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 (IR), compartir recursos de información de forma colaborativa utilizando etiquetas de conocimiento y permitir que los expertos guíen a las personas menos experimentadas a través de sus búsquedas. Los socios colaboradores lo hacen proporcionando términos de consulta, etiquetado colectivo, agregando comentarios u opiniones, calificando resultados de búsqueda y enlaces en los que se hace clic de actividades de IR 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 la mediación, [2] tarea versus rasgo, [3] división del trabajo e intercambio de conocimientos. [4]
La colaboración implícita caracteriza los sistemas colaborativos de filtrado y recomendación en los que el sistema infiere necesidades de información similares. I-Spy, [5] Jumper 2.0 , Seeks , Community Search Assistant, [6] el CSE de Burghardt et al., [7] y los trabajos de Longo et al. [8] [9] [10] todos representan ejemplos de colaboración implícita. Los sistemas que se incluyen en esta categoría identifican usuarios, consultas y enlaces similares en los que se hace clic automáticamente, y recomiendan consultas y enlaces relacionados a los buscadores.
La colaboración explícita significa que los usuarios comparten una necesidad de información acordada y trabajan juntos para lograr ese objetivo. Por ejemplo, en una aplicación similar a un chat, los términos de consulta 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 resultados de búsqueda de motores de búsqueda estándar y un chat para intercambiar consultas y enlaces. PlayByPlay [12] va un paso más allá para soportar 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. centrarse en el papel de la comunicación requerido para las CSE eficientes. Cerciamo [2] apoya la colaboración explícita al permitir que una persona se concentre en encontrar grupos prometedores de documentos mientras que la otra persona hace juicios profundos de relevancia sobre los documentos encontrados por la primera persona.
Sin embargo, en Papagelis et al. [14] Los términos se usan de manera diferente: combinan enlaces compartidos explícitamente e historiales de navegación de usuarios recopilados implícitamente en un CSE híbrido.
Trabajos recientes en filtrado colaborativo y recuperación de información han demostrado que compartir experiencias de búsqueda entre usuarios que tienen intereses similares, normalmente llamado comunidad de práctica o comunidad de intereses , reduce el esfuerzo realizado por un usuario determinado para recuperar la información exacta de interés. [15]
La búsqueda colaborativa implementada dentro de una comunidad de práctica implementa técnicas novedosas para explotar el contexto durante la búsqueda indexando y clasificando los resultados de la búsqueda en función de las preferencias aprendidas de una comunidad de usuarios. [16] Los usuarios se benefician al compartir información, experiencias y conciencia para personalizar las listas de resultados para reflejar las preferencias de la comunidad en su conjunto. La comunidad que representa 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 en 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 UI 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] realizan un seguimiento de 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 membresía de las personas en grupos según 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 extremo del escritorio, siendo los primeros extensiones o modificaciones de los 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 resultados de búsqueda de motores de búsqueda estándar y una interfaz de chat para que los usuarios intercambien consultas y enlaces. CoSense [19] apoya las tareas de creación de sentido en la búsqueda web colaborativa al ofrecer presentaciones ricas e interactivas de las actividades de búsqueda de un grupo.
Con la prevalencia de teléfonos móviles y tabletas, las CSE también están aprovechando estas modalidades de dispositivos adicionales. CoSearch [20] es un sistema que admite búsquedas web colaborativas coubicadas aprovechando teléfonos móviles y ratones adicionales. PlayByPlay [12] también admite la navegación colaborativa entre usuarios de dispositivos móviles y de escritorio.
El modelo de colaboración sincrónica permite que diferentes usuarios trabajen juntos para lograr el mismo objetivo simultáneamente, y cada usuario individual tiene acceso al progreso de los demás en tiempo real. Un ejemplo típico del modelo de colaboración sincrónica es GroupWeb, [18] donde los usuarios son conscientes de lo que otros están haciendo a través de funciones como el desplazamiento sincrónico con las páginas, telepunteros para realizar gestos y anotaciones grupales adjuntas a las páginas web.
Los modelos de colaboración asincrónica ofrecen más flexibilidad cuando se llevan a cabo diferentes procesos de búsqueda de diferentes usuarios, al tiempo que reducen el esfuerzo cognitivo para que los usuarios posteriores consuman y desarrollen los resultados de búsqueda de los usuarios anteriores. SearchTogether, [11] por ejemplo, admite funcionalidades de colaboración asincrónica al conservar los registros de chat, las consultas de búsqueda y los historiales de navegación web de los usuarios anteriores para que los usuarios posteriores puedan ponerse al día rápidamente.
Las aplicaciones de las CSE están bien exploradas tanto en la comunidad académica como en la industria. Por ejemplo, GroupWeb [18] se utilizó como herramienta de presentación para conferencias y educación a distancia en tiempo real. ClassSearch [21] se implementa en sesiones de aula de secundaria para facilitar actividades de búsqueda colaborativa en las aulas y estudiar el espacio de las pedagogías de búsqueda coubicadas.
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, las CSE ponen en riesgo la privacidad de los usuarios. Los estudios han demostrado que las 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. (Tenga en cuenta que, incluso cuando se comparten consultas explícitamente y se hace clic en enlaces, el registro completo (anterior) se revela a cualquier usuario que se una a una sesión de búsqueda). Por lo tanto, son deseables mecanismos sofisticados que permitan, en un nivel más detallado, qué información se revela a quién.
Como los CSE son una nueva tecnología que acaba de ingresar al 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 están en conflicto. Por un lado, los PET tienen que satisfacer las preferencias del usuario; por otro lado, no se pueden identificar estas preferencias sin utilizar un CSE, es decir, implementar PET en los CSE. Hoy en día, el único trabajo que aborda este problema proviene de Burghardt et al. [26] Implementaron un CSE con expertos del dominio de 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 en referencia a (i) su contexto actual (p. ej., estar en el trabajo), (ii) el contenido de la consulta (p. ej., los usuarios excluyen temas para compartir), (iii) limitaciones de tiempo (p. ej., no publicar el consultar X horas después de emitida la consulta, no almacenar más de X días, no compartir entre jornadas laborales), y que los usuarios utilicen intensivamente la opción de (iv) distinguir entre diferentes grupos sociales a la hora de 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.
{{cite book}}: |journal=ignorado ( ayuda ){{cite book}}: |journal=ignorado ( ayuda ){{cite book}}: |journal=ignorado ( ayuda )