Om Søgning på Internettet

lidt kortere opdateret version på Studiecenter på SG

|home | Adresser  |  browser  | indekser - emnekataloger  | Emnekataloger og Søgemaskiner |  Regler for Søgning  | Oversigt vigtige søgemaskiner|  Tips til Internet Explorer  | om "det usynlige web" "the  invisible web" |link til  IT / undervisning | Tips til vurdering af materiale fra Internettet  |  Links til websteder med søgetips | Søgning | hurtigsøgning |  

Ingen ved nøjagtigt, hvor mange websider , der findes på nettet - og een webside (= 1 adresse = URL) kan sagtens bestå af en hel tekst, som f.eks. "Macbeth" ; Google, den søgemaskine (indeks), der har den største database, har pt kendskab til over 3 milliarder sider  - en del af disse webadresser er dog ikke fuldt indekseret, men er websites Google har kendskab til og som kan fremkomme på ens resultatsider i forbindelse med en søgning.
           Ingen af de eksisterende søgemaskiner/ robotter/ indekser er i stand til at dække hele nettet.

 Tallet bliver meget usikkert ved, at bl.a. sider med "rammer" er svære at indeksere for de "søgerobotter" - spiders - der gennemtrawler internettet og registrerer sider for de enkelte søgeindekser.
        Websteder, der kræver registering ved "indgangen" eller betalingswebsteder, kan heller ikke indekseres af  søgemaskinerne ( men man kan selv anmode om at blive optaget) . Søgemaskinerne kan heller ikke få informationer fra databaser, fordi en robot ikke kan udfylde en formular osv. 
Se nærmere om det såkaldte "Deep Web" eller "invisible Web" nedenfor.

The Open Directory , Google's directory  og Yahoo, nogle af de mest omfattende hierakisk opbyggede emnekataloger ("directories") , der opdateres og redigeres af mennesker , dækker vel maksimalt  omkring 3 millioner sider pt : Dette bør man hele tiden have in mente, når man søger information på internettet. Til gengæld vil man oftest finde brugbart materiale vha f.eks. Yahoo, men har man nu fundet det bedste ?

1. Metasøgemaskiner
   På en metasøgemaskine sender programmet forespørgsler ud til forskellige søgemaskiner som f.eks. Google, FAST, Hotbot og emnekataloger som f.eks. Yahoo. Metasøgemaskiner kan være velegnede til at danne sig et overblik over  materiale på nettet om et bestemt emne, men giver normalt ikke særlig mange resultater og kvaliteten er svingende. Blandt de bedste er nok Ask Jeeves
   ( www.askjeeves.com ; www.ask.co.uk ) der nok er en blanding af emnekatalog og metasøgemaskine), www.profusion.com  , http://vivisimo.com/  og  www.ixquick.com (den sidste har grundige hjælpesider på dansk), mens andre i deres resultater i mere eller mindre udpræget grad er skæmmet af betalingssider – de såkaldte sponsored links.
   
   
   

2. Egentlige Søgemaskiner - Indekser
   Søgemaskiner  som  www.google.com , norske www.alltheweb.com , ”gamle” AltaVista www.altavista.com  ( http://dk.altavista.com ) og nytilkomne indekser som www.wisenut.com og www.teoma.com  bruger udelukkende robotter til at indsamle  ”crawle” oplysninger om websider fra internettet. Alt på en webside registreres så i det pågældende søgeprograms database  – og  derfor skal man bruge en søgemaskine, såfremt det  f.eks. er et citat  eller uddrag af en tekst man søger på. Googles database menes netop nu at være den største med over 1,5 milliarder fuldt indekserede sider i sin database, mens den har kendskab til yderligere en halv milliard sider, der dog endnu ikke er fuldt dækket af Googles database. Desuden har Google en meget omfattende samling af tidligere Usenet meddelelser  - indhold af meddelelser fra nyhedsgrupper - et arkiv, der ifølge nyhedsbreve går tilbage til nyhedsgruppernes tidlige år. 
   

3. Emnekataloger (”Directories”)
   De mest anvendte er Yahoo  www.yahoo.com ( og nationale aflæggere, f.eks. www.yahoo.co.uk ), The Open Directory ( http://dmoz.org ) og Google’s directory ( http://directory.google.com ), der bygger på Open Directory, men tilpasset Googles særlige ”PageRank” teknologi. I Danmark kender alle til www.jubii.dk , der dog i sit eget katalog kun har danske sider.
   Emnekataloger er menneskebaserede, dvs det er mennesker, der indsamler og sorterer oplysninger om webstederne. Det betyder bl.a. at emnekataloger ofte har udmærkede links til et bestemt emne, men emnekatalogerne er i sagens natur langt mere begrænsede i omfang end de egentlige indekser, og de mennesker der sorterer siderne, har normalt kun kendskab til overskriften og evt. forklarende bemærkning om sidens indhold. Det er ikke ord eller sætninger på hele siden, der kan søges på i et emnekatalogs søgerubrik.
   Ofte sender et emnekatalog dog ens forespørgsel videre til en egentlig robotbaseret søgemaskine, som emnekataloget har en aftale med, såfremt ens søgning ikke giver et tilfredsstillende resultat. Bemærk dog, at man ingenlunde kan være sikker på, at den version af f.eks. ”Google”, som et givet emnekatalog bruger som søgemaskine i sådanne tilfælde, er en ligeså omfattende version af Google som den, der findes på Google’s eget websted på www.google.com . Man bør desuden checke hvilken søgemaskine et givet emnekatalog har en aftale med ; søges der videre i Google eller  Alltheweb (FAST) eller måske Ask/Teoma ? 
   
   

4. Specialkataloger – guides  ( ”subject specific resources” )
   
   Her tænkes der på samlinger af kvalitetsbedømte links fra anerkendte websites – fra universiteter eller andre websites beregnet til undervisningsbrug som f.eks. Infoguiden ( www.infoguide.dk ). En række især engelsksprogede websites med kvalitetsbedømte links findes under kataloger til undervisning . Der findes mange sådanne specialsamlinger til f.eks. historie – eksempler kan bl.a. ses på
   www.solroed-gym.dk/inger/historie.htm - Specialkataloger til historie  og for naturvidenskabs vedkommende på f.eks. http://vlib.org/Science.html  The World Wide Web Virtual Library eller Academic Info's Science Gateway på  www.academicinfo.net/subsci.html ( flere nævnt under naturvidenskab generelt på Fagenes Links ). 
   
   Naturvidenskaberne har dog også fået deciderede søgeværktøjer udelukkende til naturvidenskab, se f.eks. under Scirus  http://www.scirus.com/  eller Phibot  http://www.phibot.org/ ; her synes der dog at være tale om robot-indekser - således har f.eks. Phibot 150 millioner sider i sit indeks.    
   

Regler for Søgning

Det er blevet lettere at søge !
Der er ganske vist stadig enkelte søgemaskiner, der benytter sig af  såkaldte logiske eller "Booleske" operatorer som AND , OR og AND NOT ("Boolean operators" efter matematikeren George Boole 1815-64) : Dette gælder bl.a. Altavistas  avancerede søgning og en del special databaser.  Men i dag synes de fleste indekser stort set at "nøjes med" at anvende +/ - tegn samt citationstegn (" " )  ; se nedenfor.

For mere avancerede søgninger, hvor man tidligere ville anvende de logiske operatorer, har de fleste søgemaskiner valgt at bruge avancerede søgefelter, hvor man vha "drop-down" menuer og pile kan indskrænke sin søgning yderligere.

NB : se under  oversigt over søgemaskiner  mv. for regler for nogle af de mest anvendte søgeværktøjer ( eller se under søgning)

  Nogle regler, der passer på de fleste søgeværktøjer :

Booleske operatorer 

Adresser på Internettet

   Man bevæger sig fra webside til webside ved enten at skrive en adresse, en såkaldt URL (Uniform Resource Locator) i adressefeltet øverst på siden i ens "browser-vindue" eller ved at klikke på en "link" på den side, hvor man befinder sig : links forbinder websider med hinanden (deraf navnet "web" (=net, spind) og er ofte skrevet med blåt og understreget : men alle farver kan være links , ligeledes billeder mv : ændrer musecurseren sig til en hånd, er der tale om en link, der kan klikkes på.
        I  webadresser må  der aldrig være mellemrum og der skelnes mellem STORE og små bogstaver. 
         Man kommer til tider ud for "dead links" og ser beskeder som "fejl 404 - filen eksisterer ikke" eller "siden kan ikke hentes" : Der kan være flere årsager : filen kan være flyttet eller slettet, websiden er under omstrukturering, internettet er overbelastet ( ikke uden grund kaldes det "world wide wait"), især i eftermiddagstimerne, eller man har indtastet adressen forkert, hvilket man først bør checke. 
        PRØV FØLGENDE :  enten at genindlæse siden (klik på refresh ikonen ) eller fjerne den sidste del af "stien" til siden, så man ender med f.eks. .com  eller .edu i nedenstående eksempler :

F.eks. vil man kunne finde oplysninger om sprogundervisning på adressen : 
(1) http://central.itp.berkeley.edu/~thorne/HumanResources.html  

links til kunst og musik findes f.eks. på :
(2)  (http://) www.geocities.com/Athens/Academy/6617/arts.html 

I eksempel (1)  er filens navn "HumanResources", der er placeret  i en mappe "thorne" (~thorne angiver nomalt en persons mappe/ bibliotek), der ligger på maskinen ("webserveren") "central.itp" på Berkeley Universitet i USA Endelsen  .edu  angiver, at der er tale om en undervisningsinstitution og berkeley.edu = Berkeley Universitet. At vi er i USA kan ses, fordi  amerikanske adresser normalt kun angiver  type , mens andre lande angiver oprindelsesland  og evt. type.(Enkelte amerikanske stater bruger dog til tider også adresser, der ender på .us.
     I eksempel (2)  hedder filen "arts", der ligger i undermappen "6617", der ligger i mappen "Academy" osv., der befinder sig på maskinen "geocities", der befinder sig på World Wide Web..com  endelsen kender alle : den angiver normalt er der er tale om en kommerciel / firma  webside, men det er dog ikke altid tilfældet : Efterhånden som .com -endelsen blev så kendt, at alle "automatisk" ofte tilføjede denne, var der organisationer af forskellig art, der anskaffede sig en .com- adresse, selvom de f.eks. var undervisningsinstitutioner ( f.eks. www.education-world.com )

"http://" står for "hypertext transport protocol "og angiver, hvorledes netop denne form for kommunikation styres. Endelsen html - Hyper Text Markup Language - fortæller den modtagende maskine, hvordan den skal vise tekst, billeder og grafik på skærmen.
 Oprindelig  var det sådan , at langt de fleste amerikanske adresser endte på enten :

.com Kommercielle adresser , herunder aviser mv, f.eks. : www.newsweek.com 

.edu undervisning, universiteter, skoler mv ( I Storbritannien er endelsen her .ac.uk)  Skal godkendes.           

.org   ikke-kommercielle organisationer, som f.eks.  www.un.org    www.amnesty.org.uk - man kan ikke bare købe sig til en .org-adresse, den skal godkendes

.net   netværk, firmaer mv ; herunder div. internetudbydere

.mil    De amerikanske væbnede styrker. godkendelse kræves naturligvis

.gov   regeringsinstitutioner af forskellig art : www.odci.gov/cia .
         
.int   international : sjælden : se f.eks. www.nato.int

men pga internettets vækst er der kommet nye domænenavne til, således :

.biz   til  business /firmaer

.info  der kan bruges af alle ; "INFO is the Internet's first unrestricted top-level domain since .COM, which began use in 1985. Intuitive, easy to use, and universally recognized, .INFO domain names are your opportunity to reach a worldwide audience with information about you, your ideas, or your organization"

.name  man kan nu købe sig til et websted med ens eget navn

.museum  - taler for sig selv

.coop   for kooperative firmaer

.aero    luftfart

 

USA anvender som omtalt normalt kun een af ovenstående endelser ( der er dog undtagelser ; her vil der så oftest stå delstatens navn efter fulgt af . us : f.eks. : http://mel.lib.mi.us/humanities/history/HIST-index.html )), mens andre lande også eller i stedet har et domænenavn (domain name) der angiver oprindelseslandet, f.eks :
                .fr ,.uk , .de ,.se , .es , .il (Israel), .au (Australien), .at (Østrig), .za (Sydafrika) osv.

Personlige hjemmesider er ofte angivet ved en tilde efter domænenavnet :  /~  (der laves ved at trykke "Alt Gr" og tasten, efterfulgt af mellemrumstasten).

Det er vigtigt at kunne "afkode" en webadresse, således, at man kan bedømme, om en webside, der er fremkommet som resultat af en søgning, ser ud til at rumme fornuftigt materiale.  

Hvis det ikke direkte fremgår af websiden, hvem der er ophavsmand m/k, så er der flere muligheder : 
1. kik på adressen og se om der står  "edu" eller  "K 12"  eller "ac.uk" : så er der tale om websteder fra undervisningsinstitutioner / universiteter o.l. 

2. Fjern sidste del af adressen indtil du ender ved "edu" " com/", klik på enter og så skulle det gerne fremgå, hvem der er ophavsmand til siden. I hvert fald bør Institutionens navn fremkomme.

3. Hvis du højreklikker på den ønskede side og  så klikker  på "egenskaber" står der altid webadressen.

Lidt om The "Deep" eller "Invisible" Web

I det sidste års tid har der været en del debat , dels om internettets størrelse og dels om, hvor store dele af nettet, der ikke er eller ikke kan indekseres af søgemaskinernes/indeksernes "robotter" (ofte omtalt som "spiders" ). Firmaet BrightPlanet fastslog i en stor undersøgelse, at der var omkring 500 milliarder sider (nej der er ikke et 0 for meget !) , for størstedelen offentligt tilgængelige dokumenter på internettet, som simpelthen blev forbigået af robotterne, når disse gennemtrevlede internettet og inddekserede nye websider mv.

Tallet virker overvældende, og det er da næppe heller bevisligt, men det må nok konstateres, at uanset hvor gode søgeindeksernes robotter bliver, vil der stadig være problemer :

1. søgemaskinerne er ikke i stand til at indeksere indholdet i databaser, hvor der skal udfyldes formularer mv og  kun de arkiver, hvor hvert dokument har en selvstændig webadresse, eller tidligere er blevet hentet og måske anbragt på sider som disse, vil der kunne søges på med almindelige søgeværktøjer.

2. websteder, der kræver registrering/log-in før man kommer videre end startsiden kan naturligvis ikke indekseres - ud over startsiden - det sammen gælder selvfølgelig også betalingswebsteder .

3. som ovenfor nævnt er det også et problem for robotterne med sider med rammer, idet sådanne sider består af flere filer.

Er der en løsning ?

Der er fra forskellige søgeeksperter foreslået forskellige muligheder for at afhjælpe problemer som ovennævnte, men selvom der synes at være fremskridt, er der i alt fald endnu  ingen egentlig løsning på problemet :

1. Visse websteder specialiserer sig i søgning i databaser ( se links under søgning)
   man må altså søge på disse websteder efter en database, der skønnes at omhandle ens emne, og så søge i selve databasen. En noget langsommelig proces.
   

2. Der findes "lexi-bots" (bl.a. BrightPlanet har udviklet en sådan) og diverse andre  programmer, der specialiserer sig i søgning i databaser :
   flere er nævnt på siden med søgning : Små søgeprogrammer man kan downloade

En Browser  

er et program, der er i stand til at vise siderne på internettet i et format egnet for hhv PC’ere og Macs : De to mest kendte browsere er Netscape Navigator / Communicator og Internet Explorer (herefter forkortet IE).

En tredje er f.eks. den norske  Opera,  der kan anbefales til folk med små harddiske : den er desuden hurtig, men koster desværre omkring 200 kr. 
Der findes andre - hvoraf f.eks. nogle kun viser tekst, andre kan i endnu højere grad end f.eks. IE ændre skærmens udseende m.v.

Oversigt over nogle hyppigt anvendte søgeværktøjer

 Jubii (emnekatalog)

brug + /-  " "  husk : der er kun danske/ nordiske sider !

hvis du klikker på "søg på "Web", 

AltaVista     (søgemaskine)

1. man kan stille  almindelige spørgsmål ( Ask Jeeves anvendes her )
2. NB : søg på danske sider : vælg sprog
   hvis du vælger "dansk" får du kun sider om et emne, der ender på .dk - men ikke nødvendigvis alt om emnet ! 
   Virker kun når det er egentlige websider der søges efter.
   Hvis du søger  søger oplysninger om Danmark, men ikke nødvendigvis fra en dansk webside, så sørg for, at du søger i "hele verden" : du kan bare skrive de danske ord, da AV er uafhængig af sproget .
   NB : hvis du benytter sprogmenuen, søger du kun efter websites og ikke  danske sider, der ligger på f.eks. .eu.int ( EU )
   
3. Husk at AltaVista skelner mellem store og små bogstaver : prøv først med små bogstaver med mindre du med sikkerhed ved, at ordet skal staves med stort.
   
4. Da AV ignorerer  - (bindestreg) kan denne bruges i stedet for " " til at angive ord, der skal holdes sammen.
   AV ignorerer også accenter som i f.eks. fransk, således at man sagtens kan søge efter elefanter uden at skrive accenterne med.
   "all punctuation is created equal" ; det er altså ligegyldigt om der er tale om bindestreg, komma, punktum, understregning eller skråstreg (slash)
   
5. I " H.C. Andersen "  behøver man ikke skrive punktum
   
6. OBS : På AltaVistas side (ligesom på f.eks. Hotbots m.fl) findes der et emnekatalog : Dette er  ikke ensbetydende med, at der søges i dette, når man søger i selve Av : Det er således, at søgemaskinerne samarbejder med forskellige emnekataloger : pt bygger  Altavistas emnekatalog på "Open Directory"  - det nok mest omfattende, der redigeres af en stor mængde frivillige verden over.
   
7. "Site compression" betyder, at man kun får 1 resultat pr. webside : Man kan bede om at få vist flere resultater - f.eks., fra et universitetswebsted, der har mange sider.
   
8. Rangorden af webresultater : Sider flyttes op ad listen hvis de  har :
   1.  flere gentagelser af søgetermerne, 
   2.  søgetermer, der står + foran  i søgningen  
   3.  søgetermer, der fremkommer i relativt få andre sider  
   4.  søgetermerne står forholdsvis tæt sammen i teksten
   NB : i avanceret søgning er der ingen automatisk rangorden af resultaterne.
   
9. anchor:text  finder sider der indeholder pågældende (text) i et hyperlink
   
10. domain:domainname  finder sider indenfor det pågældende land/type : f.eks. : domain:dk  eller  domain:edu for at finde sider fra undervisningsinstitutioner (hvorved man kan undgå mange kommercielle sider)
    
11. host:name  finder sider på en speciel computer ; Hvis man f.eks. ved, der er en super side på Harvard University, kan man søge på :  host:harvard.edu , og man får så en hulens lang liste over alle websider på Harvard Univ. 
    man kan f.eks. søge på : +host:harvard.edu +genome , hvis man mener, at der er nogen på Harvard, der beskæftiger sig med genetik og projektet med at kortlægge menneskets arvemasse.
    
12. image:filename  finder sider med billeder, der har et særligt filnavn ; image:beaches finder sider med billeder, der hedder sådan. Hvis man f.eks. kombinerer image:jupiter AND (domain:gov OR host:nasa) kan man finde billeder, der er offentligt eje og derfor kan printe ud eller bruge på ens egen hjemmeside.
    (man må så bare håbe, at billederne nu også har navn efter planeterne...)
    Der er en udførlig dansksproget hjælpeside til Billedsøgning
    
13. link:URLtext finder sider der har et link til siden med den pågældende URL : kan være nyttigt, hvis man har een god side og gerne vil have flere , det kan jo tænkes, at en eller anden, der har lavet en god side, også har et link eller to til andre fine sider.
    
14. text: text  leder efter pågældende tekst / nøgleord andre steder end i URL, link ol ; dvs der ses kun i selve teksten for de pågældende oplysninger, ikke i overskrifter , "metatags" o.l.
    f.eks. :  +text:"to be or not to be"  burde føre os til Hamlet med det samme (hvilket det ikke gør) :  man bør tilføje +shakespeare eller +hamlet  eller +play, da netop dette citat bruges af alt og alle i et utal af sammenhænge.
    
15. title:text  finder sider, der rummer pågældende tekst i websidens titel, dvs oftest det der står øverst på den pågældende side.
    
16. url:text  finder sider med det pågældende ord/sætning i internetadressen (=URL) ; fungerer nogenlunde som 6. ovenfor, men lader søgeren  præcisere mere af webadressen
    
17. bemærk : enhver søgning i AV har sin egen URL (=webadresse) . Man kan derfor evt. gøre den pågældende søgning til et bogmærke/foretrukne /favourite  og når man så klikker på det pågældende, får man  helt friske resultater.
    
18. avanceret søgning : brug kun  "AND" "AND NOT"  "OR" "NEAR" og , (paranteser), (Ordene behøver ikke at være skrevet med stort mere ! )
    
19. "NEAR" kan kun bruges i avanceret søgning : inden for 10 ords afstand
    
20. "wildcard" = * (efter min. 3   bogstaver, kan erstatte 0-5 tegn/bogstaver) : bruges når man er usikker på stavning, f.eks. forskelle britisk/Amerikansk engelsk (colour/color , theatre /theater)
    
21. søg på dato mv i avanceret søgning
    
    
22. De to "bokse" i avanceret søgning : 
    I  kassen med "Boolean query" anbringes hovedsøgeordet /søgeordene og i kassen med "sort by" anbringes ens foretrukne rækkefølge indenfor de pågældende resultater :
    f.eks. kan man skrive "history" og "hitler" i  kassen for "Boolean Query"  og f.eks. anschluss austria 1938 i den anden kasse.
    Det er i øvrigt sjældent, at man bruger avanceret søgning i AV.
    
    
23. Husk : AltaVista har efterhånden  adskillige filialer : såvel  www.altavista.co.uk  www.altavista.fr   www.altavista.de  og nu også  www.altavista.dk  www.altavista.se  m.fl

NB : Der er meget omfattende instruktioner  & help-sider osv til AltaVista ; de fylder omkring 70 sider  printet ud
Bl.a. er der grundig indføring i, hvordan man undersøger, hvorvidt ens hjemmeside er "på" og hvem der "linker" til ens side.

"FAST"search =AlltheWeb   (søgemaskine)

Mere om FAST /Allthe Web

HotBot     (søgemaskine)

Hotbot er  nem at søge i : det er bare at bruge pilene og vælge, om det er en titel, en person o.l., der skal søges efter

 -   vælg "all the words" (=+-søgning)  eller " "any of the words"  (= - søgning). husk " "
     brug mindst 2-3 søgeord
     man kan vælge at bruge en søgning med "AND" osv som i Altavista m.fl.
     i supersearch  vælges blot hvad man har brug for mht tid, sted osv.

 -  nem søgning på begivenheder indenfor begrænset tidsrum

-    nem søgning på billeder/images m.v.

-    dansk understøttes ikke

-   der kan søges på land / domænenavn osv.

NB : Det kan stærkt anbefales at holde øje med søgemaskinernes "help" eller "tips" sider, da der hele tiden sker ændringer / forbedringer.

senest ændret /checket : 17. October 2004