PROYECTO DE INVESTIGACIN: DESARROLLO DE LA HERRAMIENTA PARA LA INDIZACIN EN LENGUAJE NATURAL Y RECUPERACIN DEL CONOCIMIENTO EN LAS REDES SOCIALES.

MainWords

Juan Carlos Bailn Moreno Pablo Bosch Martnez Amparo Peralta Garca Vernica Garca Garca

Diego Soto Luzn Alicia Quiles Ketty Prvil

Grupo de la asignatura de Tcnicas de Indizacin y Recuperacin del Conocimiento. Facultad de Comunicacin y Documentacin. Universidad de Granada. 2011-2012

Contenido
PROYECTO DE INVESTIGACIN: DESARROLLO DE LA HERRAMIENTA PARA LA INDIZACIN EN LENGUAJE NATURAL Y RECUPERACIN DEL CONOCIMIENTO EN LAS REDES SOCIALES. .......... 1 1 2 3 Marco del proyecto: .............................................................................................................. 7 RESUMEN .............................................................................................................................. 8 INTRODUCCIN ..................................................................................................................... 8 3.1 3.2 3.3 3.4 3.5 3.6 4 5 6 El Universo 2.0............................................................................................................... 8 Pero entonces Qu es la web 2.0? .............................................................................. 9 Funcin del Documentalista en la web 2.0 ................................................................ 10 El Tesauro .................................................................................................................... 11 Alternativas al Tesauro: Folksonomas, etiquetado libre o taggin .............................. 12 Nuestra propuesta ...................................................................................................... 13

OBJETIVOS GENERALES DEL PROYECTO .............................................................................. 13 OBJETIVOS CONCRETOS ...................................................................................................... 13 METODOLOGA Y PLAN DE TRABAJO .................................................................................. 13 6.1 6.2 6.3 CRONOGRAMA ............................................................................................................ 13 METODOLOGA............................................................................................................ 15 ANLISIS PREVIO ......................................................................................................... 16 ANLISIS DE TWITTER.......................................................................................... 19 ANLISIS DE FACEBOOK ...................................................................................... 50 ANLISIS DE TUENTI ............................................................................................ 59

6.3.1 6.3.2 6.3.3 7

HERRAMIENTA Main Words ............................................................................................... 74 7.1.1 7.1.2 7.2 Cmo debe ser Main Words? ........................................................................... 78 Cmo funciona Main Words? ........................................................................... 79

ENCUESTA.................................................................................................................... 80

8 9 10

RESULTADOS Y CONCLUSIONES PREVIAS ........................................................................... 85 REFERENCIAS BIBLIOGRFICAS ........................................................................................... 86 IMGENES Y LOGOTIPOS................................................................................................. 87

Ilustraciones
Figura 1. Mapa de redes sociales en Espaa 2009. (Fuente: Alianzo) ........................................ 17 Figura 2. Mapa de medios sociales en Espaa 2012 (Fuente: Alianzo) ...................................... 18 Figura 3. Twitter: Ejemplo de recuperacin en mensajes individuales ...................................... 20 Figura 4. Twitter: ejemplo en mensajes directos ........................................................................ 20 Figura 5. Twitter: ejemplo de bsqueda de trminos cronolgicamente .................................. 21 Figura 6. Twitter: Ejemplo de bsqueda con cocina ................................................................... 22 Figura 7. Twitter: Ejemplo de bsqueda con cocina ................................................................... 22 Figura 8. Twitter: Ejemplo de utilizacin en Maysculas COCINA .............................................. 23 Figura 9. Twitter: Ejemplo en Minsculas cocina........................................................................ 23 Figura 10. Twitter: Ejemplo utilizando el entrecomillado cocina ............................................ 24 Figura 11. Twitter: Ejemplo utilizando truncamiento posterior cocin* ...................................... 24 Figura 12. Twitter: Ejemplo de utilizacin con truncamiento anterior *cocin............................ 25 Figura 13. Twitter: Ejemplo con truncamiento cocina.* ............................................................. 25 Figura 14. Twitter: Ejemplo utilizando #cocina ........................................................................... 27 Figura 15. Twitter: ejemplo con @cocina ................................................................................... 27 Figura 16. Twitter: Opcin de guardar las bsquedas ................................................................ 28 Figura 17. Twitter: Bsqueda guardada ...................................................................................... 28 Figura 18. Twitter: pantalla de bsqueda avanzada ................................................................... 29 Figura 19. Twitter: ejemplo de bsqueda avanzada en Todas estas palabras ........................ 29 Figura 20. Twitter: resultado de la bsqueda avanzada en todas estas palabras ................... 30 Figura 21. Twitter: Ejemplo de bsqueda avanzada en frase exacta ...................................... 30 Figura 22.Twitter. resultado de la bsqueda con frase exacta ................................................ 31 Figura 23. Twitter: Ejemplo de bsqueda avanzada con cualquiera de estas palabras .......... 31 Figura 24.Twitter: resultado de bsqueda avanzada con cualquiera de estas palabras ......... 32 Figura 25. Twitter: ejemplo de bsqueda con ninguna de estas palabras .............................. 32

Figura 26.Resultado de bsqueda avanzada con ninguna de estas palabras .......................... 33 Figura 27. Twitter: ejemplo de bsqueda con etiquetas asociadas ............................................ 33 Figura 28. Twitter: resultado de bsqueda con etiquetas asociadas ......................................... 34 Figura 29. Twitter: ejemplo de discriminacin por idioma ......................................................... 34 Figura 30.Twitter: resultado de bsqueda discriminando por idioma ....................................... 35 Figura 31. Twitter: Ejemplo de bsqueda variada ...................................................................... 35 Figura 32. Twitter: resultado de bsqueda avanzada variada .................................................... 36 Figura 33. Twitter: bsqueda por desde estas cuentas ........................................................... 36 Figura 34. Twitter: resultado bsqueda por desde estas cuentas ........................................... 37 Figura 35. Twitter: bsqueda para estas cuentas .................................................................... 37 Figura 36. Twitter: resultado de la bsqueda para estas cuentas ........................................... 38 Figura 37. Twitter: ejemplo de otros tipos de bsqueda ............................................................ 38 figura 38. Twitter: resultado de otros tipos de bsqueda .......................................................... 39 Figura 39. Twitter: Nueva seleccin de bsqueda avanzada ..................................................... 40 Figura 40. Twitter: Pantalla de la bsqueda avanzada ............................................................... 40 Figura 41. Twitter: Seleccin actual de la bsqueda avanzada................................................... 41 Figura 42. Twitter: ejemplo de bsqueda avanzada con Esta frase exacta ............................. 41 Figura 43.Twitter: ejemplo con bsqueda con ninguna de estas palabras ............................. 42 Figura 44. Twitter: ejemplo de truncamiento posterior recetas de cocin* ................................ 43 Figura 45. Twitter: ejemplo de truncamiento y entrecomillado recetas de cocin*................. 44 Figura 46. Twitter: ejemplo de truncamiento anterior *recetas de cocina ................................ 45 Figura 47. Twitter: resultado de truncamiento anterior entrecomillado ................................... 46 Figura 48. Twitter: Otro ejemplo de truncamiento..................................................................... 47 Figura 49. Twitter: otro ejemplo de truncamiento con el mismo resultado anterior ................ 48 Figura 50.Twitter: Ejemplo de truncamiento posterior en las dos palabras recet* de cocin* ... 49 Figura 51. Twitter: Ejemplo de truncamiento y comillas Recet* de cocin*. ............................ 50 Figura 52. Ejemplo de bsqueda en Facebook: cena .................................................................. 51

Figura 53. Ejemplo bsqueda Facebook: CENA .......................................................................... 51 Figura 54. Ejemplo bsqueda Facebook: cena ........................................................................ 52 Figura 55. Ejemplo bsqueda Facebook: cena* .......................................................................... 52 Figura 56. Ejemplo bsqueda Facebook: *cena .......................................................................... 53 Figura 57. Ejemplo de bsqueda en Facebook: cena.* ............................................................... 53 Figura 58. Ejemplo de bsqueda en Facebook en barra de bsquedas...................................... 54 Figura 59. Facebook: seleccin de personas ............................................................................... 55 Figura 60. Facebook: Prdida de informacin ............................................................................ 55 Figura 61. Facebook: seleccin de Pginas ................................................................................. 56 Figura 62. Facebook: seleccin lugares para el trmino cena .................................................... 56 Figura 63. Facebook: seleccin Grupos ....................................................................................... 57 Figura 64. Facebook: seleccin por resultados de la bsqueda en internet............................... 57 Figura 65. Facebook: seleccin publicaciones pblicas .............................................................. 58 Figura 66. Tuenti: Ejemplo de busqueda..................................................................................... 60 Figura 67. Tuenti: problemas de interaccin de Tuenti con los seguidores ............................... 61 Figura 68. Tuenti: ejemplo de exploracin en sitios ................................................................ 62 Figura 69.Tuenti. Ejemplo de exploracin en el mapa ............................................................ 62 Figura 70.Tuenti: Pgina de inicio ............................................................................................... 65 Figura 71.Tuenti. Caractersticas de la cuenta de Tuenti ............................................................ 66 Figura 72. Encuesta redes sociales .............................................................................................. 81 Figura 73. Encuesta redes sociales .............................................................................................. 82 Figura 74. Encuesta redes sociales .............................................................................................. 82

PROYECTO DE INVESTIGACIN: DESARROLLO DE LA HERRAMIENTA PARA LA INDIZACIN EN LENGUAJE NATURAL Y RECUPERACIN DEL CONOCIMIENTO EN LAS REDES SOCIALES.

MainWords

1 Marco del proyecto:

Investigadores: Juan Carlos Bailn Moreno, Pablo Bosch Martnez, Amparo Peralta Garca, Vernica Mara Garca Garca, Diego Soto Luzn, Alicia Quiles, Ketty Prvil, Grupo de la asignatura Tcnicas de Indizacin y Resumen Documental del Conocimiento (TIRDC) de la Universidad de Granada bajo la direccin del profesor D. Carlos Castro Castro. Colaboraciones posibles: Universidad de Granada. Techn TEP-028, departamento de Ciencias de la Computacin e Inteligencia Artificial de la Universidad de Granada. Realizado en dos fases: 1 fase: Elaboracin proyecto: 22-02-2012 al 07-03-2012 Presentacin proyecto: 14-03-2012 Defensa del proyecto: 21-03-2012 2 fase: Desarrollo del proyecto. Plazo de ejecucin inicial: 3 meses tras concluir la primera fase, ampliable dependiendo de los resultados obtenidos. Multidisciplinariedad: Estudio de necesidades de usuarios de redes sociales desde el punto de vista documental; tcnicas avanzadas de tratamiento de la informacin documental en redes sociales por el equipo de investigadores del proyecto de la Facultad de Comunicacin y Documentacin de la Universidad de Granada. Tcnicas avanzadas de Ciencimetra, tecnologa del conocimiento. Colaboracin con el equipo de investigacin TEP-028 y el departamento de Ciencias de la Computacin e Inteligencia Artificial de la Universidad de Granada.

2 RESUMEN
El proyecto de investigacin tiene como objetivo fundamental el desarrollo de una herramienta que permita a los usuarios de las redes sociales la creacin de un tesauro para la indizacin automtica en lenguaje natural que facilite la recuperacin rpida, sencilla e intuitiva del conocimiento generado por los usuarios en un momento dado. De esta manera se facilitan las multirrelaciones, tanto afectivas, culturales, de ocio, como la oportunidad de afianzar vnculos entre los miembros de un grupo y fidelizarse, si cabe, un poco ms, con la red social mediante las palabras utilizadas en sus conversaciones habituales, Main Words. Los tesauros utilizados en la web 2.0 como las taxonomas representadas con nubes de etiquetas (tag-clouds), y posteriormente las folcksonomas, cuando varios usuarios colaboran en la descripcin de un mismo material informativo y el taggin o etiquetado libre que se ha impuesto como una nueva modalidad de indizacin en el lenguaje natural, especialmente a travs de las herramientas y los recursos de la web social, con la problemtica de que en la mayora de los casos los usuarios no etiquetan por olvido, por rapidez, por falta de costumbre o no lo consideran necesario, y cuando lo hacen se produce problemas de sinonimias que dificultan el significado real del etiquetado. Es necesario, por tanto que encontremos la manera de que combinando distintas tcnicas y herramientas, hasta ahora utilizadas de manera independiente, consigamos que la indizacin se produzca automticamente en lenguaje natural sin que los usuarios intervengan directamente. Main Words resuelve esta problemtica, va a indizar automticamente todos los trminos en lenguaje natural que los usuarios de la red social utilizan en sus post y facilitar la recuperacin del conocimiento expuesto en sus conversaciones mediante el browsing (exploracin o navegacin),estrategia para bsquedas de propsito general, en las que el usuario prefiere reconocer qu est buscando. (Hassan Montero, 2006). Main Words te ayuda a comunicarte y compartir experiencias, opiniones, ideas y sentimientos con las personas que forman parte de tu grupo.

3 INTRODUCCIN
3.1 El Universo 2.0
Son las redes sociales una moda pasajera? o El cambio ms grande desde la revolucin industrial? Bienvenidos a la Revolucin! Saba usted que?:

El 96% de la generacin actual forma parte de una red social siendo sta una de las actividades ms notorias en la red. 1 de cada 8 parejas de EEUU en 2008 se conocieron mediante una red social. Facebook en menos de 4 meses agreg a ms de 100 millones de usuarios; si Facebook fuese un pas sera el 4 ms grande del mundo Las aplicaciones del iPod llegaron a los 1000 millones de hits en 9 meses. En 2009 el departamento de educacin revel que aquellos que estudian en lnea tuvieron mejores promedios que los que estudiaron cara a cara; 1 de cada 6 estudiantes tiene su curriculum en lnea, el 80% de las empresas usa Linkedln como principal forma de reclutacin de personal El 80% de los usuarios de Twitter usan dispositivos mviles (personas actualizndose desde cualquier lugar a cualquier hora) Youtube es el segundo motor de bsqueda ms usado en el mundo con ms de 100 millones de videos. Wikipedia tiene ms de 13 millones de artculos y el 78% de los artculos no son en ingls (estudios demuestran que Wikipedia es ms fiable que la enciclopedia Britnica). Existen ms de 200 millones de blogs cuyo 54% generan contenido diario y twittean. La gente le preocupan ms de los comentarios en las redes sociales de los productos y servicios que Google cataloga ya que el 75 % de la poblacin se fa ms de las opiniones de los conocidos que de los anuncios en si. El 35% de las ventas de Amazon es sobre su E-book Kindle. Los productos y servicios los encontrarn por medio de las redes sociales Eres vctima o protagonista de este cambio?

3.2 Pero entonces Qu es la web 2.0?

El trmino Web 2.0 est asociado a aplicaciones web que facilitan el compartir informacin, la interoperabilidad, el diseo centrado en el usuario y la colaboracin en la World Wide Web. Un sitio Web 2.0 permite a los usuarios interactuar y colaborar entre s como creadores de contenido generado por usuarios en una comunidad virtual, a diferencia de sitios web donde los usuarios se limitan a la observacin pasiva de los contenidos que se ha creado para ellos. Ejemplos de la Web 2.0 son las comunidades web, los servicios web, las aplicaciones Web, los servicios de red social, los servicios de alojamiento de videos, las wikis, blogs, mashups y folcsonomas. La Web 2.0 est orientado a la interaccin y redes sociales, que pueden servir contenido que explota los efectos de las redes, creando o no webs interactivas y visuales. Es decir, los sitios Web 2.0 actan ms como puntos de encuentro o webs dependientes de usuarios, que como webs tradicionales. La evolucin de la web 2.0 viene de las pginas estticas programadas en HTML (Hyper Text Markup Language) que no eran actualizadas frecuentemente. El
9

xito de las .com dependa de webs ms dinmicas (a veces llamadas Web 1.5) donde los sistemas de gestin de contenidos servan pginas HTML dinmicas creadas al vuelo desde una base de datos actualizada. En ambos sentidos, el conseguir hits (visitas) y la esttica visual eran considerados como factores. Entender la evolucin que ha llegado con la Web 2.0 puede realizarse con ejemplos, con proyectos. Podemos comparar servicios web que marcan claramente la evolucin hacia el Web 2.0 con una nueva forma de hacer las cosas. 3.3 Funcin del Documentalista en la web 2.0 Documentalista, profesional de la informacin, gestor del conocimiento (knowledge manager), broker de la informacin (information broker) son muchos trminos para nombrar nuestra profesin, profesin que ha experimentado un gran cambio a lo largo de estos ltimos aos. Los documentalistas se enfrentan, al menos, a tres cambios significativos en el modelo de trabajo que realizan: La transicin del papel a los medios en soporte electrnico como forma predominante de almacenamiento y recuperacin de la informacin. La creciente demanda de que los profesionales justifiquen su labor, desde el punto de vista del gasto que supone a la empresa mantener tanto el servicio de documentacin como a los propios documentalistas. Los nuevos tipos de organizacin del mercado laboral, con frmulas novedosas como los puestos de trabajo compartidos (job sharing), el teletrabajo (telecommuting), la externalizacin o outsourcing (contratar parte del trabajo de la biblioteca con compaas ajenas), las reducciones de personal y la proliferacin del trabajo en equipo. Labores de los documentalistas: Tienen que recopilar informacin procedente de diversas fuentes y distintos formatos, analizarla y evaluarla para, despus, resumir y enumerar los contenidos, prepararlos para su uso final (es decir encuadernarlos, encarpetarlos, etc.) y presentarlos al usuario. Ha de disear sistemas para controlar el exceso informativo y seleccionar aquello que es relevante, que procede de fuentes autorizadas y que, adems, es de utilidad directa para el usuario. Deben estar familiarizados con los temas propios del sector de la organizacin para la que trabajan. Debe de estar familiarizado con las necesidades de informacin del usuario y crear productos que respondan a las mismas. Existen diversas tcnicas y herramientas que nos ayudan a identificar la informacin que necesita el usuario y la forma en que sta le ser ms til, por ejemplo, mediante cuestionarios, entrevistas y la creacin de grupos temticos de anlisis (focus groups).

10

Los documentalistas no solo se han convertido en expertos en el uso de Internet, tambin han comenzado a dar clases de Internet a otros miembros del personal y a grupos especiales. Como expertos de la informacin, debemos mantenernos al tanto de los nuevos desarrollos y tendencias que surjan a nuestro alrededor, y hacer comprender a los directivos de nuestra organizacin que si la tecnologa cambia, nosotros debemos adaptarnos y cambiar simultneamente. Deben evaluar con regularidad cmo se usa la informacin que proporcionan. Deben de recopilar datos y adoptar criterios para medir la frecuencia de uso de los servicios prestados, la satisfaccin del cliente, y el impacto que tiene la informacin que proporcionan en la toma de decisiones de la organizacin. Todo ello va encaminado a demostrar la relevancia del Centro de Documentacin para la eficiencia de la propia organizacin a la que pertenece. El documentalista debe demostrar su experiencia en el rea de las tecnologas de la informacin, adems de conocer directamente las necesidades de informacin de sus colegas de otros departamentos. Muy importante aportar herramientas para que el usuario pueda manejar la informacin de distintas maneras y de la forma ms adecuada.

3.4 El Tesauro
Un Tesauro es una lista ordenada alfabticamente de palabras que contiene los "trminos" empleados para representar los conceptos, temas o contenidos de los documentos, con miras a efectuar una normalizacin terminolgica que permita mejorar el canal de acceso y comunicacin entre los usuarios y las unidades de informacin. Los trminos que conforman el tesauro se interrelacionan entre ellos bajo tres modalidades de relacin: 1. Relaciones jerrquicas: Establecen subdivisiones que generalmente reflejan estructuras de TODO/Parte. 2. Relaciones de equivalencia: Controlan la sinonimia, homonimia, antonimia y polisemia entre los trminos. 3. Relaciones asociativas: Mejoran las estrategias de recuperacin y ayudan a reducir la polijerarqua entre los trminos. Es un intermediario entre el lenguaje que encontramos en los documentos (lenguaje natural) y el que emplean los especialistas de un determinado campo del saber (lenguaje controlado). Aunque los incluye, las entradas de un tesauro no deben ser consideradas slo como una lista de sinnimos.

11

3.5 Alternativas al Tesauro: Folksonomas, etiquetado libre o taggin

El taggin o etiquetado libre se ha impuesto como una nueva modalidad de indizacin en el lenguaje natural, especialmente a travs de las herramientas y los recursos de la web social. El rasgo ms especfico del etiquetado social es que los responsables de elegir las etiquetas son los usuarios de los recursos o sus creadores. Los tags sirven para la recuperacin de recursos en la web ya que el lenguaje empleado para su descripcin es sencillo y es un vocabulario familiar y accesible al usuario comn. El resultado de la indizacin social es la acuacin de palabras clave popular o social en el que no intervienen profesionales de la informacin. Las etiquetas son palabras o frases que el usuario usa para describir los contenidos de la web. Los tag son simples etiquetas para recursos web seleccionar para ayudar a los usuarios en la recuperacin posterior de dichos objetos de contenido. Sirven para agrupar recursos relacionados. La web nos indica quien ha hecho las etiquetas y que etiquetas ha realizado, esto ayuda a la conexin entre usuarios con gustos temticos parecidos. Poco a poco una comunidad de usuarios puede establecer un conjunto de etiquetas formales referidas a un rea concreta. Los sistemas basados en folksonomas deberan de permitir: Almacenar los recursos personales preferidos o marcadores; Analizar la historia de los bookmarks de los usuarios y crear grupos de usuarios con los mismos intereses. Recomendar recursos que sean comnmente preferidos. Aunque las folksonomas tienen muchas ventajas, tambin tienen desventajas en las cuales, los profesionales de la informacin deben de ayudar a su disminucin, a mentalizar y formar los usuarios para un correcto uso del etiquetado social: Baja recuperacin en los sistemas que no usan lenguajes documentales en sus tcnicas de indizacin. Los que provienen del lenguaje: polisemia, sinonimia, los plurales y especificidad del etiquetado. Ausencia de normas en la construccin de trminos compuestos.

12

3.6 Nuestra propuesta

Los Tesauros crean problemas para los usuarios 2.0 de las redes sociales. Los usuarios son grandes generadores de informacin y conocimiento, pero no tienen los medios para clasificar (indizar en lenguaje natural) y recuperar ese conocimiento depositado en la red social. Los usuarios deben ser capaces de manejar y clasificar (indizar en lenguaje natural) de manera rpida, sencilla e intuitiva su conocimiento para poder recuperarlo posteriormente. Esto es algo que no tienen ahora. Una propuesta de soluciones se encuentra en mecanismos que se pueden ofrecer de manera invisible al usuario final como el empleo de indizacin automtica. Por eso, vamos a darles a los usuarios esa herramienta que de forma automtica, cree el tesauro y facilite la recuperacin del conocimiento. Esa herramienta es Main Words.

4 OBJETIVOS GENERALES DEL PROYECTO

Contar con una herramienta adecuada para indizar automticamente y recuperar el contenido de los post que los usuarios de las redes sociales utilizan para comunicar entre ellos cualquier contenido informativo, convirtindolo en conocimiento, que permita fomentar procesos de participacin y fidelizacin a la red social para el desarrollo de vnculos entre los usuarios.

5 OBJETIVOS CONCRETOS
Estudio de necesidades en los usuarios de redes sociales. Problemtica de la indizacin de autor. Indizacin automtica. Estudio de soluciones a la indizacin y recuperacin del conocimiento en las redes sociales. Main Words, herramienta rpida, sencilla e intuitiva para facilitar y compartir el conocimiento entre dos o ms miembros de un grupo en una red social.

6 METODOLOGA Y PLAN DE TRABAJO

6.1 CRONOGRAMA
El presente proyecto seguir el siguiente plan de trabajo teniendo en cuenta los objetivos anteriormente planteados:

13

FECHA 30 de Noviembre de 2011

TIPO DE ACTIVIDAD 1 toma de contacto

DETALLES Planteamiento del proyecto y constitucin de grupos. Delimitacin de conceptos bsicos para la realizacin del proyecto, respondiendo a las siguientes 4 preguntas: Qu es un Tesauro? Para qu sirve un Tesauro? Cmo se construye un Tesauro? Cmo se utiliza un Tesauro? Cada componente del grupo responde a las 4 preguntas mencionadas anteriormente de forma individual Debate y puesta en comn del trabajo individual para responder a las 4 preguntas mencionadas con anterioridad y establecimiento de fechas finales para revisar y solucionar definitivamente cada una de ellas Resolucin y puesta en comn a la pregunta 1: Qu es un Tesauro? Resolucin y puesta en comn a la pregunta 2: Para qu sirve un Tesauro?

7 de Diciembre de 2011

Reunin presencial del grupo

Del 7 al 21 de Diciembre de 2011

Trabajo individual

21 de Diciembre de 2011

Reunin presencial del grupo

23 de Diciembre de 2011

Reunin virtual del grupo

28 de Diciembre de 2011

Reunin virtual del grupo

14

8 de Enero de 2012

Reunin virtual del grupo

13 de Enero de 2012

Reunin virtual del grupo

16 y 17 de Enero de 2012 18 de Enero de 2012 22 de Febrero de 2012

Reunin presencial del grupo 1 presentacin Reunin presencial del grupo Trabajo grupal

Del 22 al 7 de Marzo de 2012 7 de Marzo de 2012

2 presentacin

Del 7 al 14 de Marzo de 2012 14 de Marzo de 2012 Del 14 al 21 de Marzo de 2012 21 de Marzo de 2012 Desde 21 de Marzo de 2012 hasta junio

Trabajo grupal 3 presentacin Trabajo grupal 4 presentacin Trabajo grupal

Resolucin y puesta en comn a la pregunta 3: Cmo se construye un Tesauro? Resolucin y puesta en comn a la pregunta 4: Cmo se utiliza un Tesauro? Delimitacin de la idea del proyecto Presentacin de la idea del proyecto Establecimiento fechas para presentacin del proyecto escrito Realizacin de la introduccin y metodologa del proyecto Presentacin de la introduccin y la metodologa del proyecto Realizacin de cuerpo del proyecto Presentacin cuerpo del proyecto Preparacin de la defensa del proyecto Defensa del proyecto Desarrollo del trabajo

NOTA: Las filas que tienen el color ms intenso indica los das claves en el desarrollo del proyecto.

6.2 METODOLOGA
- Eleccin, estudio y anlisis de las redes sociales utilizadas por los usuarios: Para esta

primera parte del proyecto hay que realizar un estudio de los usuarios de las redes sociales, su comportamiento, para qu las utilizan. (Se ha realizado un anlisis previo para determinar las necesidades y el objeto del proyecto en las principales redes sociales en Espaa, Twitter, Facebook y Tuenti.)

15

- Estudio de las herramientas actuales de recuperacin de la informacin mediante sistemas de conocimiento: Para esta parte debe realizarse un estudio de las herramientas, software, que permiten recuperar la informacin mediante sistemas de conocimiento y estudiar las posibilidades de implementarlas en las redes sociales. ( En un anlisis previo se han identificado algunas herramientas de recuperacin de la informacin mediante sistemas de conocimiento. - Diseo de la herramienta, Main Words, una vez realizados los anlisis: En esta primera fase es necesario definir el alcance de la herramienta y sus funciones principales para poder acercar y compartir la idea y el posible desarrollo a otras disciplinas necesarias para este proyecto como son los especialistas en Sistemas de Conocimiento y la Ciencimetra y los especialistas en Ciencias de la Computacin e Inteligencia Artificial. ( Se ha realizado una bsqueda de posibles socios en el marco de la Universidad de Granada, no descartando las colaboraciones internacionales utilizando la web 2.0). - Desarrollo de la herramienta, Main Words : Este apartado se realizar en una segunda fase una vez se confirmen los colaboradores hasta la conclusin del desarrollo de la herramienta. - Implementacin de la herramienta, Main Words : Esta fase ser fundamental, pues supondr la puesta en marcha en modo, inicialmente, de pruebas, hasta su total implementacin en la red social seleccionada para su aplicacin. - Posibles negociaciones en el marco de la web 2.0 para su implementacin y desarrollo en otras redes sociales segn caractersticas y necesidades.

6.3 ANLISIS PREVIO

Somos un grupo de siete alumnos de la asignatura de Tcnicas de Indizacin y Recuperacin Documental del Conocimiento de la Facultad de Comunicacin y Documentacin de la Universidad de Granada, al que se nos propuso la idea de crear un tesauro para redes sociales. Para ello, en una primera fase, se realizaron varias reuniones en las que se analizaron los mapas de las redes sociales actuales en Espaa as como las caractersticas de dichas redes, definir qu es un tesauro y para qu sirve. Visto por el grupo el funcionamiento de las redes sociales y el comportamiento de los usuarios, decidimos que lo ms interesante sera la indizacin automtica de los post para la creacin de un tesauro basndonos en un anlisis de las herramientas o programas que existen en la actualidad. Hoy en da existen herramientas para indizar el contenido de los documentos, como Postgenomic rastrea el debate que se produce sobre las novedades publicadas en revistas cientficas y en la blogosfera. Es posible de este modo comprobar cules

16

son las revistas y los blogs ms enlazados, as como los artculos y los posts que generan mayor impacto (Cabezas-Clavijo et al., 2009).

Figura 1. Mapa de redes sociales en Espaa 2009. (Fuente: Alianzo)

Segn J. Carlos Fernndez Molina y Eduardo Peis, 1997, la demanda de informacin es tratada como una concepcin nica y simple de un problema que permanece invariable a lo largo de todo el proceso de bsqueda y los usuarios son considerados meros receptores de informacin pasivos e independientes de la situacin. Sin embargo en la vida real no se suele seguir este patrn, la bsqueda de informacin se realiza por etapas, la primera est llena de incertidumbre y confusin, en donde las necesidades de informacin no estn muy definidas. En el proceso de bsqueda las necesidades van sufriendo modificaciones a medida que el usuario interacta con el sistema. Las bsquedas reales suelen comenzar con un trmino amplio. Con cada nueva informacin que se localiza proporciona nuevas ideas y una nueva concepcin de la demanda. En cada etapa no slo se modifican los trminos usados para la equiparacin, sino que es la propia bsqueda la que est cambiando continuamente en todo o en parte. Plataformas como Facebook, Twitter o Wikipedia se han convertido en el referente de un esquema consolidado de internet donde la interaccin, la libre publicacin de informacin y la reelaboracin constante de contenidos han creado un

17

nuevo paradigma de socializacin digital donde, en palabras del creador de Facebook, Mark Zuckerberg, los elementos conectados ya no son pginas sino personas. Compartir fotografas, puntuar contribuciones o contar en 140 caracteres qu ests haciendo (Twitter) son slo algunos ejemplos de sitios basados en la participacin y en la formacin de comunidades que han alcanzado el xito en los ltimos tiempos.(Cabezas-Clavijo et al.,2009)

Figura 2. Mapa de medios sociales en Espaa 2012 (Fuente: Alianzo)

Algunos autores abogan por alfabetizar al usuario en el tagging, ofreciendo instrucciones o mecanismos para mejorar los tags que introduce. Aunque esta solucin, en su justa medida de intrusin y limitacin de la libertad del usuario, podra mejorar la indizacin social, no debemos olvidar que una de las razones del xito del tagging es precisamente el bajo esfuerzo cognitivo que supone para el usuario asignar el primer tag que le venga a la cabeza (Sinha, 2005), sin necesidad de amoldarse a unas reglas o esquema predefinidos. (Hassan Montero, 2006), he aqu el fundamento de lo que nosotros proponemos, la indizacin a texto completo de todos los mensajes que envan los usuarios en sus post. La indizacin es el proceso de analizar el contenido de los documentos y asignarle trminos descriptivos, generando un ndice de puntos de acceso a travs del cual poder recuperar dichos documentos. Los distintos tipos de indizacin se suele

18

realizar en funcin de cmo se realiza el proceso, establecindose dos categoras: indizacin humana e indizacin automtica. La indizacin humana es un proceso intelectual, donde es una persona (tradicionalmente un indizador profesional) quien, tras analizar el contenido del documento o parte del documento, le asigna aquellos trminos de indizacin que considera identifican las temticas principales de su contenido. La indizacin automtica, por el contrario, es realizada por algoritmos que mediante diversas tcnicas o mtodos determinan cul es el peso con el que cada uno de los trminos que aparecen en el documento representa su contenido temtico. (Hassan Montero, 2006). Nuestro inters se centra en la indizacin automtica para que el usuario se descargue de la obligacin de seleccionar trminos a indizar, de manera que el sistema seleccione los trminos (tags) ms usados en sus mensajes (posts) para crear un tesauro en lenguaje natural adecuado al usuario o miembros del grupo. Se ha realizado un anlisis previo de las redes sociales Twitter, Facebook y Tuenti para ver que utilidades ofrecen con respecto a la recuperacin de informacin o conocimiento mediante palabras y bsquedas de mensajes que contengan algunas palabras obteniendo los siguientes resultados:
6.3.1 ANLISIS DE TWITTER

Posee una ventana de bsqueda en la que al introducir una palabra determinada o un hashtag( tema en concreto) abre una pgina especfica de bsqueda de varios apartados: Tweets: ms relevantes o todos Personas Imgenes Vdeos Esta informacin no nos vale desde el punto de vista del grupo en el que estemos, ya que si introducimos un hashtag obtendremos todos los posts de ese tema pero no podremos buscar una palabra asociada a un mensaje o mensajes de nuestro grupo. Si buscamos por una palabra aparecern los tweets a nivel global sobre esa palabra, los ms relevantes o todos. Permite realizar bsquedas exactas mediante comillas . Tambin posee dentro de las herramientas de bsqueda una bsqueda avanzada para acotar en gran medida las bsquedas aunque, resumiendo, no podemos obtener nuestras palabras en Mensajes Directos o en nuestro grupo aunque es mucho ms completo que en las otras redes analizadas. Se han realizado la siguientes bsquedas, como ejemplo, con el hashtag #cocina y con el SN recetas de cocina. Los resultados los ponemos en dos ejemplos diferenciados. Las observaciones han sido las siguientes:

19

#cocina Twitter no te da la opcin de buscar un trmino en tus mensajes privados. Simplemente te demuestra el hilo de tus conversaciones as que si quiero recuperar el trmino cocina o manuscrito no lo hace, hay que buscar el mensaje por fecha y persona emisora o receptora.

Figura 3. Twitter: Ejemplo de recuperacin en mensajes individuales

Figura 4. Twitter: ejemplo en mensajes directos

20

Lo mismo sucede con las listas y tweets. Simplemente se nos muestran una lista de nuestras listas o tweets. Si una persona ha lanzado 1.000 Tweets y quiere buscar uno en concreto no tiene la opcin de buscar por trminos sino cronolgicamente.

Figura 5. Twitter: ejemplo de bsqueda de trminos cronolgicamente

A la hora de lanzar una bsqueda en Twitter el trmino cocina la informacin que se recupera es la siguiente: - Tweets con la palabra cocina, - Tweets sin la palabra cocina pero que tiene que ver con el tema ya que tienen hashtag relacionados - Tweets con el hashtag de #cocina. Tambin vemos en la parte izquierda videos, imgenes y personas ms relevantes que tienen que ver con cocina.

21

Figura 6. Twitter: Ejemplo de bsqueda con cocina

Figura 7. Twitter: Ejemplo de bsqueda con cocina

22

Twitter no discrimina entre maysculas o minsculas: COCINA o cocina

Figura 8. Twitter: Ejemplo de utilizacin en Maysculas COCINA

Figura 9. Twitter: Ejemplo en Minsculas cocina

23

Entrecomillando la informacin tampoco se encuentran diferencias en la recuperacin de la informacin. cocina

Figura 10. Twitter: Ejemplo utilizando el entrecomillado cocina

Truncamiento: No funciona en Twitter. Simplemente te salen trminos que contengan los caracteres que ests buscando. En nuestro caso hemos introducido el trmino de bsqueda cocin* y la informacin que nos devuelve es en Tweets que contengan ese determinado nmero de caracteres.

Figura 11. Twitter: Ejemplo utilizando truncamiento posterior cocin*

24

Si se cambia el asterisco de posicin y se introduce *cocin los resultados que se obtienen son los mismos que los del caso 1.

Figura 12. Twitter: Ejemplo de utilizacin con truncamiento anterior *cocin

Si por el contrario introducimos cocina.* el resultado que aparece es el mismo que en los casos 2 y 3.

Figura 13. Twitter: Ejemplo con truncamiento cocina.*

25

A la hora de lanzar una bsqueda en Twitter mediante el hashtag #cocina la informacin que se recupera es la siguiente: - Los Tweets ms relevantes de los ltimos 14 das que se han escrito dentro de #cocina. A grandes rasgos, estos Tweets se refieren a recetas, mobiliario de cocina, estudios con los alimentos, cultura, belleza aunque el hashtag es especfico podemos ver la pluralidad de temas que puede abarcar este trmino. El sistema te indica en la parte izquierda superior las personas que suelen utilizar tal hashtag para compartir su informacin. Nos encontramos secciones de revistas, cocineros, restaurantes, annimos, canalesPersonas de distintos mbitos con tan solo un trmino comparten gran cantidad de informacin til que abarca la palabra cocina. Justo debajo de las personas ms relevantes, nos encontramos una seccin de fotos y videos que se han compartido dentro del trmino cocina. Algunas deficiencias son: Twitter no guarda todos los Tweets de un hashtag a no ser que lo hayas indicado especficamente en tu cuenta. Es una prdida muy importante de informacin que Main Words evitar almacenando hasta el ms mnimo detalle de cualquier tema. La informacin est muy dispersa ya que unos usuarios usan hashtag ( cuando hablan especficamente de cocina), otros no lo usan (y hablan de cocina) y tambin se recupera cualquier Tweet que tenga el trmino cocina aunque no est relacionado con el tema. Una nube de tags sera muy til para encontrar informacin relacionada y ampliar nuestra informacin ya que en este sentido Twitter es muy esttico. No existe el truncamiento.

26

Figura 14. Twitter: Ejemplo utilizando #cocina

Cuando buscamos por @cocina, nos discrimina por menciones, es mucho ms especfica que el hashtag #.

Figura 15. Twitter: ejemplo con @cocina

27

Twitter nos da la opcin de guardar las bsquedas:

Figura 16. Twitter: Opcin de guardar las bsquedas

Desde aqu vemos que hemos guardado nuestra bsqueda y que podemos recuperarla siempre que queramos. Tambin podemos eliminarla:

Figura 17. Twitter: Bsqueda guardada

28

BSQUEDA AVANZADA.

Figura 18. Twitter: pantalla de bsqueda avanzada

Twitter te permite la opcin de bsqueda avanzada para detallar acerca de la informacin que deseas recuperar. Todas estas palabras: te permite buscar ms de una palabra a la vez y te recupera la informacin que contengan los trminos.

Figura 19. Twitter: ejemplo de bsqueda avanzada en Todas estas palabras

29

Figura 20. Twitter: resultado de la bsqueda avanzada en todas estas palabras

Frase exacta: te permite recuperar un tweet entero. No hace falta que sea la frase entera sino una cadena de palabras que coincida.

Figura 21. Twitter: Ejemplo de bsqueda avanzada en frase exacta

30

Figura 22.Twitter. resultado de la bsqueda con frase exacta

Cualquiera de estas palabras: te permite intercalar entre varios trminos el operador OR, es decir, te recupera o una cosa o la otra.

Figura 23. Twitter: Ejemplo de bsqueda avanzada con cualquiera de estas palabras

31

Figura 24.Twitter: resultado de bsqueda avanzada con cualquiera de estas palabras

Ninguna de estas palabras: Me permite discriminar un trmino. Si yo quiero que me aparezca fresas pero no nata, la manera de buscar sera la siguiente:

Figura 25. Twitter: ejemplo de bsqueda con ninguna de estas palabras

32

Figura 26.Resultado de bsqueda avanzada con ninguna de estas palabras

Tambin podemos combinar el trmino que queremos buscar con una etiqueta. Por ejemplo, quiero buscar informacin acerca de cocina y que lleve la etiqueta #fresas:

Figura 27. Twitter: ejemplo de bsqueda con etiquetas asociadas

33

Figura 28. Twitter: resultado de bsqueda con etiquetas asociadas

Podemos discriminar por idioma:

Figura 29. Twitter: ejemplo de discriminacin por idioma

34

Figura 30.Twitter: resultado de bsqueda discriminando por idioma

Figura 31. Twitter: Ejemplo de bsqueda variada

35

Figura 32. Twitter: resultado de bsqueda avanzada variada

Podemos encontrar informacin por las personas que han enviado o han recibido dicha informacin. El problema es que te tienes que saber exactamente el nombre de la persona, si no la recuperacin de la informacin no se realizar.

Figura 33. Twitter: bsqueda por desde estas cuentas

36

Figura 34. Twitter: resultado bsqueda por desde estas cuentas

Figura 35. Twitter: bsqueda para estas cuentas

37

Figura 36. Twitter: resultado de la bsqueda para estas cuentas

Tambin te permite discriminar un trmino por el lugar. Se ve innecesaria la distancia o los kilmetros, es algo que no tiene demasiada relevancia. Junto con todo esto tambin te permite recuperar la informacin positiva (aquellos tweets que lleven : ) ) la negativa ( :( ), si es una pregunta ? O un retweet.

Figura 37. Twitter: ejemplo de otros tipos de bsqueda

38

figura 38. Twitter: resultado de otros tipos de bsqueda

TWITTER RECETAS DE COCINA Se van a analizar las bsquedas en Twitter realizadas para el SN de recetas de cocina, con todas sus variantes posibles. 1. Recetas de cocina: En este caso, se puede observar cmo, en primer lugar, a la izquierda, aparecen personas destacadas con el SN completo. Pero despus, en los tweets ms relevantes, se tomara tanto el nombre completo como las palabras sueltas. A la derecha, encontraramos varios twitter de recetas de cocina, as como vdeos relevantes:

39

Figura 39. Twitter: Nueva seleccin de bsqueda avanzada

Pulsando la opcin de Refinar resultados (marcado con una flechita en la pantalla anterior), apareca la opcin de Bsqueda Avanzada:

Figura 40. Twitter: Pantalla de la bsqueda avanzada

40

Esa opcin la encontramos ahora, con la nueva configuracin, en donde marca la flecha de la siguiente pantalla:

Figura 41. Twitter: Seleccin actual de la bsqueda avanzada

2. Recetas de cocina: Con la Bsqueda Avanzada se puede redefinir la bsqueda, con lo cual, el problema anterior de que se localiza cualquiera de las palabras del SN propuesto desaparecera, puesto que se podra poner recetas de cocina en la opcin de Esta frase exacta, apareciendo la siguiente pantalla:

Figura 42. Twitter: ejemplo de bsqueda avanzada con Esta frase exacta

41

Al hacerlo, por tanto, observamos que, como sucede en Google, a la hora de buscar varias palabras (SN) de manera literal, slo habra que ponerlas entre comillas. 3. Recetas de cocina. En el caso de que refinamos el resultado y pongamos recetas de cocina en Bsqueda Avanzada, concretamente en Ninguna de estas palabras, aparece lo siguiente:

Figura 43.Twitter: ejemplo con bsqueda con ninguna de estas palabras

Se observa que, a excepcin de la parte correspondiente a Resultados de nombre, en ningn otro sitio aparece alguna de las tres palabras de las que consta el SN.

42

4. Recetas de cocin*. En este caso, observamos que slo aparecen personas destacadas con el dicho Sintagma completo. No habra resultados de Tweets para recetas de cocin*.

Figura 44. Twitter: ejemplo de truncamiento posterior recetas de cocin*

43

5. Recetas de cocin*. Si lo ponemos entre comillas sucedera lo mismo que en el caso anterior:

Figura 45. Twitter: ejemplo de truncamiento y entrecomillado recetas de cocin*

44

6. *Recetas de cocina. En este caso, se puede observar que aparecen tanto las personas destacadas como todo los Tweets, pero con la caracterstica de que en stos slo se marca en negrita la preposicin de y de cocina. Al llevar el asterisco la palabra recetas, esta palabra no se marcara (aunque aparezca).

Figura 46. Twitter: ejemplo de truncamiento anterior *recetas de cocina

45

7. *Recetas de cocina. En este caso, sucede igual que en el anterior:

Figura 47. Twitter: resultado de truncamiento anterior entrecomillado

46

8. Recetas de cocina*. En el siguiente caso, sucede al contrario que en los dos anteriores. Se marca en negrita tanto la preposicin de como la palabra recetas, pero no cocina, puesto que es la palabra que lleva el asterisco.

Figura 48. Twitter: Otro ejemplo de truncamiento

47

9. Recetas de cocina*. Si ponemos el SN entre comillas sucede lo mismo que en el caso anterior:

Figura 49. Twitter: otro ejemplo de truncamiento con el mismo resultado anterior

48

10. Recet* de cocin*. En este caso, no aparecera nada:

Figura 50.Twitter: Ejemplo de truncamiento posterior en las dos palabras recet* de cocin*

49

11. Recet* de cocin*. Igual que en el anterior caso, no aparecera ningn resultado:

Figura 51. Twitter: Ejemplo de truncamiento y comillas Recet*

de cocin*.

6.3.2

ANLISIS DE FACEBOOK

Posee una ventana de bsqueda que nos permite buscar palabras en los mensajes introducidos discriminando las palabras maysculas-minsculas o mediante truncamiento posterior mediante asterisco *, tambin a palabra completa realiza la bsqueda literal introducida. No nos sirve tampoco para ver nuestras palabras en los mensajes directos ni en el grupo adems de sus limitaciones. Hemos realizado pruebas en Facebook para detallar mejor los problemas detectados con varios casos: CASO 1 Introducimos el primer criterio de bsqueda con el trmino cena en minsculas en los mensajes privados enviados a mis contactos, aparece el siguiente resultado:

50

Figura 52. Ejemplo de bsqueda en Facebook: cena

Puede verse marcado el trmino de bsqueda que se ha introducido. CASO 2 Si la nueva variable es CENA en maysculas no se observan cambios con respecto al primer resultado obtenido.

Figura 53. Ejemplo bsqueda Facebook: CENA

51

CASO 3 Entrecomillando la informacin que vamos a buscar cena, tampoco se observan cambios en los resultados obtenidos.

Figura 54. Ejemplo bsqueda Facebook: cena

CASO 4 Si variamos la informacin y en este caso buscamos cena* los resultados que aparecen son distintos, se incluyen nuevas conversaciones que antes no aparecan, obsrvese el caso:

Figura 55. Ejemplo bsqueda Facebook: cena*

52

En esta ocasin no se marca la palabra cena. CASO 5 Si se cambia el asterisco de posicin y se introduce *cena los resultados que se obtienen son los mismos que los del caso 1

Figura 56. Ejemplo bsqueda Facebook: *cena

CASO 6 Si por el contrario introducimos cena.* el resultado que aparece es:

Figura 57. Ejemplo de bsqueda en Facebook: cena.*

53

DIFICULTADES PARA ACCEDER A LA INFORMACIN Uno de los problemas que plantea este sistema de bsqueda es que aunque muestra la informacin que el usuario solicita no se puede acceder directamente al fragmento de conversacin deseado, esto es, se puede acceder a los mensajes intercambiados con otro usuario, pero no nos remite a una parte en concreto sino que directamente por defecto conduce al ltimo mensaje enviado. Para buscar una parte concreta en un mensaje debe hacerse manualmente, para ello se selecciona primero el contacto del que se desea recuperar la informacin y a continuacin nos ayudamos de la barra lateral para ir retrocediendo en el contenido, en este caso contamos con una secuencia de tiempo que indica la antigedad de los mensajes marcada en horas si no sobrepasa ms de las 24, una vez que esto sucede la secuencia viene indicada mediante das. NUEVAS BSQUEDAS Ahora utilizaremos como herramienta la barra principal de bsqueda introduciendo en todo momento el mismo trmino que he empleado en los casos anteriores, para despus observar los resultados obtenidos segn los distintos filtros que se ofrecen: personas, pginas, lugares, etc. PRIMER CASO En esta primera seccin hemos querido incluir todos los resultados que se obtienen, para ello no hemos aplicado ningn filtro.

Figura 58. Ejemplo de bsqueda en Facebook en barra de bsquedas

54

SEGUNDO CASO Empleo como filtro para purgar informacin personas, los primeros resultados s incluyen la palabra cena en su encabezado, pero sin embargo si desplazamos la barra puede verse que ese criterio va desapareciendo y segn se avanza aparecen algunos casos que no incluyen dicho trmino.

Figura 59. Facebook: seleccin de personas

Figura 60. Facebook: Prdida de informacin

55

TERCER CASO En pginas, al igual que con los otros filtros, los resultados que se obtienen no estn relacionados con nuestros contactos, ya que esta barra te muestra los resultados que se encuentran en todo Facebook estn o no relacionados con nuestros amigos.

Figura 61. Facebook: seleccin de Pginas

CUARTO CASO Lugares

Figura 62. Facebook: seleccin lugares para el trmino cena

56

QUINTO CASO Grupos Se incluyen todos aquellos grupos cuyo encabezado contiene una palabra formada en parte por el trmino cena, sin que necesariamente sta se muestre como una palabra individual. Este mismo caso es el que ya se observaba en personas o pginas y tambin se da en aplicaciones, eventos y msica

Figura 63. Facebook: seleccin Grupos

SEXTO CASO En el filtro resultados de la bsqueda en Internet aparecen diversas pginas que contienen informacin acerca de este trmino, tanto de texto como vdeos o imgenes.

Figura 64. Facebook: seleccin por resultados de la bsqueda en internet

57

SPTIMO CASO Entre las publicaciones de amigos, as como en publicaciones en grupos no se han hallado resultados. Para las publicaciones pblicas estos son algunos de los que se ofrecen:

Figura 65. Facebook: seleccin publicaciones pblicas

PROBLEMAS QUE SE PLANTEAN La bsqueda general resulta muy dispersa ya que muestra informacin que puede o no estar relacionada con nuestra lista de amigos sin ofrecer una aplicacin que la filtre, slo en el caso de publicaciones de amigos tenemos dicha opcin. Otro problema que se plantea es que no slo muestra los resultados con el trmino que hemos introducido sino que se incluyen todos aquellos de los cuales forma parte, es decir, formacin de una nueva palabra que contiene en alguna de sus partes nuestro trmino inicial, sin que tenga nada que ver con lo que nosotros estbamos buscando. Ejemplos extrados del filtro pginas:

58

6.3.3

ANLISIS DE TUENTI

Para poder analizar con sentido las redes sociales tambin hemos de estudiar, aparte de las ms influyentes a nivel internacionales, una de las redes ms usadas en Espaa por el sector juvenil en distintos sectores de edad. Tuenti es una plataforma social de comunicacin, privada y segura, que utilizan millones de usuarios para comunicarse. Caractersticas: El usuario puede crear su propio perfil. Aadir a otros usuarios como amigos. Escribir comentarios en el tabln de tus amigos (pblicos o no dependiendo de la configuracin de la privacidad) o en sus fotos. Intercambiar mensajes privados. Los usuarios se pueden unir a pginas de intereses comunes, as como crearlas. Crear y gestionar eventos y jugar a diversos juegos. Subir fotos y vdeos. Chatear. Carencias: Todas las posibilidades que ofrece dependen casi exclusivamente de lo que sus desarrolladores quieran crear. Imposibilidad de asociar los perfiles en otros servicios como Flickr o Youtube. Los usuarios no pueden subir sus propios vdeos si no pasan antes por Youtube. No se pueden crear grupos con intereses comunes. No se pueden mandar mensajes privados con ms de un destinatario. Tuenti guarda todos los mensajes privados, pero no permite encontrar uno en concreto mediante un buscador, como s sucede en Facebook.

No se puede localizar tampoco un mensaje concreto del Tabln (pblico). Las nicas opciones que permite son las de mostrar: Todo, Estados o Comentarios. En el buscador principal, situado en Inicio, se pueden encontrar contactos (gente), pginas y sitios, pero no se puede interactuar de la misma forma que se hace en Facebook o en Twitter debido a que Tuenti es ms hermtico.

59

Bsqueda de Recetas de cocina: Si escribimos en el buscador principal (marcado con una flecha) recetas de cocina, aparecera lo siguiente:

Figura 66. Tuenti: Ejemplo de busqueda

Como se puede observar, en primer lugar aparecen las pginas con el nombre mencionado. Si pinchamos en uno de los resultados, encontramos una pgina de recetas de cocina que hay que Seguir (marcado con una flecha) para poder participar y comentar en el Tabln.

An as, no permite una interaccin entre los seguidores de la misma manera que s permitiran otras redes sociales porque no hay conciencia de grupo, aunque sera lo ms similar a las Listas de Twitter o los Grupos en Facebook.

60

Figura 67. Tuenti: problemas de interaccin de Tuenti con los seguidores

En cuanto a la opcin de Sitios, Tuenti te dara la opcin de explorar sitios recomendados, as como en un mapa:

61

Figura 68. Tuenti: ejemplo de exploracin en sitios

Figura 69.Tuenti. Ejemplo de exploracin en el mapa

62

Por tanto, esta opcin permitira lo siguiente: Seguir tus locales preferidos: bares, tiendas, restaurantes Recomendar sitios y compartirlos con tus amigos en Tuenti. Explorar el mapa y descubrir nuevos sitios en tu zona. Analizaremos un poco la historia de Tuenti y los comentarios que actualmente se producen acerca de esta red contrastndola con su mayor rival Facebook en diversos foros. Tuenti es una red social espaola a la que slo se poda acceder por invitacin hasta el 14 de noviembre de 2011 y para la cual era necesario tener una edad mnima de 16 aos. A fecha de febrero de 2012, Tuenti tiene ms de 13 millones de usuarios, obteniendo un crecimiento del 33% en el ltimo ao. El sitio est enfocado principalmente a la poblacin espaola. Permite al usuario crear su propio perfil, aadir a otros usuarios como amigos e intercambiar mensajes. Adems, los usuarios se pueden unir a pginas de intereses comunes, gestin de eventos, subida de fotos y vdeos. Inaugurado en noviembre de 2006, Tuenti es uno de los sitios web ms visitados en Espaa, segn Alexa Internet.

Tuenti fue lanzada a finales de 2006 por Zaryn Dentzel, Flix Ruiz, Joaqun Ayuso, Adejemy y Kenny Bentley. Dentzel conoci Espaa a travs de un intercambio que lo llev a Cabeza del Buey (Badajoz) y aos ms tarde, a raz de esta experiencia, naci Tuenti. Al principio iba dirigido a universitarios y slo algunos conocidos pudieron probarlo. Ms tarde, en vista de su xito, permitieron la entrada a ms usuarios, pero slo si tenan invitacin. Actualmente Tuenti tiene ms de 13 millones de usuarios registrados.

63

Segn Zaryn Dentzel, el nombre Tuenti surgi de la necesidad de encontrar uno que incluyera t y ti. Para ponerle nombre, los miembros del departamento de marketing barajaron muchos nombres; al final escogieron el apcope Tuenti porque se parece a "tu entidad", adems de hacer alusin al rango (universitarios veinteaeros) al que iba orientado. El accionista mayoritario de Tuenti es Movistar, la cual el 4 de agosto de 2010 se hizo con el 90% de ella por una cifra aproximada de 72 millones de euros. Telefnica tiene la intencin a medio-largo plazo de expandir Tuenti a otros pases (mayoritariamente de Latinoamrica y Europa). A partir del 14 de noviembre de 2011, Tuenti posibilita el registro a la red sin invitacin mediante activacin por SMS (slo en Espaa) debido a la gran demanda de solicitudes de registro. En enero de 2011 se sirven alrededor de 30.000 millones de pginas al mes. Cada semana se registran alrededor de 8.000 usuarios nuevos y se calcula que cada usuario le dedica al sitio dos horas de uso por sesin, mientras que en otras redes sociales como MySpace no se llega a los 45 minutos. Tuenti, por tanto, es una plataforma social de comunicacin, privada y segura, que utilizan millones de usuarios para comunicarse con las personas que realmente les importan. Su objetivo es facilitar la conectividad total, por lo que la plataforma va ms all de la web, integrando varios productos mviles: Servicio mvil, que supone una evolucin en las funcionalidades de comunicacin con una oferta de voz y datos ajustada a las necesidades de los usuarios. Hablas Tuenti? Sitio mvil, m.tuenti.com, que ya utilizan 1,5 millones de usuarios al mes. Aplicaciones mviles, disponibles para iPhone, Android, BlackBerry y Java, que utilizan ms de 5 millones de usuarios nicos al mes.

64

Manual sobre Tuenti

Pgina de Inicio de Tuenti:

Figura 70.Tuenti: Pgina de inicio

65

Una vez dentro de la cuenta, ya se puede buscar amigos, subir fotos, escribir comentarios en el tabln de tus amigos o en sus fotosetc. La cuenta de Tuenti: La cuenta consta, en principio, de 7 pestaas: Inicio, Perfil, Mensajes, Gente, Vdeos, Juegos y Sitios.

Figura 71.Tuenti. Caractersticas de la cuenta de Tuenti

Adems, cuenta con la opcin de Buscar, para encontrar a otros usuarios, pginas o sitios; Subir fotos y Mi cuenta. 10 cosas que le faltan a Tuenti para dar su salto internacional Escrito por SoniaCQ. Esta entrada fue publicada en Mundo 2.0, Redes sociales.

66

Segn ha declarado Sebastin Muriel, recientemente nombrado vicepresidente de Desarrollo Corporativo de la compaa, la red social espaola Tuenti est ya preparada para dar el salto al mercado internacional. Mucho ha pasado desde su nacimiento en 2006, y su progresiva colonizacin de los ordenadores y dispositivos mviles de los adolescentes espaoles. Desde que en el verano pasado Telefnica se hiciera con la mayor parte de su accionariado, Tuenti siempre ha mirado al mercado hispanoamericano (en que la multinacional de Csar Alierta es una gran referencia) como su siguiente paso. Pero qu le falta a Tuenti para poder competir con garantas en el mercado internacional y librar batalla contra sus grandes rivales en esa zona (Facebook y Orkut)? Entrada libre: A Tuenti slo se puede entrar por invitacin de alguien que ya est dentro. Desde su nacimiento esta fue una de sus ms notables seas de identidad. Ahora parece que se har de libre acceso. Puede que sus usuarios no estn tan mimados y protegidos cmo se podan considerar antes, pero har crecer de manera exponencial su nmero de usuarios. Crculos de privacidad: En Tuenti no podemos elegir si queremos que un determinado grupo vea unas determinadas fotografas o se entere de algo que hemos publicado en un estado, o tampoco configurar la privacidad de un contenido. Todos nuestros amigos son iguales y pueden ver lo mismo. Para un target adolescente puede que esto no suponga grandes problemas, pero cuando crezcan y empiecen a tener entre sus contactos a compaeros de trabajo, jefes y dems, les dar igual? Grupos: Cmo puede pervivir una red social juvenil sin grupos? Un joven, sin su grupo, no es nada. Es su ncleo de referencia y una parte intrnseca de su vida. Los chavales, puede que sin saberlo, echan de menos esta opcin en Tuenti. O si no, mirad cmo etiquetan a sus amigos de parranda en una determinada fotografa para empezar a debatir sobre a qu lugar salen ese da o cosas similares. Poca efectividad de las Pginas: En Tuenti tambin hay Fan Pages, pero no son ni parecidas a las que podemos encontrar en Facebook. Su efectividad es bastante reducida (las actualizaciones son casi imperceptibles para el usuario), al igual que la comunicacin entre administradores y fans. Hay poco nivel de interaccin y una gran incapacidad para hacer llegar un buen mensaje. Aumento de las posibilidades de accin realizadas por el usuario sobre el estado: Un usuario que rellena su estado en Tuenti podr aportar texto y poco ms, quiz un enlace a Youtube o Spotify (en el que no se ver ms que un icono). Incluso si quiere enlazar una URL, cuando uno de sus amigos pinche sobre ella Tuenti le dir que el contenido puede ser nocivo. Encontramos muchas restricciones en la usabilidad. Entrada de marcas: Tuenti est protegiendo muy bien a sus usuarios, y tiene una frrea poltica para permitir la entrada a empresas que quieran desarrollar una actividad comercial. Puede ser un gran freno a su desarrollo. Tendr que buscar la frmula intermedia entre esta cuidada proteccin y la siempre pretendida rentabilidad. Acciones de mrketing social: Tuenti tiene un pblico muy joven que, adems, accede en buena parte a sus servicios a travs de sus smartphones. Un verdadero

67

diamante en bruto si lo sabe aprovechar con innovadoras acciones y desarrollos de aplicaciones basadas en el nuevo mrketing social. Abrirse a aplicaciones desarrolladas por entes externos: Facebook no ha tenido problemas en prestar su FBML para que desarrolladores externos realizaran aplicaciones para su red social. Estas aplicaciones la hicieron mejor (en algunos casos) y consiguieron aumentar an ms el tiempo de permanencia del usuario. Tuenti es extremadamente hermtico. Posibilidad de mandar mensajes privados a ms de un usuario. Facebook casi ha desarrollado un sistema de mensajera que pretende desafiar hasta la hegemona del mismsimo e-mail. Y en Tuenti an no se pueden mandar mensajes privados con ms de un destinatario. Vdeos ms all de Youtube: Esto algo en lo que ya est trabajando Tuenti. An as, los usuarios no pueden subir sus propios vdeos si no pasan antes por Youtube, y estamos hablando de chicos que, como hemos dicho, acceden a la red social a travs de su smartphone. Si quiere, Tuenti tendr que ver cmo introduce todos estos cambios sin dejar de ser fiel a sus seas de identidad: interfaz sencilla, simple, muy fcil de usar para el usuario. Tuenti, sin ser tan ostentoso como Facebook, cumple bien su funcin: posibilitar un contacto directo, simple y rpido entre los adolescentes. Pero si quiere competir contra los grandes tendr que velar tanto porque se queden los que ya estn (y no emigren a Facebook) como por atrapar a nuevos usuarios internacionales dispuestos a incorporar a su elenco de redes sociales una ms. Para empezar a competir en igualdad tendr que velar por arreglar alguna de las taras que hemos evidenciado. Despus, llegar la bsqueda del valor aadido de sus red social, algo que la diferencie del resto y por lo cual los usuarios estn dispuestos comenzar a usarla, el qu? Facebook / Tuenti Si hablamos de caractersticas, tenemos claro que Facebook gana a Tuenti por goleada. Las posibilidades de Facebook son prcticamente infinitas, sobre todo gracias a que esta ltima tiene liberada su plataforma de desarrollo prcticamente desde el principio. Esto ha hecho que cualquiera pueda crear algo y por ende que cualquiera pueda usarlo. Desde grupos, hasta aplicaciones, pasando por hacernos fans de grupos de msica o personas, asociar nuestras cuentas en otros servicios, juegos o quiz. Prcticamente lo que queramos.

Esa es una de las cosas que se le podra reprochar a Tuenti, ya que todas las posibilidades que ofrece dependen exclusivamente de lo que sus desarrolladores quieran crear. Aunque tambin hay que decir que esto en realidad puede ser un punto positivo si pensamos que Facebook puede resultar abrumador.

68

Facebook y Tuenti comparten algunas de sus caractersticas ms bsicas, como bien puede ser el hecho de compartir fotos, los tablones e incluso los eventos, pero tambin es cierto que en Tuentii se echan de menos muchas cosas y en Facebook se echan otras de ms. Cosas como los grupos, el necesitar una invitacin para acceder o la imposibilidad de asociar nuestros perfiles en otros servicios como Flickr o Youtube se echan en falta en Tuenti y, sin embargo, otros como el exceso de aplicaciones, los amigos que realmente no son nuestros amigos, las picaduras de vampiros y los superwalls, berwalls y derivados directamente sobran en Facebook. Es muy complicado analizar el xito que estn teniendo ambos servicios, cada uno a su manera. Tuenti dentro de Espaa y Facebook fuera de aqu, quizs sea porque a los espaoles les gusta mucho ms la sencillez y sacrificar otras cosas para tener un servicio mucho ms limpio. Segn una investigacin reciente, Facebook se corona como la Red Social con ms usuarios pero Tuenti es la Red Social donde los usuarios pasan ms tiempo compartiendo e interactuando. Podemos ver en el siguiente artculo como Tuenti mantiene un gran inters por introducir y desarrollar nuevas herramientas para incrementar el nmero de usuarios y suprimir limitaciones o barreras en la utilizacin de la red social. Compromiso con la Accesibilidad Publicado el 12 de marzo de 2012 en el blog.tuenti.com Eva Janeiro, User Experience Designer Hace unas semanas participamos en el I dAbility. Encuentro organizado en Servimedia como parte de la iniciativa Telefnica Ability Awards, en el que analizamos la accesibilidad de las redes sociales junto a blogueros expertos en discapacidad y el sector asociativo. Conscientes de que nos queda mucho camino por recorrer, en aquel encuentro presentamos el piloto Tuenti Voice Control, que permite al usuario navegar por su perfil gracias a rdenes de voz. De ah surgi la idea de realizar una sesin de trabajo para ayudarnos a diagnosticar el estado de Tuenti desde la perspectiva de la accesibilidad y trazar un plan de trabajo para mejorarla. El pasado jueves, con la colaboracin del equipo de I+D y el Centro de Investigacin, Desarrollo y Aplicacin Tiflotcnica de la ONCE, organizamos un panel de 5 expertos con objeto de conocer de primera mano los problemas a los que se enfrentan las personas ciegas o con baja visin al usar nuestra red social. Jos del Corral (User Interface Developer), Ismael Gonzlez-Nicols (User Interface Developer) y yo asistimos a una demostracin de uso de Tuenti para iPhone de mano de Luis, nuestro experto ciego, y de Tuenti para web con Marcelo, experto con visin reducida. Nos explicaron con todo lujo de detalles los problemas que se

69

encuentran los usuarios de estas caractersticas al acceder a Tuenti y qu soluciones podramos aplicar para que su experiencia en la red sea lo ms fcil posible. Hemos tomado buena nota de todas las sugerencias que desde ONCE nos han trasladado y ya estamos trabajando en un plan que contribuya a hacer Tuenti ms accesible a los usuarios que lo necesitan. Tambin podemos encontrar crticas a la agilidad en buscar novedades y propuestas para motivar cambios que dinamicen Tuenti. Segn Jos A. del Moral en su artculo Quo Vadis Tuenti publicado el 28-112011 en el blog de Alianzo http://blogs.alianzo.com/redessociales/2011/11/28/quovadis-tuenti/#more-1714 Desde que Telefnica compr Tuenti hace un ao, esta red social apenas ha anunciado novedades. Salvando la introduccin del operador mvil, sigue ofreciendo prcticamente los mismos servicios. La competencia, personalizada en Facebook, sin embargo, no para de hacer cambios. As que a Tuenti le urge evolucionar. El problema es decidir hacia dnde. La expansin latinoamericana sera costosa, larga y compleja, pues Facebook y Orkut (Brasil) son lderes absolutos. Una opcin ms asequible sera comprar una red social ya presente en esta zona como Sonico. Pero antes de salir al exterior, a Tuenti le urge consolidar un negocio viable en Espaa. En ese sentido, creo que lo est haciendo bien. Su publicidad es inteligente y los ingresos crecen de manera progresiva. El problema es que se limita a los menores de 25 aos, el sector en el que Tuenti es lder absoluto en Espaa (salvo en Catalua). Sus intentos anteriores de salir de ah y consolidarse entre los que ya han terminado sus estudios han sido en vano. Por si fuera poco, algunos datos indican que la red social espaola podra estar perdiendo trfico incluso entre los jvenes. Hoy en da tiene 12 millones de cuentas abiertas pero el volumen de usuarios nicos que acceden a su web ha bajado en el ltimo ao. De todas formas, no doy mucha credibilidad a estos datos ya que no tienen en cuenta los accesos va mvil, que a da de hoy son los que ms crecen en Tuenti y en otras redes. Sea como fuere, stas son mis sugerencias para Tuenti: - Fijar un modelo basado en red social de uso masivo por parte de los jvenes en el que la privacidad y la seguridad sean valores fundamentales. Es ms o menos la lnea en la que ya estn trabajando. Los jvenes espaoles conviven con sus padres y por ello necesitan mbitos propios. Tuenti lo es. - Lanzar una red social con otra marca, pero powered by Tuenti, para los que tienen ms de 25 aos. El empleo y los intercambios profesionales seran mucho ms importantes en esta red. Atraer al usuario espaol no sera difcil. Los jvenes por un lado y los mayores por otro. En el fondo, es la mezcolanza de Facebook la que no tiene sentido. A la larga, ganarn los modelos que separen a unos y otros y no los que hacen un totum revolutum.

70

- Olvidarse por ahora del negocio de las telecomunicaciones, que no va a hacer ms que despistar y est rozando niveles de saturacin. - Convertir a Tuenti en una marca mutiplataforma con presencia en televisin. Tuenti es lo que une a los jvenes, que siguen viendo la televisin convencional. Qu tal una serie con ancdotas de Tuenti o un informativo para tuenti-adictos? - Explotar al mximo esa relacin con los jvenes para convertirse en el canal en el que deben estar todas las empresas que quieren dirigir productos a este segmento de edad. Los Tuenti Sitios deberan ser obligatorios para negocios locales, escuelas, universidades, centros de formacin y para todo lo que tiene ver con el entretenimiento. - Abrir la red social a la colaboracin con otras entidades, que a la larga van a ayudar a Tuenti a consolidarse como red social de referencia. No es normal, en este sentido, que llegar a acuerdos con Tuenti y usar sus datos pblicos sea tan complicado. Creemos que, en este sentido, podemos ofrecer una herramienta que dinamice la utilizacin de Tuenti por parte de los usuarios actuales y al mismo tiempo los fidelice ms a la red mediante la interaccin del conocimiento introducido, su recuperacin, la forma de compartirlo, as como las posibilidades de informacin social que ello supone. Por ahora en todas las redes encontramos que, como podemos ver, nuestras bsquedas de las palabras indizadas, tags, automticamente de nuestros mensajes, posts, tienen niveles de bsqueda que no se ajustan a las necesidades de todos los usuarios, ya que herramientas de bsqueda como las comillas para texto exacto o el truncamiento con asterisco son de limitado conocimiento entre los usuarios corrientes de las redes sociales y no permiten de forma sencilla acceder a la bsqueda que precisamos en nuestro proyecto. Como complemento al anlisis tambin hemos de analizar los posibles programas o herramientas disponibles para la recuperacin de la informacin y transformarla en conocimiento. La especialidad del programa ZyIndex consiste en la creacin de sistemas documentales a partir de la indizacin automtica de documentos y en la potencia de su lenguaje de interrogacin, que permite crear subconjuntos muy selectivos de documentos a partir del contenido de los mismos. (Codina, 1996) Estas herramientas estn ideadas generalmente para el tratamiento de miles de documentos obteniendo de ellos la lectura de los metadatos para localizar y clasificar los ms relevantes en funcin del autor, ttulo o tema, ao, y resumen. Con este conocimiento obtenido los investigadores pueden seleccionar y obtener los puntos ms relevantes en un tema o campo determinado. El problema es que las redes sociales no permiten las bsquedas completas o selectivas de la informacin introducidas en ellas mediante mensajes de mayor o menor tamao. Es necesario aplicar sistemas de indizacin automtica de las palabras ms relevantes para posteriormente poder realizar bsquedas selectivas mediante la

71

automatizacin del operador booleano AND como suma de los trminos o tags ms relevantes que una persona o su grupo ha introducido en la red. Segn Lluis Codina en su artculo ZyIndex: indizacin automtica y recuperacin de la informacin de mayo de 1996 en el Profesional de la Informacin La idea bsica de la que parten programas como ZyIndex es que, en el contexto de grandes volmenes de informacin, puede descubrirse cules son los documentos que tratan sobre determinado tema utilizando como pistas las propias palabras (todas) que contienen los documentos. Esta tecnologa, conocida por el nombre defull-text o indizacin de texto completo, pretende sustituir o complementar, segn los casos, a la indizacin intelectual, basada en la asignacin manual de descriptores y/o cdigos de clasificacin a cada documento a fin de identificar su tema o contenido. Sin embargo, la experiencia demuestra reiteradamente que, sin indizacin intelectual, la eficacia de estos programas es relativa, y en concreto depende del tipo de documentos indizados, de la cantidad de informacin lingstica que emplean los motores de indizacin y del lenguaje de interrogacin, as como de los algoritmos de clculo de relevancia que incorporan. En particular, documentos que utilizan un lenguaje muy variado y creativo, como es el caso de la informacin periodstica, se prestan mucho peor a este tipo de indizacin que los documentos que utilizan un lenguaje ms restringido, como informes tcnicos o documentos ofimticos, como saben bien todos cuantos hayan realizado bsquedas en Internet, donde lo que impera es, salvo excepciones recientes, la indizacin automtica, con el consiguiente resultado de que la bsqueda suele ser bastante ruidosa. En algunas ocasiones, pese a todo, no hay mucha posibilidad de eleccin y, por motivos econmicos, de tiempo o por ambos, slo es posible utilizar la indizacin automtica, proporcione o no los mismos resultados que se conseguira con una indizacin intelectual. En este sentido, en la salida de la informacin, algunos de estos programas, tal como hace ZyIndex, no se limitan a entregar al usuario una lista de los documentos recuperados sino que la presentan ordenada por su grado de relevancia, intentando de ese modo compensar el ruido de algunas respuestas. La relevancia se calcula normalmente por las frecuencias absolutas y relativas con que aparecen las palabras en los documentos recuperados. O sea, estos mtodos no se basan en el sentido de las palabras, sino en la simple frecuencia de ciertas cadenas de caracteres, con lo cual a veces los resultados son sorprendentemente inexactos, aunque en general funciona bien.

72

Conviene no olvidar que la ordenacin de los resultados por grado de relevancia es independiente tanto del estilo de indizacin (automtico o intelectual), como de la forma de realizar las preguntas (con o sin operadores booleanos), ya que el nico requisito para poder aplicarla con xito es que los documentos de la base de datos sean de texto completo, o que contengan por lo menos un resumen amplio.(Codina, 1996). Podemos ver una cierta reticencia en 1996 a la indizacin automtica por la falta de algoritmos y herramientas que permitieran eliminar ruido de las bsquedas, aunque actualmente la indizacin individual, realizada por profesionales resulta muy costosa frente a la automtica o la social. La indizacin social conlleva otros inconvenientes. Puesto que se realiza en lenguaje natural no controlado, y en la mayora de casos con motivaciones egostas, existir una importante proporcin de trminos o tags vacos de significacin colectiva. Es decir, el usuario asignar frecuentemente tags que slo tienen sentido para s mismo, a lo que habra que sumar los conocidos problemas de la polisemia y sinonimia no debemos olvidar que una de las razones del xito del tagging es precisamente el bajo esfuerzo cognitivo que supone para el usuario asignar el primer tag que le venga a la cabeza (Sinha; 2005), sin necesidad de amoldarse a unas reglas o esquema predefinidos. Otra solucin, completamente invisible para el usuario final, sera el empleo de algoritmos para la ponderacin de los tags (qu relevancia descriptiva tiene cada tag para cada recurso), as como para la eliminacin de tags vacos de significacin colectiva. Para esto slo sera necesario aplicar modelos propios de la indizacin automtica sobre la indizacin social: ponderacin mediante el empleo de las frecuencias de uso del tag, ponderacin de los taggers por autoridad, desambiguacin del significado en funcin del contexto, etc. (Hassan Montero, 2006) Para entender la relacin de Main Words con un sistema de conocimiento hemos de explicar el por qu.

73

HERRAMIENTA Main Words

Main Words es una herramienta, un sistema de conocimiento, un software, para el sistema de conocimiento. Permite dibujar mapas de redes basadas en palabras de los co-usuarios de la red social y sus relaciones. Est orientado para que el usuario de las redes sociales pueda visualizar el tema principal de conversacin de su grupo. Crea un tesauro de lenguaje natural con las palabras que los usuarios del grupo utilizan en sus post. Main Words est basada en el anlisis de palabras asociadas, que nos permite visualizar la estructura de las palabras del grupo de la red social, de acuerdo con la teora actor-red, en donde una serie de parmetros nos permite estudiar el comportamiento de cada uno de los actores (usuarios). La cobertura y posibilidades del anlisis de palabras asociadas es prcticamente universal, se puede aplicar a todo tipo de documentos, en nuestro caso mensajes, comentarios, etc. El mtodo considera que el contenido de un documento se puede representar mediante una matrix de ocurrencia. Trmino 1 0 1 1 0 Trmino 2 1 1 2 1 Trmino 3 0 1 0 0 Trmino n 1 0 0 1

Post 1 Post 2 Post 3 Post m

Dos palabras co-ocurren cuando aparecen simultneamente en el mismo documento. Estarn ms ligadas o asociadas entre s cuanto mayor sea la coocurrencia entre ellas. El enlace entre dos palabras ser proporcional a la co-ocurrencia de esas dos palabras en el conjunto de post. Las co-ocurrencias hay que normalizarlas. La medida normalizada de los enlaces se realiza mediante el ndice de asociacin o equivalencia.
74

dnde: eij.- ndice de equivalencia o de asociacin entre las palabras i y j. Cij.- Co-ocurrencia de las palabras i y j. Ci.- Ocurrencia de la palabra i. Cj.- Ocurrencia de la palabra j. La ecuacin anterior se puede reescribir de la siguiente forma:

Trmino 1 Trmino 2 Trmino 3 Trmino n

Trmino 1 0

Trmino 2 20 0

Trmino 3 0 15 0

Trmino n 4 0 0 0

Si normalizamos la matriz de asociaciones mediante el ndice de equivalencia podemos deducir los siguientes conceptos: Las palabras que aparecen en muchsimos documentos y no hay una predileccin por aparecer con otra en particular, sino que se reparte homogneamente con todas nunca llegar a formar asociaciones consistentes y el anlisis lo considerar demasiado genrica y poco significativa. Mediante el ndice de equivalencia se puede discernir qu palabras y asociaciones son realmente relevantes en la construccin de la red y eliminar aquellos que por su baja co-ocurrencia relativa o su elevada generalidad no lo son. Matriz normalizada Si comparamos los valores de la matriz normalizada con la matriz de asociaciones podemos comprobar que el trmino 1,2 tiene una co-ocurrencia mayor en la matriz de asociaciones, pero con el ndice de equivalencia es menor que el del trmino 2,3. De este modo podemos comprobar que si dos palabras aparecen juntas muchas veces pero su ocurrencia por separado es mayor, el ndice de equivalencia es menor, la asociacin es dbil. El trmino 2,3 tiene una co-ocurrencia menor, pero su
75

ndice de ocurrencia es ms elevado, esto quiere decir que los trminos que aun teniendo una co-ocurrencia menor pero su ocurrencia por separado es menor nos quiere decir que siempre que aparecen lo hacen juntas, la asociacin es ms fuerte. Trmino 1 Trmino 2 Trmino 3 Trmino i Trmino 700 0,58 0 0 0 -

Trmino 1 Trmino 2 Trmino 3 Trmino j Trmino 700

0,34 -

0 0,8 -

0 0 0 0,65

Mediante el ndice de equivalencia, el anlisis de palabras asociadas es capaz de discernir qu palabras son realmente relevantes en la construccin de la red y elimina aquellas que por su baja co-ocurrencia relativa o su elevada generalidad no lo son. Para la construccin de las agrupaciones de palabras existen distintos algoritmos, en funcin del resultado a obtener. Si tomamos los pares de palabras y su ndice de equivalencia ordenado de mayor a menor estamos en disposicin de ver la red que las une.

Pares de trminos ndice de equivalencia AB CD AC AF HJ FH AH 0,99 0,97 0,96 0,94 0,90 0,86 0,83

76

PAR AB CD AC AF HJ AH HK

e 0.99 0.67 0.96 0.94 0.90 0.86 0.83

A 1 1 2 3 3 4 4

B 1 1 1 1 1 1 1

1 2 2 2 2 2

1 1 1 1

0 0 0 0

1 1 1 1 0 0 0 1 2 2 0 0 0 1 1 1 1

C F A B
77

Una vez definidos los actores es conveniente poder establecer parmetros numricos que de alguna forma nos hagan referencia a sus estructuras internas y a su relacin con la globalidad de la red. ndices que se definen: Densidad: Nos mide la cohesin interna de las asociaciones internas de un tema y representa el grado de desarrollo que posee. Se calcula como el cociente entre la suma de los ndices de equivalencia internos y el nmero de palabras que definen el tema multiplicado por 100. Centralidad: Nos mide la cohesin externa es la suma de los ndices de equivalencia de todos los enlaces externos que posee un tema. Un tema con elevada centralidad est situado en el centro de la red y se relaciona muy bien con los dems actores. Al determinar la densidad y la centralidad estamos en disposicin de dibujar un mapa de red que nos muestre cual es la formacin de los temas principales del grupo de la red social. 7.1.1 Cmo debe ser Main Words?

Necesitamos que Main Words indice automticamente los trminos escritos en un post de la red social que utilicemos de manera similar a como lo vemos en Google, que tome los trminos y los introduzca en una base de datos y gestione los ms relevantes. Es necesario que el sistema diferencie, para mostrar un mapa de red de palabras, tres lugares diferentes para crear tres mapas diferentes, de los mensajes directos, de los del grupo y de la red global, por tanto debera utilizar tres bases de datos diferentes pero asociadas. Esta presentacin del mapa de red de palabras o trminos, como hace Many eyes de IBM, nos servir para que podamos efectuar dos tipos de bsquedas para localizar nuestros mensajes, o directamente seleccionando el trmino en la nube de palabras que nos presenta la pantalla de Main Words al estilo de la 3D tag-clouds del programa WP-Cumulus en WordPress donde clicando sobre la palabra relevante se accedera a los post que, mediante un algoritmo, saldran ordenados por la fecha ms prxima que contienen dicha palabra, o tambin podramos recuperar el conocimiento mediante la bsqueda avanzada de una o de varias palabras asociadas o interrelacionadas que nosotros seleccionaremos mediante la automatizacin del operador booleano AND entre trminos para facilitar que el sistema nos realice una recuperacin de los documentos o textos escritos en la red social en un momento dado. Para ello debe realizar una recuperacin similar a la que hace el programa

78

ZyIndex de los documentos mostrando los ms relevantes ordenados por fecha de la ms prxima a la ms alejada. Tambin existen software de sistemas de conocimiento como CoPalRed que mediante el anlisis de palabras asociadas realizan la lectura de miles de documentos para obtener trminos o temas ms relevantes y co-ocurrentes y localizar en ellos datos tan significativos como cul es la palabra o tema central. Este podra tambin ser un ejemplo de cara a los especialistas informticos a la hora de desarrollar Main Words. 7.1.2 Cmo funciona Main Words?

Para poder comprender mejor el sencillo funcionamiento de esta herramienta se ha realizado una simulacin animada en Power Point del funcionamiento de Main Words en Twitter donde se muestra el funcionamiento de la herramienta de manera clara. La presentacin se hace aparte incluida en una presentacin completa de Power point del proyecto. Para ello comenzamos clicando en el botn de Main Words situado en la barra de herramientas de Twitter que nos dar acceso a la pantalla con todas las utilidades de las que disponemos. A la derecha una nube de etiquetas con los tags ms relevantes que por defecto serna los utilizados en el grupo que, mediante un botn situado a la derecha podr seleccionarse qu tipo de nube o representacin de nuestros tags ms relevantes queremos que se muestren. Igualmente en la parte inferior de la nube podemos seleccionar la toma de datos, del grupo , de relacin o individuales. A la izquierda una bsqueda avanzada por si necesitamos delimitar algunos datos adicionales. En el caso de la nube, clicando sobre la palabra obtendremos los post que contienen esa palabra ordenados desde el ms reciente al ms antiguo. Si establecemos la seleccin de relacin podremos seleccionar el o las personas de las que queremos obtener los post con un tag determinado para ello aparecern dos columnas en donde la primera contiene todos los contactos del grupo y la segunda la lista que yo vaya seleccionado de la primera mediante un click en ese contacto Aceptamos y nos aparecer la nube con las palabras ms relevantes de ese grupo. Ya podemos buscar en ese grupo que hemos creado de nuestro grupo total. Si clicamos en individual aparecer la nube con las palabras ms utilizadas por ti. De esta manera podremos, a partir de las distintas selecciones buscar los trminos que nos interesan en el grupo y nuestras conversaciones con una palabra relevante y co-ocurrente en el grupo.

79

Veamos pues, la presentacin, dnde nuestro proyecto se hace ms asequible al usuario de las redes sociales.

7.2 ENCUESTA

Para completar nuestro anlisis previo se ha realizado una encuesta a travs de Google Docs, generndose un enlace para que los usuarios accedan a la encuesta. Esta forma de generar la encuesta es sencilla y nos permite obtener resultados de la misma fcilmente. Para ello se ha lanzado la encuesta como un evento en Tuenti, invitando a todos los contactos de un usuario, para que a su vez lanzaran nuevos eventos y crear un efecto exponencial. Igualmente se ha lanzado en Facebook a travs de un usuario el enlace de la encuesta con la misma intencin. Los datos que se reflejan son una pincelada previa para realizar unas primeras conclusiones, ya que la encuesta sigue abierta de cara a obtener mayor fiabilidad en los porcentajes para el trabajo final.

Interpretacin de la encuesta realizada durante el da 19 de marzo de 2012, desde las 00:30 horas hasta las 20:05

De los resultados obtenidos en la encuesta se pueden deducir que: Los usuarios, en su mayora, son mujeres (56%) que estn situadas en el tramo de 18 a 25 aos de edad, que estn integradas en una o varias redes sociales, en funcin de sus grupos de amistad. La red que cuenta con ms usuarios, de los que han respondido a la encuesta, es Tuenti, seguido de Facebook y Twitter. Hay que hacer notar que un usuario puede pertenecer a ms de una red social, pero la que ms le gusta o en la que se encuentra ms a gusto es Tuenti , con un 68% de los encuestados. El 92% lleva ms de un ao integrado en alguna red social. La utilidad principal es para hablar con sus amistades, seguido de para compartir aficiones y para conocer a gente. Declaran estar conectados de entre 1 a 2 horas diarias, aunque un 20% declara estar conectado de entre 3 a 4 horas/da. Los usuarios declaran que encuentran los mensajes de sus amigos pero al mismo tiempo les gustara que la bsqueda sea de una manera ms sencilla y sobre un tema en concreto. Las ventajas que ms destacan de cada red social son:

80

Twitter: Tuenti: Por ser la primera en utilizar No sufre tantos cambios Mejores aplicaciones Mejores prestaciones Sencillo y fcil de usar Es espaol Menos problemas que Facebook Por estar la mayora de sus amistades Se pueden borrar fotos, comentarios, vdeos, etc. Simplicidad Utilidad Ms directa Red extendida por todo el mundo Para estar informado Ms libertad de expresin.

Facebook: Funciona mejor nica que conoce Ms global Ms funcional

Figura 72. Encuesta redes sociales

81

Figura 73. Encuesta redes sociales

Figura 74. Encuesta redes sociales

Encuesta editada por Juan Carlos Bailn Elvira, alumno de 1 de Grado de Informacin y Documentacin de la Facultad de Comunicacin y Documentacin de la Universidad de Granada.

82

Resultados de la encuesta:
Qu edad tienes? De 12 a 15 aos De 15 a 18 aos De 18 a 25 aos Ms de 25 aos De qu sexo eres? 24 16% 35 23% 83 54% 10 6%

Hombre 67 44% Mujer 86 56%

Perteneces a alguna red social?

S 153 99% No 1 1%

Puedes decir a cul o cules? Tuenti 146 95% Facebook 118 77% Twitter 84 55% Otro 31 20% Los usuarios pueden seleccionar ms de una casilla de verificacin, por lo que los porcentajes pueden superar el 100%.

83

Cul te parece mejor? Tuenti 98 65% Facebook 34 23% Twitter 32 21% Otro 7 5% Los usuarios pueden seleccionar ms de una casilla de verificacin, por lo que los porcentajes pueden superar el 100%. Qu tiempo llevas en la red social o redes sociales?

Menos de 1 mes De 1 mes a 6 meses De 6 meses a 1 ao Ms de 1 ao

1 1% 4 3% 8 5% 141 92%

Para qu la utilizas? Hablar con mis amigos 149 97% Para conocer a gente 33 22% Para compartir aficiones 43 28% Otro 42 27% Los usuarios pueden seleccionar ms de una casilla de verificacin, por lo que los porcentajes pueden superar el 100%. Cunto tiempo ests conectado al da?

Menos de 1 hora De 1 hora a 2 horas Entre 3 y 4 horas Ms de 4 horas

39 25% 64 42% 31 20% 18 12%

Encuentras con facilidad los mensajes de tus amigos?

Si 138 90% No 14 9%

84

Te gustara poder encontrar los mensajes de tus amigos de manera sencilla sobre un tema?

S 135 88% No 19 12%

8 RESULTADOS Y CONCLUSIONES PREVIAS

Analizadas las tres redes sociales vemos que, aunque las tres padecen de carencias en la recuperacin de nuestra informacin introducida mediante post, vemos claramente que Tuenti es la que se presenta como la ms limitada en este aspecto siendo la red que mayor tiempo de utilizacin tiene en su sector de edad. Aunque nuestro proyecto no se limita a ninguna red en concreto entendemos que Tuenti es quizs la ms necesitada de implementar algunas herramientas para dinamizarse en el mercado con el desarrollo de novedades como Main Words ya que consideramos que el nicho de mercado que controla puede conseguir un impulso mediante Main Words.

85

9 REFERENCIAS BIBLIOGRFICAS
MONOGRAFAS XU, Chen; OUYANG, Fenfei; CHU, Heting. The Academic Library meets Web 2.0: Applications and Implications. The Journal of Academic Librarianship, 2009, 35(4), pp. 324-331 CHUA, Alton Y.K., GOH, Dion H. A study of Web 2.0 applications in library sites. Library & Information Science Research, 2010, In press RECURSOS ELECTRNICOS Qu es tuenti?: < http://www.queestuenti.com/ >. [Consulta: 14 de Marzo de 2012]. Blog de pcampillo: Asignatura basada en competencias: < http://pcampillo.wordpress.com/2008/11/30/manual-sobre-tuenti/ >. [Consulta: 14 de Marzo de 2012]. Periodistas Hoy. Es: tu futuro empieza aqu: < http://www.periodistashoy.es/redessociales/10-cosas-que-le-faltan-a-tuenti-para-dar-su-salto-internacional/ [Consulta: 14 de Marzo de 2012]. Portal Biocenico: < http://www.portalbioceanico.com/temasespeciales_redessociales.htm/ >. [Consulta: 14 de Marzo de 2012]. Tuenti: < http://blog.tuenti.com/ >. [Consulta: 14 de Marzo de 2012]. Tuenti: < http://www.tuenti.com/sobre />. [Consulta: 14 de Marzo de 2012]. YouTube: < http://es.wikipedia.org/wiki/Web_2.0/ >. [Consulta: 2 de Marzo de 2012]. YouTube: < http://www.maestrosdelweb.com/editorial/web2/ >. [Consulta: 2 de Marzo de 2012]. YouTube: < http://www.ub.edu/bid/06arama2.htm >. [Consulta: 2 de Marzo de 2012]. YouTube: <http://www.youtube.com/watch?v=_zwb1YiuuZA/ >. [Consulta: 2 de Marzo de 2012]. Indizacin automtica y recuperacin de la informacin. El profesional de la Informacin [en lnea]. Mayo 1996 [citado en febrero 2012 ]. Disponible en internet : http://www.elprofesionaldelainformacion.com/contenidos/1996/mayo/zyindex_indizacin_aut omtica_y_recuperacin_de_la_informacin.html Cabezas-Clavijo, lvaro; Torres-Salinas, Daniel; Delgado-Lpez-Czar, Emilio. Ciencia 2.0: catlogo de herramientas e implicaciones para la actividad investigadora. El profesional de la informacin, 2009, enero-febrero, v. 18, n. 1, pp. 72-79.

86

Hassan Montero, Yusef; (2006). Indizacin Social y Recuperacin de Informacin. En: No Solo Usabilidad, n 5, 2006. <nosolousabilidad.com>. ISSN 1886-8592 Disponible en internet: http://www.nosolousabilidad.com/articulos/indizacion_social.htm Mapa de las redes sociales. Redes sociales- Blog de Alianzo. [ en lnea ] 5 de julio de 2011 [citado en febrero 2012]. Disponible en internet: http://blogs.alianzo.com/redessociales/2011/07/05/mapa-de-las-redes-sociales-version-2011/ Quo Vadis Tuenti?. Redes sociales- Blog de Alianzo. [ en lnea ] 28 de noviembre de 2011 [citado en marzo de 2012]. Disponible en internet: http://blogs.alianzo.com/redessociales/page/2/

10 IMGENES Y LOGOTIPOS

MainWords
87