- Es una pequeña parte de lo que existe online.
Comprende todos aquellos sitios cuya información puede ser indexada por los robots de los buscadores convencionales y recuperada casi en su totalidad mediante una consulta en sus formularios de búsqueda.
- Su información no está contenida en bases de datos.
- Es de libre acceso.
- No se requiere la realización de un proceso de registro para acceder a la información. Mayoritariamente está formada por páginas Web estáticas.
Web profunda o invisible
Es un amplio banco de información ubicado en catálogos, revistas digitales, blogs, entradas a diccionarios y contenido de sitios que demandan un usuario. Es el toda la información disponible en Internet que no se recupera interrogando a los buscadores convencionales.
- Es información almacenada y accesible mediante bases de datos.
- Parte de la información es invisible a los robots de los buscadores convencionales, ya que los resultados se generan en la contestación a una pregunta directa mediante páginas dinámicas.
Sherman y Price identifican cuatro tipos de contenidos invisibles en la Web:
- La Web opaca.
- La Web privada.
- La Web propietaria.
- La Web realmente invisible.
La Web opaca
Está compuesta por archivos que, si bien podrían estar incluidos en los índices de los buscadores, no lo están por alguno de los siguientes motivos:
- Extensión de la indización.
- Frecuencia de la indización.
- Número máximo de resultados visibles.
- URL desconectadas.
La Web privada
Consiste en las páginas Web que podrían estar indizadas en los buscadores pero son excluidas deliberadamente por alguno de estos motivos:
- Las páginas están protegidas por contraseñas.
- Contienen un archivo robots.txt para evitar ser indizadas.
- Contienen un campo noindex para evitar que el buscador pueda indizar la parte correspondiente al cuerpo de la página.
La Web propietaria
Incluye aquellas páginas en las que es necesario registrarse para tener
acceso al contenido, ya sea de forma gratuita o con costo.
La Web realmente invisible
Se compone de páginas que no pueden ser indizadas por
limitaciones técnicas de los buscadores, programas ejecutables y archivos comprimidos,
páginas generadas dinámicamente a partir de datos que
introduce el usuario, información almacenada en bases de datos relacionales, que no
puede ser extraída a menos que se realice una petición específica.
Recursos de búsqueda en la Web Profunda
- The WWW Virtual Library: Se considera el catálogo más antiguo en la web y fue iniciado por Tim Berners-Lee, el creador de la web.
- Academia.edu: Es una red social 2.0 para investigadores que cuenta con un directorio de más de 12.000 publicaciones científicas de todo el mundo, facilitando la tarea de los que buscan artículos para sus trabajos.
- Reefseek.com: Es un motor de búsqueda en Internet para estudiantes e investigadores que tiene como objetivo hacer que la información académica sea de fácil acceso para todos.
- Jurn: Es otro motor de búsqueda que permite buscar en millones de artículos libres académicos, capítulos y tesis de múltiples disciplinas.
- Microsoft Academic Search: El buscador académico de Microsoft.
- TechXtra: Centra su información, en ingeniería, matemáticas e informática.
- Ciencia: Es la versión en español del portal Science.gov para la búsqueda de información científica e investigación del gobierno de los Estados Unidos de América. Puede indexar más de 60 bases de datos y 200 millones de páginas con información científica para mostrar los resultados por subtemas, autores o fechas.
