Web dan Ilmu nya
Kita mungkin parafrase Web Sains sebagai ilmu tentang Web. Sementara ini
kesetaraan mungkin jelas kita akan mulai dengan menghancurkan frase
dan sketsa komponen yang memungkinkan Web berfungsi sebagai
sistem e desentralisasi informasi berlaku efektif. Kami akan meninjau dasar
prinsip-prinsip arsitektur Web, didesain untuk mendukung pertumbuhan dan
nilai-nilai sosial berbagi informasi dan perilaku terpercaya di
Bagian 2.1. Bagian 2.2 akan o eh ulang beberapa metodologi ections
pada penyelidikan ilmiah dari Web.
2,1 arsitektur Web
Arsitektur dari Web eksploitasi teknologi sederhana yang menghubungkan
dan menciptakan kerjasama, untuk mengaktifkan ruang informasi yang sangat exible dan
digunakan, dan yang paling penting, skala. Web ini sudah menjadi
mengesankan platform tempat ribuan owers telah mekar,
dan berharap itu dapat tumbuh lebih lanjut, mencakup bahasa,
lebih media dan kegiatan lebih, hosting informasi lebih lanjut, serta
menyediakan alat-alat dan metode untuk menginterogasi data yang keluar
sana. Dalam bagian ini kita akan membuka brie y meninjau prinsip-prinsip utama
7
8
Web dan Ilmu nya
Web arsitektur yang mendasari; bagian ini adalah berhutang budi kepada [155], dan untuk
detail lebih lanjut, lihat dokumen itu.
Web adalah ruang di mana
sumber daya
diidentifikasi oleh
Seragam
Resource Identifier
(URI - [33]). Ada
protokol
untuk mendukung
interaksi
antara agen, dan
format
untuk
mewakili
informasi
sumber daya. Ini adalah bahan dasar dari Web. Pada desain
tergantung utilitas dan e ciency interaksi Web, dan bahwa desain
tergantung pada gilirannya pada sejumlah prinsip, beberapa di antaranya merupakan bagian dari
konsepsi yang asli, sementara yang lain harus belajar dari pengalaman.
Identifikasi sumber daya yang penting untuk dapat berbagi
informasi tentang mereka, alasan tentang mereka, memodifikasi atau pertukaran mereka.
sumber daya tersebut dapat berupa apa saja yang dapat dihubungkan dengan atau dibicarakan;
banyak sumber daya informasi murni, tetapi orang lain tidak. Selanjutnya,
tidak semua sumber daya di Web, di mana mereka dapat
diidentifikasi
dari
Web, tetapi mungkin tidak
yg dpt diperbaiki
dari itu. Sumber-sumber yang
pada dasarnya informasi, dan yang karenanya dapat diberikan dengan-
keluar abstraksi dan dicirikan sepenuhnya dalam pesan disebut
informasi sumber daya
.
Untuk alasan ini dan merujuk fungsi terjadi pada global
skala, sistem identifikasi diperlukan untuk menyediakan satu global
standar; URI menyediakan sistem itu. Itu akan mungkin untuk alterna-
sistem tive untuk URI untuk dikembangkan, tetapi nilai tambah dari
tunggal
global sistem pengenal, yang memungkinkan menghubungkan, bookmark dan lainnya
fungsi di aplikasi heterogen, yang tinggi. Sumber Daya
URI terkait dengan mereka, dan setiap URI idealnya menunjukkan satu
sumber daya secara konteks-independen. URI bertindak sebagai nama-nama (dan
alamat - lihat Bagian 3.1.2 di bawah ini untuk pembahasan masalah ini), dan sebagainya
apakah mungkin untuk menebak sifat sumber daya dari perusahaan URI, yang merupakan
Hal kontinjensi; di lihat opaquely URI umum. Prinsip-prinsip
hubungan antara URI dan sumber daya yang diinginkan tetapi tidak ketat
dilaksanakan; biaya gagal mengaitkan URI dengan sumber daya adalah
ketidakmampuan untuk mengacu pada itu, sedangkan biaya untuk menempatkan dua sumber daya
ke URI akan kesalahan, sebagai data tentang salah satu sumber daya akan diterapkan ke
lainnya.
URI juga menghubungkan Web dengan dunia Ine o sosial, dalam
mereka mewajibkan lembaga. Mereka jatuh di bawah skema didefinisikan tertentu,
9
2.1. Web arsitektur
yang mungkin yang paling umum dipahami adalah HTTP, FTP
dan mailto, skema tersebut terdaftar dengan Ditugaskan Internet
Numbers Authority (IANA - http://www.iana.org/assignments/uri-
skema). Skema ini perlu dioperasikan pada garis berprinsip dalam
Agar berlaku efektif.
Jadi jika kita mengambil HTTP sebagai contoh, HTTP URI dimiliki dan dis-
bursed oleh orang atau organisasi, dan maka dapat dialokasikan respon-
sibly atau tidak bertanggung jawab. Misalnya, sebuah URI HTTP harus merujuk ke
satu sumber daya, dan dialokasikan untuk pemilik tunggal. Hal ini juga diharapkan
untuk seperti URI untuk merujuk ke sumber daya yang permanen, dan tidak berubah
mengacu waktu (lihat Bagian 5.4.6 di bawah). Komunikasi selama
Web melibatkan pertukaran pesan yang dapat berisi data atau
metadata tentang sumber daya. Satu Tujuan umum dari komunikasi adalah untuk
mengakses sumber daya melalui URI, atau
dereference
URI tersebut. Jika sumber daya
telah diberikan identifier, sumber daya harus dalam beberapa cara recov-
erable dari pengenal agar bisa nilai. Dereferencing biasanya
melibatkan menemukan sebuah indeks yang tepat untuk mencari pengenal. Sana
sering petunjuk dalam identifier, atau penggunaan pengenal, yang membantu
di sini, terutama jika pihak berwenang penamaan memiliki semacam hierar-
chical struktur.
Sebagai contoh, alamat pos memiliki struktur hirarkis yang
memungkinkan sebuah bangunan tertentu yang akan berada. Satu akan berkonsultasi dengan
indeks dari AZ London untuk menemukan jalan tertentu yang namanya satu
tahu dan yang satu tahu terletak di London tapi tidak ada yang lebih lanjut
tentang hal itu. Demikian pula, Domain Name Sistem (DNS) eksploitasi hierar-
struktur chical untuk membantu dengan dereferencing, sehingga untuk menghubungi server
"Foo.cs.bar.edu" melibatkan pengiriman pesan dari beberapa macam ke server beberapa
dikendalikan oleh Bar Universitas di Amerika Serikat. Semakin banyak informasi-
SI yang tersedia dalam nama atau identifikasi dari sebuah sumber daya, semakin mudah
itu adalah untuk dereference, walaupun tentu saja dalam hal sumber daya yang membatasi
nama perlu mengandung informasi sama sekali untuk membantu dereferencing itu
(Kadang-kadang ini adalah titik nama). Selanjutnya, identifikasi
sistem sering perlu dipertahankan oleh otoritas untuk dereferencing
menjadi mungkin - jika AZ London tidak diperbarui setiap begitu sering, itu
akan menjadi mustahil untuk menggunakannya (edisi terbaru) untuk mencari partic-
ular rumah, dengan cara yang sama bahwa perubahan di server Universitas Bar
10
Web dan Ilmu nya
Program pemeliharaan dapat berarti bahwa beberapa sumber daya yang diselenggarakan pada nya
server itu unlocatable.
Apa mengakses sebuah sumber informasi memerlukan bervariasi dari konteks
dengan konteks, tapi mungkin pengalaman yang paling umum adalah menerima
representasi dari negara (dari sumber daya) pada browser. Jelas
tidak perlu dereferencing bahwa kasus URI otomatis menyebabkan
agen mendapatkan akses istimewa ke sumber daya. Ini mungkin bahwa tidak ada
representasi sumber daya tersedia, atau bahwa akses ke sumber daya
aman (misalnya sandi dikontrol), tetapi harus mungkin untuk mengacu
ke sumber daya menggunakan perusahaan URI tanpa memaparkan bahwa sumber daya untuk umum
tampilan. Pengembangan Web sebagai spasi, bukan yang besar
dan papan pengumuman yang kompleks, berikut dari kemampuan agen untuk menggunakan
interaksi untuk mengubah negara dari sumber daya, dan untuk menanggung kewajiban dan
tanggung jawab. Mengambil representasi adalah contoh dari apa yang disebut
aman
interaksi di mana perubahan tidak terjadi, sementara daftar posting adalah
membahayakan
interaksi di mana sumber daya negara 'dapat diubah. Perhatikan bahwa
sifat universal URI membantu identifikasi dan tracking
kewajiban yang timbul secara online melalui interaksi yang tidak aman.
Tidak semua URI dimaksudkan untuk memberikan akses kepada perwakilan
tions dari sumber daya yang mereka mengidentifikasi. Misalnya, mailto ini:
skema mengidentifikasi sumber daya yang dicapai dengan menggunakan surat Internet (misalnya
mailto: romeo@example.edu mengidentifikasi kotak surat tertentu), tetapi mereka
sumber daya tidak
diperoleh kembali
dari URI dengan cara yang sama sebagai web
halaman. Sebaliknya, URI digunakan untuk
langsung
mail-mail yang tertentu
kotak, atau alternatif untuk menemukan mail dari itu.
Web ini mendukung berbagai format file, yang paling
terkenal adalah HTML. Beberapa format yang diperlukan, dan format perlu
akan exible, karena sifat heterogen interaksi selama
Web. Konten dapat diakses melalui berbagai macam perangkat, paling sering
PC atau perangkat mobile, dan nilai lebih dapat diekstraksi dari
Web jika penyajian konten adalah perangkat-independen sejauh pos-
an (idealnya kompatibel dengan perangkat belum bermimpi). Memisahkan
representasi konten dari presentasi dan keprihatinan
interaksi adalah praktik yang baik di sini; bawah seperti rezim, konten, presen-
tasi dan interaksi perlu digabungkan dengan cara yang maksimal
11
2.1. Web arsitektur
berguna, yang umumnya dilakukan di sebagian oleh server dan sebagian oleh
klien, rasio yang tepat antara kedua tergantung pada konteks
interaksi.
Kekuatan Web berasal dari menghubungkan itu membuat mungkin.
sumber daya dapat berisi referensi ke sumber daya dalam bentuk
tertanam URI yang dapat digunakan untuk mengakses sumber daya kedua. Ini
link memungkinkan asosiatif navigasi Web. Untuk memfasilitasi menghubungkan, untuk-
tikar harus mencakup cara untuk membuat dan mengidentifikasi link ke sumber-sumber lain,
harus mengizinkan link ke sumber-sumber mana saja melalui Web, dan harus
tidak membatasi penulis konten untuk menggunakan skema tertentu URI.
Sebuah tujuan penting dari Web Ilmu adalah untuk mengidentifikasi aspek-aspek penting
identifikasi, interaksi dan representasi yang membuat Web
kerja, dan memungkinkan pelaksanaan sistem yang dapat mendukung
atau mempromosikan perilaku yang diinginkan. Pengalaman menghubungkan dokumen
dan, semakin, rilis data kekuatan besar, baik untuk penulis dan pengguna.
Kemungkinan penggunaan kembali konten yang memberdayakan kebetulan oleh penulis
meningkatkan mereka dalam uence, dan pengguna dengan menyediakan akses ke lebih
informasi dari yang dimungkinkan dengan menggunakan teknologi lainnya.
Secara khusus, tiga fungsi identifikasi, interaksi dan
representasi harus dipisahkan. Mengubah atau menambahkan skema
untuk identifikasi, misalnya, seharusnya tidak memiliki ect e pada skema untuk interaksi
atau representasi, memungkinkan independen, evolusi modular dari Web
arsitektur sebagai teknologi baru dan aplikasi baru mulai berproduksi
(Yang tidak berarti bahwa spesifikasi ortogonal tidak mungkin co-berkembang
siklis dengan satu sama lain). Demikian pula, teknologi harus diperluas,
yang mereka harus mampu berkembang secara terpisah tanpa mengancam
mereka interoperabilitas dengan teknologi lainnya.
Akhirnya, ini merupakan prinsip penting arsitektur Web yang error
harus ditangani sederhana dan exibly. Kesalahan sangat penting - dalam infor-
bawakan ukuran ruang yang dapat diukur dalam ribuan terabyte,
dan jumlah pengguna di ratusan juta, heterogenitas
tujuan dan berbagai kualitas kepengarangan berarti bahwa akan ada
banyak sekali kesalahan desain. Keberadaan link menggantung (link menggunakan URI
tanpa sumber daya pada akhir itu), non-well-formed konten atau lainnya
kesalahan diprediksi tidak harus menyebabkan sistem crash; tuntutan
12
Web dan Ilmu nya
interoperabilitas mengharuskan agen harus dapat pulih dari
kesalahan, tanpa, tentu saja, kompromi kesadaran pengguna bahwa kesalahan
telah terjadi.
Sebagai Web tumbuh dan berkembang untuk memenuhi situasi baru dan pur-
pose, arsitektur harus berkembang. Tapi evolusi perlu
bertahap dan berhati-hati (yang lambat dan harus sungguh-sungguh negosiasi
komite standar merupakan cara yang baik untuk menggabungkan gradualisme dengan fit-
ness untuk tujuan), dan prinsip menjaga perkembangan ortogonal
terpisah berarti bahwa evolusi dalam satu wilayah tidak seharusnya sebuah evolusi ect
lain. evolusi perlu menghormati invariants penting
Web, seperti ruang URI, dan penting bahwa pengembang
setiap saat bekerja untuk melestarikan aspek-aspek Web yang perlu
diawetkan. Ini adalah bagian dari misi W3C Teknis Archi-
tecture Group [154], meskipun standar hanya dapat pernah menjadi bagian dari
cerita. prinsip-prinsip Web arsitektur akan selalu diperdebatkan di luar
W3C, cukup baik, serta di dalamnya.
Web 2,2 ilmu: Metodologi
Jika investigasi dari Web adalah dihitung sebagai benar scien-
tific, maka pertanyaan langsung adalah bagaimana metode ilmiah harus diterapkan
ini domain tertentu. Bagaimana seharusnya peneliti dan insinyur
Web dalam pendekatan untuk memahami dan hubungannya dengan lebih luas
masyarakat, dan untuk berinovasi?
Berbagai aspek dari Web relatif baik dipahami, dan sebagai
sebuah artefak rekayasa blok bangunannya yang dibuat, tidak alami phe-
nomena. Namun demikian, sebagai web telah berkembang dalam kompleksitas dan
jumlah dan jenis interaksi yang terjadi telah menggelembung, itu
tetap kasus yang kita tahu lebih banyak tentang beberapa kompleks alam phe-
nomena (contoh jelas adalah genom manusia) daripada kita tentang
ini satu rekayasa tertentu.
Namun itu benar-benar berkembang, setiap Ilmu Web pantas nama
perlu memenuhi beberapa kondisi jelas. Ada perlu
menjadi falsifiabilty hipotesis dan pengulangan pemeriksaan. Sana
akan perlu prinsip independen dan standar untuk menilai
bila hipotesis telah didirikan. Ada masalah nyata untuk
13
2.2. Web ilmu: Metodologi
bagaimana prinsip-prinsip dan standar harus tiba di. Dan tentu saja
harus ada metode untuk bergerak dari penilaian dari Web dan
nya evolusi untuk pengembangan dan pelaksanaan inovasi.
Untuk mengambil satu contoh, ada beberapa teknologi dan met-
ods untuk pemetaan Web dan menandai keluar topologi (lihat Bagian 4.1
di bawah). Apa yang peta seperti kepada kita (bdk. misalnya [80])? The visualisasi
seringkali sangat mengesankan, dengan interpretasi tiga-dimensi dan
warna-kode link antara node. Tetapi bagaimana diverifikasi adalah peta tersebut? Di
indra apa yang mereka katakan kepada kami 'bagaimana Web'? Apa saja keterbatasan?
Aplikasi jelas, dalam hal metodologis, peta dan
grafik struktur Web adalah untuk langsung sampling, dengan menentukan
properti yang model dan sampel dari Web seharusnya. Dengan cepat
pertumbuhan Web membuat survei yang lengkap dari pertanyaan tahun
lalu, dan ilmuwan membutuhkan informasi statistik yang cepat dan tepat waktu mengenai
isi sastra Web-tersedia. Perwakilan sampling adalah kunci
untuk metode tersebut, tapi bagaimana seharusnya sampel dikumpulkan dalam rangka
secara tepat disebut [perwakilan 188]? Untuk menjadi benar bermanfaat, sebuah sam-
harus ple
acak
; 'Keacakan' biasanya ditetapkan untuk tertentu
domain, dan pada umumnya berarti bahwa semua individu dalam domain tersebut memiliki
kemungkinan yang sama untuk dipilih sebagai sampel. Tapi untuk Web
mensyaratkan bahwa, misalnya, memahami apa yang individu, karena
Misalnya, kita prihatin dengan situs Web atau halaman Web? Jika yang pertama,
maka kita bisa membayangkan culties Di karena tidak ada pencacahan lengkap
mereka. Dan berdasarkan metode sampling, misalnya, alamat IP adalah komplikasi-
berdedikasi oleh penduduk tentu jarang dari ruang alamat [219].
Lebih jauh lagi, jadi murah beroperasi di Web bahwa kecil num-
ber dari operator bisa membelokkan hati-hati Namun hasil sampel adalah
dipilih. Survei melaporkan lebih rinci di bawah [99] tampaknya dis-
ditutupi bahwa 27% dari halaman di de domain berubah. setiap minggu, sebagai
dibandingkan dengan 3% untuk Web secara keseluruhan. Penjelasannya ternyata
tidak menjadi kerajinan khas Jerman, melainkan di atas
juta URL, sebagian besar tapi tidak semua di server Jerman, yang terjerumus dalam
satu alamat IP, secara otomatis yang dihasilkan dan terus-menerus-berubah
situs pornografi.
Web memiliki banyak sifat yang tidak biasa yang membuat sampling lebih sulit;
bagaimana bisa menghargai metode sampling apa yang tampaknya
prima papan nama
penting
14
Web dan Ilmu nya
properti seperti, misalnya, persentase halaman diperbarui setiap hari,
mingguan, dll? Bagaimana kita bisa faktor dalam masalah-masalah seperti kemerdekaan
sumber data yang mendasarinya? Apakah kita punya banyak memahami distribusi
bahasa di seluruh Web (dan istilah dalam bahasa - cf. [167]),
dan bagaimana meningkatkan kecerdasan dalam memberikan hal ect [138]?
Dan bahkan jika kita senang dengan metodologi sampling kita, bagaimana di tengah-tengah
semua suara itu bisa kita menemukan struktur menarik dan menciptakan kerjasama [191]?
Lebih jauh lagi, meskipun untuk berbagai tujuan Web dapat diobati
sebagai ruang informasi statis, itu tentu saja adalah dinamis dan berkembang.
Jadi segala upaya pemahaman longitudinal dari Web akan membutuhkan
untuk mengambil evolusi yang ke account [218], dan model idealnya
memiliki pertumbuhan sistem (dalam hal penambahan konstan baru
simpul dan tepi ke grafik), bersama-sama dengan struktur link yang
tidak invarian dari waktu ke waktu, dan hubungan domain hierarkis yang
selalu rentan terhadap revisi, dibangun ke dalam mereka (lih. misalnya [253]).
Pemodelan analitik dikombinasikan dengan hati-hati mengumpulkan data empiris
dapat digunakan untuk menentukan probabilitas halaman Web sedang diedit
(Mengubah konten informasi mereka) atau tidak dihapus. Satu percobaan
pengawasan ratusan ribu halaman selama beberapa bulan
menghasilkan hasil menarik: setiap putaran satu waktu sekitar 20% dari web-
halaman di bawah 11 hari tua, sementara 50% muncul di sebelumnya
Tiga bulan. Di sisi lain, 25% adalah lebih dari usia tua tahun - yang
didefinisikan di sini sebagai erence Di antara waktu yang lalu modifica-
SI ke halaman dan waktu download [43]. percobaan lain
terlibat merayapi halaman HTML 150m sekali seminggu selama 11 minggu,
dan menemukan, misalnya, kuat hubungan antara tingkat-atas
domain dan frekuensi perubahan (. halaman com diubah lebih Frekuensi-
quently dari gov atau.. edu halaman), dan bahwa dokumen besar (mungkin
counterintuitively) berubah lebih sering dari yang kecil.
Frekuensi perubahan masa lalu adalah prediktor yang baik di masa depan
perubahan, hasil potensial penting bagi crawler Web incremental
[99]. Pengembangan metode sampling Web feed yang sangat
cepat ke dalam perkembangan lebih e sien dan pencarian akurat.
Metode untuk menemukan informasi secara online, apakah logis atau heuristik,
apakah data-berpusat atau pada model sistem temu kembali informasi, memerlukan
pemetaan akurat.
15
2.2. Web ilmu: Metodologi
Jadi satu aspek dari Web Ilmu adalah investigasi Web dalam
untuk tempat ancaman, peluang dan invariants untuk pengembangannya.
Lain adalah teknik baru, metode mungkin tak terduga
berhubungan dengan informasi, yang menciptakan ekstensi non-konservatif
Web. teknik tersebut dapat berbasis penelitian, atau industri berbasis.
Sintesis sistem baru, bahasa, algoritma dan tool adalah kunci
untuk pengembangan koheren dari Web, seperti, misalnya, dengan
studi tentang sistem kognitif, di mana banyak kemajuan beberapa terakhir
tahun telah datang dengan teknik eksplorasi serta analisis dan
(Cf. deskripsi misalnya [51]). Jadi, misalnya, satu-satunya cara untuk menemukan
e Ects file sharing secara radikal dari desentralisasi adalah untuk mengembangkan rekan rekan
sistem dan operasi mereka amati pada skala yang semakin besar. Seperti itu
perintis rekayasa e orts sangat penting untuk pengembangan Web, melainkan
adalah setelah semua konstruksi. Sangat penting untuk Web secara keseluruhan yang
implementasi sistem berinteraksi dan tidak mengganggu, yang mana
badan standar memainkan peranan penting.
Oleh karena itu Web Ilmu adalah kombinasi dari sintesis, analisis dan gov-
ernance. Dalam sisa teks ini, kita akan ketiga aspek pada gilirannya,
dimulai dengan sintesis, lalu analisis, dan isu-isu sosial yang
berdampak pada pengembangan Web, sebelum menyelesaikan o dengan diskusi
masalah pemerintahan.
