precisando fechas, idiomas o lo que se considere, o del menú superior, limitando la consulta a imágenes, vídeos, libros o el formato de la información que necesitemos.

5. Usa la búsqueda textual. La relevancia, tal como la entienden los profesionales de la documentación, pasa por ajustar los resultados a los términos de búsquedas. El algoritmo de recuperación de Google se fue alejando de este principio pero, consciente esta empresa de que era necesario articular un sistema para localizar información por términos, en noviembre de 2011 puso en funcionamiento Verbatim⁴, que sirve para obligar a que la recuperación de los términos buscados se realice de forma textual, dando prioridad a las palabras sobre las preferencias. La opción “Verbatim” se encuentra en el menú lateral de los filtros de los resultados de una consulta, bajo las opciones “Más herramientas – Todos los resultados”.

6. Elimina la información personal. Para conseguir la despersonalización de los resultados es necesario borrar cualquier indicio de nuestras consultas anteriores, aunque en casos de centros de información especializados puede ser de interés mantener preferencias de resultados. Tanto para eliminar la información completamente, como para mantener exclusivamente la que se considere pertinente, será útil consultar el panel de control deGoogle, donde se almacenan tanto el historial de consultas como la configuración de los servicios que empleemos. Desde este panel se ofrece la opción para modificar la información personal, borrar algunas páginas o eliminar el historial web de forma completa. El panel de control se encuentra en:

http://www.google.com/dashboard

7. Elimina las preferencias de anuncios. Entre las novedades más discutidas del buscadorGoogle está la personalización de la publicidad que se ofrecerá junto a los resultados de las consultas y que se modificará en función de nuestras preferencias. Si bien esta estrategia comercial es incontestable, sin embargo repercutirá en los resultados, que también se verán orientados hacia nuestros gustos o anteriores consultas. Para conseguir resultados limpios de información personal, lo más conveniente es que no se conozcan nuestras preferencias. Google nos facilita esta operación, permitiendo desactivar la generación de la cookie que alberga estos datos o accediendo a las preferencias almacenadas, desde donde pueden ser borradas. El administrador de preferencias de anuncios de Google está en:

http://www.google.es/ads/preferences

8. Elimina el historial del navegador. Los navegadores permiten que se eliminen los datos de navegación, ya sea el historial de las páginas vistas, las cookies que se han ido cargando en la sesión, las contraseñas empleadas u otros datos almacenados durante el uso del navegador. A menudo las páginas visitadas se toman como fuente de información para posteriores resultados, por lo que, si queremos realizar búsquedas anónimas, es aconsejable bien configurar el navegador para que elimine toda la información al término de cada sesión o bien realizar una limpieza manual de los datos de las consultas: historial, caché, cookies, preferencias, autocompletar, etc.

9. Vacía la memoria caché. Para una eliminación integral de la información personal, datos de páginas visitadas o cualquier otra actividad realizada con los dispositivos que empleemos para buscar información, el complemento idóneo es el borrado de la memoria caché de la CPU, donde se almacenan rutinas de las aplicaciones y datos de navegación. No se trata de una operación directamente vinculada con la mejora de resultados de las consultas en sistemas automatizados, pero  vaciar esta memoria permite iniciar búsquedas asegurándose de que no hay datos almacenados que interfieran en la posible personalización de los resultados. Un programa gratuito con probado rendimiento para el borrado de la memoria caché y las rutinas innecesarias es CCleaner, que se puede descargar desde:

http://www.piriform.com/ccleaner

10. Diversifica los recursos de información. Hay fuentes específicas para cada tipo de información, por lo que un profesional no precisa partir siempre de buscadores para localizar aquellos datos o documentos que necesita. La formación y la experiencia enseñan a seleccionar las fuentes de información más útiles, que debemos organizar para acceder a ellas de forma ágil. Es esencial disponer de un sistema de administración de recursos, para los que son especialmente útiles los servicios de favoritos sociales (Delicious, Diigo) y los escritorios virtuales (Netvibes, Protopages). Para la gestión de recursos de información cada vez son más recomendables herramientas como Zotero oMendeley, por su versatilidad para describir cualquier tipo de recurso y por las posibilidades de sincronización de los datos en servidores en la nube, en instalaciones locales o en aplicaciones móviles. Esto mismo ocurre con el navegador Mozilla firefox, que también es una opción para la gestión de los favoritos y la sincronización de los recursos en diferentes dispositivos.

Google es la herramienta de recuperación de información de mayor valor, pero su creciente adaptación de los resultados a criterios comerciales, basados en una supuesta adecuación de los enlaces ofrecidos a las preferencias de los usuarios, está dando como resultado que sea necesario filtrar la información, emplear con frecuencia operadores o modificar las consultas para conseguir los resultados que se buscan. El anonimato en la recuperación de la información es el medio para la consecución de resultados objetivos.Google quiere conocer a sus usuarios para afinar los resultados y darles mejor servicio, pero los profesionales de la información debemos conocer a Google para obtener los resultados que buscamos y para que este potente buscador esté a nuestro servicio.

Notas

1. Google explica su evolución mediante una nota en su blog oficial del 21 de noviembre de 2011, en las que incluye un vídeo y un gráfico con una línea de tiempo muy aclaratorios.
“The evolution of search in six minutes”.
http://insidesearch.blogspot.com/2011/11/evolution-of-search-in-six-minutes.html

2. Inside search: The official Google search blog, es el canal de comunicación desde el que se informa de las novedades del buscador:
http://insidesearch.blogspot.com

3. Google unificará el 1 de marzo de 2012 las políticas de privacidad de sus servicios, que los usuarios están obligados a aceptar si quieren seguir usándolos:
http://www.google.com/intl/es/policies

4. “Verbatim” fue presentado por Google el 15 de noviembre de 2011 en la nota de su blog titulada “Search using your terms, verbatim”.
http://insidesearch.blogspot.com/2011/11/search-using-your-terms-verbatim.html

Control de autoridades, una herramienta desaprovechada en los sistemas de recuperación.

Por:Luis Rodríguez-Yunta 

El catálogo de autoridades no parece desde luego un tema de actualidad. El propósito de este artículo no es, desgraciadamente, mostrar nuevos desarrollos o aplicaciones de esta herramienta tradicional, sino por el contrario, utilizarlo de ejemplo para subrayar cómo bibliotecas y bases de datos documentales no han sabido o aún no han logrado poner en juego todas sus potencialidades en la sociedad del conocimiento.

Aparentemente, el fichero de autoridades es exclusivamente una herramienta de uso profesional, de uso interno o bien de demanda internacional, como los elaborados por laLibrary of Congress o las diferentes bibliotecas nacionales. Su difusión en los sitios web de las bibliotecas a menudo se presenta como una opción de consulta independiente del catálogo. Cuando se aplica a la recuperación, su implementación se limita a la búsqueda a través de los índices de materias, no en el formulario principal de consulta. Y sin embargo, su utilidad potencial podría ser mucho mayor para facilitar la orientación al usuario y la desambiguación de términos dentro de la búsqueda libre. De igual modo, la filosofía del control de autoridades está presente en los recursos terminológicos como los tesauros, y podría aplicarse en el mismo sentido para la búsqueda libre dentro de las bases de datos documentales.

La desambiguación es una cuestión clave en la recuperación de información. Numerosas palabras cambian de sentido según el contexto, y es imprescindible aclarar con el usuario qué sentido le otorga al buscar un término. El concepto es clave para el desarrollo de la web semántica, pero su aplicación es dificultosa, exigiría por ejemplo el uso sistemático de un sistema de metadatos de materia en los recursos web (Granados-Colillas, 2009). También es un concepto clave para los sistemas de inteligencia artificial; un campo con varias líneas de investigación para informáticos y lingüistas desde 1950 (Sanderson, 2000). El problema está aún lejos de resolverse en los programas de procesamiento de lenguaje natural, y una de las estrategias que se proponen radica en su aplicación selectiva, ya que sólo algunas palabras deben ser desambiguadas en función de su capacidad de discriminación (Perea-Ortega et al., 2011).

Pero a niveles sencillos y prácticos, la desambiguación se aplica con éxito en sistemas concretos desde los inicios de internet. Nadie entendería un buscador de compra de vuelos donde al solicitar que quiero ir de Miami a Barcelona el programa me ofreciera indistintamente viajes a España y otros a Venezuela en la misma respuesta. La solución es clara, cuando se teclea un término ambiguo, el sistema obliga a que el usuario se defina, a través de una tabla de valores válidos, pero que también se puede enriquecer con sinónimos y relaciones. Y funciona perfectamente, porque hay un campo de búsqueda con una utilidad concreta que se contrasta con una tabla construida con coherencia.

Otro ejemplo de uso generalizado en donde funciona perfectamente la desambiguación es la Wikipedia. Como en el caso del buscador de vuelos, el sistema de recuperación en este producto no intenta localizar simplemente registros que contengan la palabra tecleada, sino que devuelve al usuario una lista de valores posibles que responden a su búsqueda, basada exclusivamente en las entradas principales de la enciclopedia y sus relaciones de equivalencia (use–usado por). Y esto ocurre sólo si hay necesidad, cuando hay varias opciones, no se obliga a este paso por defecto, pero tampoco se mezclan resultados de dudosa pertinencia en la respuesta al usuario.

Por el contrario, si busco Rubén Darío en el catálogo de la Biblioteca Nacional de España, en la respuesta se mezcla “Azul” con un título tan poco poético como “Estado de bienestar y trabajo social” (de un tal Rubén Darío Torres). ¿Sería mucho pedir que el Opac me preguntase a qué Rubén Darío me refiero? Si no admitiríamos un fallo de este tipo en un buscador de vuelos, ¿por qué admitirlo en un catálogo bibliográfico, que además sí dispone de herramientas para ofrecerme mayor precisión?

Efectivamente, es posible localizar las obras de o sobre el poeta Rubén Darío con una eficacia del 100%, pero exclusivamente a través de la consulta de los índices y la selección de la entrada adecuada. La herramienta existe en la mayor parte de los recursos documentales, salvo en las bases de sumarios, pero en ocasiones no se ofrece al usuario o bien queda oculta y no va a ser utilizada. Por ejemplo en las bases documentales del Csic (ISOC–ICYT–IME) sí se ofrece la consulta de índices por campos, la única opción que puede resolver eficazmente las búsquedas que tienen problemas de ambigüedad. Pero sabemos que el usuario apenas utiliza este recurso e incluso algunos compañeros de trabajo opinan que deberíamos quitar los índices de campo porque también muestran los errores tipográficos o las inconsistencias que intentamos evitar pero no siempre conseguimos corregir.

Durante los últimos años es recurrente que la profesión convoque jornadas y conferencias para hablar de innovación y adaptación continua al cambio. Sin embargo, hay dos factores que dificultan que estos principios pasen de meras etiquetas a realidades tangibles:

1. Las bibliotecas y centros de documentación, en general, no son creadores sino consumidores de software. Se limitan a instalar un paquete con un diseño meramente “razonable” y conviven con ese nivel para siempre. Carecen de capacidad para la mejora continua que muestran otros sectores. No pueden perseguir la excelencia porque no viene en el diseño estándar del programa. Y el resultado es una multitud de presentaciones casi idénticas que repiten las mismas limitaciones, sin que los errores de uno puedan servir de alerta para otros.

2 – Se confunde el modelo con el que debe compararse el sistema de recuperación de los catálogos y bases de datos documentales. Se ha buscado asemejarse con los buscadores de objetivo genérico como Google, cuando debería compararse con sistemas de objetivo específico como el buscador de vuelos o la Wikipedia. El usuario de un recurso bibliográfico no busca “cualquier cosa que contenga X”, utiliza un catálogo o una base de datos para un número de posibles utilidades muy reducido que pueden ofrecerse en un menú sencillo. ¿Por qué entonces la insistencia en ofrecer un formulario simple que parece servir para todo y en consecuencia ignora los objetivos del usuario? Por supuesto, el impacto de Google sobre los hábitos de búsqueda es incuestionable. Pero ello no quiere decir que sólo puedan ser apreciados aquellos programas que muestren un funcionamiento similar. ¿Para qué parecerse a un producto si el usuario no va a preferir otro por el criterio de similitud? ¿No sería preferible no parecerse y reforzar utilidades diferenciadoras? ¿Es que algún usuario utiliza Google para contratar un viaje, alquilar un piso o buscar pareja? Lo utiliza para localizar páginas diseñadas para estos usos específicos pero una vez dentro de ellas no espera que su diseño sea el mismo que el del buscador, sólo desea un producto que le de precisión y eficacia en la selección de resultados.

En el contexto actual, la pertinencia en los primeros registros que se muestran es fundamental para ofrecer una imagen de eficacia. Los buscadores de objetivo genérico han procurado solucionar este problema en base a algoritmos complejos de ordenación que buscan atinar con las demandas más generalizadas de un término (que pueden variar según el país). Los productos bibliográficos, o más bien, los programadores de software para vender a las bibliotecas y centros de documentación, han añadido este concepto de ordenación por relevancia, como una opción que podemos implementar por defecto o no, pero que tiene bastante poco que ver con aprovechar las herramientas de normalización e indización con las que cuentan estas instituciones. Y además sus resultados son bastante menos eficaces que en Google, porque se carece de la capacidad de adaptación y mejora continua del programa. La búsqueda por índices y el control de autoridades, que podrían garantizar la máxima eficacia, han quedado marginados en el diseño.

Las listas de autoridades se citan entre las herramientas susceptibles de incorporarse en proyectos de Open data y Linked open data (Peset, Ferrer-Sapena y Subirats-Coll, 2011). Podría darse la paradoja de que haya aplicaciones ajenas al sector de la biblioteconomía y documentación que implementen estas fuentes bajo la filosofía de compartir datos, y sin embargo los recursos bibliotecarios y documentales continúen desaprovechando su potencial.

Referencias bibliográficas

Granados-Colillas, Mariàngels. “Tratamiento de los metadatos de contenido en la web semántica o cuando la lógica se hace evidente”. En: Nuevas perspectivas para la difusión y organización del conocimiento. IX Congreso ISKO-España. Valencia: Universidad Politécnica, 2009, pp. 1043-1054.
http://eprints.rclis.org/handle/10760/13223

Perea-Ortega, José M.; Martínez-Santiago, Fernando; García-Cumbreras,Miguel A.; Montejo-Ráez, Arturo (2011). “Desambiguación de términos basada en IDF aplicada a recuperación de información”. Procesamiento del Lenguaje Natural, 2011, marzo, n. 46, pp. 99-106.
http://sinai.ujaen.es/sepln/ojs/ojs-2.3.5/index.php/pln/article/view/849/704

Peset, Fernanda; Ferrer-Sapena, Antonia; Subirats-Coll, Imma. “Open data y Linked open data: su impacto en el área de bibliotecas y documentación”. El profesional de la información, 2011, marzo-abril, v. 20, n. 2, pp. 165-173.
http://www.elprofesionaldelainformacion.com/contenidos/2011/marzo/06.pdf

Sanderson, Mark. “Retrieving with good sense”. Information Retrieval, 2000, n. 2, pp. 47-67.
http://www.springerlink.com/content/hw74t942tl72w265

Fuente: http://www.thinkepi.net/control-de-autoridades-una-herramienta-desaprovechada-en-los-sistemas-de-recuperacion