Paano Namin Niraranggo ang Mga Nangungunang Unibersidad para sa Blockchain

Noong nakaraang taon, inilabas ng CoinDesk ang kauna-unahang Blockchain University Rankings nito sa pagtatangkang kilalanin ang papel na ginampanan ng akademikong pananaliksik sa pagbuo ng Technology ng blockchain , gayundin ang pagkalkula ng epekto ng mga indibidwal na paaralan. Ang aming layunin ay simple: mag-alok ng pinaka mahigpit at nuanced window sa epekto ng mga unibersidad sa larangan ng blockchain.

Naturally, may mga limitasyon, at nang magsimula kaming magtrabaho sa aming 2021 na ranggo, ang pagpapagaan ng marami sa mga limitasyong ito hangga't maaari ay isang pangunahing layunin.

Sa layuning ito, gumawa kami ng dalawang pangunahing pagbabago sa aming pamamaraan sa taong ito. Una, isinama namin hindi lamang ang higit pang mga paaralan, ngunit ang isang mas malawak na iba't ibang mga paaralan - ang aming larangan ay lumawak mula sa 46 na unibersidad na nakabase sa U.S. hanggang sa higit sa 200 mga paaralan (230, upang maging eksakto) mula sa buong mundo. Pangalawa, isinaalang-alang namin ang "gastos ng pagdalo" upang ipakita ang isang sukatan ng lumalaking pag-aalala para sa maraming kasalukuyan at hinaharap na mga mag-aaral.

Read More: Ang Mga Nangungunang Unibersidad para sa Blockchain ng CoinDesk 2021

Higit sa lahat, gusto naming tiyakin na ginagawa ng mga ranggo na ito ang nilalayon nilang gawin: nag-aalok ng holistic na snapshot ng intersection sa pagitan ng transformative Technology ito at ng mga institusyon ng mas mataas na edukasyon. Naniniwala kami na ang isang transparent, intelektwal na mapagtatanggol na pagraranggo ay makakatulong sa pag-condense kung ano ang nagtatapos sa pagiging isang hindi kapani-paniwalang dami ng mahirap hanapin na impormasyon (na may hindi mabilang na mga salik) pababa sa isang mas napapamahalaang format.

Sa diwa ng open-source, gusto rin naming ulitin ang aming pangako sa integridad at transparency ng data. Mas masaya kaming talakayin at/o ibahagi ang aming data, ang aming mga pamamaraan o anumang bagay tungkol sa proyekto kapag Request.

Laki ng sample

Ang aming opisyal na sample size para sa mga ranggo na ito ay 230 indibidwal na mga paaralan, na hindi halos ang kabuuang bilang ng mga unibersidad na umiiral sa buong mundo. Upang matukoy kung aling mga institusyon ang tututukan, nagdagdag kami ng mga paaralan sa listahan ayon sa kanilang kakayahang matugunan ang ONE sa tatlong pamantayan.

Una, isinama namin ang anumang paaralan na nakalista sa nangungunang 100 ng ONE sa USNWR Best Global Universities (2021), ang QS World University Rankings (2022), ang ShanghaiRanking's Academic Ranking of World Universities (2021), o ang World University Rankings (2022). Isinama din namin ang anumang paaralan na isinaalang-alang noong nakaraang taon (2020) na katulad na nakabatay sa pagsasama-sama ng mga panlabas na ranggo. Nagbigay ito sa amin ng isang malaking paunang sample.

Ang setup na ito, gayunpaman, kung limitado lamang sa dalawang pamantayang ito, ay maaaring magdulot ng problema: Paano kung ang isang mas mababang ranggo na paaralan (tulad ng hinuhusgahan ng USNWR, QS, ARWU, o THE) ay gumagawa ng kamangha-manghang gawain ngunit nabigong isaalang-alang dahil lamang sa ilang panlabas na mapagkukunan ay nagkataong hindi sila napansin sa kanilang mga pandaigdigang ranggo? Ito ay malayo sa isang kanais-nais na resulta.

Sa kabilang banda, T kaming mga mapagkukunan upang masusing suriin ang bawat paaralan na umiiral, lalo na kung kakaunti sa kanila ang nakikibahagi sa uri ng maimpluwensyang gawaing blockchain na malamang na humantong sa isang lugar sa aming mga ranggo.

Tsart ni Shuai Hao / CoinDesk

Upang balansehin ang mga pagsasaalang-alang na ito, ang aming ikatlong pamantayan ay isang kompromiso: Noong inilabas namin ang aming qualitative survey, isinama rin namin ang isang panawagan para sa anumang paaralan, saanman sa mundo, upang Request ng pagsasama/pagsasaalang-alang sa aming mga ranggo. Sa pamamagitan ng pagbubukas ng aming pamantayan ngunit paglalagay ng pasanin sa paghiling na maisama sa mga paaralan mismo, naalis namin ang anumang artipisyal na limitasyon kung saan isinasaalang-alang ang mga paaralan habang sabay-sabay na pinapanatili ang mataas na antas ng kumpiyansa na anumang paaralan na gumawa ng positibong hakbang sa paghiling na masuri ay sa huli ay sulit ang aming oras at mga mapagkukunan upang masuri nang mabuti.

Ang huling 230 na institusyong ito ay kumakatawan sa ilan sa mga pinakamahusay na paaralan na umiiral ngayon, at ang aming huling sample ay nakakita ng isang halo ng malalaking, tradisyonal na "elite" na mga institusyong pananaliksik at mas maliliit na paaralan, mula pampubliko hanggang pribado, mula libre hanggang mahal, na kinakatawan ang bawat kontinente (maliban sa Antarctica).

Pamamaraan

Upang matukoy ang mga huling marka, tiningnan namin ang limang pangunahing kategorya: (1) lakas ng isang institusyon sa pananaliksik at mga kontribusyong akademiko sa pagsulong ng larangan; (2) ang umiiral na mga handog ng blockchain sa campus, maging sa anyo ng mga klase, sentrong pang-edukasyon, club, ETC.; (3) mga resulta ng trabaho at industriya; (4) halaga ng pagdalo; at (5) pangkalahatang akademikong reputasyon.

Ang bawat kategorya ay binubuo ng maraming sub-category, na nag-aalok ng isang holistic na larawan ng presensya ng isang unibersidad sa blockchain space. Para sa isang panghuling marka, nagtalaga kami ng mga puntos sa bawat institusyon na proporsyonal sa kanilang pagganap sa bawat kategorya, at na-normalize ang kanilang mga kabuuang kabuuang punto sa isang sukat mula 0-100.

1) Epekto ng iskolar: Upang matukoy ang iskolar na marka ng epekto ng paaralan, una kaming umasa sa Clarivate Web Of Science database. Kinuha namin ang kabuuang bilang ng mga publikasyon (lahat ng mga paksa) mula sa bawat paaralan, at pinaliit ang mga ito upang isama lamang ang mga papel na may kaugnayan sa blockchain- o cryptocurrency na inilathala sa pagitan ng 2019-2021 (kabilang ang mga paparating na papeles na nakatakda para sa 2022). Mula sa hanay na ito, nakabuo kami ng mga ulat ng pagsipi at gumawa ng mga subset kung saan ang unang may-akda ng publikasyon ay kaakibat ng pinag-uusapang unibersidad. Ang resultang data ay nagbigay sa amin ng mga pangunahing sukatan ng (1) kabuuang blockchain research paper na inilathala ng mga kaanib ng unibersidad, (2) kung gaano kadalas binanggit ang mga papel na ito, at mga magaspang na numero sa (3) kung gaano kadalas ang pangunahing tagapagpananaliksik sa isang papel ay nagmumula sa isang partikular na institusyon (ang “unang may-akda” na kombensiyon ay, siyempre, nakadepende sa disiplina).

Ang mga raw na numero, gayunpaman, ay T palaging nagsasabi ng buong kuwento. Ang isang mas malaking paaralan, na may mas malaking faculty at isang mabigat na endowment, ay maaaring maglagay ng higit pang blockchain na pananaliksik sa pangkalahatan (habang namamahala pa ring maglaan ng medyo maliit na porsyento ng mga mapagkukunan nito sa larangan), habang ang isang maliit na paaralan na naglalaan ng mas kahanga-hangang porsyento ng mga pangkalahatang mapagkukunan nito sa blockchain na pananaliksik ay maaaring magkaroon ng mas kaunting mga papeles dahil lamang sa isang mas maliit na kabuuang bilang ng mga tao.

Upang maisaalang-alang ito, na-normalize din namin ang bawat punto ng data (kung saan naaangkop) laban sa kabuuang output ng institusyon. Kapag na-normalize sa ganitong paraan, ang isang mas maliit na unibersidad na naglalaan ng mas malaking proporsyon ng pananaliksik nito sa blockchain ay gagantimpalaan kumpara sa isang mas malaking unibersidad na makakapag-pump out ng mas malaking dami ng pananaliksik na may mas kaunting pamumuhunan. Bilang pagkilala sa katotohanan na ang parehong raw na output at naka-target na output ay mahalagang sukatan, pareho ang isinasali sa aming mga ranggo, kasama ang pinagsama-samang H-Index ng mga publikasyong blockchain ng isang paaralan. Para sa sinumang interesado sa muling paggawa ng aming dataset, pakitiyak na a) mayroon kang ganap na access sa Web of Knowledge at lahat ng subscription sa Clarivate; at b) gamitin ang aming query upang i-filter ang mga resulta: “cryptocurrenc* O blockchai* O bitcoi* O Ethereum O stablecoi*”

2) Mga handog sa blockchain ng campus: Upang makarating sa marka ng mga handog na blockchain ng isang paaralan, sinuri namin ang maraming aspeto ng kanilang umiiral na imprastraktura sa campus. Ang mga inaalok na kurso sa campus ay ang pinakamalaking solong subcategory na aming tiningnan. Ang bilang ng mga available na klase (lalo na kapag kumalat sa maraming departamento, na nagbibigay ng pagkakataon para sa mas matatag na edukasyon) ay nagpapakita ng malalim na pamumuhunan sa espasyo kapwa sa kasalukuyan at para sa hinaharap. Ang mga guro ay dapat na upahan, ang mga curricula ay dapat na binuo at ang administratibong buy-in ay dapat na makamit. Ang mga ito ay hindi ginagawa sa isang kapritso, at kadalasan ay medyo permanente.

Ang pangalawang pinakamalaking salik sa aming mga pagraranggo ay ang pagkakaroon ng isang nakatuong blockchain research center, bagama't hiwalay din naming isinasaalang-alang ang mas maliliit na inisyatiba at mga club na pinapatakbo ng mga mag-aaral. Ang mga sentro ng pananaliksik at mga inisyatiba ay kadalasang nag-aalok ng mga natatanging pagkakataon para sa mga mag-aaral na makilahok sa gawaing pang-akademiko o makakuha ng mga hands-on na karanasan, at maaaring magsilbi bilang mahusay para sa mga bagong ideya at palaisip (lalo na kapag ang mga entity na ito ay gumawa ng karagdagang hakbang sa pag-aayos ng mga kumperensya, summit o iba pang mga Events pang-edukasyon). Ang mga sentro ng pananaliksik, inisyatiba at club ay nagbibigay-daan sa lahat ng mga mag-aaral, guro at mas malaking komunidad na kumonekta sa iba pang mga mahilig, at may posibilidad na magbigay ng isang mahalagang Tether sa pagitan ng akademya at industriya.

Panghuli, upang i-round out ang kategoryang ito, nangalap kami ng data sa namumuong ngunit patuloy na lumalagong hanay ng mga unibersidad na nag-aalok ng mga degree na nauugnay sa blockchain, maging sa antas ng graduate o undergraduate at kung minsan bilang isang konsentrasyon sa loob ng ibang degree. Sa kabuuan, ang kategorya ng Mga Alok ng Campus Blockchain ay ang pinakakinahinatnang bahagi ng aming pamamaraan.

3) Mga resulta sa trabaho at industriya: Ang kakayahan ng isang unibersidad na ilagay ang mga mag-aaral sa mga kaugnay na trabaho ay isang mahalagang sukatan para sa dalawang dahilan: ONE, may sinasabi ito tungkol sa cache ng isang institusyon sa industriya, alinman dahil sa pagkilala sa pangalan, mga personal na koneksyon, o mga pipeline ng institusyon; at dalawa, ito ay partikular na kahalagahan sa kasalukuyan at papasok na mga mag-aaral.

Ang pangunahing layunin ng isang mag-aaral sa pagkuha ng edukasyon sa kolehiyo ay, pagkatapos ng lahat, madalas na makakuha ng trabaho sa industriya. Upang matuklasan kung aling mga paaralan ang naglalagay ng pinakamaraming nagtapos sa larangan ng blockchain, tiningnan namin ang LinkedIn footprint ng higit sa 200 sa pinakamalaki at pinaka-maimpluwensyang kumpanya sa espasyo, pati na rin ang kanilang libu-libo at libu-libong empleyado. Para mabawasan ang mga bias, isinaalang-alang namin ang mga raw at normalized na numero. Ang mga raw na numero ay kapaki-pakinabang para sa pag-highlight ng mga paaralan na naglalagay ng mataas na bilang ng mga nagtapos sa mga trabaho, ngunit ang mas malalaking paaralan sa mas malalaking bansa ay malamang na magkaroon ng kalamangan dahil lamang sa laki.

Ang mga normalized na numero ay nagpinta ng isang mas nuanced na larawan ng mga kasanayan sa pagkuha. Upang magbigay ng kaunting liwanag sa aming data, binago namin ang aming data sa dalawang karagdagang paraan. Una, dahil lubos kaming umasa sa LinkedIn bilang pinagmumulan, nakita naming maingat na maunawaan kung gaano katumpak ang LinkedIn para sa iba't ibang bansa. Upang gawin ito, ginamit namin ang laki ng bawat bansa, mas mataas na antas ng edukasyon, at paggamit ng LinkedIn upang bumuo ng multiplier para sa bawat unibersidad batay sa inaasahang bilang ng mga hire na maaaring napalampas namin. Ang mga bansang may mas mababang proporsyonal na antas ng paggamit ng LinkedIn ay nakakuha ng tulong sa mga tuntunin ng mga raw na numero.

Pangalawa, kinikilala din natin na ang mga raw na numero ay madaling mapataas dahil lamang sa laki ng isang populasyon. Ang Unibersidad ng Buenos Aires, halimbawa, kasama ang kanyang ~300,000 mag-aaral, ay mas malamang na maglagay ng 200 alum sa mga trabahong blockchain kaysa sa isang lugar tulad ng Rockefeller University na may ~213 mga mag-aaral.

Ang Unibersidad ng Buenos Aires na naglalagay ng 200 grads sa blockchain ay inaasahan kahit na walang puhunan sa larangan, samantalang ang paglalagay ng Rockefeller ng parehong numero ay nagpapahiwatig ng isang bagay na mas malapit sa isang paaralan na ganap na nakatutok sa blockchain (malamang na hindi, dahil ang Rockefeller ay iginagalang na bio/medical sciences university). Upang isaalang-alang ito, nag-normalize din kami laban sa laki ng paaralan.

Upang mangalap ng qualitative data, nag-survey din kami sa mga stakeholder ng industriya at iba pang hindi mag-aaral, hindi akademya upang maunawaan kung paano (subjectively) ang pagtingin sa mga institusyon ng mga taong itinuturing ang kanilang sarili na nasa labas ng akademya. Ang data na ito ay na-quantified ayon sa numero, tulad ng impormasyon tungkol sa bilang ng mga aktibong pakikipagsosyo sa industriya (kabilang ang Sponsored na pananaliksik) na pinananatili ng bawat unibersidad.

4) Halaga ng pagdalo: Upang kalkulahin ang marka ng Halaga ng Pagpasok ng paaralan, tiningnan namin ang parehong pangkalahatang gastos at isang normal na konstruksyon ng kabuuang halaga ng pagdalo. Ipinapalagay namin dito na mas mainam ang mas mababang tuition, at pakiramdam na dapat naming kilalanin ang mahalagang caveat na isinasaalang-alang lamang namin ang batayang presyo ng isang unibersidad, habang sa aktwal na pagsasanay, ang mga gawad, scholarship, gastos sa pagkakataon, at maging ang paninirahan ay maaaring ganap na baguhin ang kalkulasyon ng isang indibidwal. Kasabay ng mga katulad na linya, ang tuition ay puro pag-aalalang kinakaharap ng mag-aaral, habang umaasa kaming magagamit ng mga hindi mag-aaral ang mga ranggo na ito. Dahil sa mga alalahaning ito, ang aming sukatan ng gastos ay, ayon sa timbang, ang hindi gaanong kahihinatnan na bahagi ng aming pamamaraan.

Dalawang piraso ng data ang isinaalang-alang upang makabuo ng markang ito. Ang una ay tuition, na may ONE tala. Hangga't maaari, ipinapalagay namin na ang isang dadalo ay mula sa loob ng bansa ngunit nasa labas ng estado kapag kinakalkula ang mga gastos sa pagtuturo. Siyempre, ang ilang mga unibersidad ay may ONE flat fee lang. Ang iba, gayunpaman, ay naniningil ng iba't ibang halaga ng matrikula para sa nasa estado (kumpara sa labas ng estado), at may isa pang iskedyul ng bayad para sa mga internasyonal na estudyante. Upang makuha ang pinakamalaking bilang ng malamang na mga mag-aaral, palagi naming inilapat ang panuntunan sa pagtuturo na "sa labas ng estado ngunit hindi sa labas ng bansa" kapag kinakailangan.

Ang pangalawang piraso ng data ay isang normalized na halaga ng pagdalo. Upang matukoy ito, ginamit namin ang parehong data ng suweldo para sa bansa kung saan matatagpuan ang unibersidad at isang external na cost-of-living chart bilang proxy data upang bumuo ng pinagsamang cost of living index na partikular sa bansa. Pagkatapos ay nagpatakbo kami ng raw na data ng tuition laban sa hybrid index na ito upang magtalaga ng mga ranggo na marka sa bawat unibersidad.

5) Reputasyon sa akademiko: Sa isang perpektong mundo, ang mga ranggo ay magbibigay-diin sa merito, at ang anonymized, quantifiable data ay magiging sapat upang hatulan ang epekto ng isang unibersidad sa blockchain space. Gayunpaman, sa totoo lang, ang mga intangibles ng isang paaralan ay may napakalaking epekto sa lahat mula sa mga prospect ng trabaho ng isang mag-aaral, sa kanilang kakayahang makakuha ng isang paa sa pinto ng isang internship, hanggang sa kalibre ng tagapagsalita na gugugol ng kanilang limitadong oras sa pagbibigay ng isang pahayag sa anumang partikular na paaralan.

Upang magpanggap na ang reputasyon ay T mahalaga, na ang kasaysayan ay hindi gaanong mahalaga, ay ang paggawa ng isang masamang serbisyo sa aming mga ranggo. Ang epekto ng akademikong reputasyon ng isang paaralan sa aming pamamaraan, gayunpaman, ay pinaliit ng bawat iba pang kategorya maliban sa gastos, na nagpapakita ng parehong kamakailang pag-alis mula sa kredensyalismo at ang mas malaking bigat na itinalaga namin sa mas nasasalat, produktibong mga sukatan.

Upang matukoy ang marka ng reputasyon ng isang institusyon, tiningnan namin ang dalawang pamantayan: (a) umiiral, pangkalahatang reputasyon na kinakalkula ng USNWR, THE, ARWU, at QS; at (b) reputasyon na tinutukoy ng aming sariling mga qualitative survey, na humiling sa parehong mga nagsasanay na akademya at kasalukuyang mga estudyante na suriin ang mga paaralan. Ang data na ito ay hinati ayon sa kung ito ay nagmula sa isang mag-aaral o isang akademiko, at na-quantified ayon sa numero.

Katulad noong nakaraang taon, mayroong dalawang karaniwang thread sa aming pamamaraan. Una, alinsunod sa aming layunin ng higpit, defensibility, at reproducibility, gumamit kami ng external na verified, quantitative na data tuwing available ang naturang data, at ginawang normal ang data na ito kung saan naaangkop upang magdagdag ng maraming pagbabago sa aming mga ranking hangga't maaari. Kapag kailangan namin ng qualitative data, nagpadala kami ng bukas, pampubliko, naibabahaging survey sa lahat ng available na channel at ginawa namin ang aming makakaya na huwag limitahan ang pakikilahok sa anumang paraan.

Pangalawa, ginawa namin ang bawat pagtatangka upang suriin ang bawat punto ng data mula sa maraming anggulo hangga't maaari. Gaya ng kadalasang nangyayari, ang anumang naibigay na punto ng data ay maaaring makita bilang isang positibo sa ilang mga sitwasyon ngunit isang negatibo kapag nakita sa pamamagitan ng ibang lens. Ang normalisasyon ay ONE tool upang labanan ito, ngunit gayundin ang mga bagay tulad ng sentido komun at isang walang kabuluhang pagsusuri ng landscape. Ang data ay nagsasabi ng isang kuwento, at ang aming layunin ay hayaan ang aming data na magsabi ng kumpletong kuwento hangga't maaari.

Sa mga ranggo sa pangkalahatan

Bilang pangwakas na tala, gusto naming ipahayag ang isang damdaming ipinahayag noong nakaraang taon at tugunan ang proyekto ng paglikha ng mga ranggo sa unibersidad sa isang mas pangkalahatang kahulugan. Sa mahahalagang paraan, ang mga ordinal na ranggo ay hindi kapani-paniwalang kapaki-pakinabang para sa pagpapakita ng napakaespesipikong data o pagbabawas ng malaking halaga ng impormasyon sa isang natutunaw na format, ngunit parehong makitid at likas na madaling matunaw.

Kahit na ang mga maliliit na pagbabago sa pamamaraan ay maaaring magkaroon ng napakalaking epekto sa panghuling resulta, pati na rin ang mga outlier na data o kahit na mga error na ipinakilala ng mananaliksik. Upang sabihin na ang mga ranggo ay mahina laban sa mga kritisismo ng pagiging subjectivity at pagiging maamo ay hindi nilayon upang i-marginalize ang aming data o ang mas malaking proyekto sa kamay; sa halip, umaasa kami na sa pamamagitan ng pag-highlight sa mga limitasyon ng aming output, ang mga ranggo na ito ay magiging mas kapaki-pakinabang sa mas maraming indibidwal.

Handa kaming talakayin ang aming pamamaraan, magbahagi ng data, sagutin ang mga tanong, at tugunan ang mga alalahanin. Hinihikayat ang mga interesadong mambabasa na makipag-ugnayan JOE Lautzenhiser (JOE.lautzenhiser [sa] CoinDesk.com).

Bilang pangwakas na tala, nararapat na tandaan na umaasa kaming ang mga ranggo na ito ay magsisilbing pundasyon para sa isang buhay, humihinga na mapagkukunan na higit pa sa isang nakaayos na listahan ng mga paaralan. Sinimulan namin at patuloy naming gagawin ang pananaliksik na ito, ngunit hindi kami walang muwang upang maniwala na kaya naming itayo ang partikular na monumento na ito nang mag-isa.

Ngunit naniniwala kami na ang mapagkukunang ito na nagbibigay-liwanag sa ONE maliit na sulok ng sansinukob ng blockchain ay may napakalaking halaga – para sa mga mag-aaral na naghahanap ng mas tradisyonal na landas sa industriya, para sa mga akademya na umaasang makipagtulungan sa mga indibidwal na katulad ng pag-iisip, para sa mga kumpanyang nagtataka kung saan ginagawa ang partikular na pananaliksik. Bilang unang hakbang, sinimulan naming punan ang mga profile para sa ilan sa mga nangungunang unibersidad, ngunit sa huli ay gusto naming magkaroon ng representasyon ang bawat paaralan.

Ang mga mag-aaral ay maaaring mag-ambag dito sa pamamagitan ng pagsuri sa kanilang (mga) paaralan at pagkakaroon ng awtorisadong kinatawan ng unibersidad (hal., isang miyembro ng media/komunikasyon/ ETC. team) Contact Us kung ang anumang impormasyon ay luma na o nawawala, o kung ang kanilang mga paaralan ay wala pang profile. Ang mga indibidwal ay maaaring makatulong sa pamamagitan ng pag-highlight ng mahahalagang pananaliksik at mga proyekto, o mga nobelang diskarte sa blockchain na edukasyon. Makakatulong ang mga paaralan sa pamamagitan ng pagsusuri sa mga ranggo na ito at paggamit sa mga ito bilang hudyat kung paano mapabuti. Sa huli, ang sagot ay simple: maglaan ng mga mapagkukunan sa pagtuturo sa mga mag-aaral, guro, at komunidad tungkol sa Technology ng blockchain .

CoinDesk University Ranking RankingSchoolScore1National University of Singapore100.00 2Royal Melbourne Institute of Technology97.65 3University of California Berkeley93.26 4University of Zurich91.66 5Massachusetts Institute of Technology91.57 6Hong Kong Polytechnic University84.30 54UCL8Thua. 9Chinese University of Hong Kong75.30 10ETH Zurich75.04 11Nanyang Technological University, Singapore74.98 12Stanford University68.41 13UNSW Sydney66.29 14City University of Hong Kong66.13 15University of Oxford65.47 JiCor16Shanghang University Unibersidad63.98 18Delft University of Technology63.85 19University of Hong Kong61.97 20University of Sydney61.48 21École Polytechnique Fédérale de Lausanne (Switzerland)60.78 22University of Illinois Urbana-Champaign60.10 21University of Illinois Urbana-Champaign60.10 23 Unibersidad ng Illinois Urbana-Champaign Teknolohiya58.51 25University of California Los Angeles58.40 26Korea Advanced Institute of Science and Technology57.87 27Sun Yat-sen University57.18 28University of British Columbia55.80 29Peking University54.15 30Arizona State University51.86 351Technical University of Edinburgh1 33Carnegie Mellon University51.10 34University of Melbourne50.95 35Worcester Polytechnic Institute50.77 36Georgetown University50.40 37Fudan University49.95 38University of Southern California49.57 39Korea University48.859Korea University48.85 448Imperial University London 42Tokyo Institute of Technology47.37 43University of Warwick47.19 44Fordham University46.89 45Columbia University46.46 46Seoul National University45.72 47King Abdulaziz University45.59 48Monash University44.05 40.Zhe 49Harvarji University