Cím:

A QS-rangsor előrejelezhetősége a Scopus és a SciVal adatai alapján a hazai intézmények tükrében

The Predictability of QS Ranking Based on Scopus and SciVal Data through the Lens of Hungarian Institutions

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Dobos Imre1, Sasvári Péter2, Urbanovics Anna3

Jegyzet elhelyezéséhez, kérjük, lépjen be!

1 DSc, egyetemi tanár, Budapesti Műszaki és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar, Budapest, dobos.imre@gtk.bme.hu

Jegyzet elhelyezéséhez, kérjük, lépjen be!

2 PhD, habilitált egyetemi docens, Nemzeti Közszolgálati Egyetem Államtudományi és Nemzetközi Tanulmányok Kar, Budapest, egyetemi docens, Miskolci Egyetem Gépészmérnöki és Informatikai Kar, Miskolc

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Jegyzet elhelyezéséhez, kérjük, lépjen be!

3 PhD-hallgató, Nemzeti Közszolgálati Egyetem Államtudományi és Nemzetközi Tanulmányok Kar, Budapest

Jegyzet elhelyezéséhez, kérjük, lépjen be!

 
Összefoglalás
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A felsőoktatási rendszerek és a felsőoktatási intézmények értékelésének nemzetközileg elismert módja a nemzetközi egyetemminősítő rangsorok használata. Ezek közül az egyik legismertebb a QS-rangsor, ami hat indikátor mentén minősíti az intézményeket. Jelen tanulmányunk két célt fogalmazott meg. Először azt vizsgáljuk meg, hogy a QS-rangsor és a Scopus/SciVal-adatbázisból nyerhető változókból TOPSIS (Technique for Order of Preference by Similarity to Ideal Solution) rangsoroló eljárással nyert egyetemi rangsorok hogyan viszonyulnak egymáshoz. Az eredmény nagy fokú egyezést mutat. A második célunk az volt, hogy ezen a QS egyetemi listán szereplő magyar egyetemeket megvizsgáljuk a régi és új rangsorok szerint. Egy egyetem kivételével a magyar egyetemek rangsora is nagy fokú stabilitást mutatott.
 
Abstract
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

The international university rankings are world-reputed modes to evaluate the higher education area and higher education institutions. The QS rankings is one the most popular among these, which evaluates institutions based on six indicators. This paper has two aims. First, we investigate how the QS rankings and alternative rankings based on data from SciVal correlate with each other. Our findings show a strong correlation. Our second goal was to examine the Hungarian higher education institutions on this QS university list according to the old and new rankings.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

With the exception of one university, the Hungarian institutions show high stability in these rankings.
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Kulcsszavak: egyetemi rangsor, magyar egyetemek, TOPSIS, Scopus/SciVal
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Keywords: university ranking, Hungarian universities, TOPSIS, Scopus/SciVal
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

DOI: 10.1556/2065.182.2021.9.9
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

 

Bevezetés

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A felsőoktatás egyre jelentősebb szerepet vállal az egyes nemzetek gazdasági növekedésében és társadalmi fejlődésében (OECD, 2015). A felsőoktatási intézmények a tudástermelés- és megosztás, valamint az innovációs potenciál szempontjából egyre inkább előtérbe kerülő szereplők (El Gibari et al., 2018). Tevékenységüket és teljesítményüket, mint ahogy más iparágakat és áltálában véve emberi tevékenységet, folyamatosan mérik és monitorozzák. Ennek a mára bevett és nemzetközileg elismert formája a nemzetközi egyetemminősítő rangsorok használata. Ezen rangsorok a nemzeti szintű tudománypolitika, a kormányok, a továbbtanulási választás előtt álló hallgatók és a média figyelmének is középpontjában állnak (Johnes, 2018). Ezzel párhuzamosan pedig azt is láthatjuk, ahogy a felsőoktatási intézmények ezen relatív – intézmények egymáshoz viszonyított – teljesítménymérő eszközök által definiált „kiválóság” mércéjének igyekeznek megfelelni, sokszor e mentén jelentősen átalakítva missziójukat és tevékenységi körüket (Daraio et al., 2015). A nemzetközi rangsorok elsődlegesen a kutatásra helyezik a hangsúlyt, ezzel pedig a három legfőbb misszió: kutatás, oktatás és ipari tudásmegosztás közül egyértelműen a kutatási aspektus erősítését ösztönzik az intézmények profiljában (Laredo, 2007). Ezen teljesítménymérést szolgáló rangsorok nemcsak a felsőoktatási intézményeket, de a teljes nemzeti felsőoktatási rendszereket is mérhetővé, összehasonlíthatóvá és transzparenssé teszik. Tatiana Sidorenko és Tatiana Gorbatova (2014) tanulmányukat azzal a kijelentéssel kezdik, miszerint ezen rangsorok nemcsak a siker mérésére szolgálnak, de óriási kihívást is állítanak a felsőoktatás szereplői és a nemzetek elé a minél jobb helyezés hajszolása által.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A QS-rangsor az egyik legismertebb egyetemminősítési rendszer (QS World University Rankings). Ez a rendszer hat pillérre támaszkodik. Ezek közül a két legjelentősebb a vizsgált egyetem kutatói reputációja és idézettsége, a többi pedig
  • a munkáltatói megbecsültség,
  • az egyetemi kar / hallgatók arány,
  • a külföldi hallgatók aránya,
  • a külföldi dolgozók száma.
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Johnes (2018) tanulmányában a The Complete University Guide rangsor kapcsán arról ír, hogy a tizenkét kisebb indikátor közül tíz erősen korrelál egymással és a végleges rangsorral is – többek között – a bemeneti követelmények, a kutatási teljesítmény, a végzett hallgatók foglalkoztatási aránya, a díjak és elismerések száma, ugyanakkor a hallgatói elégedettség és az egyetem szolgáltatásokra fordított költségei nem. Tanulmányunkban célunk, hogy a QS-rangsorral kapcsolatban vizsgáljuk azt, hogy pusztán a kutatási és idézettségi adatokra támaszkodva milyen pontossággal becsülhető meg a végleges rangsor, sorrend. Elemzésünkben a hat pillérhez köthető publikációs tevékenységgel és idézettséggel foglalkozunk. A QS minősítési rendszer az adott egyetem publikációs tevékenységének méréséhez a Scopus adatbázisra támaszkodik. A pontos kiszámítási algoritmus azonban nem érhető el.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Dolgozatunkban azzal a hipotézissel élünk, hogy a SciVal szoftver adatai lehetővé teszik, hogy az egyetemek sorrendjét megállapítsuk. Ezzel együtt azt is állítjuk, hogy a publikációs tevékenység és annak hatása is megfelelően közelíti az egyetemi rangsorokat, a többi pillér mellőzése mellett. Ennek bizonyításához a már említett SciVal adatbázisból vett, az egyetemekre jellemző adatokat használunk. Csak azokat az egyetemeket vizsgáljuk, amelyek bekerültek a QS 2021-es listájába.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A publikációs adatokból számított sorrendet a TOPSIS módszerével számítottuk ki, két kiválasztott hatváltozós adatbázis alapján. Az összehasonlíthatóság érdekében a QS sorrendjét fel kellett bontanunk az azonos helyezést elérő egyetemek között, ehhez ezeket az intézményeket a helyezéseik átlagával számoltuk.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Jelen bevezető fejezet után, a második fejezetben az adatbázis összeállítását mutatjuk be. Ezt követően a két hatváltozós adatbázis alapján, azaz a nyers adatokkal és a viszonyszámmal nyert TOPSIS-sorrendeket vetjük össze, és a három sorrendet a Kendall-féle τ-b rangkorrelációval hasonlítjuk össze. A negyedik részben a magyar egyetemek helyzetét tekintjük át a listákon, végül összefoglaljuk az eredményeinket.
 

Az adatbázisok összeállítása

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A munkát az adatbázisok összeállításával kezdtük. Az elemzésben alapváltozót használtunk, ezek közül ötöt a SciVal adatbázisból, míg a hatodikat a vizsgált intézmények hivatalos honlapjairól gyűjtöttünk össze. A változóink, ezzel együtt pedig a nyers adataink a 2019-es állapotot mutatják. A SciVal-ból kinyert alapváltozók a következők:
  • publikációk száma (PUBL),
  • hivatkozások száma (CIT),
  • a szerzők száma (AUT),
  • az ötéves Hirsch-index 2015–2019 között (H5-I) és
  • a Field-Weighted Citation Impact (FWCI).
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A változók közül az utolsó, a tudományterületi súlyozott hatás szorulhat némi magyarázatra. A mutató az adott egyetemen kutató szakemberek publikációinak a hivatkozást vonzó képességét mutatja, összesítve. Az FWCI alkalmas mind hasonló, mind eltérő tudományterületek publikációinak hivatkozásvonzó képességét mérni, mert normalizált értéket mutat. Az FWCI kizárólag a Scopus és a SciVal adatbázisokban érhető el, 1 feletti értéke azt mutatja, hogy adott közlemény hivatkozásvonzó képessége magasabb az összehasonlítás alapját adó más közleményeknél. A mutató leírása megtalálható az Elsevier (2019) kötetében és az Amrita Purkayastha és munkatársai (2019) által közölt tanulmányban.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A hatodik változót, amely az intézmények személyi állományára vonatkozik, az egyetemek honlapjairól nyertük ki. Mivel a publikációk szerzői nem feltétlenül oktatnak, vagy megfordítva, sok oktató egyben kutat is, ezért az egyetemen szakmai foglalkoztatottak számát is meghatároztuk:
  • az összes oktatási és kutatási személyzet számát (AFS) is.
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Ebből a hat változóból, mutatóból indultunk ki.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

További vizsgálatokhoz az alapváltozók mentén hat viszonyszámot alkottunk, amelyek a következők:
  • a szerzők aránya az összes oktatási-kutatási személyzethez (AUT/AFS),
  • egy szerzőre eső publikációk száma (PUBL/AUT),
  • egy szerzőre eső hivatkozások száma (CIT/AUT),
  • az egy publikációra eső hivatkozások száma (CIT/PUBL),
  • egy oktatási-kutatási személyre eső publikációk száma (PUBL/AFS) és
  • egy oktatási-kutatási személyre eső hivatkozások száma (CIT/AFS).
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A mutatók mindegyike valamilyen hatékonysági mutatót fed.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A két adatbázis (alapváltozó és viszonyszám alapú) segítségével két sorrendet fogunk képezni, és azt vizsgáljuk, hogy a kapott sorrend milyen kapcsolatban van a QS 2021-es mutatóval. Elemzésünkhöz szükséges volt a hiányzó mutatókat is meghatároznunk (missing value). A hiányzó értékeket az SPSS26 program segítségével számoltuk. A hiányzó érték számítására az SPSS programja többféle módszert kínál, melyek közül vizsgálatunkban azt az eljárást választottuk, amely során a legközelebbi hiányzó érték felülről és alulról vett értékének móduszát veszi a rendszer. Ezt a módszert azért használhattuk, mert a vizsgált intézmények a QS-rangsor indikátorai szerint már sorrendben voltak.
 

A QS 2021 sorrendje, az alapadatokkal és viszonyszámokkal nyert sorrendek összehasonlítása

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Az alapadatokkal és a viszonyszámokkal nyert sorrend meghatározásához a TOPSIS-módszert használtuk. A TOPSIS-módszernek azt a változatát alkalmaztuk, amely a súlyokat endogén módon, az adatokból határozza meg. Ez az entrópián alapuló súlymeghatározás módszere. A következőkben a számolási módszertan rövid bemutatására törekszünk.
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Első lépésben elvégezzük az alapadatok normalizálását. Tegyük fel, hogy az i változó adatait az egyes egyetemekre az xi vektor tartalmazza. Ezután az adatátalakítás a következő:
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

ahol az i változó minimális és maximális értéke
és
, az n az egyetemek száma, az m pedig a kritériumok/változók száma. Ezzel az átalakítással az egyes változók értékeit egyetemenként [0,1] intervallumra alakítottuk át. Legyen az új vektorok értéke yi.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A második lépésben, ismerve az egyes változók értékeit, az entrópiaalapú módszerrel határozzuk meg a változók súlyát (Zou et al., 2006). Az átalakítás képlete a következő:
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A súlyok így a következők lesznek:
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A súlyozott normalizált értékeket zji jelöli, amely egyenlő: zji = wi · yji. Ezután az ideális és a legalacsonyabb pontokat a zji értékek segítségével határozzuk meg.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Végül a harmadik lépésben a súlyozott adatok alapján meghatározzuk a hatékonysági indexet az ideális (Ii) és a legalacsonyabb (Ni) pontok felhasználásával, amelyeket a következő módon számolunk:
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A j-edik egyetem távolságát az ideáltól és a mélyponttól a következőképpen határozzuk meg:
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Az utolsó számítás a TOPSIS Ej hatékonyságának meghatározása, amely megmutatja a két meghatározott ponttól való távolság arányát:
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A TOPSIS-módszer rövid leírása után ismertetjük az adatállományon végzett számítások eredményeit. A részletes számítások túlmutatnak jelen tanulmány terjedelmi korlátain, ezért ezek taglalását elhagyjuk. Az objektív súlyokat az 1. és 2. táblázat szemlélteti.
 
1. táblázat. Az alapadatokkal számított modell TOPSIS súlyai
PUBL
CIT
AUT
H5-I
FWCI
AFS
Súlyok
0,165
0,166
0,171
0,166
0,166
0,166
(Saját szerkesztés a SciVal adatai alapján)
 
2. táblázat. Az viszonyszámokkal meghatározott modell TOPSIS súlyai
AUT/AFS
PUBL/AUT
CIT/AUT
CIT/PUBL
PUBL/AFS
CIT/AFS
Súlyok
0,168
0,159
0,167
0,170
0,167
0,169
(Saját szerkesztés a SciVal adatai alapján)
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A QS-rangsorban szereplő 1003 egyetemre vonatkozó három sorrendet jelen tanulmány függelékében mutatjuk be.1

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Számításainkat a három sorrend összevetésével folytatjuk, a Kendall-féle τ-b korreláció segítségével. Ez a korreláció az ordinális skálán mért változók közötti összefüggést méri. A korreláció érdekessége, hogy a Kemény-féle távolságra alapozódik a számítás menete (Kemeny, 1959). A három sorrend közötti Kendall-féle τ-b korrelációt a 3. táblázat mutatja az 1003 egyetemre. A QS Rankings 2021 Ties sorrend az eredeti QS-sorrend azon felbontását mutatja, ahol a holtversenyek esetén a holtversenyben lévő egyetemek sorba rendezéskor kapott sorszámai összegének átlagával helyettesítettük az eldönthetetlen sorrendet. Ez utóbbi eljárás a sorrendképzés egyik bevált módszere.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A 3. táblázatban láthatjuk, hogy a korrelációk nagyobbak, mint 0,35, ami azt jelenti, hogy a három sorrend között erős korreláció, esetünkben asszociáció van. Érdemes megfigyelni, hogy a két adatbázisból nyert TOPSIS-sorrend között nagyon erős kapcsolat van. Ez az eredmény abban a tekintetben viszont nem meglepő, hogy a viszonyszámokat az alapváltozók adataival határoztuk meg. Ezek után érdemes áttekintenünk, hogy a hazai intézmények milyen helyezéseket érnek el az egyes rangsorokban.
 
3. táblázat. A három sorrend közötti Kendall-féle rangkorreláció
Kendall-féle τ-b korreláció
 
TOPSIS-alapadatok
TOPSIS-viszonyszámok
QS-rangsor2021 Ties
Korrelációs együttható
0,477**
0,427**
2 oldalú szignifikancia
0,000
0,000
TOPSIS Alapadatok
Korrelációs együttható
0,677**
 
2 oldalú szignifikancia)
0,000
** Kétoldalú szignifikancia 1%
(Saját szerkesztés a SciVal adatai alapján)
 

A magyar egyetemek a QS-listákon

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A QS nemzetközi rangsorra nyolc magyar intézmény került fel. A környező országok közül Ausztria szintén nyolc, míg a Visegrádi országok közül Csehország tíz, Lengyelország tizenöt és Szlovákia négy egyetemmel szerepelt a listán. Hazánk méretének és lakosságának arányában jól szerepelt a régióban.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A 4. táblázat azt mutatja, hogy mely magyar intézmény hol szerepel a listán. A QS Rankings 2021 mutatja a QS által adott hivatalos sorrendet. Ezt kellett szinte minden magyar egyetemre feloldanunk, mert a hazai intézmények más egyetemekkel holtversenyben szerepeltek a listán. Ezt a feloldást a QS Rankings 2021 Ties oszlop tartalmazza. A TOPSIS RD oszlopban az alapadatokkal nyert sorrend található, míg a TOPSIS RE oszlopban a viszonyszámokkal kapott sorendet láthatjuk. Mivel a TOPSIS alkalmazása esetén kicsi az esélye a holtversenynek, ezért az ezzel a módszerrel számolt sorrendben egyértelműek az intézmények helyezései. A 4. táblázatban feltüntettük a három sorrend átlagát, szórását és a relatív szórását is. Jelentéstartalma leginkább a relatív szórásnak van, ami azt mutatja, hogy az átlagtól hány százalékkal tér el lefelé és felfelé a sorrend egyes egyetemek esetében.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Láthatjuk, hogy a Szent István Egyetem vonatkozásában a három sorrend nem tért el egymástól jelentősen. Az Eötvös Loránd Tudományegyetem kivételével minden magyar egyetem relatív szórása tíz százalék alatt van, ami a két új rangsor pontosságát mutatja. Az Eötvös Loránd Tudományegyetem esetén a relatív szórás mintegy 32 százalékos, ami viszonylag magasnak tekinthető. Ez arra utal, hogy ez az egyetem a tudományos területen jobban teljesít, mint a QS-rangsor többi lábát tekintve. Úgy is fogalmazhatunk, hogy az Eötvös Loránd Tudományegyetemnek a munkáltatói megbecsültség, az egyetemi kar / hallgatók aránya, a külföldi hallgatók aránya és dolgozók száma területén kell erősödnie annak érdekében, hogy a QS-listán feljebb kerüljön.
 
4. táblázat. A magyar egyetemek sorrendben elfoglalt helyei
Sorszám
QS-rangsor
2021
Intézmény
QS-rangsor
2021 Ties
TOPSIS RD
TOPSIS RE
Átlag
Szórás
Relatív szórás (%)
621
601–650
Eötvös Loránd Tudományegyetem
628
420
340
463
149
32,132
509
501–510
Szegedi Tudományegyetem
507
537
475
506
31
 6,124
525
521–530
Debreceni Egyetem
526
595
635
585
55
 9,420
688
651–700
Pécsi Tudományegyetem
679
713
771
721
47
 6,452
848
801–1000
Budapesti Műszaki és Gazdaságtudományi Egyetem
903
828
764
832
70
 8,365
970
801–1000
Budapesti Corvinus Egyetem
903
898
865
889
21
 2,323
950
801–1000
Szent István Egyetem
903
917
897
906
10
 1,133
972
801–1000
Miskolci Egyetem
903
978
924
935
39
 4,138
(Saját szerkesztés a SciVal adatai alapján)
 

Összefoglalás

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A nemzetközi egyetemi rangsorok indikátorrendszereivel és azok egymáshoz, valamint az intézmények végső sorrendjéhez való viszonyával már a nemzetközi szakirodalom számos műve foglalkozott. Ezekben a munkákban, mint ahogy azt a bevezetésben is leírtuk, alapvetően több pillérre bontották az indikátorokat. Az egyik csoporthoz az egyetem kutatói reputációja és idézettsége, míg a másik csoportba a munkáltatói megbecsülés, a hazai és külföldi hallgatók aránya és a külföldi dolgozók száma indikátorok kerültek.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Az előbbi csoport mutatói között szignifikáns kapcsolatokat mutattak ki a szerzők, melyek a végső sorrendet is alakítják az egyes egyetemek esetében. Jelen tanulmányunk ezt meghaladva azt tesztelte, hogy kizárólag a kutatási potenciálra és teljesítményre vonatkozó indikátorok mentén milyen pontosan tudjuk előre jelezni adott intézmény helyét a QS-rangsorban.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Elemzéseink során erre a kérdésre a SciVal adatbázisból és egy változó esetében az egyetemek hivatalos honlapjáról gyűjtött alapváltozók és az ezekből képzett viszonymutatók alapján, TOPSIS rangsorolási technikával határoztuk meg az alternatív sorrendeket. Ezeket később a QS hivatalos rangsorával vetettük össze. Arra az eredményre jutottunk, hogy mindkét rangsor jól közelíti a QS-rangsor holtversenyes feloldásával nyert sorrendet. A sorrendek „jóságát” a Kemény-féle távolságon alapuló Kendall-féle τ-b korrelációval állapítottuk meg. Az eredményeink azt is mutatják, hogy azok az egyetemek szerepelnek jól a QS egyetemi rangsorban, amelyek a kutatási kiválóságra összpontosítanak, ugyanis az ilyen adatok felhasználásával is nagyon jó sorrendet lehet összeállítani.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

A magyar egyetemek helyzete is megerősíti a fenti megállapításainkat. A számításaink során kapott viszonylag alacsony relatív szórás ugyanis arra utal, hogy mindhárom rangsor közel esik egymáshoz.

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Egy további kutatás arra irányulhat, hogy a QS-rangsoron kívül a másik két nagy egyetemminősítő, azaz a THE és az ARWU rangsoraira is hasonló megállapítás igaz-e. Lényegében tehát az a kérdés, hogy a Scopus és a SciVal adatbázisból nyert kutatási, publikációs adatok elegendőek-e a rangsorok előrejelzésére.
 

Irodalom

 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Daraio, C. – Bonaccorsi, A. – Simar, L. (2015): Rankings and University Performance: A Conditional Multidimensional Approach. European Journal of Operational Research, 244, 3, 918–930. DOI: 10.1016/j.ejor.2015.02.005, https://bit.ly/3hzgNc5

Jegyzet elhelyezéséhez, kérjük, lépjen be!

El Gibari, S. – Trinidad, G. – Ruiz, F. (2018): Evaluating University Performance Using Reference Point Based Composite Indicators. Journal of Informetrics, 12, 4, 1235–1250. DOI: 10.1016/j.joi.2018.10.003, https://bit.ly/3r82MVW

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Johnes, J. (2018): University Rankings: What Do They Really Show? Scientometrics, 115, 1, 585–606. DOI: 10.1007/s11192-018-2666-1, http://eprints.hud.ac.uk/id/eprint/34378/1/Johnes_Scientometrics_revised_2018.pdf

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Kemeny, J. G. (1959): Mathematics without Numbers. Daedalus, 88, 4, 577–591. http://www.jstor.org/stable/20026529

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Laredo, P. (2007): Revisiting the Third Mission of Universities: Toward a Renewed Categorization of University Activities? Higher Education Policy, 20, 4, 441–456. DOI: 10.1057/palgrave.hep.8300169, https://bit.ly/36wT3PJ

Jegyzet elhelyezéséhez, kérjük, lépjen be!

OECD (2015): Education at a Glance 2015: OECD Indicators. OECD iLibrary. DOI: 10.1787/eag-2015-en, https://www.oecd-ilibrary.org/education/education-at-a-glance-2015_eag-2015-en

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Purkayastha, A. – Palmaro, E. – Falk-Krzesinski, H. et al. (2019): Comparison of Two Article-level, Field-independent Citation Metrics: Field-Weighted Citation Impact (FWCI) and Relative Citation Ratio (RCR). Journal of Informetrics, 13, 2, 635–642. DOI: 10.1016/j.joi.2019.03.012, https://bit.ly/3yS1Ac5

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Sidorenko, T. – Gorbatova, T. (2014): Efficiency of Russian Education through the Scale of World University Rankings. Procedia – Social and Behavioral Sciences, 166, 464–467. DOI: 10.1016/j.sbspro.2014.12.555, https://core.ac.uk/download/pdf/82342823.pdf

Jegyzet elhelyezéséhez, kérjük, lépjen be!

Zou, Z. – Yun, Y. – Sun, J. (2006): Entropy Method for Determination of Weight of Evaluating Indicators in Fuzzy Synthetic Evaluation for Water Quality Assessment. Journal of Environmental Sciences, 18, 5, 1020–1023. DOI: 10.1016/S1001-0742(06)60032-6
 

Jegyzet elhelyezéséhez, kérjük, lépjen be!

1 A függelék a https://mersz.hu/magyar-tudomany, valamint a https://doi.org/10.13140/RG.2.2.21693.59362 webcímen érhető el.  
A QS-rangsor előrejelezhetősége a Scopus és a SciVal adatai alapján a hazai intézmények tükrében • The Predictability of QS Ranking Based on Scopus and SciVal Data through the Lens of Hungarian Institutions