e
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2846.
DOI: https://doi.org/10.56712/latam.v5i4.2458
Análisis bibliométrico de la producción científica de la Deep
Web en Ciencias Computacionales
Bibliometric analysis of the scientific production of the Deep Web in
Computer Science
Angel Junior Chacaliaza Talla
achacaliaza@undc.edu.pe
https://orcid.org/0000-0001-8491-5547
Universidad Nacional de Cañete
Lima – Perú
Diana Cristina Tello Huapaya
1970260517@undc.edu.pe
https://orcid.org/0000-0001-6411-6959
Universidad Nacional de Cañete
Lima – Perú
Valeria Elizabeth Arias Pérez
1971433308@undc.edu.pe
https://orcid.org/0000-0001-7152-4934
Universidad Nacional de Cañete
Lima – Perú
Artículo recibido: 18 de julio de 2024. Aceptado para publicación: 01 de agosto de 2024.
Conflictos de Interés: Ninguno que declarar.
Resumen
El internet está dividido en dos: el espacio virtual, mundo donde nos movemos día a día en la
navegación, y el espacio profundo, lugar anonimato que conforma cerca del 96% de todo el internet.
La Deep Web ha sido anunciada por muchos como el último bastión de la privacidad en Internet en
una era cada vez más intrusiva. Hay muchos estudios sobre las características y aspectos generales
de la Deep web, pero ninguno involucró un análisis bibliométrico en el campo de la Ciencias
Computacionales. Este trabajó investigó diversas publicaciones en la tecnología de la Deep Web, los
datos fueron recopilados desde Scopus y analizados en el software de RStudio. Los resultados
muestran a 907 artículos comprendidos entre el perodo de 2088 y 2022. Además, se detalla con
claridad que los países con gran cantidad de producción de artículos son: China (37.82%), Estados
Unidos (17.42%), India (8.82%) y España (5.07%). Asimismo, se puede observar cómo la productividad
anual se ha ido incrementando año tras año teniendo el 2013 la mayor cantidad. Se concluye que, a
través de este trabajo de investigación bibliométrica, se descubre el punto crítico de investigación
sobre la Deep Web en el campo de Ciencias Computacionales y puede apuntar a futuras
investigaciones en el campo. Se espera que más investigadores centren su trabajo en el estudio de la
Deep Web, y que esta información se utilice en la creación de un repositorio exclusivo para este tipo
de campos poco conocidos en la actualidad.
Palabras clave: deep web, internet profundo, análisis bibliométrico, ciencias computacionales
Abstract
The Internet is divided in two: the virtual space, the world where we move from day to day in browsing,
e
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2847.
and the deep space, the anonymous place that makes up about 96% of the entire Internet. The Deep
Web has been heralded by many as the last bastion of privacy on the Internet in an increasingly
intrusive era. There are many studies on the characteristics and general aspects of the Deep Web, but
none involved a bibliometric analysis in the field of Computer Science. This work investigated several
publications on Deep Web technology, the data were collected from Scopus and analyzed in RStudio
software. The results show 907 articles between 2088 and 2022. In addition, it is clearly detailed that
the countries with a large amount of article production are: China (37.82%), the United States (17.42%),
India (8.82%) and Spain (5.07%). Likewise, it can be observed how the annual productivity has been
increasing year after year, with 2013 having the highest amount. It is concluded that, through this
bibliometric research work, the critical point of research on the Deep Web in the field of Computer
Science is discovered and may point to future research in the field. It is hoped that more researchers
will focus their work on the study of the Deep Web, and that this information will be used in the creation
of an exclusive repository for this type of currently little known fields.
Keywords: deep web, deep internet, bibliometric analysis, computer Science
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicados en este sitio está disponibles bajo Licencia Creative Commons .
Cómo citar: Chacaliaza Talla, A. J., Tello Huapaya, D. C., & Arias Pérez, V. E. (2024). Análisis
bibliométrico de la producción científica de la Deep Web en Ciencias Computacionales. LATAM
Revista Latinoamericana de Ciencias Sociales y Humanidades 5 (4), 2846 – 2865.
https://doi.org/10.56712/latam.v5i4.2458
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2848.
INTRODUCCIÓN
Con el nacimiento y evolución del internet en la sociedad se da un origen que al comienzo fue criticado
en la historia de la red y sociedad en general, la evolución del internet tuvo grandes impactos dentro de
la sociedad, cabe mencionar que “no solo existe una versión del internet, ya que además se pueden
encontrar la Surface Web, Deep Web y Dark Web” (Lobo, 2018), (Monroy, 2020). La Deep Web
representa un aproximado del 95% de la internet que existe en todo el mundo, la idea que se observa
dentro de ella es fomentar el consumo de productos ilícitos, negocios ideales y así como contratar el
asesinato a una persona, etc. (Monroy, 2020). La característica principal que posee la Deep Web es el
anonimato (Villada & Jiménez, 2017) puesto que se puede navegar por esta web cambiando de IP cada
segundo sin logro a localizar el lugar exacto desde donde se navega, ellos el posible con el uso del
navegador TOR que tiene como finalidad proteger las comunicaciones de una red repitiéndola en varios
servidores al mismo tiempo por todo el mundo, evita que alguien observe los sitios a los cuál se visita
y logren localizar la ubicación física. (Courset, Favennec & Hamou, 2017). En la actualidad los pagos
que se aceptan en la Deep Web comprenden las criptomonedas, principal medio de pago para los
artículos ilegales de la Deep Web, esto se hace principalmente por el anonimato y no dejar huellas.
(Monroy, 2020). En la Deep Web se pueden encontrar cosas impactantes tales como drogas, dinero
falso, documentación falsa, armas de fuego, órganos humanos, asesinatos en vivo, diferentes tipos de
pornografía, entre otros (Pérez, 2018).
A nivel mundial, el campo de las investigaciones a la Deep Web ha ido creciendo considerablemente
en los últimos años, como es así en las diversas instituciones y base de datos científicas, y en
diferentes idiomas. Es por ello que China se centra en los primeros puestos en realizar investigaciones
referidas a la Deep Web en ciencias computacionales, contribuyendo así a realizar diversos estudios
de investigación (Toro, 2018).
En Latinoamérica se han comenzado a realizar investigaciones referidas al campo de la Deep Web en
ciencias computacionales. Sin embargo, los aportes siguen siendo escasos en las universidades, y
aislados por partes de los investigadores, no existe un fin que promueva el intercambio de ideas en
estos temas, donde se muestra que solo Estados Unidos con 158 artículos científicos lleva el primer
puesto mientras que otros países de Latinoamérica solo cuentan con menos de 5, no existe una región
que promueva este tipo de investigaciones (Toro, 2018).
En base a lo mencionado anteriormente, el objetivo principal de la investigación es realizar un análisis
bibliométrico de los estudios relacionados a la Deep Web en Ciencias Computacionales, publicados
por diferentes autores de diversas IES, pertenecientes a países del nivel mundial, haciendo énfasis en
búsquedas en la base de datos Scopus, en el periodo del 2008 hasta noviembre de 2022. Con el fin de
conocer y dar nuevos aportes y conocimiento en el tema a nivel mundial, se ha planteado la siguiente
pregunta: ¿Cuál es el estado actual de la investigación de la Deep Web en Ciencias Computacionales a
nivel mundial?
METODOLOGÍA
Para el desarrollo del trabajo se han realizado una sería de pasos que se detallan a continuación:
Alcance de la investigación
Se seleccionaron dos áreas: 1) el contexto, que consiste en filtrar artículos científicos relacionados con
la Deep Web y 2) en el campo de Ciencias Computacionales, que incluye publicaciones de autores
relacionados con la IES. A continuación, se construyeron las cadenas con palabras clave, separadas
por años de publicación; con el fin de tener un mayor alcance en la búsqueda de información en la base
de datos Scopus. La Tabla 1 muestra el alcance de la investigación.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2849.
Tabla 1
Alcance de la investigación
Alcance Cadena
Contexto
Ciencias
Computacionales
ALL (“Deep web”) AND ( LIMIT-TO ( DOCTYPE , "ar" ) ) AND ( LIMIT-TO
( PUBYEAR , 2022 ) OR LIMIT-TO ( PUBYEAR , 2021 ) OR LIMIT-TO (
PUBYEAR , 2020 ) OR LIMIT-TO ( PUBYEAR , 2019 ) OR LIMIT-TO (
PUBYEAR , 2018 ) OR LIMIT-TO ( PUBYEAR , 2017 ) OR LIMIT-TO (
PUBYEAR , 2016 ) OR LIMIT-TO ( PUBYEAR , 2015 ) OR LIMIT-TO (
PUBYEAR , 2014 ) OR LIMIT-TO ( PUBYEAR , 2013 ) OR LIMIT-TO (
PUBYEAR , 2012 ) OR LIMIT-TO ( PUBYEAR , 2011 ) OR LIMIT-TO (
PUBYEAR , 2010 ) OR LIMIT-TO ( PUBYEAR , 2009 ) OR LIMIT-TO (
PUBYEAR , 2008 ) ) AND ( LIMIT-TO ( SUBJAREA , "COMP" ) )
Definición de las preguntas de investigación
Las preguntas de investigación se derivan según el contexto y los países globales, como se muestra
en la Tabla 1. La siguiente Tabla 2 define 8 preguntas de investigación que nos permiten definir el
estado actual de los trabajos relacionados con la Deep Web en ciencias computacionales.
Tabla 2
Preguntas de investigación sobre Deep Web en Ciencias Computacionales
Preguntas de investigación
P1. ¿Cuántos artículos hay sobre Deep Web en Ciencias Computacionales a nivel mundial?
P2. ¿Cuáles son las fuentes más relevantes sobre Deep Web en Ciencias Computacionales a nivel
mundial?
P3. ¿En qué idiomas se publican los artículos sobre Deep Web en Ciencias Computacionales a
nivel mundial?
P4. ¿A qué países mundiales pertenecen las publicaciones sobre Deep Web en Ciencias
Computacionales?
P5. ¿Qué IES a nivel mundial tienen mayor número de publicaciones sobre Deep Web en Ciencias
Computacionales?
P6. ¿Cuál es la Producción Científica Anual sobre Deep Web en Ciencias Computacionales?
P7. ¿Cuáles son los artículos más referenciados acerca de la Deep Web en Ciencias
Computacionales a nivel mundial?
P8. ¿Qué autores son más relevantes en el campo de investigación sobre Deep web en las
Ciencias Computacionales? ?
Selección de la base de datos
La selección debe proporcionar la documentación más completa posible para lograr responder a las
preguntas formuladas en la Tabla 2. Por tanto, en esta investigación se seleccionó la siguiente base de
datos:
Scopus: esta fuente de datos fue elegida por las siguientes razones (Semaan, 2018), (Faruk, Rahman,
& Hasan, 2021), (Martín-Martín, Thelwall, Orduna-Malea, & Delgado López-Cózar, 2021):
Es la mayor base de datos de investigación de diversos ámbitos, y de alto impacto.
Cuenta con herramientas inteligentes que permiten controlar, analizar y visualizar la investigación
académica.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2850.
Da todos los metadatos que proporcionan los editores: «autor (es), afiliación (es), título del documento,
etc.
Permite limitar los resultados, a través de búsquedas avanzadas (operadores booleanos).
Para extraer los resultados de todos los aportes de la Deep Web, en el ámbito de Ciencias
Computacionales, se construyó una cadena de búsqueda que se detalla al final de este párrafo.
En las cadenas de búsqueda se utilizaron las palabras claves en español [Deep Web], y en el ámbito de
Ciencias Computacionales; considerando únicamente las publicaciones comprendidas entre el año
2008 hasta el presente año 2022. A continuación, se presenta el criterio de búsqueda elaborado para
la consulta en la anteriormente seleccionada base de datos:
Scopus: ALL ( "Deep web" ) AND ( LIMIT-TO ( DOCTYPE , "ar" ) ) AND ( LIMIT-TO ( PUBYEAR , 2022 )
OR LIMIT-TO ( PUBYEAR , 2021 ) OR LIMIT-TO ( PUBYEAR , 2020 ) OR LIMIT-TO ( PUBYEAR , 2019
) OR LIMIT-TO ( PUBYEAR , 2018 ) OR LIMIT-TO ( PUBYEAR , 2017 ) OR LIMIT-TO ( PUBYEAR , 2016
) OR LIMIT-TO ( PUBYEAR , 2015 ) OR LIMIT-TO ( PUBYEAR , 2014 ) OR LIMIT-TO ( PUBYEAR , 2013
) OR LIMIT-TO ( PUBYEAR , 2012 ) OR LIMIT-TO ( PUBYEAR , 2011 ) OR LIMIT-TO ( PUBYEAR , 2010
) OR LIMIT-TO ( PUBYEAR , 2009 ) OR LIMIT-TO ( PUBYEAR , 2008 ) ) AND ( LIMIT-TO ( SUBJAREA,
"COMP" ) )
Definición de los criterios de inclusión y exclusión
“La identificación de los criterios es de vital importancia para lograr la aplicabilidad de los resultados
de la investigación. Cada uno de los criterios debe de estar definido para que ayuden a identificar los
trabajos que cumplen con el objetivo de la investigación” (Manzano & García, 2016).
Criterios de Inclusión
Permiten filtrar únicamente las referencias de interés que forman parte de los resultados válidos de la
investigación (Medina, Marín, & Alfalla, 2010). En este caso, los criterios de selección de los artículos
son:
I1: Artículos que analicen el ámbito de la Deep Web
I2: Artículos que sean resultados de investigaciones sobre aprendizaje.
Criterios de Exclusión
Son las características que no deben tener los documentos, lo que significa que no formarán parte de
los artículos seleccionados (Medina, Marín, & Alfalla, 2010). Los criterios de exclusión utilizados para
descartar los artículos son:
E1: Artículos que no se encuentren en el ámbito de investigación de Ciencias Computacionales.
E2: Artículos que hayan sido publicados fuera del rango de años de 2008 - 2022.
Extracción de los datos
En la etapa 1, se aplicó la cadena de búsquedas a la Deep Web, donde en una primera instancia se
obtuvieron una recopilación de un total de 3884 documentos relacionados al tema anterior (ver figura
1). En la etapa 2, se aplicaron criterios en las cuáles se establecieron que sean de tipo de documento
sea solo artículo el cuál se obtuvo una recopilación de 1539 documentos de tipo artículo. En la etapa
3 se filtraron por año comprendidos entre 2008 y 2022 para lo cual se redujo en un 1362 artículos
comprendido en aquel rango. En la etapa final se seleccionó que sea del área de ciencias
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2851.
computacionales. Una vez finalizado el proceso de la etapa de selección, se descartaron un total de
2997 artículos y nuestra muestra se redujo a 907 artículos seleccionados.
Figura 1
Diagrama de selección de art
RESULTADOS Y DISCUSIÓN
Análisis cuantitativo
Respuestas a las preguntas de investigación: Una vez que se dispuso de la lista definitiva de artículos,
se seleccionaron los siguientes indicadores: Autor, título, año, tipo de documento, institución, número
de citas, país. A continuación se utilizó la herramienta RStudio (library(bibliometrix) - biblioshiny()). Con
el fin de poder contestar las preguntas de investigación planteadas en la Tabla 2.
Análisis general
P1. ¿Cuántos artículos hay sobre Deep Web en Ciencias Computacionales a nivel mundial? En esta
investigación se han utilizado 907 artículos de investigación, como se mencionó anteriormente,
después de haberle aplicado los filtros necesarios para quedarnos con los artículos más
representativos para esta investigación.
Fuentes de análisis
P2. ¿Cuáles son las fuentes más relevantes sobre Deep Web en Ciencias Computacionales a nivel
mundial? A continuación en la tabla 3 podemos ver un listado de los repositorios o fuentes con mayor
artículos referentes al tema de la Deep Web; teniendo a JOURNAL OF COMPUTATIONAL INFORMATION
SYSTEMS(39) y PROCEEDINGS OF THE ENDOWMENT(33) las fuente con más cantidad de artículos
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2852.
disponibles, seguidos de IEE ACCESS(20), IEEE TRANSACTIONS ON KNOWLEDGE AND DATA
ENGINEERING (18), RUAN JIAN XUE BAQ/JOURNAL OF SOFTWARE (18), JOURNAL OF INFORMATION
AND COMPUTATIONAL SCIENCE (17), ACM TRANSACTIONS ON THE WEB (13), INTERNATIONAL
JOURNAL OF ADVANCEMENTS IN COMPUTING TECHNOLOGY (13), KNOWLEDGE-BASED
SYSTEMS(13) y LECTURE NOTES IN COMPUTER SCIENCE(13).
Tabla 3
Fuentes más relevantes sobre la Deep Web
Fuente Número de
publicaciones
JOURNAL OF COMPUTATIONAL INFORMATION SYSTEMS 39
PROCEEDINGS OF THE VLDB ENDOWMENT 33
IEE ACCESS 20
IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING 18
RUAN JIAN XUE BAQ/JOURNAL OF SOFTWARE 18
JOURNAL OF INFORMATION AND COMPUTATIONAL SCIENCE 17
ACM TRANSACTIONS ON THE WEB 13
INTERNATIONAL JOURNAL OF ADVANCEMENTS IN COMPUTING
TECHNOLOGY
13
KNOWLEDGE-BASED SYSTEMS 13
LECTURE NOTES IN COMPUTER SCIENCE (INCLUDING SUBSERIES
LECTURE NOTES IN ARTIFICIAL
13
Análisis de idiomas y países
P3. ¿En qué idiomas se publican los artículos sobre Deep Web en Ciencias Computacionales a nivel
mundial? El idioma de la disponibilidad de las publicaciones científicas, se constató que, de los 907
artículos analizados, se encontraron 3 idiomas, destacando el idioma inglés con un total de 839
(92,20%) en la mayoría de las publicaciones. en chino. Hubo 56 (6,15%) publicaciones y sólo 5 (0,55%)
en portugués. Se cree que esto se debe a que el idioma inglés es el más utilizado por los investigadores
para conseguir una mayor difusión y aceptación de sus trabajos, lo que a su vez supone una mayor
posibilidad de publicación en las revistas más prestigiosas.
Tabla 4
Top 10 de países con más publicaciones sobre la Deep Web
Países Números de publicaciones
China 343
Estados Unidos 158
India 80
España 46
Reino Unido 41
Alemania 33
Italia 29
Australia 28
Canadá 27
Malasia 24
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2853.
Análisis de universidades
P5. ¿Qué IES a nivel mundial tienen mayor número de publicaciones sobre Deep Web en Ciencias
Computacionales? En términos de productividad institucional, de las 793 instituciones, la Tabla 5
enumera 15 instituciones con un mayor número de contribuciones a la web profunda en campos de las
ciencias de la computación. Mientras que la Universidad Del Noroeste (UNE) de la Ciudad de México
aparece en primer lugar con un total de 65 artículos publicados, la Universidad de Jilin (UJ) de China le
sigue con 61 artículos, seguida en el mismo orden por la Universidad de Soochow con 58 artículos, con
57 artículos la institución Database Centre for Life Sciences (DBCLS), seguida por la Universidad de
Wuhan (WHU) con 50 artículos, también las siguientes instituciones, y finalmente con 18 artículos la
Universidad de Oxford en Inglaterra.
Tabla 5
Universidades con mayor productividad
Países Universidades Números de publicaciones
México Universidad Del Noroeste (UNE) 65
China Universidad De Jilin (UJ) 61
China Universidad De Soochow 58
Japón Centro De Base De Datos Para Ciencias De La Vida
(DBCLS)
57
China Universidad De Wuhan (WHU) 50
China Universidad De Shandong 45
China Instituto De Tecnología De Harbin (HIT) 33
China Universidad Renmin De China 31
Inglaterra Universidad De Manchester 27
China Universidad De Chongqing 23
China Universidad De Yanshan (YSU) 23
Reino Unido Escuela De Informática Y Tecnología 22
Estados Unidos Universidad De Illinois En Chicago 21
China Universidad De Finanzas Y Economía De Jiangxi
(JUFE)
18
Inglaterra Universidad De Oxford 18
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2854.
Figura 2
Producción de Artículos por país (color azul: país o región con publicaciones, color gris: país o región sin
publicaciones, la intensidad del color: el número de publicaciones)
Análisis de publicación anual
P6. ¿Cuál es la Producción Científica Anual sobre Deep Web en Ciencias Computacionales? La tabla 6,
muestra la productividad anual de artículos entre los años 2008 hasta 2022 se ve un crecimiento de
producción, en el año 2008 se publicaron un total de 43 (4.7%) artículos, el año 2009 se vio un
decrecimiento en el cual solo se publicaron 36 (4.2) artículos, en el 2010 se observa un crecimiento en
el cual se publicaron artículos con un total de 71 (7.8%), en el 2011 y 2012 se publicaron artículos con
un total de 67 (7.4%) y 62 (6.8%) artículos respectivamente, en el 2013 se publicaron la mayor cantidad
de artículos con un total de 76 (8.4%) teniendo así un mayor porcentaje entre todos los años, en el año
2014, 2015, 2016, 2017, 2018 se vio reflejado un promedio de 58 (6.5%) artículos publicados en los
años mencionados; y en los años 2019, 2020, 2021 y 2022 se observaron un promedio de 64 (7%)
artículos publicados en los 4 años.
Tabla 6
Productividad anual de artículos
Año Número de publicaciones
2008 43
2009 38
2010 71
2011 67
2012 62
2013 76
2014 58
2015 54
2016 63
2017 60
2018 58
2019 60
2020 68
2021 66
2022 63
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2855.
Para una mejor visualización de los datos (ver gráfico 1). En la figura se observa que existe un descenso
en el año 2009, donde la curva muestra que en ese año solo se publicaron 38 artículos, mientras que
en el año 2013 se observa un pico alto donde hubo un crecimiento significativo en donde se publicaron
76 artículos, teniendo como el mejor año en la cual se publicaron artículos mientras que en los años
siguientes se observa curvas manteniéndose los artículos en promedio de 60 a 70 artículos publicados
en los años siguientes.
Gráfico 1
Crecimiento de producción anual
Análisis de citas
P7. ¿Cuáles son los artículos más referenciados acerca de la Deep Web en Ciencias Computacionales
a nivel mundial? En la Tabla 7, se presentan los resultados de documentos más citados a nivel mundial
sobre la Deep Web en Ciencias Computacionales, en lo cual se muestran CAFARELLA, 2008,
PROCEEDINGS OF THE VLDB ENDOWMENT lidera con 459 citaciones en total (30.60 por año), ZHAO,
2012, PROCEEDINGS OF THE VLDB ENDOWMENT con 260 citaciones en total (23.60 por año),
MADHAVAN, 2008, PROCEEDINGS OF THE VLDB ENDOWMENT con 257 citaciones en total (17.13 por
año), siendo estos artículos los más referenciados en investigaciones, se puede decir que es un buen
indicador para demostrar que los investigadores están produciendo gran cantidad de trabajos sobre la
Deep Web o relacionados con ello, sin embargo, sería más óptimo que las citas sean sobre documentos
más recientes. Para tener una visión general, en la gráfico 2, se grafica las tasas de crecimiento de
producción científica por año de cada autor descrito en la Tabla 7.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2856.
Gráfico 2
Artículos más citados a nivel mundial
Análisis de autores
P8. ¿Qué autores son más relevantes en el campo de investigación sobre Deep web en las Ciencias
Computacionales? El gráfico 3, representa los autores más relevantes en el campo de investigación
sobre la Deep Web en Ciencias Computacionales en los últimos 15 años, en primer lugar, Wang X. (20
artículos), Li Q. y Wang H. (19 artículos), los 3 autores son de nacionalidad China.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2857.
Gráfico 3
La producción de los 10 autores más relevantes en el campo de investigación sobre Deep web en las
Ciencias Computacionales
Tabla 7
Top 25 de los artículos más citados a nivel mundial
Artículo DOI Total de
citaciones
TC
por
año
Normalized
TC
CAFARELLA, 2008,
PROCEEDINGS OF THE VLDB
ENDOWMENT
10.14778/1453856.1453916 459 30.60 17.51
ZHAO, 2012, PROCEEDINGS
OF THE VLDB ENDOWMENT
10.14778/2168651.2168656 260 23.64 12.55
MADHAVAN, 2008,
PROCEEDINGS OF THE VLDB
ENDOWMENT
10.14778/1454159.1454163 257 17.13 9.81
OLSTON, 2010,
FOUNDATIONS AND TRENDS
IN INFORMATION RETRIEVAL
10.1561/1500000017 239 18.38 14.87
FERRARA, 2014,
KNOWLEDGE-BASED
SYSTEMS
10.1016/j.knosys.2014.07.007 217 24.11 13.36
BERNSTEIN, 2011,
PROCEEDINGS OF THE VLDB
ENDOWMENT
- 213 17.75 12.14
MESBAH, 2012, ACM
TRANSACTIONS ON THE
WEB
10.1145/2109205.2109208 206 18.73 9.95
CHEN, 2013, FRONTIERS OF
COMPUTER SCIENCE
10.1007/s11704-013-3903-7 197 19.70 11.03
LIU, 2010, IEEE
TRANSACTIONS ON
KNOWLEDGE AND DATA
ENGINEERING
10.1109/TKDE.2009.109 193 14.85 12.01
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2858.
LI, 2012, PROCEEDINGS OF
THE VLDB ENDOWMENT
10.14778/2535568.2448943 186 16.91 8.98
HOGAN, 2011, JOURNAL OF
WEB SEMANTICS
10.1016/j.websem.2011.06.004 166 13.83 9.46
CAFARELLA, 2009,
PROCEEDINGS OF THE VLDB
ENDOWMENT
10.14778/1687627.1687750 159 11.36 9.38
WANG, 2013, JISUANJI
XUEBAO/CHINESE JOURNAL
OF COMPUTERS
10.3724/SP.J.1016.2013.01125 134 13.40 7.50
FENG, 2014, JISUANJI
XUEBAO/CHINESE JOURNAL
OF COMPUTERS
10.3724/SP.J.1016.2014.00246 125 13.89 7.70
DONG, 2012, PROCEEDINGS
OF THE VLDB ENDOWMENT
10.14778/2535568.2448938 123 11.18 5.94
HÖFFNER, 2017, SEMANTIC
WEB
10.3233/SW-160247 116 19.33 11.07
CHEN, 2019, JOURNAL OF
AMBIENT INTELLIGENCE
AND HUMANIZED
COMPUTING
10.1007/s12652-018-01171-4 112 28.00 11.75
YE, 2013, PATTERN
RECOGNITION
10.1016/j.patcog.2012.09.005 112 11.20 6.27
NENTWIG, 2017, SEMANTIC
WEB
10.3233/SW-150210 111 18.50 10.59
SHOKOUHI, 2011,
FOUNDATIONS AND TRENDS
IN INFORMATION RETRIEVAL
10.1561/1500000010 110 9.17 6.27
PARAMESWARAN, 2011,
PROCEEDINGS OF THE VLDB
ENDOWMENT
10.14778/1952376.1952377 106 8.83 6.04
KAYED, 2010, IEEE
TRANSACTIONS ON
KNOWLEDGE AND DATA
ENGINEERING
10.1109/TKDE.2009.82 103 7.92 6.41
DALVI, 2011, PROCEEDINGS
OF THE VLDB ENDOWMENT
10.14778/1938545.1938547 102 8.50 5.81
LEE, 2012, KNOWLEDGE-
BASED SYSTEMS
10.1016/j.knosys.2011.11.016 98 8.91 4.73
SEQUEDA, 2013, JOURNAL
OF WEB SEMANTICS
10.1016/j.websem.2013.08.002 86 8.60 4.81
Análisis de palabras clave
La tabla 8 muestra las palabras clave de autor más frecuentes y su frecuencia de aparición en los
artículos relacionados con la Deep Web en Ciencias Computacionales. Las tres palabras clave más
fuertes, "deep web", " ontology" y "semantic web" representan el alcance de la investigación, e indican
el punto crítico de investigación y la frontera de estudio sobre la web profunda. Una nube de palabras
puede ilustrar visualmente la situación de las palabras clave y resaltar las palabras clave con una alta
frecuencia de ocurrencia. Para captar las palabras clave más destacadas en el campo de la web
profunda de forma rápida e intuitiva, se generan nubes de palabras para las palabras clave extraídas
del autor. La figura 6 muestra la nube de palabras claves de los autores. El tamaño de fuente de una
palabra o frase representa su frecuencia de aparición. El gráfico 3 muestra la tendencia de variación
de las 10 palabras clave de los autores más frecuentes en el campo de la web profunda en Ciencias
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2859.
Computacionales. Las tendencias más representantes son "deep web" y "ontology" respectivamente,
creciendo rápidamente en los últimos 15 años. Esta tendencia no solo indica que cada vez hay más
publicaciones en el campo de estudio, sino que también señala el punto crítico de la investigación, de
la internet oculta y el estudio de sus partes.
Figura 3
Nube de palabras de las palabras clave de autor más frecuente en publicaciones sobre la Deep Web en
Ciencias Computacionales
Tabla 8
Las palabras claves de autores más frecuentes y su frecuencia de aparición en publicaciones sobre la
Deep Web en Ciencias Computacionales
Términos Frecuencia
deep web 118
ontology 41
semantic web 33
information retrieval 29
data integration 27
truth discovery 26
information extraction 23
web data extraction 22
big data 21
data mining 21
schema matching 21
machine learning 20
data extraction 18
dark web 17
clustering 15
data quality 15
hidden web 14
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2860.
web mining 14
search engine 13
semantic annotation 13
crawling 12
rdf 12
tor 12
classification 10
web crawler 10
Gráfico 3
La tendencia de variación (con Loess Smoothing) de las 10 palabras claves de autores más frecuentes
en publicaciones sobre la Deep Web en Ciencias Computacionales
Análisis Cualitativo
Las palabras clave más frecuentes se enumeran en la Tabla 8 y se dividen en categorías usando el
método de escalamiento multidimensional, a partir de ello se generó el mapa de estructura conceptual,
como se muestra en la Figura 4.
Las dimensiones del mapa representan la posición promedio de la publicación incluida en cada palabra
clave, y el punto medio del mapa representa el centro del campo de investigación de la Deep Web en
Ciencias Computacionales. Puede verse fácilmente en el mapa de estructura conceptual que las
publicaciones sobre la internet profunda se dividen por colores y cada uno representa una categoría.
El grupo naranja contiene la mayoría de las principales palabras clave, mientras que el grupo azul y
marrón contienen las palabras clave un poco menos relevantes. Las publicaciones de estos grupos
representan la línea de investigación sobre la Deep Web en el campo de las Ciencias Computacionales.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2861.
Figura 4
El mapa de estructura conceptual de las palabras claves de autores más frecuentes en publicaciones
sobre la Deep Web en Ciencias Computacionales
A continuación, se responde a la pregunta de investigación planteada en la introducción para alcanzar
el objetivo de esta investigación. Para ello, se determinan las características clave del análisis
bibliométrico realizado entre 2008 y octubre de 2022.
¿Cuál es el estado actual de investigaciones sobre la Deep Web en ciencias computacionales a nivel
mundial?
De acuerdo a la productividad de artículos sobre la Deep Web en Ciencias Computacionales a nivel
mundial, China lidera en primer lugar con el mayor número de publicaciones (343), esto se debe a ser
un país grande en investigación y tecnología siendo así que la Universidad De Jilin (UJ) destaca por
sus aportes en la investigación. Además, el artículo de Cafarella en el año 2008 fue el más citado
llegando así a un 459 total de citaciones. Posteriormente se unieron más países a contribuir en este
campo de la investigación siendo así Estado Unidos con 158 artículos publicados y la institución más
representativa Universidad De Illinois En Chicago con 21 artículos de los 158; India con 80, España 46,
Reino Unido 41, si bien es cierto es un número significativo de artículos en comparación con los demás
países.
A nivel mundial, las investigaciones referidas al campo de la Deep Web en Ciencias Computacionales
son significativas, ya que se trabaja con colaboraciones de diferentes países y esto es importante para
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2862.
mantener así la investigación como un pilar de la educación. Por otra parte, los países tales como
Argentina, Colombia, Perú, Venezuela, Ecuador, Brasil solo en el rango mencionado de los años 2008 y
2022 han ejercido sólo de 0 a 2 publicaciones, el país que más resalta es Chile con una cantidad de 4
artículos publicados, no están involucrados en el ámbito de la investigación. Por otro lado, se conocen
las universidades e instituciones que lideran en el campo de investigación de la Deep Web.
Esta bibliometría está limitada primero por el número total de artículos de la base de datos
seleccionada en este caso Scopus, contienen un gran volumen de artículos científicos y a pesar de
trabajar solo con una pequeña parte, el análisis bibliométrico se dificulta por la cantidad de
publicaciones seleccionadas (907 artículos). En segundo lugar, el rápido progreso en el campo de la
tecnología y ciberseguridad y temas relacionados con la Deep Web y las Ciencias Computacionales,
limita la oportunidad de realizar un análisis bibliométrico. En tercer lugar, enfatizamos que las
actividades de investigación en este campo no necesariamente reflejan la aplicación práctica o el
impacto de estos hallazgos de investigación. Los resultados de estos estudios sólo reflejan las
tendencias de investigación actuales en la academia, que es el propósito de esta bibliometría.
CONCLUSIÓN
En este estudio se realizó un análisis bibliométrico de los artículos publicados por los autores de las
distintas universidades de todo el mundo entre 2008 y 2022. Se encontraron un total de 907 artículos
a través de la base de datos Scopus. A nivel mundial, China, Estados Unidos, India y España son los
países más destacados en este campo de investigación. También en este estudio, se encontró que
Argentina, Colombia, Perú, Venezuela, Ecuador y Brasil han investigado poco o nada en esta área; por
lo tanto, es tarea de estos países enfocarse en la investigación y motivar a otros investigadores
universitarios a producir más documentos sobre la web profunda.
El análisis de palabras clave mostró que la web profunda es el foco de investigación en este campo en
los últimos años. En la etapa de análisis cualitativo se analizaron 40 publicaciones con no menos de
10 índices de citas anuales.
Se aplicó el método de taxonomía para clasificar estas publicaciones se tomaron en cuenta las
revisiones, algoritmos de segmentación y otras publicaciones relevantes. Este artículo es de gran
importancia para comprender cómo la Deep Web ha adquirido mayor relevancia en las nuevas
tendencias de las Ciencias Computacionales. Se espera que cada vez más investigadores trabajen en
analizar la relación de la Deep Web en las Ciencias de la Computación ya que aún es un término no
comprendido por muchos.
Como trabajo futuro, los nuevos artículos encontrados en la investigación, servirán para complementar
el presente trabajo de investigación y posteriormente esperamos que estas puedan migrar a un
repositorio netamente de temas referidos a la Deep Web.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2863.
REFERENCIAS
Bernstein, P. A., Madhavan, J., & Rahm, E. (2011). Generic schema matching, ten years later.
Proceedings of the VLDB Endowment, 4(11), 695-701.
Cafarella, M. J., Halevy, A., & Khoussainova, N. (2009). Data integration for the relational
web. Proceedings of the VLDB Endowment, 2(1), 1090-1101.
Cafarella, M. J., Halevy, A., Wang, D. Z., Wu, E., & Zhang, Y. (2008). Webtables: exploring the power of
tables on the web. Proceedings of the VLDB Endowment, 1(1), 538-549.
Camps D. Estudio bibliométrico general de colaboración y consumo de la información en artículos
originales de la revista Universitas Médica, período 2002 a 2006, Universitas Médica 2007; 48(4): 358-
365.
Camps D. Limitaciones de los indicadores bibliométricos en la evaluación de la actividad científica
biomédica, Colombia Médica 2008; 39(1): 74-79
Chen, J., Chen, Y., Du, X., Li, C., Lu, J., Zhao, S., & Zhou, X. (2013). Big data challenge: a data management
perspective. Frontiers of computer Science, 7(2), 157-164.
Chen, Y., Wang, J., Xia, R., Zhang, Q., Cao, Z., & Yang, K. (2019). RETRACTED ARTICLE: The visual object
tracking algorithm research based on adaptive combination kernel. Journal of Ambient Intelligence and
Humanized Computing, 10(12), 4855-4867.
Courset, F., Favennec, M., & Hamou, C. (2017). Un enfoque estratégico para la red Tor: Revista de
Inteligencia Estratégica de Amenazas. Recuperado en septiembre de 2019, de
https://blogs.harvard.edu/cybersecurity/tag/deep-web/
Dalvi, N., Kumar, R., & Soliman, M. (2011). Automatic wrappers for large scale web extraction. arXiv
preprint arXiv:1103.2406.
Díaz, D. E. S. (2022). Análisis bibliométrico básico de la evolución científica de la deep web: web of
science 2002-2021 (Doctoral dissertation, UNIVERSIDAD DE GRANADA).
Dong, X. L., Saha, B., & Srivastava, D. (2012). Less is more: Selecting sources wisely for
integration. Proceedings of the VLDB Endowment, 6(2), 37-48.
Faruk, M., Rahman, M., & Hasan, S. (2021). How digital marketing evolved over time: A bibliometric
analysis on scopus database. Heliyon, e08603.
Feng, D., Zhang, M., & Li, H. (2014). Big data security and privacy protection. Chinese Journal of
computers, 37(1), 246-258.
Ferrara, E., De Meo, P., Fiumara, G., & Baumgartner, R. (2014). Web data extraction, applications and
techniques: A survey. Knowledge-based systems, 70, 301-323.
Franco, J. A. R. (2021). Desmitificando a la deep web a través de un fugaz viaje por la dark web. Revista
Ingeniería, Matemáticas y Ciencias de la Información, 8(15), 13-32.
Höffner, K., Walter, S., Marx, E., Usbeck, R., Lehmann, J., & Ngonga Ngomo, A. C. (2017). Survey on
challenges of question answering in the semantic web. Semantic Web, 8(6), 895-920.
Hogan, A., Harth, A., Umbrich, J., Kinsella, S., Polleres, A., & Decker, S. (2011). Searching and browsing
linked data with swse: The semantic web search engine. Journal of web semantics, 9(4), 365-401.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2864.
Kayed, M., & Chang, C. H. (2010). FiVaTech: Page-level web data extraction from template pages. IEEE
transactions on knowledge and data engineering, 22(2), 249-263.
Lee, M. R., & Chen, T. T. (2012). Revealing research themes and trends in knowledge management:
From 1995 to 2010. Knowledge-Based Systems, 28, 47-58.
Li, Z., Xu, H., Guo, S., & Chen, K. (2012). Cloudvista: interactive and economical visual cluster analysis
for big data in the cloud. Proceedings of the VLDB Endowment, 5(12), 1886-1889.
Liu, J., Li, J., Liu, C., & Chen, Y. (2010). Discover dependencies from data—a review. IEEE Transactions
on Knowledge and Data Engineering, 24(2), 251-264.
Lobo, M. (2018). Un paseo por la Deep Web: Universitat Oberta de Catalunya. Recuperado en
septiembre de 2019, de
http://openaccess.uoc.edu/webapps/o2/bitstream/10609/72626/7/mloboromTFM0118memoria.pdf
Madhavan, J., Ko, D., Kot, Ł., Ganapathy, V., Rasmussen, A., & Halevy, A. (2008). Google's deep web
crawl. Proceedings of the VLDB Endowment, 1(2), 1241-1252.
Manzano Nunez, R., & García Perdomo, H. (2016). Sobre los criterios de inclusión y exclusión. Más allá
de la publicación. Revista Chilena de Pediatría, 87(6), 511-512. doi:10.1016/j.rchipe.2016.05.003
Martín-Martín, A., Thelwall, M., Orduna-Malea, E., & Delgado López-Cózar, E. (2021). Google Scholar,
Microsoft Academic, Scopus, Dimensions, Web of Science, and OpenCitations’ COCI: a multidisciplinary
comparison of coverage via citations. Scientometrics, 126(1), 871-906.
Medina López, C., Marín García, J., & Alfalla Luque, R. (2010). Una propuesta metodológica para la
realización de búsquedas sistemáticas de bibliografía. 1(2), 13-30. doi:10.4995/wpom.v1i2.786
Mesbah, A., Van Deursen, A., & Lenselink, S. (2012). Crawling Ajax-based web applications through
dynamic analysis of user interface state changes. ACM Transactions on the Web (TWEB), 6(1), 1-30.
Molina-Muñoz, J. (2021). ANÁLISIS BIBLIOMETRICO DEL USO DE MACHINE LEARNING EN FINANZAS
A TRAVÉS DE UN MODELO K-MEANS. Revista Eficiencia, 3(3).
Monroy, M. (2020) ¿Qué es la Deep Web y qué información podemos encontrar? Publicación semestral,
Vol. 3, No. 5 (2020) 1-4
Nentwig, M., Hartung, M., Ngonga Ngomo, A. C., & Rahm, E. (2017). A survey of current link discovery
frameworks. Semantic Web, 8(3), 419-436.
Olston, C., & Najork, M. (2010). Web crawling. Foundations and Trends® in Information Retrieval, 4(3),
175-246.
Parameswaran, A., Sarma, A. D., Garcia-Molina, H., Polyzotis, N., & Widom, J. (2011). Human-assisted
graph search: it's okay to ask questions. arXiv preprint arXiv:1103.3102.
Pérez, D. (2018). Las 10 cosas más impactantes de la Deep Web. Recuperado en septiembre de 2019,
de https://www.linkedin.com/pulse/las-10-cosas-mas-impactantes-dela-deep-web-catal%C3%A1n-
p%C3%A9rez-salazar
Ramírez, P. E., Mariano, A. M., & Salazar, E. A. (2014). Propuesta Metodológica para aplicar modelos de
ecuaciones estructurales con PLS: El caso del uso de las bases de datos científicas en estudiantes
universitarios. Revista ADMpg, 7(2).
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2865.
Sánchez-Céspedes, J. M., Rodríguez-Miranda, J. P., & Salcedo-Parra, O. J. (2020). Análisis de la
producción de publicaciones científicas en inteligencia artificial aplicada a la formulación de Políticas
Públicas. Revista Científica, 39(3), 353–368. https://doi.org/10.14483/23448350.16301
Segura, Elena. (2021). Análisis bibliométrico básico de la evolución científica de la deep web: web of
science 2002-2021 Universidad de Granada
Semaan-Llurba S. (2018). ¿Qué es Scopus? ¿Y para qué sirve? Biblioteca Sant Joan de Déu. Disponible
en https://bibliosjd.org/2018/01/24/scopus-que-es-para-que-sirve/#.Y2XThnbMK3A
Sequeda, J. F., & Miranker, D. P. (2013). Ultrawrap: SPARQL execution on relational data. Journal of
Web Semantics, 22, 19-39.
Shokouhi, M., & Si, L. (2011). Federated search. Foundations and trends® in information retrieval, 5(1),
1-102.
Toro, A. (2018). La web profunda, un sitio entre sombras y realidades. Universidad de Manizales.
Facultad de Ciencias e Ingeniería. https://doi.org/10.30554/ventanainform.39.3311.2018
Villada, D. & Jiménez, A. (2017). La Web Semántica y la Web Profunda como Sistemas de Información:
Análisis a una realidad. Revista Antioqueña de las Ciencias Computacionales y la Ingeniería de
Software, RACCIS, Vol. 7, No. 1. Medellín (Colombia): Instituto Antioqueño de Investigación, IAI. p. 43-
51. ISSN: 2248-7441. http://fundacioniai.org/raccis/v7n1/n12a4.pdf
Wang, G., & Gui, X. L. (2013). Selecting and trust computing for transaction nodes in online social
networks. Jisuanji Xuebao(Chinese Journal of Computers), 36(2), 368-383.
Ye, Y., Wu, Q., Huang, J. Z., Ng, M. K., & Li, X. (2013). Stratified sampling for feature subspace selection
in random forests for high dimensional data. Pattern Recognition, 46(3), 769-787.
Zhao, B., Rubinstein, B. I., Gemmell, J., & Han, J. (2012). A bayesian approach to discovering truth from
conflicting sources for data integration. arXiv preprint arXiv:1203.0058.
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en este sitio está
disponibles bajo Licencia Creative Commons .