Me refiero a la tónica general de afirmar que el entorno digital debilita nuestra capacidad de leer pacientemente un libro o, en general, de asimilar nuevos conocimientos. En el contexto de esta afirmación acostumbra a aparecer la palabra Google como parte de la causa .

De acuerdo con que el acceso a tanta información es algo que nos ha afectado en la forma de asimilar la información.  Sin embargo, el ruido ambiental no nos debe dejar necesariamente sordos, especialmente cuando podemos filtrarlo. Si el ruido informacional es el río revuelto, todos somos pescadores de nuestra potencial ganancia...

Asimilación y usabilidad

Entiendo que asimilar o aprender es usar la información de forma que resuelva un conflicto cognitivo a cualquier nivel.  Y aunque pueda parecer un abuso del lenguaje, yo deduzco que asimilar implica analizar la usabilidad de un conocimiento para nuestros objetivos.

La relevancia es una de las herramientas que hay que saber usar para aprender. Lo que sucede es que hasta el momento la relevancia ha aparecido como algo muy inherente a la unidad informativa (el documento) y a un canal de distribución muy concreto (el proceso editorial).

Ahora hay más palancas que calibrar en el momento de valorar la relevancia de un contenido.  Una información llega estructurada y ponderada de mil formas diferentes, por gran variedad de fuentes y canales, y con enfoques a veces difíciles de conciliar.

La estructura de red a través de la cual se está difundiendo la información no garantiza que ésta nos llegue antes ni mejor: sólo aumenta la garantía de que nos llegará.  Al romperse la cadena lineal de la edición y producción de contenidos, la primera cuestión a plantearse no creo que sea si la calidad de éstos disminuye (aunque también lo hagamos), sino la cantidad de informaciones que se han perdido cuando los canales de difusión eran tan reducidos.

Es por eso que el contexto en el que esa información se ha creado afecta mucho más que antaño. Pero no tanto por el hecho que exista un autor original que la crea, sino por el potencial de difusión que tiene esa información en la nueva situación. Y de ello se deriva la dificultad de ponderar la relevancia en un ambiente ruidoso.

Si el movimiento se demuestra andando, la asimilación se demuestra escribiendo y releyendo.

Para el lector infoxicado: escribe y relee

Bea ya lo comentaba hace un tiempo: escribir forma parte de la terapia . Quizá no sea desde el punto de vista que ella lo enfoca, porque tampoco es necesario convertirse en blogger para superar un trauma.  Pero estoy convencido que escribir ayuda a asimilar mejor la información.

El hecho de escribir conlleva entender la dificultad de estructurar una idea de modo que sea inteligible para uno mismo y para los demás.  Leer lo escrito nos hace entender lo complejo que es salir de nosotros para aportar algo (no sólo a los demás, sino a uno mismo) y comprobar que siempre hay lagunas. Por encima de todo también nos obliga a escoger lo necesario y descartar lo superficial: la verborrea leída es mucho más indigesta si la crea uno mismo.

Lo más importante de todo, es que este ejercicio nos traslada al tempo de quien escribe.  Si lees este artículo y no escribes a menudo, quizá te sorprenda saber que lo que tú lees en apenas tres minutos, yo he tardado sesenta en escribirlo. Los pensamientos que se tienen en tres minutos o en sesenta son tan diferentes (especialmente si cambiamos del ritmo de escribir al de leer) que es obvia la dificultad de asimilar.

Releer lo propio nos transporta al tempo de escribir: quizá así sepamos asimilar mejor.  No es necesario leer al ritmo que se escribe, pero sí es necesario asimilar con ese ritmo. El eco de la lectura es como el movimiento para separar la paja del grano: un movimiento hacia arriba, y que las cosas caigan por su propio peso. Se puede repetir el movimiento tanto como apetezca, pero a un ritmo suficientemente lento como para no acabar hundidos en un pajar.

Filtrar es cuestión de tiempo

Al cambiar ese ritmo también sucede algo inesperado: nos damos cuenta que quizá lo que leemos no merezca tanto nuestro tiempo. El tiempo es escaso, quizá lo único realmente escaso para aprender: el saber no ocupa lugar, pero ocupa tiempo. Si esa sensación de perder el tiempo se tiene a menudo para una misma fuente o canal, ya tenemos una conclusión: la fuente no es interesante para nuestro conocimiento.

Escribir y releer es la base para mejorar la usabilidad de nuestro conocimiento .

Todo lo comentado es una reflexión personal, a la que desde luego me gustaría adjuntar vuestros comentarios... aunque sea para decir que no valió la pena perder vuestro tiempo .

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

En este post voy a comentar una serie de consultas SQL sobre la base de datos de Piwik que servirán para obtener información básica sobre los datos recopilados por la aplicación.

Consideraciones previas

El tratamiento de datos viene precedido por una fase de trastienda que consiste en la limpieza de datos. Esta limpieza de datos no consiste en eliminar lo que no queramos saber: se trata de sólo escoger los datos que son necesarios para los objetivos que se plantea el análisis.

Incluso en la colección de datos que nos interesa, es habitual encontrar datos defectuosos fruto de la recogida de información (el trabajo de campo) que también deben ser eliminados para conseguir una mayor fiabilidad de la información.

En el siguiente ejemplo descarto datos de acuerdo con los objetivos que me planteo, pero no hago una limpieza posterior, con una doble intención: comprobar que es necesario, y ver que los datos erróneos también tienen unas características propias, que son detectables con métodos estadísticos básicos.

Objetivos

El objetivo principal de la extracción de datos es analizar la afluencia de tráfico que se generan a partir de los enlaces que pongo en los posts, y verificar si hay variaciones substanciales entre enlaces.

Este análisis podría dar paso a búsquedas posteriores para determinar si existe alguna relación entre tales enlaces y sus características propias (número de palabras del enlace, términos utilizados en el enlace) como ajenas (posición en el conjunto del texto, posición dentro del párrafo, posición en una frase). De todos modos este estudio más complejo que dejo al margen para otras ocasiones.

Extrayendo datos de Piwik

Ahora quiero comprobar si alguno de los enlaces más solicitados está recibiendo una relación de salidas más alta que los otros. Es decir, quiero medir el  ratio de click-through. Para eso voy a hacer dos consultas: primero, averiguar qué páginas de mi blog dirigen hacia estos enlaces, y luego consultar el número de visualizaciones de estas páginas.

Dividiendo el número de visualizaciones por el número de salidas, tendré el ratio de click-through. El primer paso se consigue con la consulta siguiente:

select distinct pllva.idaction_ref,pllva.idaction from piwik_log_action pla inner join piwik_log_link_visit_action pllva on pla.idaction=pllva.idaction_ref where pllva.idaction in (6, 24, 31, 135, 106, 11, 53, 107)

Ahora tenemos que los enlaces anteriores salen de las siguientes páginas:

En esta tabla, idaction_ref es el id de la página de origen, e idaction se corresponde con los enlaces externos.  Por lo tanto, tenemos que las páginas del blog que enlazan a los recursos anteriores tienen los id de acción [5,10,30,7,8,24,61,27,12,106,10,17,144].

De todos modos, en estos datos nos encontramos con dos temas:

• vemos que las acciones 5 y 144 son equivalentes.
• Vemos que las acciones 24 y 106 vuelven a ellas mismas, lo que sin duda es un error (quizá debido a un doble click del usuario mientras se procesa la consulta o algo por el estilo).

Las acciones 5 y 144 se tratarán pues como una sola entrada, mientras que  las acciones  24 y 106 deben eliminarse de la lista. Esto indica que un proceso de limpieza debería eliminar los datos cuyos valores de idaction e idaction_ref coinciden.

Nos quedamos entonces con los ítems  [5,10,30,7,8,61,27,12,10,17,144].  Ahora queda ejecutar la consulta para las páginas vistas de cada ítem:

select pla.idaction,pla.name,count(*) paginas_vistas from piwik_log_link_visit_action pllva inner join piwik_log_action pla on pllva.idaction=pla.idaction where pla.idaction in (5,10,30,7,8,61,27,12,10,17,144) group by pla.name order by paginas_vistas desc

La consulta devuelve un resultado como el siguiente (agrupando las acciones 5 y 144):

Combinando esta tabla y la de visitas por URL, tenemos un ratio de click-through entre páginas y enlaces:

 

idaction	name	pag_vistas	enlaces_salientes	%CTR
5	content/view/open-flash-chart-graficos-estadistico...	354	29	8,19%
7	content/view/normalizacion-distancias-normalizadas	158	3	1,90%
30	content/view/organizacion-de-la-informacion-person...	149	5	3,36%
8	content/view/teoria-de-la-relevancia-en-linguistic...	97	6	6,19%
12	content/view/trabajando-con-subversion-y-awk	96	3	3,13%
27	content/view/efecto-medici-innovacion-interdiscipl...	56	2	3,57%
10	content/view/jlibrary-gestor-documental-open-sourc...	44	6	13,64%
17	content/view/descargas	42	0	0,00%
61	content/view/www.themedicieffect.com	8	2	25,00%

De lo anterior hay que sacar muchas conclusiones, pero especialmente una: antes de tratar con datos estadísticos es necesario hacer una purga que sólo nos deje con los datos necesarios de acuerdo con unos objetivos.

Por ejemplo, el enlace 61 es claramente un error, probablemente debido a un error en la introducción del enlace.  El click-through que presenta puede ser debido a que el usuario trata de accede r repetidas veces al enlace. Es probable que se pudiera unificar con la acción 27 (el post sobre el efecto Medici), y que los dos clicks fueran porque el usuario vuelve a intentar el enlace.

El cálculo aporta información interesante, aunque no significativa.  De lo anterior sólo  los tres primeros enlaces tienen datos suficientes como para sacar alguna conclusión. Entre ellos cabe destacar en positivo el enlace de open-flash-chart y en negativo el de las distancias normalizadas.

Sobre el resto, precisamente el enlace del Medici Effect aporta información interesante...  pero para corregir errores. Esto en sí mismo es interesante porque el detectar que el ratio  varía bastante (aunque es poco significativo por los pocos datos). Éste es un caso determinado nos induce a pensar que algo sucede. Pero no era el objetivo de estas consultas.

También cabe comentar que todo este proceso podría haberse realizado con una sola consulta, máximo dos.  En cualquier caso estas consultas no serían eficientes en un servidor a pleno rendimiento.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Las herramientas de analíticas web recogen estos datos en base a la información proporcionada desde el servidor y el cliente (navegador).  En el lado del servidor se recopilan datos relativos a la petición (desde la fecha y la página solicitada, hasta la IP o el navegador del usuario), mientras que en el lado del servidor se almacenan algunos datos del equipo del usuario (tamaño de pantalla, colores, plugins del navegador) y la conducta del usuario (tiempo en la página)...

La principal debilidad en el lado del cliente es que la recogida de estos datos funciona con javascript, por lo que si el navegador lo tiene desactivado, estos datos no se recogen. (Ref. a diferencias entre log servidor y cliente).

Para organizar esta información, normalmente se estructura en base a usuarios, visitas, y páginas vistas.  Hay un documento con definiciones muy bien planteadas (PDF)  para esta información básica en el sitio de la Web Analytics Association.  Para estructurar esta información se utiliza como elemento base el código de sesión. Este código es un valor único que el navegador del usuario almacena en su cookie .

Normalmente el servidor elimina los datos de sesión al cabo de un tiempo después del a última petición del usuario (pocos minutos por lo general), mientras que el navegador puede borrar la cookie cuando caduque o cuando el usuario lo solicite.  La diferencia entre la información a nivel cliente y servidor es el quebradero de cabeza para desglosar usuarios y visitas.  Sabemos con bastante fiabilidad cuándo se inicia o se acaba una visita, pero no podemos tener claro si una nueva visita se corresponde con un usuario anterior si la cookie se ha borrado.

En cambio, si la cookie existe, volverá a enviar el código de la última visita.  El gestor de analíticas habrá almacenado este código para poder identificar a ese usuario, y aunque le asigne un código nuevo, ya dispondrá de una relación entre dos visitas.

A este embrollo hay que añadir que un equipo no se corresponde con un usuario.  Los cibercafés, los PCs en centros académicos y el ordenador "de la familia" son ejemplos claros de este hecho.  Por lo tanto, la fiabilidad de los usuarios únicos es relativa, mientras que las páginas vistas y las visitas son datos mucho más fiables.

Con estos tres niveles de datos se pueden extraer informaciones interesantes.  Algunas de ellas son indicadores de sobra conocidos, como las páginas por visita, tiempo entre dos visitas de un usuario, páginas más vistas, etc.

Hasta aquí la teoría básica de las analíticas web.  Hay muchos recursos al respecto, el problema es filtrar qué recursos son más interesantes.

Uso de Piwik

El siguiente paso es tener acceso a estos datos.  Hay variedad de formas, aunque los más conocidos son el análisis de logs del servidor (análisis transaccional). Dado que puede interesar disponer de más información que la que proporciona el servidor, yo voy a utilizar los datos que proporciona la aplicación Piwik, una herramienta de código abierto desarrollada con PHP y con licencia GPL que permite acceder a esta información ya estructurada en una base de datos MySQL.

Visto lo anterior, escojo Piwik como herramienta de analítica web porque me permite acceder de forma estructurada a los datos, pero hay otras que también permiten esas funcionalidades. Está por ejemplo PHPMyVisits , que incluye además una funcionalidad para obtener el heatmap de clics de los usuarios (integrando ClickHeat desarrollado por labsmedia ).

Volviendo a Piwik, su web proporciona una imagen sencilla de su _esquema de la base de datos_ que almacena la información de la aplicación.  En este esquema, hay que destacar tres tablas, que son las que almacenan los datos de navegación como tales:

• piwik_log_visit: Almacena los datos relativos a una visita.  Dado que se espera que cada visita mantenga los parámetros de equipo y navegador, no es necesario generar redundancia a cada clic del usuario.  Esta tabla incluye datos sobre cookie, localización, página de origen (referer ), opciones del navegador y del equipo, etc.
• piwik_log_link_visit_action: Almacena los datos de la página vista.  Esto incluye un código único de URL actual (lo comento en la siguiente tabla), código de URL de origen, y el tiempo de estancia en esta página.  Esta tabla será importante en el momento de realizar un análisis de la navegación. 
  
• piwik_log_action: Es una tabla auxiliar donde se almacenan las URL solicitadas, un registro por URL.
  

A todo esto hay que decir que Piwik genera tablas-resumen mensuales de los datos.  Estas tablas se tienen el formato piwik_archive_numeric_AÑO_MES y piwik_archive_blob_AÑO_MES. Estas tablas ayudan a mantener un tamaño reducido de las tablas anteriores, y siguen permitiendo el acceso a los datos básicos de fechas (tablas ..._numeric_...) o a los datos completos (tablas ..._blob_...).

Con todo esto, sólo queda añadir que el prefijo piwik de todas las tablas viene por defecto pero es posible cambiarlo en la fase de instalación de la aplicación.

La razón de existencia de la última tabla es que evita la redundancia de piwik_log_link_visit_action. Teniendo en cuenta que esta es la tabla que almacenará más datos, esto es importante para la agilización en la inserción de datos.

Analizando más a fondo la tabla piwik_log_visit, podemos ver que existen los campos visitor_idcookie y visitor_returning.  Estos datos nos permiten relacionar visitas para identificar a los "usuarios únicos", siempre teniendo en cuenta las consideraciones que comentaba antes.

Con estas tres tablas tenemos la estructura usuario-visita-página, necesaria para empezar a extraer información de forma estructurada.

En el próximo post empiezo a comentar las consultas SQL para extraer datos, los objetivos del análisis y su aplicación en GNU R.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Poco a poco voy introduciendo las mejoras pendientes.  De los temas que mencioné en el anterior post, ya he activado los comentarios y he incluído un sencillo sistema de captcha para salir del paso, aunque lo iré mejorando porque tampoco es difícil de sortear.

También he incluído la sección de recursos,que servirá para cargar los archivos y otros detalles que yo pongo a disposición.  Y sólo faltará el apartado de enlaces, con información relativa a recursos disponibles en otros sitios.

Agradecimientos

En la explicación sobre los cambios en el diseño de Sopa de bits dejé conscientemente a un lado el comentar el diseño visual por sí mismo.

Y es que el diseño gráfico cumple una función importante en cualquier web: no es lo mismo ir vestido que vestir un buen conjunto. No es cuestión de dinero, sino de gusto.

El mérito que este blog tenga tan buen gusto visual es total y exclusivamente de Albert Biarnés. Albert es un Ingeniero Técnico Multimedia que actualmente trabaja en la filial de un grupo farmacéutico como web developer. Sin embargo, el nombre del cargo no hace justicia a su perfil.

En realidad, Albert conjuga como pocos dos valores muy apreciados actualmente: creatividad y conocimientos técnicos.  Además de lo anterior, se ha formado en temas relacionados con la comunicación, por lo que tiene todos los conocimientos necesarios para coordinar proyectos tecnológicos que planteen objetivos en la comunicación de una marca, su imagen y sus valores.

Estoy convencido que un perfil como el de Albert se va a encontrar muy a gusto en la nueva generación de servicios web 2.0, más enfocados a empresas.

Después del resultado de esta versión del diseño, sólo me queda agradecerle el esfuerzo absolutamente desinteresado por lavarle la cara al blog y hacer este espacio más agradable para mis posts. Gràcies Albert! 

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Mejoras introducidas

Nuevo aspecto visual

Esto era quizá lo más evidente: partiendo de un diseño simple (por no utilizar otros adjetivos) se ha cambiado el tono sin modificar el mensaje  de fondo.  Los tonos utilizados mejoran el rastreo visual, ayudan a detectar la estructura de los contenidos, y por lo tanto mejoran notablemente la interacción y usabilidad del sitio.

Aparte de los tonos, la tipografía y la estructura general, me gustaría destacar también la caja de categorías y palabras clave que se puede ver en la parte derecha de cada POST.  Me apetecía situar esta información en un lugar destacado pero sin interferir en el contenido como tal.

El resultado me parece satisfactorio, y no descarto poner ahí más información, como por ejemplo el número de comentarios realizados.

Tags y categorías

Otro aspecto que faltaba, importantísimo bajo mi punto de vista.  Navegar por el archivo de postsha sido sencillo debido a que había pocos posts.  Pero desde luego no era agradable.  Con la nueva funcionalidad, es posible acceder a los contenidos a través de posts y categorías.

Esta funcionalidad no tiene mucho más que explicar, salvo que el tag cloud implementa el algoritmo de generación de nubes que comenté hace un tiempo.

Los tags y categorías se combinarán con otro servicio implantado pero pendiente de activar: los RSS y alertas de e-mail para contenidos. Esto lo explico más adelante.

Timeline en el archivo de posts

Esto es más un experimento que una funcionalidad.  Beukis me comentó la existencia del proyecto SIMILE del MIT, empecé a probar y quedé encantado con las funcionalidades que proporcion.  Además del timeline existen varios proyectos que van enfocados a mejorar la visualización de la información y a su tratamiento semántico.

Esta funcionalidad mejorará quizá un poco, incluyendo una entradilla en el bocadillo que aparece al clicar sobre una entrada, aunque dado el espacio, el texto será limitado.  También introduciré un enlace hacia el post.

Temas pendientes

Comentarios

Por lo pronto, falta activar los comentarios.  Quiero implantar/desarrollar un sencillo sistema de captchas textuales para evitar las formas más rastreras de SPAM, pero sin poner en aprietos a los usuarios (nada de captchas visuales).

La herramienta servirá para indicar un sencillo enunciado corto de un sencillo problema matemático, o bien de lógica simple.Lo tengo en mente y casi analizado: se tratará de una barrera de entrada simple, por lo tanto no infalible.  De todos modos, entre esto y el RSS de los comentarios debería ser suficiente para atajar las entradas de SPAM.

Alertas vía e-mail

Otro de los temas que tengo pendiente es activar un servicio para configurar sistemas de alerta. El servicio servirá para que el usuario pueda generar su propio RSS, alerta o ambos.

En una segunda fase, tengo intención de publicar estas alertas si el usuario lo permite, de modo que el resto pueda utilizar el filtro de los usuarios que lo hayan aplicado

La intención es que esta funcionalidad será accesible a través de la caja Fuentes RSS, y permitirá acceder a un pequeño espacio para activar este servicio.

Ampliación del apartado de recursos

Aunque creo que debo sintetizar más mis posts, tengo claro que no me apetece hacer reseñas de dos líneas. A esto se suma que quiero dar un impulso mayor al apartado de descargas (que no está activado).

Por eso mi intención es generar un espacio de recursos en su sentido más amplio, incluyendo los archivos que yo cargue, los enlaces de interés que apunte y posts de otros blogs que haya considerado interesantes.

De este modo diferencio lo que son aportaciones principalmente mías y lo que son referencias externas.  Dado que puedo integrar estas funcionalidades, incluir esta funcilonalidad mejora otra debilidad en este blog: la falta de enlaces en los posts.  Al disponer en la base de datos de un listado de recursos, me es posible matar varios pájaros de un tiro:

• Tener más a mano los enlaces a noticias que he leído e integrarlos en un post.
• Valorar estas noticias en base a las referencias en los posts.
  
• Integrar el sistema de categorización e indización de los contenidos propios y ajenos, para así poder adaptar mejor el enfoque temático.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

El comentario en sí viene a raíz de Tagging: five emerging trends.

Yendo al grano:

• El mercado quiere (por no decir "necesita") estructura. Es decir, según el mercado, las mejores etiquetas son las que representan mejor la estructura (las menos ambiguas).
• Hay espacio para todos los grados de estabilidad y obsolescencia. Es decir, tienen que haber conjuntos de términos y conceptos que permitan establecer una base sólida, mientras que otros conjuntos de términos serán volátiles y estarán más enfocados a la innovación. Estas capas de actividad, más que cohabitar, se integran y son moderadamente permeables.
• Combinación de lo humano y lo automático. Ninguno de los extremos es adecuado.
• La comunidad (y lo que comparte) determina el uso de los tags y por lo tanto es un factor importante a tener en cuenta para definir los tags.
• Los tags son una fuente de innovación por la capacidad de interacción que dan a los usuarios.
  

Desde luego, suena a algo, ¿no? Algunos dicen que se ha reinventado la catalogación como quien reinventa la rueda.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

En demografía existe un indicador que sirve como referencia para conocer la calidad del sistema de salud de un país. Ese indicador se basa en el número de muertes de niños antes del año de vida: se supone que cuanta menor es la proporción de muertes en esa franja de edad, mejor es la calidad asistencial en esa zona. Así que por ahora, el niño crece con ganas, aunque es algo remolón.

Los indicadores tienen esa mezcla única de lo anecdótico y lo profundo que resulta tan atractiva: ese es el objetivo que quiero para lo que escribo aquí. No trato de exponer con precisión académica, pero tampoco me apatece comentar cosas porque sí. Para eso me voy a tomar una cerveza o simplemente miro la tele. Estos son mis criterios de info-sostenibilidad para este blog.

Estadísticas

La frecuencia de escritura me ha llevado a un total de 66 posts. No es para lanzar cohetes. Hay un cierto compás sincopado en el ritmo de publicación: entre otras cosas, se debe a un cambio de aires a nivel laboral y a todo lo que ello comporta. También se debe a un cambio de vivienda, con el traslado... Que en estas circunstancias el blog haya sobrevivido a esto, creo que ya marca la intención firme de continuar.

Esta discreta producción ha provocado un total de 1060 páginas vistas... mensuales. Echando a un vistazo a sitios como OJD interactiva, uno baja a la realidad de golpe, pero me siento satisfecho de superar la cifra psicológica del milenio.

Las visitas vienen dirigidas principalmente con Google. Digo principalmente por no decir exclusivamente, aunque Google representa un 80% al 90% de mis fuentes de tráfico. Con eso está casi todo dicho.

Digo casi todo porque entre los generadores de tráfico entrante me queda comentar a human-computer.net (HCNet), que me generó un tráfico adicional muy de agradecer, especialmente por su recomendación hacia este blog. A corte de anécdota, vale la pena comentar que generó más tráfico hacia marioalberich.com que hacia sopadebits ;-).

Enfoque y objetivos

A pesar de la satisfacción, uno tiene una serie de objetivos para con este espacio. Algunos son de carácter conceptual, y otros de más nivel operativo.

• El primer objetivo es cambiar la imagen del blog. Hace más de cuatro meses que tengo en el cajón una maqueta, y creo que no falta mucho para cambiarla.
• Espero que el nuevo diseño pueda ir acompañado ya por la nueva versión de la herramienta que llevo utilizando desde hace medio año para otros proyectos. Esta herramienta es una versión ampliada del Framework CakePHP. Dado que este framework ya incorpora gran cantidad de funcionalidades, bibliotecas, utilidades y demás, me sería más fácil incorporar categorías, etiquetas, comentarios, demos y otras virguerías varias.
• Espero poder mostrar algunos casos de proyectos que esté llevando por ahora. La teoría está muy bien, pero si miro a mi experiencia personal, no hay nada más enriquecedor (ahora hablo de informática) que los ejemplos y casos concretos. En esto también incluyo alguna que otra utilidad para funcionalidades básicas, otros archivos de descarga, etc.

Se acabó el tiempo. Debo volver a lo mío.

A modo de final lacrimógeno, sólo me queda agradecer a quienes dedican sus ratos de lectura a mi blog y a quienes dedican sus ratos a escribir en los suyos propios, dando más ideas de lectura, enlaces y aprendiendo. Esto ya forma parte de mi vida.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

No comentaré la cuarta parte, ya que su objetivo principal es traducir el marco conceptual desarrollado hasta aquí en un marco operativo para desarrollar una aplicación informática.

Construcción del marco de trabajo

El sistema trata de actuar en las siguientes fases:

• Estructuración de recursos individuales en base al etiquetado de recursos.
• Mapeado de intereses y focos individuales.
• Proposición de red social en base a las similitudes detectadas.
• Canalizar las recomendaciones y el feed-back.
  

Uno de los temas de interés de este apartado es el proceso de clustering. Para ello se analiza el grado de similitud entre dos recursos A y B, que se simboliza como S_AB. Se propone la siguiente fórmula para el cálculo de la similitud:
S_AB = CT_AB / (OT_AB - CT_AB)
Donde:

• CT_AB = Tags que hay tanto en A como en B (interesección intersección)
• OT_AB = Todos los tags, coincidentes o no (unión de conjuntos)

Analizando superficialmente la fórmula podemos detectar que puede tomar valores entre 0 y ∞, y que el valor es mayor cuanta mayor proporción de tags coinciden.

Las similitudes entre cada par de recursos se puede representar una matriz NxN que permite analizar distancias y representaciones de distancias entre recursos. Esta matriz de similitudes puede poner de relieve las diferencias de criterios de etiquetado para un mismo recurso, lo que pone en riesgo la capacidad de intercambio y reutilización. En el momento que se comprueba que un recurso aislado se etiqueta de forma muy diferente, un sistema de recomendación puede proponer tags que cohesionen al usuario etiquetador dentro de un grupo de interés. De este modo se aisla el loosely tagging que provocado por el etiquetado poco consistente de recursos. Si el sistema proporciona estas funcionalidades y se combinan con herramientas de manipulación de recursos (reetiquetado, por ejemplo), es posible pensar en llegar a un mayor grado de homogeneinización (con la motivación de los usuarios).

Otro caso es el de las etiquetas como "to_read" o "cool", que son genéricas y ajenas a un foco temático, por lo que deben tratarse en base a criterios operativos y no conceptuales.

Otra aproximación puede ser el análisis de la calidad de los clusters en base a las referencias cruzadas entre usuarios. Aunque el estudio no se plantea como objetivo la revisión "manual" de clusters, sí considera factible marcarlos para su revisión.

Creación de focos

La creación de focos se basa en la identificación de tags más utilizados (por término medio) en un subconjunto de datos. Esta mayor conccentración determina el foco. La similitud entre elementos de un cluster viene determinada por la similitud de rangos entre tags (Esto es una nota al margen: Test U de Mann-Whitney y Test de Wilcoxon, por si tienen alguna aplicación válida).

Para establecer una métrica de similitud entre clusters se considera analizar los tags comunes según su rango dentro del conjunto y se propone la siguiente fórmula:

S_tag = [R1 / (R1-R2)] / F

Donde:

• S_tag = Similitud entre tags.
• R1, R2 = Rango del tag en los clusters 1 y 2.
• F: equivale a una medida de "amistad" entre ambos clusters [se refiere a recursos o a miembros?]
  

Con el cálculo del conjunto de distancias se puede obtener una medida de distancia entre clusters:

D = distancia entre clusters = OS/OT - OD/OT = (OS-OD)/OT

Donde:

• OT = Total de tags principales de ambos clusters (unión de tags principales).
• OS = Tags principales que coinciden en ambos clusters (intersección de tags principales).
• OD = Tags principales que no coinciden entre ambos clusters (no-intersección de tags principales).
  

El valor de D puede tomar valores en el intervalo [-1,1]. Este valor se normaliza para que tome valores en el rango [0,1].

Se espera que un foco estable tenga un modelo de distribución de tags ajustable a una ley potencial [power law]. Además de ello se propone el análisis de sus atributos:

• Tamaño: Número de miembros.
• Amplitud (breadth): Cantidad de sub-temas (pocos tags principales conllevan un tag estrecho).
• Altura (height): Ratio recursos/tags. Muchos tags/recursos conllevan un foco "bajo", mientras que un ratio de pocos tags por recurso conllevan un foco "alto".
• Actividad: Número de recursos nuevos por día [podría ser generalizable a recursos por unidad temporal según el entorno y el número de usuarios.
• Madurez: Relación de todo lo anterior con la antigüedad del foco.
  

También es importante identificar qué tiempo consume cada foco para un usuario concreto, ya que esto también determina su importancia.

Proposición de red social

Se propone la creación de una red social basada inicialmente en la interacción indirecta, identificando intereses comunes según el etiquetado.

A través de este análisis se estudian las relaciones entre miembros de un foco (relaciones within o intrafocales) y entre focos (relaciones between o interfocales). Las relaciones intrafocales se consideran analizando la fortaleza de los "arcos" [tie strength], que se define con la siguiente fórmula:

TS_AB = I_AB · 0,5 + K_AB = Fortaleza de la relación entre los individuos A y B.

Donde:

• K_AB = F · 0,25 + M · 0,25
• I_AB = Intensidad de la interacción entre A y B.
• F = Nivel de "amistad".
• M = Multiplexidad (número de focos comunes de los individuos A y B).

La interacción indirecta servirá de base pero deberá dejar paso a la interacción directa, ya que proporciona información de más valor al sistema.

La matriz NxN de relaciones entre individuos es asimétrica, ya que las relaciones entre individuos no necesariamente son igual de intensas de A a B que de B a A (como caso extremo encontramos el fenómeno "fan").

El análisis del cluster de esta matriz proporciona información sobre la persona más "central" en el grupo (betweenness centraliy), de modo que se identifica al núcleo de usuarios de referencia, que pueden servir de base (o ponderación) para los mecanismos de recomendación.

Relaciones entre focos

También se quiere evaluar la posibilidad de establecer puentes entre focos, ya que esto puede facilitar la evolución de las redes sociales.

Una posibilidad es crear puentes aleatorios. Este proceso aleatorio requiere de un feed-back del usuario que recibe la recomendación. En caso que no exista este feed-back, la recomendación aleatoria desaparece.

Sistemas de recomendación

Los sistemas de recomendación funcionan de forma similar a la comparación de individuos en base a tags. Este criterio de comparación proporciona un valor entre 0 y 1.

En cualquier caso, si se quiere potenciar la existencia de focos entre los puentes interfocales, los sistemas de recomendación deberán ponderar la "proximidad" (valorar más las recomendaciones intrafocales). Sin embargo hay que tener en cuenta que las recomendaciones interfocales pueden ser favorables para que los focos con poco volumen o riesgo de isolación reciban "aire fresco". Esta dinámica normalmente se establece de focos grandes hacia pequeños, por lo que a medio-largo plazo puede llevar a procesos de fusión/absorción.

Feed-back

El feed-back, como la navegación social, puede entenderse en dos vías: implícito y explícito. A nivel de un entorno como el que plantea el documento, el feedback implícito se gestiona a través del sistema, mientras que el explícito lo es por el usuario.

Además, el feed-back directo refleja las relaciones sociales, mientras que el indirecto explicita las relaciones de interés.

Una cuestión que surge en los mecanismos de feed-back es determinar quién debe recibir el feed-back. El sistema almacenará la respuesta del destinatario de la recomendación, pero quien realiza la recomendación recibe también feed-back? Lo hace el primer miembro de la cadena de recomendación?

El sistema de gestión del feed-back considera tres acciones indicativas: lectura, archivado y valoración [reading, archiving and rating]. Para el caso de la lectura, puede ser interesantes no sólo por el número de lecturas sino por el tiempo de estas lecturas.

Conciencia social [social awareness]

• ¿Cómo puedo utilizar los componentes de la aplicación para actuar socialmente?
• ¿Cómo puedo hacer que la gente sea consciente que actúa socialmente?

Deben existir incentivos para utilizar las capacidades de la navegación social y los mecanismos de feed-back. La comunicación entre miembros de un foco es clave porque activa la memoria transactiva, lo que conlleva a una mayor cohesión del grupo.

Conclusiones

El documento continúa entrando en detalles sobre la implantación del framework para gestionar todos estos recursos. Lo que viene después de lo comentado ya son detalles técnicos que no vienen al caso si no se desea implementar. Lo que reflejan los detalles de la implantación son la traducción a lenguaje técnico de todo lo explicado.

En la fuente original hay una gran cantidad de gráficos y esquemas que ayudan a asimilar algunos conceptos importantes en la operativa, los cálculos y las características de la red. Sus referencias bibliográficas también aportarán de buen seguro detalles sobre todo lo comentado. También es probable que existan estudios que citen a este documento, por lo que probablemente existirán mejoras para introducir o ampliar.

Leer documentos como este es un verdadero lujo.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Navegación social

La navegación social puede entenderse como el proceso de acceder a objetos de información en base a lo que los individuos cercanos han hecho.

Disponer de vecinos temáticos ayuda a reducir al máximo la distancia entre individuos para generar este proceso de intercambio de la forma más fluida posible. Además, permite obtener información sobre las novedades más rápìdamente.

Navegación directa e indirecta

En este aspecto, los entornos de tagging social inicialmente son entornos de navegación social indirecta, ya que sólo permiten navegar utilizando los resultados de la actividad de otros usuarios, más que en una relación directa entre individuos. En pocas palabras: los usuarios navegan al relacionarse con la información generada por otros pero no en la relación con los otros usuarios.

Estos dos tipos de navegación son perfectamente compatibles, y además complementarios. Por un lado la navegación indirecta no precisa de una relación entre individuos, lo que favorece a iniciar una relación con la información sin necesidad de conocer a terceros. La proximidad de intereses y el intercambio de información relevante es una posible vía para establecer relaciones con otros individuos. En esta segunda parte entra en juego la navegación directa.

Dieberger (2000) y Höök (2003a) proponen cuatro efectos de la navegación social: filtrado, calidad, predisposición social [social affordance] y la evolución de la estructura y la funcionalidad a través del uso que se hace de ésta.

El filtrado y la calidad obtienen un valor por el uso, no sólo del individuo, sino del grupo. El hecho de seleccionar el ítem y guardarlo en "mis favoritos" ya constituye una recomendación implícita, de lo que se deriva un efecto de filtrado (positivo porque se recomienda) y una valoración de calidad.

La evolución en los patrones de navegación social provocan la evolución de la funcionalidad. Por ejemplo, el etiquetado puede ir dirigido a personas concretas, por lo que este etiquetado refleja el cambio de funcionalidad del etiquetado mismo.

Sistemas transparentes

Según Ericksom (2003), los sistemas que quieran proporcionar medios transparentes para la navegación social deben proporcionar:

• Visibilidad (Ver a otros).
• Presencia (Ser visto por otros)
• Contabilidad [Accountability]: Derivada de las dos anteriores que sirve para valorar y penalizar.
  

Recomendación

El proceso de filtrado colaborativo puede entenderse como la obtención de beneficios por el consenso entre usuarios. Este proceso de filtrado colaborativo se inició de forma manual (según Kostan 2002 puede llamarse pull-active) y actualmente se ha convertido en un proceso más o menos automatizado basado en mecanismos de reputación que permiten generalizar el modelo en comunidades más numerosas.

Al introducir el proceso de filtrado automático, el sistema es el que se convierte en pull-active y el usuario pasa a a ser push-active. Por lo general se aplican estrategias mixtas para que el usuario pueda ser pull-active en un sistema push-active (que le simplifique la faena).

El proceso de filtrado colaborativo trata de conectar las valoraciones de otros usuarios con el usuario receptor. Esta valoración se pondera en base a la red social del individuo, ya sea por relaciones entre usuarios o bien por la similitud de valoraciones entre individuos. Un ejemplo de algoritmo para el primer caso es el del nearest-neighbor (aplica criterios de memoria) mientras que en el segundo caso podemos hablar de técnicas de clustering.

Estas medidas topan con dos aspectos complementarios de las grandes redes: escala y dispersión. Por un lado es complejo ponderar y analizar grandes conjuntos de datos. Por otro, es conocido que estos entornos se dan niveles altos de dispersión, por lo que el intercambio efectivo de información se da en un núcleo muy denso, y no trasciende a los nodos más externos.

Para evitar el segundo aspecto, se plantea la posibilidad de incorporar mecanismos como "filter bots" que generen recomendaciones automáticas para evitar el aislamiento y el "inicio en frío" [cold start]. Por poner un ejemplo mundano, los filter bots hacen de anfitriones al nuevo miembro, para integrarlo en la red de intereses. Si el miembro entabla relación con otros miembros, entra a formar parte de algún foco.

Sin embargo los mecanismos de recomendación conlleva indicadores implícitos, y no tanto a los explícitos. Para poner un ejemplo de ambos tipos de indicadores, se puede ver el caso de last.fm: el indicador implícito es el tiempo que el usuario escucha la canción, mientras que un indicador explícito es la decisión del usuario de "penalizar" la canción para no volverla a escuchar.

En términos generales es mucho más deseable una valoración explícita, pero no es de esperar que un usuario sea proclive a realizar gran cantidad de valoraciones. En cambio, si se pueden extraer valoraciones fiables en base a la actividad del usuario, el sistema dispondrá de mucha más información para recomendar mejor.

A otro nivel también se puede afirmar que las circunstancias, como la actividad y el estado de ánimo afectan a la valoración, por lo que los sistemas de recomendación deben tener en cuenta que existen aspectos circunstanciales que no son tan generalizables como opiniones más objetivas (es muy diferente un "no me gusta" que un "ahora no me apetece" o "no estoy de humor").

Para que el usuario pueda analizar el valor de la recomendación, es necesario que el sistema proporcione información tal como:

• Fecha/hora.
• Usuarios con intereses similares.
• Proximidad (grado de acuerdo) con tales miembros a lo largo del tiempo.
• Valoraciones de "los vecinos".
• Consistencia/Acuerdo en las valoraciones entre vecinos a lo largo del tiempo.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Lo que pasa es que las características internas de un conjunto de recursos etiquetados pueden variar según su origen, enfoque y la variedad de usuarios que lo utilizan.

El artículo clustering tags in enterprise and web floksonomies (Simpson, 2008) explora esas posibilidades considerando dos colecciones paradigmáticas, y dos algoritmos de clustering.

Colecciones y algoritmos

la colección corporativa generada por unos pocos usuarios (denominado Labbies), y una selección de recursos etiquetados en del.icio.us, que se tomará como muestra de colección externa.

Se quiere analizar dos algoritmos que en último término deberían permitir la selección de etiquetas para facilitar la navegación por los recursos.

Los dos algoritmos utilizados se denominan tag co-ocurrence divisive clustering y betweenness centrality clustering.

En el primer caso se puede entender la co-ocurrencia como una correlación que hay entre dos tags (cuanto más coinciden en el etiquetado de recursos, más correlacionados están). Este algoritmo tiene efectos sobre entornos temáticamente relacionados, y no entra a fondo en la estructura general de la colección.

Al aplicar el algoritmo de la coocurrencia, las correlaciones inferiores a un determinado umbral (un valor mínimo) quedan descartadas por ser muy débiles. Tras este proceso de selección de relaciones, ya se puede visualizar la relación entre etiquetas, e identificar los subgrupos (clusters).

En el segundo caso se aplica un algoritmo que analiza el conjunto de caminos entre nodos. Dentro de estos caminos se seleccionan los arcos que forman parte de un mayor número de rutas más cortas, lo que implícitamente supone que son los más bien vinculados del conjunto. Computacionalmente, este segundo algoritmo es mucho más costoso, aunque existen métodos para la reducción de esta complejidad. A diferencia del algoritmo de coocurrencia, en este caso se prima más la visión de conjunto.

Seleccionando un tema de interés (en este caso, el uso del tag dspace) se recogen los datos de ambas fuentes. En el caso de del.icio.us se crea un subconjunto de datos fruto de un proceso de limpieza que consiste en tareas de homonimia/sinonimia y la eliminación de tags inherentemente ruidosos

Resultados para Labbies

Aplicando el algoritmo de co-ocurrencia se comprueba que el algoritmo prioriza la detección de tags relacionados o similares. Por lo tanto la "similitud" es el factor clave.

Por otro lado se identifica un conjunto de tags no afiliados completamente a un cluster, sino que más bien están a medio camino entre dos clusters diferentes. Estos tags normalmente se identifican con términos genéricos o ambiguos.

En el caso del algoritmo betweenness centrality se verifica que hay un grado menor de disgregación (menos clusters) pero también mayor homogeneidad de tamaño entre ellos.

No se puede determinar si hay uno de los dos algoritmos que sea más potente que el otro de cara a aumentar la recuperación de información en este entorno corporativo.

Resultados con del.icio.us

Al disponer de un número mayor de datos, el proceso de cálculo y visualización de los clusters de del.icio.us fue más largo y complejo.

Además de eso, se produce una generalización en la temática de cada cluster, incluyendo relaciones que semánticamente están alejadas.

Coocurrencia en del.icio.us

El resultado de aplicar este algoritmo es que se generan grandes clusters, que además presentan relaciones débiles. Esto viene dado por un efecto de "coche escoba": los ítems raros se acaban afiliando a una gran masa que acaba formando un cluster principal.

Para evitar este efecto, y con la ayuda de técnicas de visualización se aplica un umbral de co-ocurrencia de 0,142, que genera una agrupación mejorada, aunque conlleva el sacrificio de una gran cantidad de tags.

Este coeficiente demostró ser diferente para cada conjunto de datos (Labbies, del.icio.us y del.icio.us limpiado), lo que implica una mayor generalización.

Betweenness centrality en del.icio.us

En el caso de este algoritmo se generó un gran cluster que no se pudo desmembrar ni siquiera con técnicas de filtrado.

La principal consecuencia es que es mucho más complejo producir cluster de un tamaño adecuado para ser visualizables y favorecer a la navegación por tags como medio para la recuperación de información. Por lo tanto el algoritmo de betweenness centrality no es la mejor opción para descuartizar colecciones de etiquetas.

Enfoque futuro

El principal problema de la aplicación de algoritmos de clustering es que se generan grandes subgrupos. Esto representa un problema para la navegación del usuario. Por lo tanto, es interesante profundizar en las técnicas de división de estos macro-clusters. Conseguirlo permitiría una navegación más sencilla y una interficie menos cargada de información.

No lo apuntan los autores, pero quizá exista la posibilidad de aplicar iterativamente ambos algoritmos: betweenness a alto nivel y coocurrencia en clusters grandes). Quizá con una mínima heurística se podría llegar más al fondo de la cuestión.

Otro aspecto interesante al que se apunta es a la definición de jerarquías de clusters, lo que permitiría un primer nivel de macro-navegación (en forma de áreas temáticas generales), y luego profundizar en clusters temáticamente más delimitados.

Más allá del contenido del artículo, lo más interesante de este tipo de estudios es comprobar hasta qué punto afecta la selección de uno u otro algoritmo para la organización de la información (y en este caso a su recuperación). Como ejemplo aplicado a las colecciones de recursos, creo que es muy pedagógico.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Más allá del contenido y la estructura, lo que me ha sorprendido es lo bien que se desarrolla el hilo argumental y lo atractiva que ha resultado su lectura. Tratándose de una tesis, es un logro. Lo digo principalmente por la evolución y transformación de los argumentos que se desarrollan desde el principio y que culminan en la explicación de un marco de trabajo (framework) para el etiquetado social.

Aspectos remarcados y descartados

Dada la longitud del documento, mi intención ha sido extraer los aspectos esenciales y dividirlos en unos pocos posts. Por lo tanto no pretendo realizar un resumen completo ni tampoco entrar en detalle con conceptos conocidos tanto en el mundo de la informática como en el de la documentación y la recuperación de la información.

Si después de leer los siguientes posts hay interés por saber más, creo que el salto lógico es al menos hojear el documento, porque realmente su autor se lo merece.

Enfoque del proyecto

Aunque el punto de partida es el uso de los metadatos generados por los usuarios, el objetivo se centra en analizar los métodos por los que los usuarios con intereses, opiniones y actividades parecidas puedan identificarse y localizarse.

En un segundo nivel está el interés por identificar los puntos de conexión entre grupos temáticamente distantes pero susceptibles de intercambiar información.

Se debe entender el contexto como un tipo de información que caracteriza el entorno individual y social, y que puede emerger de la actividad propia de la interacción persona-entorno.

Estos dos niveles permiten concentrar contextos individuales para conformar grupos de interés.

Por ello el estudio considera que contenido y contexto es inseparable, de modo que se adopta una perspectiva fenomenológica de la información. Esto determina el enfoque del resto del estudio, y lo distancia de la ortodoxia de los lenguajes documentales, donde contexto y contenido se disocian.

Semiótica, psicología u sociología

Semiótica: sintaxis, semántica y pragmática

La interpretación de un signo se da a tres niveles distintos: sintaxis, semántica y pragmática (esta última ya comentada en relación a la teoría de la relevancia). La primera establece la relación entre signos; la segunda entre signos y objetos; y la tercera entre signos, objetos y el individuo.

El contexto individual es pues aplicable al ámbito de la pragmática, que es el nivel que describe la visión personal.

También se crea un contexto compratido al mismo nivel de la pragmática (jerga), tras lo cual se da un salto desde la folksonomía (centrado en los signos y la sintaxis) hacia la etnoclasificación (los signos distintivos de una "tribu").

Psicología: Memorias transactivas

Según Wegner (1987), la interacción social es la base de creación de una memoria colectiva. Esta memoria compartida tiene lugar preferentemente en grupos cohesionados que generan "etiquetas" (o jergas) que sirven como denominador común del grupo.

Un aspecto clave en las memorias transactivas es que es necesario saber quién es experto en qué para que la información fluya y se convierta en parte cohesionadora del grupo.

Sociología

La aportación en este campo viene dada por Harper (1999). Este autor analizó el acceso, evaluación y proceso de información según la motivación y la relevancia.

Por ejemplo, es importante valorar cómo afecta la autoridad del responsable de la información, si hay una revision del contenido, y la actividad del revisor.

Al conocer el contexto social (motivación y actividad de autores e intermediarios) en el que se ha desarrollado la información, el receptor asigna un valor a ésta, no directamente por su contenido.

Redes sociales

Características de las redes sociales

Después de analizar los conceptos teóricos anteriores, el autor describe los elementos y procesos que describen las redes sociales.

Atributos: densidad, centralidad, estructura, y puentes/transitividad.

De lo anterior vale la pena describir brevemente la transitividad, ya que interesa su aplicación en sistemas de reputación social. Se debe entender la transitividad como la máxima "los amigos de mis amigos son mis amigos". Desde luego esta máxima no siempre tiene lugar, ya que depende de relaciones entre nodos que previamente son muy densas (muchas relaciones entre nodos).

Teorías en redes sociales

Según Wellman (1990) describe tres características para definir la fortaleza de una relación: intimidad (amistad), voluntariedad de la interacción (interacción) y participación en contextos sociales comunes (multiplexidad).

Al analizar el conjunto de las relaciones entre miembros de la red, podemos llegar a la identificación de focos de interés. Estos focos pueden venir determinados por cuestiones psicológicas, sociales, legales o actividades comunes. La probabilidad de relación de dos personas con temas en común es mucho mayor. Interesa identificar estos grupos para generar un mayor grado de recomendación y facilitar el intercambio de conocimiento basado en las relaciones (memorias transactivas).

El análisis de estos focos diferencia entre relaciones intrafocales (micro-integración) e interfocales (macro-integración). Mientras que las relaciones intrafocales fortalecen los grupos temáticos, las relaciones interfocales favorecen la interdisciplinariedad y limitan el riesgo de isolación de nodos.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Por aquella máxima que dice que hay que saber escuchar el silencio, parece ser que la respuesta está en los lapsos de tiempo entre tareas, o al menos así lo afirma el análisis de la gestión de tareas en base a la motivación...

Fundamentos teóricos

Tradicionamente, el proceso de resolución de tareas se ha modelizado utilizando la denominada Ley de Poisson, y que consiste en suponer que el número de eventos que suceden dentro de una unidad temporal (llamadas a un teléfono por hora, clientes por minuto en el cajero del supermercado), con un intervalo de tiempo entre eventos que sigue una Ley Exponencial.

A nivel de análisis del proceso, la resolución de tareas se modeliza aplicando la teoría de colas. Lo que plantea esta teoría es que hay uno o más individuos (servidores) que procesa peticiones (clientes) uno tras el otro. Hay diferentes variantes en base al establecimiento de prioridades, si dos servidores colaboran o son independientes, etc. Aunque en general, si no se comenta lo contrario, el proceso de las peticiones se realiza según el método FIFO.

De la gestión de tareas a la gestión de la motivación

El proceso explicado hasta aquí es todo lo matemático que se puede esperar. Sin embargo hay una característica de la distribución exponencial que la hace demasiado racional: Se considera que la distribución exponencial no tiene memoria, es decir, que su probabilidad condicionada (el lapso de espera hasta el próximo evento sabiendo el tiempo del anterior lapso) es igual a su probabilidad incondicionada.

Utilizando términos más llanos: un proceso o una persona que se modeliza utilizando la ley exponencial no se cansaría, ni se aburriría, ni se motivaría. Simplemente resolvería según la dificultad racional de la tarea. Esta premisa quizá sea aplicable a entornos de trabajo con alta mecanización de tareas, pero en entornos informacionalmente intensivos, el criterio no está tan claro.

Ante este escenario, el Artículo Human Dynamics with Adaptive Interest propone un cambio de paradigma para encontrar soluciones más ajustadas a la realidad, escogiendo el modelo basado en el interés (interest-based model) enfrente al orientado a tareas (task based).

Análisis y metodología

La metodología seguida en el estudio es el de la simulación estadística del proceso, introduciendo el factor de motivación como una variable más, y extrayendo de los resultados el nuevo modelo estadístico de periodicidad en la resolución de tareas.

Este cambio de modelo matemático trata de analizar el cambio del concepto habilidad de resolución enfrente a motivación de la resolución de las tareas encomendadas. Sin ánimo de grandilocuencia, se podría decir que este cambio equivale al paso de la inteligencia racional a la inteligencia emocional.

El resultado de la simulación demuestra que las fases más activas se concentran mucho más y las inactivas se dilatan dando lugar a fases frenéticas (con niveles intensos de interacción) seguidas de fases más largas de inactividad (poca motivación). Se entiende que son más largas en relación a lo que cabría esperar aplicando los modelos Poisson-Exponencial.

Conclusiones

El estudio afirma que el modelo matemático que se ajusta a esta nueva circunstancia es una ley potencial con exponente -1 para modelizar el tiempo entre eventos.

Esta conclusión puede ser de interés para analizar los patrones de fenómenos tan dispares como la navegación web, el zapping, y en general cualquier tarea que implique motivación. Dos áreas de aplicación que pueden ser interesantes son el análisis del tiempo en estudios de interacción persona-ordenador (para identificar el grado de usabilidad del sistema cuando existe motivación por el usuario), y a un nivel más concreto, los estudios de búsqueda y recuperación de la información, para obtener una métrica de motivación en el tiempo entre eventos.

A pesar de lo interesante del modelo, los autores apuntan algunas limitaciones de éste, ya que existen muchos ingredientes que intervienen en la motivación humana, varios de los cuales ni siquiera se han estudiado a fondo a nivel psicológico. Es un estudio que llevará tiempo, para el que las conclusiones del estudio (que además son simulaciones y no un trabajo de campo) pueden servir de base para otros análisis.

Volviendo a la pregunta inicial, el ordenador no tiene toda la información necesaria para poder extraer conclusiones. Por ejemplo, el ordenador no tiene información sobre si estás hablando por teléfono o alguien te interrumpe a mitad de una tarea. Pero podría empezar a disponer de indicadores objetivos (matemáticos) que le indicaran que te está bajando la moral.

Y... ¿Quién lo sabe? Quizá se está creando un nicho de mercado para salvapantallas motivadores ;-).

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Y también es curioso que a menudo se ha percibido como una amenaza a la profesión, como muchas de las mejoras de acceso a la información que han llegado con la irrupción de Internet (con los buscadores la frente).

Teniendo todos los usuarios al alcance de la mano estas herramientas de bookmarking social, ¿qué papel juegan los bibliotecarios y documentalistas? Probablemente esto depende de la utilidad que se extraiga del servicio. Esa utilidad depende a corto plazo del uso personal, pero a largo plazo depende de lo que podamos compartir con otros.

¿Compartimos mucho a través de los sitios de social bookmarking? Un estudio sugiere que no...

Motivación y fuentes de datos

El artículo Content Reuse and Interest Sharing in Tagging Communities recoge datos obtenidos a partir de los sitios CiteULike y Connotea. Ambos parecen servicios más orientados a ambientes académicos y científicos. Al menos lo parecen más que del.icio.us.

El estudio se centra en estudiar el grado de colaboración, y analiza el nivel de reutilización de los contenidos, y la compartición de intereses.

En el estudio se cita a (Wu et al., 2006) en referencia a los mecanismos que debe incluir una comunidad de etiquetado social para convertirse en una buena herramienta de gestión del conocimiento: identificación de la comunidad, recomentación de usuarios/documentos, y generación de ontología. También se cita el grado de colaboración como una herramienta eficiente que permitiría complementar algoritmos como el PageRank para la recuperación de resultados.

Las citas se hacen argumentando que el éxito de implantación de estas tres herramientas depende del grado de colaboración de la comunidad, por lo que el análisis posterior viene a deducir la viabilidad de implantación de tales servicios.

Análisis

Se extraen datos de los dos sitios indicados antes y se analizan dos métricas: Reutilización de contenido (en base a la repetición de tags y conjuntos de tags). Una vez analizada la reutilización de etiquetas, es posible analizar el grado en que dos usuarios diferentes comparten intereses.

Para realizar el análisis se utilizan dos fórmulas:

• Relación entre usuarios y recursos (User-Item): Dados dos usuarios distintos, se obtiene un cociente entre el número de recursos que ambos han etiquetado (intersección) y la suma de los recursos diferentes etiquetados por cada uno (unión).
• Relación entre usuarios y etiquetas (User-tag): Análogamente al anterior ratio, se divide el número de etiquetas en las que ambos usuarios coinciden (intersección), por el total de etiquetas diferentes de ambos usuarios (Unión).

Las conclusiones que se extraen utilizando ambos indicadores es que hay pocos usuarios que compartan recursos y aún menos que compartan etiquetas.

En referencia a compartir recursos, el estudio apunta a que es posible que los usuarios empiecen a compartir, pero que no hay acuerdo en los tags utilizados para describir un ítem. No se apuntan causas para entender el por qué de la diferencia.

La estructura de los intereses compartidos

El estudio diferencia tres niveles de intercambio, que recuerdan mucho a los estudios que analizan poblaciones con estructuras relacionadas con la Power law. En general los tres niveles se establecen en base a los dos ratios anteriores, pero por lo comentado antes, es más significativo el ratio de compartición de contenidos que el de etiquetas compartidas:

• Una mayoría de usuarios (53% de los nodos) aislados, sin relación con otros, o al menos con preferencias muy distanciadas del conjunto.
• Una cantidad considerable (15% de los nodos) de subcomunidades prácticamente disjuntas entre ellas. Estas comunidades se agrupan principalmente en base a los recursos etiquetados, y una ínfima minoría por las etiquetas compartidas.
• Un núcleo denso en el que se comparte establece un ratio medio de 0,66 para los recursos compartidos y un 0,17 para los tags compartidos.

El estudio avisa que estas conclusiones están limitadas por el hecho de haber analizado sólo dos de las comunidades de este tipo, aunque añaden que la representatividad de la muestra es suficiente para un análisis previo como este.

La principal conclusión es que debido a estos bajos niveles de colaboración, está teniendo lugar un bajo nivel de aprovechamiento de la inteligencia colectiva [social knowledge] que se produce.

Finalmente, se añaden algunos comentarios y mejoras para las comunidades de etiquetado:

• La colaboración no surge de forma natural, y el efecto en estas comunidades es que los usuarios de estos servicios perciben más utilidad en su gestión personal que en la capacidad de agregación de conocimiento.
• Los sistemas de recomendación se basan en la similitud de intereses entre usuarios, pero dado que hay poco nivel de similitud en el uso de las etiquetas y (a menor nivel) de recursos, el potencial de los sistemas de recomendación en las comunidades analizadas es bajo. En cambio el grado de éxito de los sistemas de recomendación llegan al 90% cuando se restringe las predicciones a ítems reutilizados.
• Se comentan los sistemas de reputación, que también se ven afectados debido a que la dispersión comentada favorece a la infiltración de contenido pernicioso, que son difícilmente detectables debido a la poca densidad de relaciones de este entorno social (se asemeja al feudalismo informacional). Por otro lado, no es posible establecer una reputación para los usuarios que no tienen un mínimo nivel de reutilización de recursos.

Tagging disperso para profesionales de la información

Es interesante comprobar que las circunstancias de aislamiento se pueden producir en un entorno clásico de organización de la información y en una red social de etiquetado. A pesar que hay una gran variedad de estilos de etiquetado, hay un espacio en la oferta de servicios para usuarios que quieren aprovechar el esfuerzo de otros e integrarse sin la necesidad de ser pioneros. Incluso es importante entender que muchos usuarios ni siquiera se dan cuenta del potencial de compartir y analizar lo que otros indexan.

En ese gran espacio entre el núcleo, las subcomunidades y los usuarios usuarios aislados, es posible que el profesional de la información pueda encontrar muchos espacios-nicho en los cuales analizar los usuarios con intereses cercanos a su nicho, agregarlos, seleccionar los recursos y reetiquetarlos para hacerlos llegar a otros usuarios.

El profesional se puede convertir en un catalizador de la comunidad (estoy seguro que la expresión no es nueva). Sus etiquetas pueden tener una estructura más estándar. Esta estandarización puede servir de puente para conectar las etiquetas de las fuentes y los destinatarios, explicitando aún más el grado de reutilización.

El valor añadido es alto:

• Sólo buscas la mitad del tiempo, y parte de la otra mitad se dedica a evaluar los contenidos recibidos.
• Si los recursos encontrados no convencen, es probable que aporten ideas sobre qué buscar y qué no.
• El profesional puede actuar como referencista para dirigir al usuario hacia otros miembros de la comunidad que tengan intereses o recursos cercanos al que busca.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Una de las cosas que más tranquilizan al iniciar un proyecto de desarrollo es tener a mano los resultados de experiencias anteriores. Da igual si se consigue mediante el benchmarking o con el intercambio de experiencia entre profesionales: conocer un caso de éxito es importante porque permite descartar cien casos de no-éxito (que no fracaso).

Cuando eso no se tiene en el entorno pero se analizan varios proyectos con características comunes, es probable que se puedan identificar patrones organizativos entre varias organizaciones diferentes.

Salvando las diferencias de tamaño o volumen de negocio, los productos o servicios determinan parcialmente la organización interna. Ello se debe tanto a las características del producto como a los recursos humanos especializados en esa tarea, las condiciones de producción, y las estrategias comerciales de cada sector.

A pesar de ello, acostumbra a haber un cierto grado de libertad en la creación de la estructura y el organigrama, y en cualquier caso también depende de dinámicas internas (económicas, sociales y de poder) que determinan siempre diferencias.

Patrones organizativos y de comportamiento

En el caso de organizaciones con un perfil muy centrado en el tratamiento de la información, acostumbran a tener algo en común: producen, capturan, filtran y ofertan información. No lo hacen como herramienta de soporte a su negocio, sino como fuente de negocio. Aunque se puedan dedicar a sectores muy distintos, comparten esa característica en común.

Uno de los aspectos que más ha variado en los últimos tiempos es la percepción del potencial de las TIC para conseguir una mayor productividad, cuando antes preponderaba la mejora de imagen y la sensación de mayor control interno.

Eso supone un cambio de mentalidad respecto a lo que había hace cinco años. Por entonces se podía empezar un proyecto y saber que el cliente lo quiere “porque hay que hacerlo” o “porque toda la competencia lo está haciendo”. No es raro ese planteamiento, lo que sucede es que no favorece a una implicación de la gerencia. El mayor riesgo del proyecto era morir por inanición, si es que llegaba a finalizarse.

Ahora eso ha cambiado, y cada vez es más transparente la relación entre los objetivos de negocio y las implantaciones TIC. No trato de generalizar, y además estoy convencido que en esa percepción interviene las experiencias que he tenido. Pero sí es cierto que cuanto más proyectos salen a la luz, más se empieza a perfilar el por qué de los beneficios (en un sentido amplio) de la introducción de la empresa en la Red.

Por muy abstracto que sea un concepto, siempre se echa mano de casos concretos para poder fijar mejor las ideas. Para el objetivo actual, las organizaciones que tengo en mente son organizaciones que pueden dedicarse a producir información interna, pero que también se dedican a capturar, filtrar y reprocesar información externa para ofrecer productos informacionales a sus clientes.

Uno se da cuenta que existe una coincidencia de patrones en la forma de producir información, seleccionar las fuentes, filtrarlas, y ofertarlas. Esas coincidencias no parecen ser superficiales:

• Problemática común al capturar y procesar información. Esto se refiere tanto a temas relacionados con el copyright, como temas técnicos (formatos y protocolos principalmente). La fuentes externas de información no son necesariamente de la web abierta, ya que también pueden proceder de fuentes de pago, etc. Pero las fuentes más complejas de tratar son las derivadas de la web social abierta o web-2.0. Se podría resumir que captar, procesar y adecuar información externa consume una gran cantidad de recursos.
  

• Fruto de esta heterogeneidad en las fuentes, acostumbra a existir un conflicto entre la asignación de las tareas automáticas y las manuales en el proceso de filtrado, selección y procesado. Es clave encontrar un equilibrio entre la eficiencia y la calidad en el filtrado de la información. Como en cualquier sistema de información hay muchas tareas automatizables, pero no existe la varita mágica. Hay que valorar cada fuente, la relación ruido-señal y el coste de ese filtrado en relación al beneficio.

• La forma de trabajar, o al menos en cómo ha tenido que variar para adaptarse al nuevo entorno. Quizá por ser información el principal activo, se tienen los ojos más abiertos hacia afuera de la organización. Y también porque se toma conciencia de lo importante de mantener una política de acceso a la información adecuada.

• El crecimiento de esta actividad viene acompañado de un conflicto a nivel de recursos humanos: no tanto por capacidades del personal interno, sino por captar nuevos profesionales capacitados para el nuevo enfoque. En proyectos y portales web, es muy complejo encontrar personas todoterreno con conocimientos (no digo que dominen, pero sí que se defiendan) sobre XHTML y CSS, bases de datos, que escriban bien, sepan organizar la información y tengan un mínimo gusto para el grafismo y la estructura visual, etc. Sólo dominando uno o dos de estos campos, y mantener una conversación mínima sobre el resto, un profesional así tiene trabajo asegurado.

• El abrirse a la Red como fuente de información y diálogo despierta el interés por incluir novedades de la web social en su modelo organizativo, tanto a nivel operativo como de negocio. En un momento u otro los miembros de estas organizaciones prueban nuevos servicios y extraen ideas interesantes para su tarea diaria o su relación con los clientes.

• Coincidencia en las características de los esquemas de pago para sus modelos de negocio con productos documentales. Se barajan estrategias que van desde el pago por elemento (pay per view) hasta el acceso por subscripción, que incluyen servicios de valor añadido, e incluso la incrustación de contenidos en los portales corporativos de los clientes. Sobre esto sólo apuntar las posibilidades que brindan los micropagos, aunque por la tarificación y los márgenes que actualmente me constan, me parece un timo.

Cada cual habrá identificado sus patrones organizativos, y probablemente exista gran cantidad de literatura al respecto. Pero me ha parecido interesante aportar un granito de arena en base a mi experiencia profesional.

En base a esta información he indagado sobre la estructura interna de la organización, la forma como se relaciona cada elemento con el conjunto, y el papel de la Red en todo esto.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Aunque sigue siendo válida la distinción entre información ambiental, interna y corporativa, esos límites cada vez se difuminan y se equilibran más. No sé si ósmosis sería el término más descriptivo de este fenómeno, en cualquier caso se acerca bastante: la información como solvente es el agente que equilibra el exterior y el interior de la empresa-célula.

Después de ese proceso de introducción de los nutrientes necesarios, la célula debe saber procesarlos, para lo cual es imprescindible disponer de los medios necesarios para digerir...

El artículo “La gestió del coneixement en la nova economia” [en castellano](2003) muestra como conclusión la creación de los siguientes elementos clave dentro de las empresas dedicadas intensivamente al conocimiento

• Servicio de Información corporativa (EIS): Se trata de un sistema que debe proveer a la organización de toda la información de carácter ambiental. El servicio de información corporativa incluye la información con una estructura documental (no se trata de datos data-centric sino document-centric). En general se podría afirmar que este bloque es el que se refiere a lo conocido como Inteligencia competitiva.
• Repositorio de datos (Data warehouse): Repositorio de datos estructurados dentro de la organización que pueden ser objeto de análisis y de soporte a la toma de decisiones. Se puede tratar mayoritariamente de datos generados internamente (controles de calidad, cifras de ventas de productos, precios...) pero también pueden incluirse datos generados externamente (estadísticas de un sector, mercado de valores, etc.). Por lo general se pueden aplicar técnicas de data mining para organizar y estructurar los datos del modo más rentable posible.
• Gestor de la relación con los clientes (CRM): Es la aplicación que aglutina toda la documentación sobre las acciones comerciales, información sobre los clientes, estudios de satisfacción y mercado, y también oportunidades de negocio. Por lo general se debe entender como un sistema de recopilación del feed-back del entorno en referencia a los productos o servicios que la organización ofrece.
• Entorno de conocimiento (Knowledge Space): Se trata de un depósito de documentos o archivos utilizados por la empresa, ya sean generados interna o externamente a esta. Se supone que en la organización de este entorno la fuente constará de algún modo. Este espacio ha recibido otros nombres como knowledge base, aunque en general se puede entender como un sistema de organización, almacenamiento y recuperación de la información (en forma de documentos).
• Red de intercambio (Sharing Network): Se trata de un espacio de intercambio de ideas entre miembros de la organización. Principalmente se habla de medios para comunicar, o compartir.
  
• Cultura organizativa innovadora: Se trata de el nexo de unión entre los cuatro aspectos anteriores. Lo considero imprescindible, pero dado que profundizar en estos aspectos está lejos del interés de este post, lo indicaré aquí sin entrar más a fondo.

El esquema que se presenta en ese documento tiene un enfoque principalmente conceptual, por lo que no establece el contexto ni la operativa de la relación entre los anteriores elementos.

Tratando de entender más a fondo la operativa de una organización eficiente en la gestión de la información he reorganizado el esquema y lo he ampliado incorporando otros ítems de su entorno para contextualizarlo mejor.

Con el esquema ampliado me planteo incorporar los siguientes elementos:

• La forma que presentan las fuentes externas, tanto si se refieren a las características de los clientes como del resto del mercado y el entorno.
• Los puntos de contacto entre los cuatro elementos anteriores.
• Su relación con las funciones de soporte (funciones transversales que se pueden encontrar en cualquier empresa) y de negocio (las funciones que generan valor y que se centran en los objetivos de la organización).
  

Siguiendo estas premisas, he desarrollado un esquema que trata de seguir siendo del año 2003:

El esquema es una aproximación a algo más concreto que el esquema del artículo indicado. Desde luego, cuando se trata de implantar un sistema corporativo de información, las cosas no son así de fáciles. Para el objetivo de este post es suficiente, pero desde luego habrá que seguir profundizando.

Los datos obtenidos por el EIS pueden provenir de fuentes ya estructuradas, pero también obtenidos por procesos de crawling, capturando agregadores RSS o parecido. Se trata de recoger información sobre todos los factores susceptibles de alterar la adaptación al entorno. Son documentos valorados por su contenido.

Los datos recopilados por el EIS se almacenan en el repositorio de documentos y archivos (knowledge space). Para facilitar la recuperación posterior interesa poder aplicar herramientas documentales como tesauros o taxonomías.

De forma complementaria, el repositorio de datos almacena información sistemática, principalmente datos tabulares. Se trata de una fuente que requiere un tratamiento previo antes de generar información.

Teniendo en cuenta el esquema datos-información-conocimiento, puede parecer que el repositorio de datos está un paso por debajo del repositorio de documentos, pero es importante, porque es una fuente de datos primarios, de la que se pueden derivar documentos primarios con un valor elevado, a cualquier nivel de la organización.

La mayoría de la información recopilada por el CRM se almacena en el data warehouse, ya que se trata de análisis de satisfacción, compra de productos, etc. Toda esta información tiene un formato estructurado y por ello almacenable en un repositorio de datos.

Siempre hay información de carácter cualitativo que debe ser almacenada en forma de documentos, ya sean en forma de artículos, transcripciones de focus groups o informes sobre reclamaciones y quejas.
Quizá lo menos definitivo sea la forma como se conecta el knowledge space, el data warehouse y el sharing network con las funciones de soporte y de negocio. En general todos los datos se utilizan a nivel de las funciones de soporte.

Este esquema sigue estando anclado en un esquema organizativo poco orientado al trabajo colaborativo y en red. Y probablemente ese nuevo modelo de trabajo y organización puede aportar mucho al modelo tradicional.

El cambio del modelo organizativo

Tratando de mantener al máximo los ítems del esquema anterior, he tratado de aproximar lo que podría ser la evolución hacia lo que podría llamarse (perdón por la pomposidad) la empresa 2.0.

No se trata de un esquema completo, sino más bien centrado en el papel de la gestión de la información y el conocimiento en la organización:

El esquema deja bastante claro lo que bajo mi punto de vista ha primado: el intercambio y la colaboración. Los contenidos forman parte imprescindible del conjunto, pero el potencial de la colaboración en la empresa es mucho más alto. Incluso el CRM debe compartir protagonismo en la relación con el cliente.

La información siempre sufre del mal de obsolescencia, mientras que el intercambio tiene un factor inherente de actualidad. Situar en el centro de la organización el proceso de intercambio permite crear un ecosistema donde compartir equivale a reducir tiempo (filtrar la información externa, por ejemplo). Pero además permitiría detectar la información que se está quedando obsoleta o la que tiene un peso central.

Conclusiones

En todo este esquema sólo añadiría un concepto: la cadena de aprovisionamiento o supply chain. El Supply Chain Management fue uno de esos términos que tanto sonaron en la primera burbuja. Al margen de esa euforia, es un término que llegó para quedarse: sólo hay que ver el papel tan importante que juega la logística en la actualidad. Probablemente las empresas centradas en la información puedan extraer ideas de todo lo que supone la logística.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Con Google y su Adwords (y luego doubleclick) como líder en el sector, y Yahoo! (habría que decir ya Microsoft?) rezagado; con Facebook y su proyecto Beacon, el papel de la publicidad no parece ser el de un actor secundario.

Los conceptos básicos

No me puedo reconocer como un experto en el tema. Por suerte hay bastantes documentos disponibles, por ejemplo la Internet Advertising Bureau, donde se puede encontrar referencias para temas básicos como los conceptos elementales, hasta las ténicas de mejora del rendimiento de publicidad en medios móviles, vídeos, etc.

Los conceptos básicos de la publicidad en Internet parten de lo que ya existe, aunque al ser un canal diferente y tener medios diferentes ha sido necesario adaptarlo a un entorno interactivo, para pasar de la difusión a la conversación.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Limitaré mi perspectiva al munto de la Red, y especialmente a la tecnología web. La selección tiene un claro hilo conductor y estoy convencido que sufre el sesgo de mi percepción, por eso cada cual puede hacer su lista.

En realidad me interesa especialmente todo lo que está por venir en lo referente a modelos de negocio e ingresos por servicios. El 2008 se prepara como el año en el que se empiece a vislumbrar lo que dará ingresos, y lo que no. Tanto proyecto nuevo y tanta dispersión no tiene sentido. Si Internet es una aldea, está saturada de actividad comercial, y aunque el tiempo de atención de los internautas haya aumentado, no creo que haya muchos que se pasen el día mirando las novedades.

Bajo esa visión, los puntos clave que yo percibo son: Identidad, Redes Sociales, Microformatos y Publicidad. He optado por esta selección teniendo en cuenta no sólo la cantidad de información vertida sobre estos temas, sino lo esencial que tienen éstos para modelos de negocio derivados.

Comentaré los cuatro temas en cuatro posts separados, así la lectura se hará más llevadera...

Identidad

Cuando todas las partes están interesadas en contactar abiertamente, más vale ponerle cara a la gente. Internet seguirá siendo un espacio de fantaseo y creación de identidades irreales, pero a esto se deberá añadir su consolidación como canal de difusión de la identidad personal y profesional.

En los últimos años han surgido varias tecnologías y estándares relacionados con la identidad del individuo en la red. Y quizá sea importante diferenciar entre dos áreas de creación de identidad en la red: la parte de la identidad que se forja para el individuo mismo, y la que se crea para el exterior.

Identidad personal "para mí"

Para la primera parte, la clave es que el usuario pueda crear una identidad disponiendo de una especie de campo base: un espacio localizado en la red (un nodo) que le permita unificar toda la actividad que desarrolla en la red. Se trata de un espacio en el que se puede centralizar esa gestión de la identidad digital.

Esta gestión se traduce generalmente en la gestión de los siguientes recursos:

• la creación de un currículum o presentación personal,
  
• la producción de contenidos propios,
  
• Herramientas de gestión de la información personal (tareas, documentos personales, calendario, anotaciones, etc.)
  
• selección y agregación de información procedente de fuentes externas, y
  
• Acceso a los medios de comunicación necesarios para contactar con aquellos que nos interese, formen parte o no de nuestra red social.

Independientemente del entorno en el que se gestione esta identidad (no sólo estoy pensando en el software de redes sociales), el tipo de información varía poco. Lo que sí varía es el uso que se hace: es manifiesto que hay diferencias notables de objetivos entre la gestión para usos profesionales o para ocio.

Unificar en un solo entorno nuestras gestiones e informaciones supone un aumento de potencial en cualquier sentido. Pero en cualquier caso permite que personas ajenas nos identifiquen (hasta cierto punto) con ese espacio.

Identidad persona "para los otros"

A partir de ese punto, el aspecto clave es garantizar a los demás que yo soy quien digo que soy. En este punto entramos en el mundo de la certificación, la firma electrónica o mecanismos de autenticación. Y entre ellos destaco a OpenId.

OpenId es un sistema distribuido para la gestión de la identidad digital para los otros. El objetivo principal es poder identificarse en varios portales y sitios distintos sin tener que crear continuamente nuevos usuarios con sus consabidas contraseñas y todo lo demás.

Creo que la creación de una identidad en un solo sitio que se difunda en caso de necesidad es una herramienta muy potente si queremos disponer de un entorno personal de gestión de la identidad. OpenId proporciona un punto de acceso a la identidad personal, mientras que el sistema en el que trabaje la persona deberá poder incorporar sistemas de entrada de información.

Lo anterior incluye utilizar APIs de servicios en los que el usuario se ha registrado con OpenId. Por otro lado, aparte de los contenidos que el usuario ha generado en servicios externos, también están otro tipo de registros de actividad de éste usuario en la red: por ejemplo, aportaciones en foros o comentarios en blogs, que son informaciones dispersas. ¿No estaría bien poder mostrar estos datos en nuestro sitio?

La síntesis: evolución hacia la red social

En la síntesis de los dos movimientos (para mí y para los demás) se puede localizar el concepto de red social. Y de ese concepto nace el software de redes sociales, que presenta una tendencia de crecimiento notable para el 2008.

Como apunte final, sólo comentar un aspecto ligado a la identidad: el uso de la información sobre la actividad del usuario empieza a introducir cuestiones relativas a privacidad. Alegorizando un poco, los espacios como el software de redes sociales han pasado de alquilarnos una habitación donde invitar a los contactos, a ofrecernos una mesa en pleno espacio público, con un micrófono en el florero de la mesita, y con vendedores ambulantes alrededor. La combinación de datos usuarios y redes promete dar para mucho.

Este contenido ha sido publicado en sopa de bits. Sopa de bits es el blog de Mario Alberich

Redes sociales

Siempre han estado ahí, pero nunca como ahora habían tenido tanto protagonismo. Forman parte de la identidad de los individuos y en cierto modo interactúan con esa identidad. Lo que el PageRank trató de identificar en los contenidos, las plataformas redes sociales tratan de deducirlo de sus miembros.

Se puede entender a la red social como algo ajeno a Internet. Mi red social existe, esté o no en mi cuenta de Gmail, Facebook o cualquier otra plataforma.

La combinación red-plataforma es algo clave