Internet recupera el tiempo Un programa permite buscar datos en páginas web que ya han desaparecido o que han cambiado su contenido Miguel Ángel Criado - Madrid - 04/01/2009 21:35
Las páginas webs son, casi por definición, efímeras. Su contenido cambia cada poco tiempo y, en el caso de los periódicos, puede ser sólo un minuto. Ahora un programa pretende recuperar todos los datos sacrificados con la nueva versión del sitio, dotando de la dimensión del tiempo a Internet. Tres investigadores de la Universidad de Washington (EEUU), han creado Zoetrope (http://www.cond.org/zoetrope.html). El programa tiene el ambicioso objetivo de ser un buscador temporal que permita recuperar el contenido de una página que ya no existe o que ha cambiado. La herramienta permite abrir un menú desplegable y bucear por el historial de la página, viajando hacia atrás hasta la versión elegida. Otra posibilidad que ofrece Zoetrope es lo que los creadores llaman lentes temporales: elegir un tema o dato determinado y ver cómo ha ido evolucionando. Para ello, hay que seleccionar el área de interés de la página. La selección puede ser de tres tipos. La primera y más sofisticada es la visual. Gracias a una tecnología de web semántica, el programa interpreta la selección realizada. Así, por ejemplo, si un usuario quiere conocer la evolución del tráfico en un tramo concreto que recogen sitios como Google Maps o las páginas de algunos ayuntamientos, sólo necesita seleccionarlo. El desplegable mostrará la situación del tráfico que había una hora atrás, el jueves pasado o el mes anterior. Páginas estables Este es el sistema más sofisticado pero inestable. Como explican los autores, la lente visual sólo es posible en páginas que mantienen siempre su estructura y se limitan a reemplazar un viejo dato por el nuevo en la misma posición de la web. En el resto de casos, Zoetrope crea lentes estructurales y textuales. Las primeras, que también requieren de cierta constancia en el diseño de la página, aprovechan la estructura del lenguaje HTML para localizar el término buscado. La lente textual, que analiza la forma, intenta encontrar cadenas de texto iguales en las distintas versiones de la página. El programa aún está en fase de pruebas. Uno de los creadores de Zoetrope, Eytan Adar, explica que “una vez que tengamos algo más estable, lo ofreceremos a los usuarios para que lo prueben”. Adar piensa que su herramienta podría integrarse en los navegadores actuales y darles una profundidad en el tiempo que hoy no tienen. Para probar el programa, los investigadores seleccionaron 250 páginas de noticias, deportes, tiempo... que rastrearon durante un mes a intervalos de una hora. No parecen ni muchas páginas (hay unos 175 millones de sitios) ni mucho tiempo. Pero se necesitan muchos servidores para todos los datos que quiere ZoetropeTal infraestructura sólo está al alcance de grandes empresas como Google o Microsoft. Pero se da la circunstancia de que en la creación de Zoetrope ha participado otra gran firma como es Adobe Systems. El proyecto Internet Archive guarda 150 millones de webs Creada en 1996, Internet Archive es una organización sin ánimo de lucro que se impuso la misión de construir una biblioteca de lo digital. Desde entonces, y gracias a la colaboración de muchas instituciones, este organismo afincado en San Francisco ha recopilado 250.000 grabaciones de audio, 135.000 vídeos y un millón de libros descargables. Al cierre del año, había superado los 150.000 millones de sitios web catalogados. La cifra incluye varias copias del mismo sitio tomadas cada cierto tiempo (un mes como mínimo) y todas sus páginas. Aunque Eytan Adar, uno de los creadores de Zoetrope, reconoce que sería buena idea poder usar los datos de este archivo, dice que la falta de continuidad en el tiempo lo hace poco útil para el objetivo de darle una dimensión temporal a la Red con su programa. Dos ejemplos ilustran este problema. Internet Archive tiene unas pocas decenas de copias del portal Ole.com, pionero en España y que después sería el germen de Terra. Mientras, del sitio de Yahoo tiene centenares de versiones desde 1996. © *Diario Público*. Calle Caleruega nº 104, 1ª planta. Madrid 28033. _______________________________________________ Instruções para desiscrever-se por conta própria: http://listas.ibict.br/cgi-bin/mailman/options/bib_virtual Bib_virtual mailing list [email protected] http://listas.ibict.br/cgi-bin/mailman/listinfo/bib_virtual
