Análisis de la web de la ESPOL y afines, utilizando hadoop como una plataforma de procesamiento masivo de datos

摘要

El presente documento muestra los resultados del análisis de la red de laESPOL, utilizando Hadoop como plataforma de procesamiento masivo dedatos. Gracias al estudio que se ha realizado, se ha podido demostrar que laestructura de la Web de la ESPOL no tiene propiedades de pequeño mundo(no es una red libre de escala), forma que usualmente toman muchas de lasredes reales, y que tiene gran incidencia en la “navegabilidad y accesibilidadde la información en grandes redes de documentos” [18]. Esto dificultaría laexploración de la Web de la ESPOL, y tendría una incidencia negativa en lapercepción de la utilidad (a los usuarios) de nuestra Web.Para este estudio, utilizamos los índices obtenidos de la indexación de losenlaces entrantes como salientes de las páginas Web del dominioespol.edu.ec. Estos datos fueron procesados para así obtener la cantidad deenlaces entrantes y salientes para cada uno de ellos. Además, los mismosdatos nos permitieron conseguir la distribución estadística de enlaces(entrantes y salientes) de las paginas del dominio de la ESPOL, y así podercomprobar que la misma no tiene las propiedades de una distribución de leyde potencias (power law), un criterio fundamental que debe cumplir una redpara poder ser clasificada como libre de escala (scale free).Finalmente, para validar este análisis se ha considerado estudios previos alas redes de otras universidades, que sí muestran una estructura pequeñomundo.