大學排名技術關鍵步驟及未來發展思考

◎李振華

提 要： 大學排名作為針對高等教育的活動、 專業、 院?；蚋叩冉逃到y等發展情況， 采用一定的技術方法所進行的評估量化工作， 長期以來受到了大學主辦者、舉辦者、 學習受眾等群體的熱切關注。 隨著大學間的競爭越發激烈， 大學排名技術應用市場也進一步擴大。 基于大學排名技術的理論基礎， 分析大學排名關鍵步驟及其技術， 以當今世界四大大學排名為研究對象， 梳理大學排名技術的實踐與應用情況， 并對大學排名技術應用研究的未來發展做出展望， 為大學排名技術應用的實踐與發展提供參考。

大學排名作為針對高等教育的活動、 專業、 院?；蚋叩冉逃到y等發展情況，采用一定的技術方法所進行的評估量化工作， 也被稱作大學排行榜、 機構排名等。長期以來， 大學排名受到了大學主辦者、 舉辦者、 學習受眾等群體的熱切關注， 并且這種關注熱度不斷攀升， 加大了對大學發展規劃、 政策制定、 資源配置、 內部決策等方面的影響， 大學間的競爭越發激烈， 大學排名的技術應用市場也因此進一步擴大。 據統計， 當今世界上已有形成體系、 較為成熟的大學排名50 余個， 在這些大學排名中以美國新聞與世界報道大學排名（U. S. News， 美國）、 泰晤士報高等教育副刊世界大學排名（THE， 英國）、 夸夸雷利·西蒙茲公司世界大學排名（QS， 英國）、 世界大學學術排名（ARWU， 中國） 等四個大學排名的影響力較大， 有力地推進了大學排名相關領域的研究。 本文以當今世界四大大學排名為研究對象， 總結歸納這些大學排名中涉及的相關技術、 原理、 方法， 大學排名技術的實踐與應用情況， 并對大學排名技術研究做出展望， 為大學排名技術的實踐與發展提供參考。

一 大學排名技術的理論研究與應用現狀

（一） 大學排名技術的理論基礎

大學排名始于對大學等高等教育機構的有效性評估， 主要面向大學的教學、 科研和社會服務等三大職能進行。 當前的大學排名主要采用產出理論評估框架對大學的三大職能的有效性投入、 過程、 產出等方面予以整體描述與測度。 如美國新聞與世界報道大學排名就以財政資源、 校友捐贈等作為投入評估指標， 畢業率、 同行項目評定等作為產出評估指標。 當然， 世界范圍內的大學排名風格各異， 基于不同模型或理論會形成不同的大學排名系統， 然而， 大學排名僅僅用如上視角考量評估并不完全科學。 夸夸雷利·西蒙茲公司世界大學排名等世界大學排名建立評估教學、科研、 社會服務等市場機制并結合開展大量的問卷調查、 教學質量評價等， 強化多視角、 多數據、 多技術的量化評估， 用以回應如何保障大學排名所需的關于教學、科研、 社會服務等方面的量化數據科學有效等問題。 然而， 大學擔負著復雜多樣的使命， 如何保障大學排名與大學教學質量之間的綜合治理， 如何在大學排名中科學有效地衡量大學在人才培養、 科學研究、 服務社會、 傳承文化、 國際交流等方面的成敗， 也即如何衡量高等教育的五大職能等， 還須從大學排名關鍵步驟與技術層面進一步挖掘， 從中改良相關技術方法以利于全面呈現大學復雜的內在本質以及多樣化的使命。

（二） 大學排名技術的應用現狀

1925 年雷蒙德對美國研究項目的聲望開展排名， 開啟了美國大學的排名研究。直至今日學者們還在繼續完善各類大學排名技術應用， 繼續豐富大學排名技術市場。綜觀當前的50 多個大學排名， 既有新聞媒體主導的排名也有學術排名主導的排名。其中當今世界上較為權威的四大大學排名分別為美國新聞與世界報道大學排名、 泰晤士報高等教育副刊世界大學排名、 夸夸雷利·西蒙茲公司世界大學排名和世界大學學術排名。 表1 為四大世界大學排名相關情況對比情況。 相比而言， 學術研究主導的大學排名更讓人信服， 能提供更可靠、 有效的排名結果并積極指導大學教學、科研等方面的質量提升工程。

表1 四大世界大學排名情況對比情況

美國新聞與世界報道大學排名創始于1983 年， 最初僅針對美國1800 余所院校進行排名。 之后逐步演變為包括本科排名、 研究生院排名、 世界大學排名等若干排名在內的大學排名系統。 該大學排名于2014 年涉足世界大學排名， 其排名指標體系較為穩定。 由于其世界大學排名在不斷增加外部獲取的數據， 開展如委托科睿唯安數據公司建立備選高校數據庫等工作， 其排名表現也越發呈現全面性。 該大學排名在數據采集中注重科研文獻的計量， 強調客觀數據與學術研究等方面聲譽的展現。在數據合成中結合權重和測量的13 個指標得到排名整體分數， 如全球研究聲譽指標主要反映近五年全國最佳大學學術聲譽調查結果的總體情況， 區域研究聲譽則側重學術界對所在區域的其他大學的意見。

泰晤士報高等教育副刊世界大學排名通過在數據采集階段與湯森路透的合作來實現收集大學數據、 完成面向業內權威專家訪談等工作， 著重推行同行評議法， 進而針對大學教學科研與聲譽等進行數據分析與合成。 夸夸雷利·西蒙茲公司世界大學排名同樣重視數據采集， 聯合著名的愛思維爾出版集團開展大學排名的評估工作。 世界大學學術排名由中國上海交通大學高等教育研究所設計并于2003 年發布， 是全球首個世界大學排名。 該排名在數據采集中采用文獻計量等方法， 獲取國家相關職能部門、大學官網等數據。

數據采集、 分析與合成情況在此由四大世界大學排名的指標來觀測。 美國新聞與世界報道大學排名的一級指標包括聲譽影響、 科研產量、 科研影響等； 泰晤士報高等教育副刊世界大學排名的一級指標主要有教學質量、 科研能力、 論文引用、 國際化、 工業收入等； 夸夸雷利·西蒙茲公司世界大學的一級指標主要聚焦于聲譽影響、 教學質量、 科研能力、 國際化等； 教學質量、 教師質量、 科研產出、 人均績效是世界大學學術排名的一級指標。 可見， 科研總量、 高質量科研成果數量、 篇均等科研產出類指標是世界四大大學排名的主要觀測指標， 同時聲譽影響也得到了廣泛的關注， 權重位于25% ～50%。 由指標情況反映出對于大學教育過程的關注不夠，而強調教育產出， 世界四大大學排名僅有泰晤士報高等教育副刊世界大學排名在教育過程環節設置了指標， 占據總指標的8.25%， 因而指標對于大學教學中心地位的保障工作還不夠。

二 大學排名技術與關鍵步驟

從本質上來講， 大學排名就是基于某種模型的評估量化工作。 大學排名依照維度數量情況， 可以劃分成單維度大學排名和多維度大學排名。 前類大學排名主要通過對單一維度的多個指標進行賦權加和來實現對大學實際表現的評估， 而后類大學排名主要提供系列化的維度分數表， 可以通過指標權重分配實現多維度的評估量化。相比而言， 單維度大學排名無疑實際應用更為廣泛。 當前學界的關注點主要集中在如何把大學的主要工作或全部工作轉換為可供統計、 描述、 分析、 排行的數字化的指標體系之上， 而這僅僅是主要工作的一部分， 就大學排名的主要工作而言， 主要包括通過大學排名涉及的指標數據的收集、 分析與合成等工作階段來形成大學排名的排行情況。

（一） 數據采集

大學排名機構根據其目的和發展愿景， 結合本科生教學、 研究生研究等不同類型的大學功能定位， 績效考核、 聲譽測量等不同類別的大學評估量化要求， 設定具有科學化、 規范化與合理化的大學排名方法與指標體系， 并根據其指標體系開展數據采集工作。 其中數據采集的范圍包括了大學本身具有的一手數據、 排名機構調查所得的數據、 政府及其他機構提供的公開數據、 第三方獨立機構收集到的數據、 文獻數據資料， 以及調研問卷等。 可見， 從上述近乎海量的數據中抽取簡化出所需的數據并非易事。 現有數據采集技術多為專屬模板采集、 直接采集、 軟件采集與接口采集相結合的方式， 即在數據采集時大學排名機構根據相應情況分別予以對待。 鑒于數據本身存在的真實性、 權威性等現實問題， 英國等國家針對大學本身具有的一手數據等開展數據審查。 數據審查主要就各類數據指標及數據收集、 報送的日期等加以嚴格界定與審計。 同時為避免篡改數據帶來大學排名改變等情況的發生， 在數據采集中還增加了數據保護、 加密等技術。

（二） 數據分析

數據分析階段是將數據采集階段所獲得的與設定指標有關的數據進行標準化處理， 使其轉換為分數或其他相應的數字形式。 理查森研究發現在數據合成之前， 對各指標數據的調整并不標準和規范。 然而為了便于理解和進一步計算合成， 需要采取融合多類型數據進行數據標準化操作， 改進現有數據的標準化程度、 擴大數據分析范圍等技術。 如Z 分數技術就是將采集到的數據轉換為一個以0 分到10 分為度量的量表， 即數據在標準化處理之后被映射到一個單一的測量量度上， 該量度平均值為0， 標準差為1。 雖然測量量度的標準建立并沒有科學的理論分析依據， 但這種變動數據實現標準化的處理方式也是泰晤士報高等教育副刊世界大學排名等大學排名機構常用的方式。 在具體實踐中， 也存在給量表賦值時采用0 ～100 或者是組合賦值的情況。 基于數據分析大平臺的技術操作也有利于后期數據分析、 數據審計追蹤的開展實施。

（三） 數據合成

數據合成階段是以對不同指標分數賦權加和的形式予以聚合測量指標， 形成單一的測度結果， 從而得出最終的大學排名結果， 用以表示大學的教學質量、 研究成果等方面的發展情況。 對于指標分數賦權的方法主要包括基于經驗出發定性的主觀賦權法， 包括均方差法、 變異系數法、 主成分分析法等在內的依照指標原始數據間的不同開展的客觀賦值法， 以及結合主觀賦權法與客觀賦權法雙方優點的組合賦權法等。 對照世界上大學排名機構的排名結果可以發現， 同一大學會有不同排名結果的現象， 其主要原因在于各大學排名機構所采用的方法具有差異性， 大學排名所呈現的僅僅是排名目標群體在某些方面的綜合整體表現， 即在采用的數據指標、 數據源、 數據處理方式、 指標權重分配、 排名目標群體、 排名領域等方面存在差異性情況。 結合大學排名機構的發展目標與愿景的差異性， 顯然大學排名的差異結果也是可以接受的。

三 大學排名技術未來發展的思考

（一） 大學排名技術要在應用基礎上發力

從大學排名技術發展層面來看， 伴隨著以5G 為代表的物聯網時代的到來， 大數據計算力與人工智能理論算法的大幅提升， 數字網絡設施設備的演變與革新， 大學排名技術在數據收集、 分析與合成的主動性、 融合性、 智能性層面都將有明顯的增強。 在數據收集方面， 依托大數據實現數據量大、 突發性強的泛在計算； 在數據分析方面， 基于數據類型多樣性、 不確定性與計算實時性等要求實現泛在自主計算；在數據合成方面， 依托人工智能實現面向云端融合， 具有移動性、 迭代性的泛在協作運算。

（二） 大學排名技術要在應用發展上深入

從大學排名技術應用發展層面來看， 高等教育機構排名的柏林原則已經對大學排名未來發展給出了建議， 即大學排名中相關要素的透明度、 相關性、 數據比較的有效性是提升排名科學性與有效性的關鍵， 而大學排名技術應用與改進則應延續該思路， 汲取大學排名技術發展的優勢力量， 從當前一元化的大學排名調整為多元化的大學排名， 將原有以大學排名機構為中心視角的排名改變為以準大學生等客戶為中心的排名， 由大學排名轉變為以體現地區特征、 學科間差異為導向的地區排名、學科排名等。 以客戶為中心的大學排名、 地區大學排名、 學科排名等大學排名將帶動大學排名技術應用的推進， 帶動人工智能、 增強現實等技術融合的軟硬件技術設備的開發。 如定制大學排名， 開發可觸摸操作的、 具有增強現實功能的全國商科院校排名系統， 由客戶在硬件觸摸屏上移動加載相關數據， 促成即時計算實現增強現實展示的排名情況， 使硬件與技術應用有機融合。 未來大學排名技術應用場景將更為廣闊， 如政府制定政策， 特別是合作高校認定、 高校資格認定、 大學合并、 技術移民等涉及教育教學方向的政策制定都將是大學排名技術應用的新陣地； 高校人事與組織機構調整、 資源分配與優化等事關高校發展規劃與決策管理領域也會讓大學排名技術應用有所施展。 另外， 基于其核心技術還可移植應用到智能城市交通出行、網上購物、 體育競技訓練等領域的排名與推薦。 同時整合后期可能源源不斷產生的個性化大學排名需求， 智能匯聚人機交互設備、 動態傳感器資源等， 還將繼續推進大學排名技術的深入發展與技術應用的泛在化。

（三） 大學排名技術要加強應用生態的管理

從大學排名技術應用生態管理層面來看， 大學排名技術應用將整合資源、 應用、作用層面的要素形成包括數據采集、 數據分析與數據合成在內的三個子生態圈， 并由這三個子生態圈合成大學排名技術應用大生態圈， 與政府、 院校、 企業等形成信息、 資源等互通互聯的技術應用、 生成、 評測等生態環境， 及時載入類腦計算等新技術， 促進大學排名技術應用的生態發展。 第一， 要繼續加強技術基礎研究， 夯實大學排名技術的理論、 方法和技術研究基礎， 支撐起大學排名技術應用的實現。 第二， 要加強軟硬件協同式創新設計， 為定制化、 個性化大學排名建立一體化的生態環境。 第三， 強化對技術應用標準化的研究， 對標準化視角的研究有利于進一步強化大學排名的國際化發展， 進一步精準研發本土化工科、 商科等縱深化的學科大學排名。 同時在敏捷項目管理等管理介入的作用下， 實現技術應用生態內外部生生不息、 動態平衡與演化發展的生態圖景。