Motor de búsqueda colaborativo

Los motores de búsqueda colaborativos ( CSE ) son motores de búsqueda web y búsquedas empresariales dentro de las intranets de las empresas que permiten a los usuarios combinar sus esfuerzos en actividades de recuperación de información (RI), compartir recursos de información de forma colaborativa mediante etiquetas de conocimiento y permitir que los expertos guíen a las personas con menos experiencia en sus búsquedas. Los socios de colaboración lo hacen proporcionando términos de consulta, etiquetas colectivas, añadiendo comentarios u opiniones, calificando los resultados de búsqueda y enlaces clicados de actividades de RI anteriores (exitosas) a usuarios que tienen la misma necesidad de información o una relacionada .

Los motores de búsqueda colaborativos se pueden clasificar según varias dimensiones: intención (explícita e implícita) y sincronización, ^{[ 1 ]} profundidad de mediación, ^{[ 2 ]} tarea vs. rasgo, ^{[ 3 ]} división del trabajo y compartición de conocimientos. ^{[ 4 ]}

La colaboración implícita caracteriza a los sistemas de filtrado y recomendación colaborativos en los que el sistema infiere necesidades de información similares. I-Spy, ^{[ 5 ]} Jumper 2.0 , Seeks , el Asistente de Búsqueda Comunitaria, ^{[ 6 ]} el CSE de Burghardt et al., ^{[ 7 ]} y los trabajos de Longo et al. ^{[ 8 ] [ 9 ] [ 10 ]} representan ejemplos de colaboración implícita. Los sistemas que entran en esta categoría identifican usuarios, consultas y enlaces similares que se han pulsado automáticamente, y recomiendan consultas y enlaces relacionados a los usuarios.

La colaboración explícita implica que los usuarios comparten una necesidad de información acordada y trabajan juntos para alcanzar ese objetivo. Por ejemplo, en una aplicación tipo chat, los términos de búsqueda y los enlaces en los que se hace clic se intercambian automáticamente. El ejemplo más destacado de esta clase es SearchTogether ^{[ 11 ],} publicado en 2007. SearchTogether ofrece una interfaz que combina los resultados de búsqueda de motores de búsqueda estándar con un chat para intercambiar consultas y enlaces. PlayByPlay ^{[ 12 ]} va un paso más allá al admitir tareas de navegación colaborativa de propósito general con una funcionalidad de mensajería instantánea. Reddy et al. ^{[ 13 ]} siguen un enfoque similar y comparan dos implementaciones de su CSE llamadas MUSE y MUST. Reddy et al. se centran en el papel de la comunicación necesaria para que los CSE sean eficientes. Cerciamo ^{[ 2 ]} admite la colaboración explícita al permitir que una persona se concentre en encontrar grupos prometedores de documentos mientras que la otra persona realiza juicios profundos sobre la relevancia de los documentos encontrados por la primera persona.

Sin embargo, en Papagelis et al. ^{[ 14 ]} los términos se utilizan de manera diferente: combinan enlaces compartidos explícitamente e historiales de navegación recopilados implícitamente de los usuarios en un CSE híbrido.

Trabajos recientes en filtrado colaborativo y recuperación de información han demostrado que compartir experiencias de búsqueda entre usuarios con intereses similares, lo que normalmente se denomina comunidad de práctica o comunidad de interés , reduce el esfuerzo que un usuario determinado debe realizar para recuperar la información exacta de su interés. ^{[ 15 ]}

La búsqueda colaborativa implementada dentro de una comunidad de práctica emplea técnicas novedosas para aprovechar el contexto durante la búsqueda, indexando y clasificando los resultados según las preferencias aprendidas de una comunidad de usuarios. ^{[ 16 ]} Los usuarios se benefician al compartir información, experiencias y conocimientos para personalizar las listas de resultados y reflejar las preferencias de la comunidad en su conjunto. La comunidad representa a un grupo de usuarios que comparten intereses comunes y profesiones similares. El ejemplo más conocido es el proyecto de código abierto ApexKB (anteriormente conocido como Jumper 2.0). ^{[ 17 ]}

La profundidad de la mediación se refiere al grado en que el CSE media la búsqueda. ^{[ 2 ]} SearchTogether ^{[ 11 ]} es un ejemplo de mediación a nivel de interfaz de usuario: los usuarios intercambian resultados de consultas y juicios de relevancia, pero el sistema no distingue entre usuarios cuando ejecutan consultas. PlayByPlay ^{[ 12 ]} es otro ejemplo de mediación a nivel de interfaz de usuario donde todos los usuarios tienen acceso completo e igualitario a la funcionalidad de mensajería instantánea sin la coordinación del sistema. Cerchiamo ^{[ 2 ]} y sistemas de recomendación como I-Spy ^{[ 5 ]} registran la actividad de búsqueda de cada persona de forma independiente y utilizan esa información para afectar sus resultados de búsqueda. Estos son ejemplos de mediación algorítmica más profunda.

Este modelo clasifica la pertenencia de las personas a grupos en función de la tarea en cuestión frente a los intereses a largo plazo; estos pueden estar correlacionados con la colaboración explícita e implícita. ^{[ 3 ]}

Los sistemas CSE comenzaron en el ámbito de los ordenadores de escritorio, siendo los primeros extensiones o modificaciones de navegadores web existentes. GroupWeb ^{[ 18 ]} es un navegador web de escritorio que ofrece un espacio de trabajo visual compartido para un grupo de usuarios. SearchTogether ^{[ 11 ]} es una aplicación de escritorio que combina los resultados de búsqueda de motores de búsqueda estándar con una interfaz de chat para que los usuarios intercambien consultas y enlaces. CoSense ^{[ 19 ]} facilita las tareas de comprensión en la búsqueda web colaborativa, ofreciendo presentaciones interactivas y completas de las actividades de búsqueda de un grupo.

Con la proliferación de teléfonos móviles y tabletas, los sistemas de búsqueda colaborativa (CSE) también aprovechan estas nuevas modalidades de dispositivos. CoSearch ^{[ 20 ]} es un sistema que permite la búsqueda web colaborativa en un mismo lugar mediante el uso de teléfonos móviles y ratones adicionales. PlayByPlay ^{[ 12 ]} también permite la navegación colaborativa entre usuarios de dispositivos móviles y de escritorio.

El modelo de colaboración síncrona permite que diferentes usuarios trabajen juntos para alcanzar el mismo objetivo simultáneamente, y cada usuario tiene acceso al progreso de los demás en tiempo real. Un ejemplo típico de este modelo es GroupWeb, ^{[ 18 ]} donde los usuarios son conscientes de lo que hacen los demás mediante funciones como el desplazamiento sincronizado con las páginas, punteros para realizar gestos y anotaciones grupales adjuntas a las páginas web.

Los modelos de colaboración asíncrona ofrecen mayor flexibilidad en cuanto a cuándo se llevan a cabo los diferentes procesos de búsqueda de los usuarios, a la vez que reducen el esfuerzo cognitivo para que los usuarios posteriores puedan consultar y aprovechar los resultados de búsqueda de los usuarios anteriores. SearchTogether, ^{[ 11 ]} por ejemplo, admite funcionalidades de colaboración asíncrona al conservar los registros de chat, las consultas de búsqueda y el historial de navegación web de los usuarios anteriores, de modo que los usuarios posteriores puedan ponerse al día rápidamente.

Las aplicaciones de los CSE están ampliamente exploradas tanto en el ámbito académico como en la industria. Por ejemplo, GroupWeb ^{[ 18 ]} se utilizó como herramienta de presentación para la educación a distancia y las conferencias en tiempo real. ClassSearch ^{[ 21 ]} se implementa en clases de secundaria para facilitar las actividades de búsqueda colaborativa y estudiar el ámbito de las pedagogías de búsqueda en entornos colaborativos.

Los términos de búsqueda y los enlaces en los que se hace clic y que se comparten entre los usuarios revelan sus intereses, hábitos, relaciones sociales e intenciones. ^{[ 22 ]} En otras palabras, los CSE ponen en riesgo la privacidad de los usuarios. Los estudios han demostrado que los CSE aumentan la eficiencia. ^{[ 11 ] [ 23 ] [ 24 ] [ 25 ]} Desafortunadamente, debido a la falta de tecnologías que mejoren la privacidad, un usuario consciente de la privacidad que quiera beneficiarse de un CSE tiene que revelar todo su registro de búsqueda. (Nota: incluso cuando se comparten explícitamente las consultas y los enlaces en los que se hace clic, todo el registro (anterior) se revela a cualquier usuario que se una a una sesión de búsqueda). Por lo tanto, son deseables mecanismos sofisticados que permitan, a un nivel más preciso, qué información se revela a quién.

Como los CSE son una tecnología nueva que acaba de entrar en el mercado, la identificación de las preferencias de privacidad del usuario y la integración de tecnologías de mejora de la privacidad (PET) en la búsqueda colaborativa entran en conflicto. Por un lado, las PET deben satisfacer las preferencias del usuario; por otro lado, no se pueden identificar estas preferencias sin usar un CSE, es decir, sin implementar PET en los CSE. Hoy en día, el único trabajo que aborda este problema proviene de Burghardt et al. ^{[ 26 ].} Ellos implementaron un CSE con expertos del dominio de los sistemas de información y derivaron el alcance de las posibles preferencias de privacidad en un estudio de usuarios con estos expertos. Los resultados muestran que los usuarios definen preferencias que hacen referencia a (i) su contexto actual (por ejemplo, estar en el trabajo), (ii) el contenido de la consulta (por ejemplo, los usuarios excluyen temas para compartir), (iii) restricciones de tiempo (por ejemplo, no publicar la consulta X horas después de que se haya emitido la consulta, no almacenar durante más de X días, no compartir fuera del horario laboral), y que los usuarios usan intensivamente la opción de (iv) distinguir entre diferentes grupos sociales al compartir información. Además, los usuarios requieren (v) anonimización y (vi) definir restricciones recíprocas, es decir, se refieren al comportamiento de otros usuarios, por ejemplo, si un usuario hubiera compartido la misma consulta a su vez.