中 華 大 學

中 華 大 學 碩 士 論 文

世界前百大的大學排名分析

Ranking Analysis of the Top Hundred Universities of the World

系 所 別：資訊管理學系碩士班 學號姓名：M09910017 宋承翰 指導教授：柯宇謙 博士

中 華 民 國 100 年 7 月

摘 摘 摘

摘 要 要 要 要

「美國新聞與世界報導」第一次公佈的「大學排名」，正式揭開了大學競爭的序 幕。各國陸續跟進評估世界性或全國性的大學排名。然而，大學排名卻沒有提供評估 指標與排名之間的因果關係。學生與學校都欠缺足夠的資訊做適當的決策。本研究針 對這資訊不充份的問題，採用一個以凌駕理論為基礎的約略方法(Dominance-based Rough Set Approach,DRSA)，分別歸納出上海交通大學 (Academic Ranking of World Universities,ARWU)及 西班牙網路計量研究中心 (Webometrics Rankings of World Universities,WRWU)及英國泰晤士報高等教育（Times Higher Educatio,THE）的資訊 分析世界前百大的凌駕原因。DRSA是一個多準則決策分析的技術，它可以將資料屬 性對應排名之間的關係，以‘if

…, then …

(若…，則…) ’的方式呈現，幫忙使用 者瞭解大學排名的內涵。這研究結果顯示進入ARWU前百大最重要的指標是影響人類 幸福的諾貝爾獎(Nobel Laureates)及菲爾茲獎(Field Medals)。其次是發表期刊的引用；

進入WRWU前百大最重要的指標是各大學網頁被連結的能見度、學術文件檔案數量、

及教學文件檔案數。進入THE前百大最重要的指標是大學聲譽、博士學位的教師人數、

及論文品質。

關鍵字關鍵字

關鍵字關鍵字: 大學排名、DRSA

ABSTRACT

Since the U.S. News and World Report published the first university ranking in 1983, the university competition was formally initiated. Ranking reports about universities in countries or worldwide appeared one by one. However, these rankings could not provide causal relationship between the ranks and criteria. Thus students and universities could not have sufficient information for proper decision and actions. This study aims to find out the dominance criteria for achieving the top 100 positions by adopting the dominance-based rough set approach (DRSA). The dataset includes the Academic Ranking of World Universities (ARWU), the Webometrics Rankings of World Universities (WRWU), and Times Higher Education (THE). DRSA is a technology of multi criteria decision analysis, which can explain the ranking class by approximations. Its rules can be presented with

‘if …, then…’ , which could help users to realize the insight of university ranking.

In the results, the important criteria based on ARWU include the basic sciences that can enhance human happiness such as the Nobel Prize (Nobel Laureates) and the Fields Medal, and the highly cited papers. The important criteria based on ARWU include web linkages, academic articles, and lectures. The important criteria based on THE include university reputation and faculties.

Keywords: University Ranking、DRSA.

誌謝辭 誌謝辭 誌謝辭 誌謝辭

在此萬分感謝我的恩師亦是我的指導教授柯宇謙教授，在我研究期間，一直以來 的指導及教誨，讓學生對於許多的事物看法，不論在對人處事或是研究學習態度上及 對學生在研究過程中有不了解之處，恩師都不厭其煩的的傳授，學生獲益非淺。研究 期間，不論在學習上的教導，或者是生活上對待事物的看法及給予學生的各種意見，

都能適時適切的提出研究上正確的觀念和方法。特別感謝恩師在研究以及論文寫作這 個漫長的時間過程中，對學生不斷並不厭其煩的指導並詳細的解說給予幫忙與修正，

讓學生在這個複雜的過程中所碰到各種不同的問題與狀況，得以快速的尋找出正確的 方向與解答，並不斷的向前邁進，讓學生能將論文逐步完成。亦也感謝口試期間 承 蒙 曾國雄教授、王文良教授於百忙之中撥冗審視學生論文與殷切指正，讓本論文更 趨於臻善。此外，感謝 游坤明教授、邱登裕教授於學生學習生涯中不吝教導，展現 其專業，並且讓學生受益良多，在此僅表誠摯的感謝。

兩年的時光，總是覺得過的非常的快，這段期間非常感謝一直在我身旁支持與陪 伴我的家人、同學與朋友們。特別是我的家人們我的父母，感謝他們一直以來不時給 予我的支持以及鼓勵。回想過去的這些日子，在眾人的各式各樣的幫忙與協助還有各 種的支持下順利的度過了。在這邊也要感謝我的同學文忠、志忠、翰熹、美玲、苓鳳 的幫忙。在此萬分的感謝所有曾經幫助與協助過我的人。並在此謹將我的成果與深深 的喜悅獻給所有關心並支持我的家人、老師、同學與朋友們。

宋承翰 謹致於 中華民國 100 年 7 月

目錄 目錄 目錄 目錄

摘 要 ... i

ABSTRACT ... ii

誌謝辭 ... iii

目錄 ... iv

表目錄 ... vi

圖目錄 ... vii

第一章 緒論 ... 1

1.1 研究動機及動機 ... 1

1.2 研究目的 ... 4

1.3 究內容方法與流程 ... 4

第二章 文獻回顧 ... 6

2.1 推動市場的角色 ... 6

2.2 行銷的角色 ... 7

2.3 大學競爭的依據 ... 7

2.4 世界大學排名機構 ... 8

第三章 實證分析 ... 10

3.1 實證分析案例的指標 ... 14

3.1.1 上海交通大學「世界大學術網路排名」 ... 14

3.1.2 西班牙網路計量研究中心「世界大學網路排名」 ... 16

3.1.3 英國泰晤士報高等教育「世界大學排名」 ... 18

3.2 實證方法 ... 20

3.2.1 DRSA 基本觀念 ... 20

3.3 DRSA 軟體 jMAF 應用執行 ... 25

3.3.1 大學排名的資料庫取得 ... 25

3.3.2 定義指標屬性、偏好、資料 ... 35

3.3.3 選擇適當的方法分析群組 ... 40

3.3.4 縮減指標 ... 41

3.3.5 產生規則 ... 42

3.4 規則推導 ... 46

第四章 結果討論 ... 47

第五章 結論 ... 50

參考文獻 ... 52

附錄 ... 55

表目錄 表目錄 表目錄 表目錄

表 1-1 教育部統計近年來境外學生在臺留學/研習人數 ... 3

表 3-1 2010 年交通大學「世界大學學術排名」簡稱 ARWU(前三十名) ... 11

表 3-2 2010 年 7 月西班牙世界大學網名排名表(前三十名) ... 12

表 3-3 2010 年英國「時報高等教育增刊」的世界大學排名表(前三十名) ... 13

表 3-4 上海交通大學「世界大學學術排名」權重和指標 ... 15

表 3-5 西班牙網路計量研究中心「世界大學網路排名」權重和指標 ... 17

表 3-6 英國泰晤士報高等教育「世界大學排名」權重和指標 ... 19

表 3-7 上海交通大學世界大學學術排名表及各項指標分數(ARWU) ... 27

表 3-8 2010 年 7 月西班牙網路計量研究中心「世界大學網路排名」各項指標排名 29 表 3-9 2010 年英國泰晤士報高等教育「世界大學排名」及各項指標 ... 31

表 3-10 上海交通大學「世界大學學術排名」資料分群表 ... 32

表 3-11 西班牙網路計量研究中心「世界大學網路排名」資料分群表 ... 33

表 3-12 英國泰晤士報高等教育「世界大學排名」資料分群表 ... 34

表 3-13 DRSA 方法分析 ARWU 產生規則表 ... 43

表 3-14 DRSA 方法分析 WRWU 產生規則表 ... 44

表 3-15 DRSA 方法分析 THE 產生規則表 ... 45

圖目錄 圖目錄 圖目錄 圖目錄

圖 1-1 戶政司總生育率及人口出生數 ... 2

圖 1-2 本論文研究架構流程 ... 5

圖 3-1 上海交通大學「世界大學學術排名」獲取資料畫面 ... 27

圖 3-2 2010 年 7 月西班牙網路計量研究中心「世界大學網路排名」 ... 28

圖 3-3 2010 英國泰晤士報高等教育「世界大學排名」排名 ... 30

圖 3-4 定義 ARWU 資料庫之指標屬性、偏好、樣本 ... 37

圖 3-5 定義 WRWU 資料庫之指標屬性、偏好、樣本 ... 38

圖 3-6 定義 THE 資料庫之指標屬性、偏好、樣本 ... 39

圖 3-7 jMAF 載入 ARWU 資料後的畫面 ... 40

圖 3-8 jMAF 軟體執行 ARWU 縮減指標結果圖 ... 41

圖 3-9 jMAF 軟體執行 ARWU 縮減指標結果圖 ... 41

圖 3-10 jMAF 軟體執行 THE 縮減指標結果圖 ... 41

圖 4-1 ARWU「世界大學學術排名」 近似精確度 ... 48

圖 4-2 WRWU「世界大學網路排名」 近似精確度 ... 48

圖 4-3 THE「世界大學排名」 近似精確度 ... 49

圖 5-1 短期、中期、長期策略發展大學藍圖 ... 51

第一章 第一章 第一章

第一章 緒論 緒論 緒論 緒論

1.1 研究動機及動機 研究動機及動機 研究動機及動機 研究動機及動機

自從 1983 年，「美國新聞與世界報導」以「學術聲譽調查」方式，公布了第一次 美國全國性「大學排名」，正式揭開了大學競爭的序幕[1]，當時「美國新聞與世界報 導」根據全美約 1,308 位大學的校長意見調查結果，進行排名，公佈美國大學排名。

近些年來，大學成本逐漸上升、政府補助資金逐漸減少，大學之間的競爭越來越顯著，

大學排名已經是大學用以招生行銷的工具。90 年代後，各國開始陸續跟進，1986 年 英國「泰晤士報」(the Times)、1991 年加拿大「麥克林」(the Maclean's)、1994 年日 本「朝日新聞」(Asahi Shimbum)、德國「高等教育發展中心」(The Center for Higher Education Development)等，競相公布該國全國性及全世界性的大學排名[1]。

在國內，高等教育歷經教改十年(1994 年~2004 年)階段至今，教育部統計處的相 關統計資料[21]清楚說明，公私之大學院校數量從 1994 年中(民國 83 學年度)的五十 八所大幅成長至 2010 年(民國九十九學年度)一百四十八所，十六年來成長了 2.5 倍，

而其中的科技大學、技術學院從 1994 年六所成長至 2010 年七十七所，更是大幅倍增 十二．八倍之多，由此可知國內大學數量成長幅度過高。

根據內政部戶政局人口統計全國總生育率及人口出生數[22]的從 1993 年來三十 二萬六千嬰兒出生人口數，整整下降了 1.9 倍的嬰兒出生人口數，總出生率及人口趨 勢圖如圖 1-1，從圖觀察，可觀察到最近十年來每年嬰兒出生人數呈現下降趨勢，未 來幾年當中這段期間勢必間接影響大學招生學生的數量，現今對於大學來說，不得不 重視人口出生人數下降的問題來調整方向策略來因應。

教育部統計處的近年來境外學生在台留學及研習資料相關統計資料[21]，其中包 含國際學生數和其它境外學生數兩類如表 1-1，從表中，2006 年總計人數二萬六千四 百八十八人、2007 年人數總計三萬一百五十人、2008 年人數總計三萬三千六十五人、

2009 年人數總計三萬九千四十二人、2010 年人數總計四萬四千一百六十五人，近五

年來成長都呈現成長且共成長 1.6 倍的趨勢，由此可知大學招生國外學生的趨勢日漸 成長，勢必也是大學未來招生學生的來源之一，而國外學生選擇國內大學就讀時，選 擇的依據是什麼?最容易判斷的條件是什麼?

由上述可了解，隨著大學經費日益縮減、人口出生率下降、大學數量過多及在台 留學人數國際化的因素，大學必須朝市場的機制看齊，大學的收入很多來自於學生，

所以針對大學招生吸引學生人數的策略必須擬定，大學排名的機構所公佈的大學排名 勢必影響著重要的因素。然而，這些大學排名機構所公佈的大學排名資訊並沒有提供 如何改進的重點，也沒有提供排名的因果關係，缺少這些決策資訊，大學與學生都會 覺得大學排名有欠缺的資訊。

圖 1-1 戶政司總生育率及人口出生數

資料來源：2010 教育部統計處

表 1-1 教育部統計近年來境外學生在臺留學/研習人數

1.2 研究目的 研究目的 研究目的 研究目的

經由上述背景及動機闡述，茲將本研究之目的詳述如下：

本研究針對大學排名因果關係不充份的問題，提出一個以凌駕理論為基礎的約略 方法(DRSA)，期望歸納出世界前百大的大學，是以什麼關鍵超越其它學校，且提供 前百大的學生做研究及讀書計劃的方向。這研究將以一個分析競爭力的模型，洞察這 些評估指標跟大學排名的因果關係。

DRSA 是一個多準則決策分析的技術[12]。根據資料之間的成對關係，探討分類、

排序、選擇、及排名。資料屬性的偏好關係呈現大學之間優劣比較，有助於使用者及 利害關係人，從屬性瞭解差異的原因。而且，資料屬性與排名的規則以 ‘if

…, then …

’ 呈現，更能幫助使用者容易瞭解大學排名的道理。

1.3 究內容方法與流程 究內容方法與流程 究內容方法與流程 究內容方法與流程

本研究主要架構如圖 1-2 所示，第一章中明確針對研究主題與目的，第二章中以 文獻回顧方式進行探討，第三章實證分析透過以凌駕理論為基礎的約略方法(DRSA) 理論應用在上海交通大學「世界大學學術排名」資料庫、西班牙網路計量研究中心「世 界大學網路排名」資料庫、英國泰晤士報高等教育與湯森路透「世界大學排名」資料 庫進行規則推導，透過 DRSA 工具軟體 jMAF 應用分別執行上海交通大學「世界大 學學術排名」、西班牙網路計量研究中心「世界大學網路排名」、英國泰晤士報高等教 育與湯森路透「世界大學排名」產出規則而且分別歸納出上海交通大學「世界大學學 術排名」、西班牙網路計量研究中心「世界大學網路排名」、英國泰晤士報高等教育與 湯森路透「世界大學排名」所公佈的世界前百大的凌駕指標，第四章是研究結果的討 論，第五章是本研究的成果與貢獻。最後是參考文獻。

研究動機與背景 主題方向確定

文獻回顧 市場角色

大學競爭 行銷特色

指標分析

ARWU (上海學術排名) WRWU(西班牙網路排名) THE(英國世界大學排名)

分別整理各自資料庫

DRSA 軟體 Jmaf 平台

定義指標屬性偏好 適當方法分析 縮減指標 產生規則

產生 ARWU 策略 產生 WRWU 策略 產生 THE 策略

推導出短期、中期、長期策略 圖 1-2 本論文研究架構流程

第二章 第二章 第二章

第二章 文獻回顧 文獻回顧 文獻回顧 文獻回顧

Machung（1998）的研究指出大學排名會吸引學生、校友的捐贈、容易招聘教師、

管理職員，並吸引潛在的捐助者。高等教育機構營運成本上升與政府或民間補助或捐 助資金減少的生態趨勢下，大學教育市場化已成為現在的主流及未來的趨勢[6]。大 學競爭（例如學生人數、招聘教師）的生態裡，不只是學校與學生會互相影響市場，

甚至大學排名評比機構也對大學改進及招生有相當的影響[17]。

國內學者呂美霓的研究，在大學與排名的關係中，用五個觀點來詮釋大學排名對 台灣的社會意義，其中在引導學生選校觀點上，大學排名可以引導學生選校，說明大 學排名是最具體表現也影響學生選校的方向；在引導資金流向觀點上，如何能讓企業 或私人捐贈，主要受學校的辦學品質影響，學校的辦學品質即是一種口碑、聲譽；在 促進大學競爭方面；在市場化的觀點上，高等教育，即代表著大學自主，而排名的順 序直接影響學校聲譽，從而影響學生的質量及經費，這些利益攸關的資源，學校無不 奮起競爭在競爭品質上[4]。

本研究的文獻回顧以大學排名評比機構為中心，說明評比機構如何扮演行銷的角 色，推動大學市場化。更進一步從大學競爭的依據的角度看排名對大學的影響，最後 此章最後了解目前具有影響力世界大學排名機構有那些?

2.1 推動市場的角色 推動市場的角色 推動市場的角色 推動市場的角色

大學排名至今，已超過 25 年的歷史[6]，當「美國新聞和世界報導」首度發表年 度美國最好的大學排名時（從 1983 開始)，進一歩影響了更多以跨越國家的大學排名，

亦是世界大學排名。在過去二十幾年中，高等教育排名不僅僅出現在私人企業和媒體 機 構 上 ， 也 出 現 專 業 的 協 會 和 政 府 部 門 當 中 ， 例 如 聯 合 國 教 科 文 組 織 ， 簡 稱 UNESCO[19]。全球大學排名有助於教育的改進，也成為指導高等教育的方案之一。

灣政府部門來說，如最近的教育部五年五百億方案。間接地，大學也因市場供需（例 如台灣的大學數量過多，人口出生率逐漸下降，相對的把大學當成供給者，把學生當 作需求者）而做調整。這樣的趨勢引導全世界大學朝供需市場化的方向發展。隨著，

市場的供需，大學之間的競爭態勢已是不可避免[6][8]。排名不只提供有關高等教育 機構品質和特性的資訊，也影響學生對大學的選擇。在很多國家大學是以學生、家長、

及獎學金切入高等教育的市場，他們認為大學以優厚的獎學金吸引學生前來就讀的同 時，更重視於學生能獲取到大學本身高質量的教育，亦是大學用高獎學金的誘因來吸 引學生前來就讀，相對於獲取大學高質量的教育並不是相對在意的。如何將高品質的 教育行銷給社會大眾是經營大學個重要的關鍵。

2.2 行銷的角色 行銷的角色 行銷的角色 行銷的角色

現在大學的角色有如企業一樣，在營運的過程常中，必須積極尋找有效的競爭策 略。最近幾年，各大學針對招生、聘請教師、籌集資金，及排名機構所公佈的資訊做 為學校策略的指導。如 1983「美國新聞與世界報導」以「學術聲譽調查」方式，開 啟全國性「大學排名」；緊接著 1986 年英國「泰晤士報」(the Times)、1991 年加拿大

「麥克林」(the Maclean's)、及後來的日本「朝日新聞」(Asahi Shimbum)、德國「高 等教育發展中心」(The Center for Higher Education Development)等，競相公布該國全 國性大學排名[1]。

在國內學者林政彰[5]，指出：「建議高等教育機構，可將大學排名做為學校特色 的行銷媒介及招收適切學生的工具」。

2.3 大學競爭的依據 大學競爭的依據 大學競爭的依據 大學競爭的依據

大學排名不只是行銷的工具，也是競爭策略及決策的參考依據。大學的資源不足，

彼此競爭的現象越來越明顯，如：MIT 以 OCW 免費幫忙全球學生的遠距學習[20]。

遠距教學鏟除空間的障礙，擴大學生來源範圍。

目前大學的數量，在市場環境下，呈現供過於求，這是大學競爭加劇的原因。一 位學生選擇大學就讀時，有許多的大學可以選擇。而大學排名是學生做決策時的重要 參考依據。因市場的客戶群不同，大學會根據學生的需求，做適合市場的特殊發展。

於是，大學排名的方法廣泛被討論，如高等教育圓桌會議[10]，另外，學術質量的保 證取得學生的信賴，如英國政府高等教育白皮書（技能部 2003 年）明確指出學術質 量的資訊是學生做選擇大學的依據[11]。

大學好壞的定義沒有一定的標準。目前的方法中，評估屬性有很大的差異。若能 依各個排名的結果，分析出該方法的重點及重點與排名的因果關係，對學校和學生都 是很好的決策依據。下一章節，將針對上海交學的大學排名 ARWU (Academic Ranking Of World Universities) 、 西 班 牙 網 路 計 量 研 究 中 心 世 界 大 學 網 路 排 名 WRWU(Webometrics Ranking of World Universities)、英國泰晤士報高等教育世界大學 排名 THE（The Times Higher Education Supplement）指標的說明。

2.4 世界大學排名機構 世界大學排名機構 世界大學排名機構 世界大學排名機構

世界大學排名目前被公認具有影響力、公信力、完整性及歷史較悠久的三大機構 分別：一、上海交通大學「世界大學學術排名」(簡稱 ARWU)；二、西班牙網路計量研 究中心「世界大學網路排名」(簡稱 WRWU)；以及三、英國泰晤士報高等教育「世界 大學排名」(簡稱 THE)[A4]。

世界大學排名之三大機構背景分別為上海交通大學「世界大學學術排名」來自學術 機構，西班牙網路計量研究中心「世界大學網路排名」來自政府部門，英國時報增刋「世 界大學排名」來自媒體，所以各機構都有各項指標棑名資料庫，不論各機構成立歷史、

指標、排名對象、公佈對象、自然而然就有所不同。上海交通大學「世界大學學術排 名」成立於 2003 年，至今已 9 年；西班牙網路計量研究中心「世界大學網路排名」 與英國泰晤士報高等教育「世界大學排名」都是成立於2004年，至今已 8 年，本篇研

究的對象是採用上海交通大學「世界大學學術排名」、西班牙網路計量研究中心「世 界大學網路排名」與英國泰晤士報高等教育「世界大學排名」。

第三章 第三章 第三章

第三章 實證分析 實證分析 實證分析 實證分析

本研究是採用的資料分別為 2010 年上海交通大學「世界大學學術排名」前五百 大的大學及 2010 年 7 月西班牙「世界大學網路排名」前五百大的大學及 2010 年英國 泰晤士報高等教育「世界大學排名」前二百大的大學，各項指標分數及排名分別為：

表 3-1、表 3-2 及表 3-3，在各百大大學中，本研究為了能洞悉了解大學排名 101 以 後的大學如果想要進入世界前一百大的大學排名，是否能有機會找出規則突破的策略，

進而將上海「世界大學學術排名」及西班牙「世界大學網路排名」前五百大排名的大 學排名資料庫個別分成 2 組，將排名資料庫排名 1~100 名設定成一組及排名 101~500 之間設定成一組；另外英國「世界大學排名」前二百大排名的大學排名資料庫分別將 排名 1~100 名設定成一組及排名 101~200 之間設定成一組。將各排名資料庫歸類好的 分組排名資料進行資料分析，透過 DRSA 探索分類問題，結果應可以提供大學或學 生有用決策推導的資訊，進而幫助大學發展市場策略。

表 3-1 2010 年交通大學「世界大學學術排名」簡稱 ARWU(前三十名)

World Rank

Institution Alumni Award HiCi N&S PUB PCP

1 Harvard University 100 100 100 100 100 69.2

2 University of California, Berkeley 67.6 79.3 69 70.9 70.6 54.2

3 Stanford University 40.2 78.4 87.6 68.4 69.7 50.1

4 Massachusetts Institute of Technology (MIT) 70.5 80.3 66.8 70.1 61.4 64.5

5 University of Cambridge 88.5 92.6 53.9 54.3 65.7 53.1

6 California Institute of Technology 50.3 68.8 56.7 64.8 46.9 100

7 Princeton University 56.4 84.8 61.1 43.3 44.3 65.5

8 Columbia University 70.7 67.4 56.2 47.6 69.9 32.1

9 University of Chicago 65.5 83.9 50.9 39.8 50.5 40

10 University of Oxford 56.2 57.6 48.8 49.8 68.5 41.1

11 Yale University 48.6 44.9 58.5 56.3 62 37

12 Cornell University 42.3 51.1 54.3 49.9 59.5 38.1

13 University of California, Los Angeles 27.2 42.6 56.9 49.2 75.1 31.2 14 University of California, San Diego 15.1 35.8 60.2 54.6 65.1 37.9

15 University of Pennsylvania 32.9 34.3 57.1 46.9 68.6 28.5

16 University of Washington 24.4 31.7 53.9 51.6 72.5 28.1

17 University of Wisconsin - Madison 36.5 35.4 51.9 40.2 66.1 25.7

18 The Johns Hopkins University 43.6 32.1 42 49.4 64 27.2

18 University of California, San Francisco 0 40.1 53.4 51.8 60.7 33.6

20 The University of Tokyo 33.3 14.1 42 52 80.4 34.5

21 University College London 32.9 32.1 39.4 44.6 67 31.6

22 University of Michigan - Ann Arbor 36.5 0 59.8 43.4 79.8 26.3 23 Swiss Federal Institute of Technology Zurich 34.1 36.1 36.3 43.6 53.6 47.1

24 Kyoto University 33.7 34.7 38.1 36 67.6 31

25 University of Illinois at Urbana-Champaign 35.4 36.5 42.6 37.1 58.6 27.8 26 The Imperial College of Science, Technology and Medicine 17.7 37.2 41.4 36.9 62.3 33

27 University of Toronto 23.8 19.2 38.8 38.3 80.3 27.9

28 University of Minnesota, Twin Cities 30.6 16.2 50.4 36.1 66.6 23.9

29 Northwestern University 18.5 18.9 48.3 35.9 59.7 28.4

30 Washington University in St. Louis 21.3 25.9 38.8 41 54.8 26.7 資料來源：University,2010. Retrieved Octeber,10 2010 from

http://www.arwu.org/ARWUMethodology2010.jsp

表 3-2 2010 年 7 月西班牙世界大學網名排名表(前三十名)

World

Rank Institution SIZE VISIBILITY RICH SCHOLAR

1 Harvard University * 3 3 15 1

2 Massachusetts Institute of Technology 2 1 2 2

3 Stanford University 5 2 1 7

4 University of California Berkeley 6 4 4 28

5 Cornell University 4 5 9 22

6 University of Michigan 8 7 17 12

7 University of Minnesota 10 13 7 4

8 University of Washington 9 8 6 54

9 University of Wisconsin Madison 7 10 8 48

10 University of Texas Austin 13 11 10 47

11 University of Pennsylvania 19 9 27 23

12 Pennsylvania State University ** 1 45 5 116

13 Columbia University New York 14 14 19 89

14 Carnegie Mellon University 11 27 3 74

15 University of Illinois Urbana Champaign * 42 12 20 75 16 University of California Los Angeles 18 15 21 78

17 Texas A&M University 24 31 16 14

18 University of Maryland * 25 28 11 33

19 Purdue University 33 32 14 39

20 University of North Carolina Chapel Hill 22 19 22 148

21 Michigan State University 21 24 26 100

22 University of Cambridge 15 18 54 97

23 University of Florida 23 37 12 94

24 Rutgers University 17 38 13 127

25 Indiana University * 16 17 40 269

26 New York University 39 20 33 122

27 North Carolina State University 12 53 29 40

28 University of Virginia 20 21 34 324

29 Yale University 28 23 49 199

30 University of Arizona 31 33 18 129

資料來源：previous edition, by CCHS-CSIC© 2004-2011

表 3-3 2010 年英國「時報高等教育增刊」的世界大學排名表(前三十名)

World

Rank Institution

Teaching International mix

Industry

income Research Citations

1 Harvard University 99.7 72.4 34.5 98.7 98.8

2 California Institute of Technology 97.7 54.6 83.7 98 99.9

3 Massa -chusetts Institute of Technology 97.8 82.3 87.5 91.4 99.9

4 Stanford University 98.3 29.5 64.3 98.1 99.2

5 Princeton University 90.9 70.3 0 95.4 99.9

6 University of Cambridge 90.5 77.7 57 94.1 94

6 University of Oxford 88.2 77.2 73.5 93.9 95.1

8 University of California Berkeley 84.2 39.6 0 99.3 97.8

9 Imperial College London 89.2 90 92.9 94.5 88.3

10 Yale University 92.1 59.2 0 89.7 91.5

11 University of California Los Angeles 83 48.1 0 92.9 93.2

12 University of Chicago 79.1 62.8 0 87.9 96.9

13 Johns Hopkins University 80.9 58.5 100 89.2 92.3

14 Cornell University 82.2 62.4 34.7 88.8 88.1

15 Swiss Federal Institute of Technology Zurich 77.5 93.7 0 87.8 83.1

15 University of Michigan 83.9 53.3 59.6 89.1 84.1

17 University of Toronto 75.8 0 0 87.9 82.2

18 Columbia University 73.8 90.9 0 73.8 92.6

19 University of Pennsylvania 71.8 32.9 43.7 82.7 93.6

20 Carnegie Mellon University 70.3 39.1 53.7 79.3 95.7

21 University of Hong Kong 68.4 91.4 56.5 71.4 96.1

22 University College London 74 90.8 39 81.6 80.6

23 University of Washington 68.2 49 32.8 77.1 95.9

24 Duke University 66.8 49.4 100 71.5 92.3

25 Northwestern University 64.5 60.5 0 68.8 95.3

26 University of Tokyo 87.7 18.4 0 91.9 58.1

27 Georgia Institute of Technology 67.9 73.2 95.1 72.6 83.2 28 Pohang University of Science and Technology 69.5 32.6 100 62.5 96.5 29 University of California Santa Barbara 56.6 64.3 89.8 68 98.8

30 University of British Columbia 65.1 93.3 42.6 74.8 80.3

資料來源：

previous edition,

by © 2011 TSL Education Ltd.

From

http://www.timeshighereducation.co.uk/world-university-rankings/2010-2011/top-200.html

3.1 實證分析案例的指標 實證分析案例的指標 實證分析案例的指標 實證分析案例的指標

3.1.1 上海交通大學 上海交通大學 上海交通大學 上海交通大學「 「 「 「世界大學術網路排名 世界大學術網路排名 世界大學術網路排名 世界大學術網路排名」 」 」 」

上海交通大學 2010 年的評比資料(ARWU)可以公開取得並且可以量化，評比指 標及其權重詳如表 3-4，各指標定義詳如附錄附表 A。各項指標最高值 100，其他大 學按其最高值的比例得分，如果任何一個指標的資料分布呈現明顯的異常，則採用常 規统計方法對資料進行處理。六項指標的加權，以最高分的大學為總分100，其它大 學按其與最高值的比例得分；至於各項指標資料的取得來源如附錄附表 B。

ARWU 排名指標共分成四個分類指標；教育品質、教職員品質、研究成果、及 師均表現。其排名分分項指標共有六項，分別為獲得諾貝爾獎(Nobel Laureates)及菲 爾茲獎(Field Medals)的校友數量(簡稱 Alumni)、獲得諾貝爾獎及菲爾茲獎的教職員 數量（簡稱 Award）、獲得高度引用的研究人員數（簡稱 Hici)、在（Nature）與（Science）

兩期刋所發表論文的篇數（簡稱 N&S）、被科學引文索引（SCIE）及社會引文索引（SSCI）

收錄的論文數（簡稱 PUB）、及前五項分項指標總分相對於專任教師數的平均數（簡 稱 PCP）。總計超過 1000 多所大學在廣域學科領域上被排名。

表 3-4 上海交通大學「世界大學學術排名」權重和指標 分類指標分類指標

分類指標分類指標 分項指標分項指標 分項指標分項指標 簡稱簡稱簡稱簡稱 權重權重權重權重 教育品質 畢業校友獲得諾貝爾獎和菲爾茲獎數量

Alumni 10%

教職員品質

教職員獲得諾貝爾獎和菲爾茲獎數量

Award 20%

在 21 個廣域學術分類高度被引用的研究人員數*

HiCi 20%

研究成果

在自然和科學兩期刋發表的論文數

N&S 20%

在 SCIE 引文索引和 SSCI 引文索引收錄的論文數

PUB 20%

師均表現 以上五項指標得分之師均值

PCP 10%

總計

100%

* 針對純人文及社會科學不考慮 N&S 指標，並且 N&S 是被分解到其它指標項目 資料來源：Ranking Methodology,by Institute of Higher Education,Shanghai Jiao Tong University,2010.

Retrieved Octeber,10 2010 from http://www.arwu.org/ARWUMethodology2010.jsp

3.1.2 西班牙 西班牙 西班牙 西班牙網路計量研究中心 網路計量研究中心 網路計量研究中心 網路計量研究中心「 「 「 「世界大學網路排名 世界大學網路排名 世界大學網路排名 世界大學網路排名」 」 」 」

2010 年 7 月西班牙網路計量研究中心(Centre for Scientific Information and Documentation,CINDOC-CSIC）的網路實驗室（簡稱 Webometric）公佈的評比資料，

資料也是可以公開取得且可以量化，CINDOC-CSIC 於每年一月及七月公布兩次的網 路大學排名。網路實驗室計畫主持人 Isidro F. Aguillo 曾經表示過：「學術網路是一種 專業的全球資源，也是一項彼此溝通科學與文化成果的重要工具」，意指大學的研究 成果及學術表現能因為「網路」分享的關係，而促成全世界人類在科學與文化的重要 表現的一個工具。

WRWU 排名指標分成四個分項指標：在搜尋引擎網站中如 Google 和 Yahoo 中尋 搜各大學的網頁規模(Size)的統計、在搜尋引擎如 Yahoo 中各大學的網頁被連結 (Visibility)的統計、在搜尋引擎如 Google 中各大學網頁中多種類型教學檔案(Rich)的 統計(例如：Adobe Arobat (pdf)、Adobe Postscript (ps)、Microsoft Word (doc)、Microsoft PowerPoint (ppt)等形式的檔案)、在 Google Scholar 所搜尋到學術文章相關學術檔案數 (Scholar)統計；表 3-5 為 Webometric 排名指標及權重，指標的來源取得如附錄附表 C。

WRWU 依據在附表 C 中在各大入口搜尋引擎或是學術入口網站執行搜尋引擎 指令後即可取得四項指標的分數，進而將四個指標計算排名總分，當總分越高，排名 就越高。

表 3-5 西班牙網路計量研究中心「世界大學網路排名」權重和指標 分類指標分類指標分類指標

分類指標 分類指標分類指標分類指標分類指標 簡稱簡稱 簡稱簡稱 權重權重權重權重 規模 統計 Google、Yahoo 所搜尋各大學網頁數量

Size(S) 20%

能見度 統計 Yahoo 的反向連結數量

Visibility(V) 50%

學術檔案

以 Google、Yahoo 搜尋不同的檔案類型，包含

pdf、doc、ppt、pps 等形式檔案之學術出版品數

目，計算其總數量

Rich Files(RF) 15%

學術論文 由 Google Scholar 所搜尋到之學術文章、報告與 相關學術研究等之數目

Scholar(SC) 15%

資料來源： Methodology ,by CCHS-CSIC© 2004-2011 From

http://www.webometrics.info/about_rank .html

3.1.3 英國 英國 英國 英國泰晤士報高等教育 泰晤士報高等教育 泰晤士報高等教育 泰晤士報高等教育「 「 「 「世界大學排名 世界大學排名 世界大學排名 世界大學排名」 」 」 」

英國泰晤士報高等教育(Times Higher Education,簡稱THE或Times Higher)，原名 為泰晤士高等教育增刊(The Times Higher Education Supplement，簡稱：The Times Higher或The THES)，自2004年以來QS與英國泰晤士報合作，公佈世界大學排名，直 到2009年時，QS正式與THE正式拆夥後，QS陸續與美國新聞與世界報導、朝鮮日報、

英國太陽報合作；而英國泰晤士報高等教育改與湯森路透合作，於2010年9月公佈世 界大學排名，其中為什麼分家，因不在本研究範圍內，在此就不繼續探討，泰晤士報 高等教育與湯森路透合作公佈的世界大學排名資料可以公開取得且可以量化，評比指 標及其權重如表 3-6。

THE排名指標分成六個分類指標；教學(Teaching)、研究(Research)、研究影響力 (Citations) 、 國 際 化 (International mix) 及 來 自 企 業 的 收 入 (Industry income) 。 教 學 (Teaching)分類指標分為5個分項指標分別為教學聲譽調查、博士學位數／教師數、大 學部師生比、機構收入／教師數、博士、學士學位數比，研究(Research)分類指標分為 4個分項指標，分別為研究聲譽調查、研究經費／教師數、教員平均論文數、公共研究經費 占總研究經費比例，研究影響力(Citations)分類指標意指論文被引用影響力，國際化 (International mix)分類指標分成2個分項指標，分別為國際教師比率、國際學生比率，

來自企業收入(Industry income)分類指標意指來自企業研究經費／教師數。

表 3-6 英國泰晤士報高等教育「世界大學排名」權重和指標

分類指標 分項指標 簡稱 分項指

標權重 分類權重

教學

教學聲譽調查

Teaching

15%

30%

博士學位數／教師數

6%

大學部師生比

4.5%

機構收入／教師數

2.25%

博士、學士學位數比

2.25%

研究

研究聲譽調查

Research

19.5%

30%

研究經費／教師數

5.25%

教員平均論文數

4.5%

公共研究經費占總研究經費比例

0.75%

研究影響力 論文被引用影響力

Citations 32.5% 32.5%

國際化

國際教師比率

International mix

3%

5%

國際學生比率

2%

來自企業收入 來自企業研究經費／教師數

Industry

income 2.5% 2.5%

總計

100%

3.2 實證方法 實證方法 實證方法 實證方法

本研究採凌駕基礎的約略方法(DRSA)分析大學之間的成對屬性資料，藉由屬性 偏好的優勢比對大學群組之間的差異。以下將屬性偏好所含蓋的學校集合與排名所區 分的群組(世界前百大及前百大之後)，以凌駕基礎的約略集合的方法表示，內容包括 約略分割的群組(rough approximation)、

P

-凌駕集合與

P

-被凌駕集合(P-dominating and

P-dominated sets)、及約略分割的群組與 P-凌駕集合的關係。主要的是的此篇論文最

主要的目的是去分析出在上海交大學術排名的主要指標，同時將發掘出的主要指標，

可做為各大學在教學資源或政策上決策的制定及參考依據。

3.2.1 DRSA 基本觀念 基本觀念 基本觀念 基本觀念

本研究採用以優勢為基礎的約略集合近似 DRSA(The Dominance-based Rough Set Approach)，以下針對方法做簡單介紹。

約略集合理論(The Rough Set Theory)是由波蘭教授 Pawlak（1982）提出的[13]，

對於處理模糊、不確定性的資訊，是一個很有價值的數學工具。長久以來，使用此方 法（RST）有一些限制，對於分類偏好順序的評估的問題沒有被考慮進來，這是由於 RST 方法的關係，當發生違反優勢原則時，無法處理一致性問題[14]，為了能處理這 種不一致性問題，RST 方法必須增進方法來改善原始約略集合理論（RST)。

Greco et al.[15]等人提出以優勢原則基礎的延伸約略集合理論（DRSA)，處理不 一致性問題，這個方法主要是以取代對於優勢關係的決策類別的約略集合理論（RST) 不可分辨關係的方法。因為 DRSA 為自然語法的闗係，對使用者來說此方法比傳統 的功能或關係模型更平常，而且更容易理解[14]。以下分成定義一至定義八說明之。

定義一 定義一 定義一

定義一：：：：資料表格資料表格資料表格資料表格（（（（Data Table)

優勢約略理論是以四個集合來表達資訊系統，其數學公式為：

^{IS =} ( ^{U ,Q,V , f} )

， U：為一個有限集合(全部集合)； Q = { q ,q ,

1 2

⋯ ,q

m

}

， Q ：表 示屬 性/ 尺 度 集合，

q Q q

V =

∪_∈

V

，這裡

V 是屬性 q 的值域； f

_q

：U Q × → V

中 f 是映射函數，例如

f x,q ( ) ∈ V

q

對於每一個 q Q

∈

；

x U ∈

。Q 集合通常分為條件屬性 C 集合及決策屬性 D 集合。

解決多標準決策問題，常還要做以下假設：根據決策屬性 D

可將 U 分成類別集

合

Cl = { Cl ,t

t

∈ T ,T } = { ^{1 2} , , ⋯ n }

，對任意

x U ∈

而且只屬於其中的一個分類

Cl

_t

∈ Cl

。

定義二 定義二 定義二

定義二：：：：分類的上聯集和下聯集分類的上聯集和下聯集分類的上聯集和下聯集分類的上聯集和下聯集

我們可以定義個別凌駕及

被

凌駕類別集合的聯集；這些聯集可以稱作上限和下限 類別的聯集，定義分別： _{t S}

s t

Cl

^≥

Cl

≥

= ∪

^， t S s t

Cl

^≤

Cl t = 1,2, ,n

≤

= ∪ ^，

⋯ ^{。其中，根據決策屬性}

劃分的類別集合也是有順序的，也就是說對所有的 r,s T

∈

，若

r > s

，則

Cl 裡的對象

_r 以決策的角度來看優勢的

Cl 的對象。

_s

本研究依大學排名切割偏好的兩個群組，分別為

Cl

_t^≥（正向偏好的聯集，如前百

名的大學）及

Cl

_t^≤（負向偏好的聯集，如百名後的大學）。

定義三定義三

定義三定義三：：：：傳統約略集合不可分辨的關係由優勢關係所替代傳統約略集合不可分辨的關係由優勢關係所替代傳統約略集合不可分辨的關係由優勢關係所替代傳統約略集合不可分辨的關係由優勢關係所替代

對於集合 P

⊂ C

，任意 q

∈ P

，都有

x ≥

_q

y

，就稱在屬性集合 P 上優於 y 且記為

xD y ，

_p 對 於 給 定 的 P

⊂ C

和

x U ∈

， DRSA 的 上 下 近 似 知 識 粒 度 為 ： P-dominating 集

( ) { }

P p

D

⁺

x = y ∈ U : yD x

及 P-dominated

集 ^D

^P−

( ) ^{x =} { ^{y ∈ U : xD y}

^p

}

^。

定義四 定義四 定義四

定義四：：：：

Cl

_t^≥和和和和

Cl

_t^≤的的的的 P 下近似和下近似和下近似和下近似和 P 上近似上近似上近似上近似

( )

^t

{

^P

( )

^t

} ( )

^{t P}

( ) {

^P

( )

^t

}

^{1 2}

x Clt

P Cl

^≥

x U : D

⁺

x Cl

^≥

,P Cl

^≥

D

⁺

x x U : D

⁻

x Cl

^≥

,t , , ,n

∈

= ∈ ⊆ = ∪ = ∈ ∩ ≠ ∅ =

⋯

( )

^t

{

^P

( )

^t

} ( )

^{t P}

( ) {

^P

( )

^t

}

^{1 2}

x Clt

P Cl

^≤

x U : D

⁻

x Cl

^≤

,P Cl

^≤

D

⁻

x x U : D

⁺

x Cl

^≤

,t , , ,n

∈

= ∈ ⊆ = ∪ = ∈ ∩ ≠ ∅ =

⋯

定義五 定義五 定義五

定義五：：：：

Cl

_t^≥和和和和

Cl

_t^≤的的的的 P-邊界域邊界域邊界域（邊界域（（P-存疑的區域（ 存疑的區域存疑的區域）存疑的區域）） ）

( )

t

( ) ( )

t t

Bnp Cl

^≥

= P Cl

^≥

− P Cl

^{≥ ，}

Bnp Cl ( )

t^≤

= P Cl ( ) ( )

t^≤

− P Cl

t^{≤ ，}

^t =

^{1 2}

^{, ,}

⋯

^,n

。 定義六

定義六 定義六

定義六：：：：約簡和核約簡和核約簡和核約簡和核

以下為基於優勢關係約略集合的約簡和核定義。

定義七 定義七 定義七

定義七：：：：

Cl

_t^≥和和和和

Cl

_t^≤的精確度近似的精確度近似的精確度近似的精確度近似：：：：

對每個 P

⊂ C

集合來說，經由屬性 P 集合的順序分類

Cl

近似質量的定義為優勢 原則 P-一致性一致性一致性一致性物件及其他在 U 的物件的比率。從 P-一致性一致性一致性物件是這些不屬於任何 P-一致性 邊界域邊界域

邊界域邊界域

Bnp Cl ( ) (

t^≥

,t ∈ ² , ⋯ ,n ) Bnp Cl ( ) (

t^≤

,t ∈ ¹ , ⋯ ,n − ¹ )

時，經由屬性 P 集合的順序分類

Cl 近似質量，可以被寫成如下：

( )

^{{ }}

( )

{ }

( )

2 1 1

t t

t , ,n t , ,n

p

U Bnp Cl U Bnp Cl

Cl U U

γ

≥ ≤

∈ ∈ −

   

−

 

−

 

   

=

^…

=

^… i

∪ ∪

( )

p

Cl

γ

從 U 的角度可以看成一致性的程度，這裡 P 是指可以當屬性集合，Cl 是

被考慮順序的類別。

此外， P ⊂ C

集合，精確近似聯集被排序的類別

Cl

_t^≥

, Cl

_t^≤，經由屬性集合 P 被定 義當作比率物件的屬於 P 下限近似和 P 上限近似的聯集。精確近似

α

p

( ) ( ) Cl

t^≥

, α

p

Cl

t^≤

， ， ， ，

可以寫成如下：

( ) ( )

P Cl

^≥

P Cl

^≤

每個最小的子集合 P

⊂ C

，例如

γ

p

( ) Cl = γ

C

( ) Cl

被稱作 Cl 的減核，而且被記為

RED 。所有相交的約簡集合稱之為核心，被記為

Cl

CORE 。在

_Cl

CORE 的屬性從沒有

_Cl 惡化的質量的計算時，是無法被移除的。這個意義是指在集合 C 分成三種屬性的類 別：

．不可或缺的屬性被含括在核心。

．可交換的屬性被含括在一些約簡，但不在核心。

．過多屬性，既不是不可或缺也不是可交換，因此不被含括在約簡。

定義八定義八

定義八定義八：：：：決策規則決策規則決策規則決策規則

DRSA 最後產生的結果是一種根據簡單的‘if

…, then …

’決策規則含括在被考 慮資料表格的資訊呈現。對於一個上限聯集類別

Cl

_t^≥，決策規則是被歸納出來，前提 是

P Cl ( )

t^≥ 是正向的（當其它是反向）轉變成‘至少類別

Cl ’；對於一個下限聯集類

_t 別

Cl

_s^≤，決策規則是被歸納出來，前提是

P Cl ( )

t^≤ 是正向且所有其它是反向的轉變成

‘最多類別

Cl ’。在其它方面，決策規則歸納出以交集

_s

P Cl ( )

t^≤

∩ P Cl ( )

t^{≥ 是正向的為}

前提，其它所有是反向的，轉變成到一些類別在

Cl 和

_s

Cl s

t

( < t )

^之間。

以下三種型態的決策規則可能被考慮：

1. D_≥：有下以格式的決策規則：

if

f x,q ( )

1

≥ r

q1

^and f x,q (

2

) ≥ r

q2

^and

^…

^{f x,q} ( )

^p

^{≥ r ,}

^qp

^{then x ∈ Cl .}

^t≥

這些規則只提供從 P −

較低近似的向上聯集類別

Cl .

_t^≥ 2. D_≤：有下以格式的決策規則：:

if

f x,q ( )

1

≤ r

q1

^and f x,q (

2

) ≤ r

q2

^and

^…

^{f x,q} ( )

^p

^{≤ r ,}

^qp

^{then 可能 x ∈ Cl .}

^t≤

這些規則只提供從 P

−

較低近似的向下聯集類別

Cl .

_t^≤ 3. D_≥≤：有下以格式的決策規則：:

if f x,q ( )

1

≥ r

q1

and f x,q (

2

) ≥ r

q2

… f x,q (

k

) ≥ r

qk

and f x,q (

k₊1

) ≤ r

qk₊1

and

^…

^{f x,q} ( )

^p

^{≤ r}

^qp

^{then x ∈ Cl}

^s

∪ ^Cl

^s+1

∪ ∪ ^{⋯ Cl .}

^t

這 些 規 則 只 提 供 只 有 P

−

邊 界 域邊 界 域邊 界 域邊 界 域 聯 集 的 類 別

Cl 和

_s

Cl ， 這 裡 的

_t

{

^{1 2 p}

} (

^{q1 q2 qp}

)

^{q1 q2 qp}

P = q ,q ,

⋯

,q ⊆ r ,r ,

⋯

,r ∈ × V V × ×

⋯

V and ^{t ∈} { ^{1 , … ,n .} }

此演算法對於歸納一般決策規則被包含來自 Greco et al.[16]。

3.3 DRSA 軟體 軟體 軟體 軟體 jMAF 應用執行 應用執行 應用執行 應用執行

我們採用 jMAF 做規則推導，jMAF 是一種以 java 程式語言所撰寫的凌駕基礎的 約 略 理 論 ， 提 供 這 軟 體 的 機 構 是 波 蘭 的 波 茲 蘭 工 業 大 學 (Poznan University of Technology) [26]。執行此軟體之流程作法說明如下:

3.3.1 大學排名的資料庫取得 大學排名的資料庫取得 大學排名的資料庫取得 大學排名的資料庫取得

上海交通大學「世界大學學術排名」、西班牙網路計量研究中心「世界大學網路 排名」及英國泰晤士報高等教育「世界大學排名」排名公佈的結果是透明且開放，可 供一般使用者查詢，本研究是將上海交通大學「世界大學學術排名」、西班牙網路計 量研究中心「世界大學網路排名」分別取得排名前 500 大及英國泰晤士報高等教育「世 界大學排名」取得排名前 200 大的相關指標及排名集合成資料庫。

圖 3-1 為 ARWU 所公佈排名資料的畫面，獲取資料的來源比較困難，每個指標 及排名，必須分次取得，取得共 1500 筆資料，本研究進行資料合併匯整成 500 筆（如 表 3-7），亦是 ARWU 前 500 大大學。

圖 3-2 為 WRWU 所公布排名資料的畫面，本研究獲取資料的來源，比 ARWU 取得容易，總共 500 筆資料，進行資料匯整成 500 筆（如表 3-8），亦是 WRWU 前 500 大大學。

圖 3-3 為 THE 所公布排名資料的畫面，本研究獲取資料的來源比較困難，每個 指標及排名，必須分次取得 1000 筆資料，進行資料匯整成 200 筆（如表 3-9），亦是 THE 前 200 大大學。

將匯整完後的 ARWU 前 500 大大學、WRWU 前 500 大大學及 THE 前 200 大大 學排名資料庫中，各資料庫歸類各分成二組，分別將 ARWU 前 500 大大學前 100 名

（1~100）分成一組用數字 1 來表示；ARWU 前 500 大大學 100 名後（101~500）排 名分成一組，用數字 2 來表示，進而將資料表完成如表 3-10。

WRWU 前 500 大大學前 100 名（1~100）分成一組用數字 1 來表示；WRWU 前

500 大大學 100 名後（101~500）排名分成一組，用數字 2 來表示，進而將資料表完 成如表 3-11。

THE 前 200 大大學前 100 名（1~100）分成一組用數字 1 來表示；THE 前 500 大 大學 100 名後（101~200）排名分成一組，用數字 2 來表示，進而將資料表完成如表 3-12。

圖 3-1 上海交通大學「世界大學學術排名」獲取資料畫面 表 3-7 上海交通大學世界大學學術排名表及各項指標分數(ARWU)

圖 3-2 2010 年 7 月西班牙網路計量研究中心「世界大學網路排名」

表 3-8 2010 年 7 月西班牙網路計量研究中心「世界大學網路排名」各項指標排名

圖 3-3 2010 英國泰晤士報高等教育「世界大學排名」排名

表 3-9 2010 年英國泰晤士報高等教育「世界大學排名」及各項指標

表 3-10 上海交通大學「世界大學學術排名」資料分群表

表 3-11 西班牙網路計量研究中心「世界大學網路排名」資料分群表

表 3-12 英國泰晤士報高等教育「世界大學排名」資料分群表

3.3.2 定義指標屬性 定義指標屬性 定義指標屬性 定義指標屬性、 、 、 、偏好 偏好 偏好 偏好、 、 、 、資料 資料 資料 資料

ARWU「世界大學學術排名」、WRWU「世界大學網路排名」及 THE「世界大學

排名」資料庫分群後，必須各自定義 Jmaf 軟體所能識別的檔案格式，以下針對三個 資料庫轉換檔案的簡單說明：

ARWU「世界大學學術排名」分群後的資料庫，分三個部份如下：

一、定義屬性指標：指定 Alumni、Award、HiCi、N&S、PUB、PCP、GROUP，

且定義 GROUP 為決策指標，定義前需加上**ATTRIBUTES 的宣告。

二、定義偏好：Alumni：cost；Award：cost；…；GROUP：gain，定義前需加上 **PREFERENCES 的宣告。

三、定義資料：ARWU「世界大學學術排名」分群後資料庫，定義前需加上

**EXAMPLES 的宣告，資料結束後加上**END 的宣告。

以上三個部份設定如圖 3-4。

WRWU「世界大學網路排名」分群後的資料庫，分三個部份如下：

一、定義屬性指標：指定 Size、Visibility、Rich 及 Scholar，

且定義 GROUP 為決策指標，定義前需加上**ATTRIBUTES 的宣告。

二、定義偏好：Size：cost；Visibility：cost；…；GROUP：gain，定義前需加上 **PREFERENCES 的宣告。

三、定義資料：WRWU「世界大學網路排名」分群後資料庫，定義前需加上

**EXAMPLES 的宣告，資料結束後加上**END 的宣告。

以上三個部份設定如圖 3-5。

THE「世界大學排名」分群後的資料庫，分三個部份如下：

一、定義屬性指標：指定 Teaching、International mix、Industry Income、Research、

GROUP，且定義 GROUP 為決策指標，定義前需加上

**ATTRIBUTES 的宣告。

二、定義偏好：Teaching：cost；International mix：cost；…；GROUP：gain，定 義前需加上**PREFERENCES 的宣告。

三、定義資料：THE「世界大學排名」分群後資料庫，定義前需加上

**EXAMPLES 的宣告，資料結束後加上**END 的宣告。

以上三個部份設定如圖 3-6。

圖 3-4 定義 ARWU 資料庫之指標屬性、偏好、樣本

圖 3-5 定義 WRWU 資料庫之指標屬性、偏好、樣本

圖 3-6 定義 THE 資料庫之指標屬性、偏好、樣本

3.3.3 選擇適當的方法分析群組 選擇適當的方法分析群組 選擇適當的方法分析群組 選擇適當的方法分析群組

本研究分析上海交通大學、西班牙網路計量研究中心、英國泰晤士報高等教育各 自之間的成對屬性資料，對於屬性偏好的優勢比對大學群組之間的差異。將排名屬性 偏好分成世界前百（1~100 排名）大及百大之後（101 以後排名）兩組，以凌駕基礎 的約略集合的方法表示，執行 jMAF 軟體，載入上述 ARWU「世界大學學術排名」

已設定完成的指標屬性、偏好、樣本的資料後(如圖 3-7)，必須產生約略分割的群組 (rough approximation)、P-凌駕集合與 P-被凌駕集合(P-dominating and P-dominated sets)、及決策群組；WRWU「世界大學網路排名」及 THE「世界大學排名」之作法 與上述 ARWU「世界大學學術排名」的作法一樣，在此就不再重述同樣作法。

圖 3-7 jMAF 載入 ARWU 資料後的畫面

3.3.4 縮減指標 縮減指標 縮減指標 縮減指標

透過 jMAF 執行 ARWU「世界大學學術排名」資料庫約減指標後，有找到三種 類型約簡指標分別 Reduct1、Reduct2 及 Reduct3，其中這三種類型約減指標可歸納出 兩個核心指標，分別為 Award、HiCi(如圖 3-8)；同樣的執行模式，透過 jMAF 執行 WRWU「世界大學網路排名」資料庫約減指標後，只有找到一種類型約簡指標分別 Reduct1，其中這一種類型約減指標即是核心指標，分別為 Visibility、Rich、Scholar(如 圖 3-9)；同樣的執行模式，透過 jMAF 執行 THE「世界大學排名」資料庫後，只有 找到一種類型約簡指標分別 Reduct1，其中這一種類型約減指標即是核心指標，分別 為 Teaching、Research、Citations(如圖 3-10)。

圖 3-8 jMAF 軟體執行 ARWU 縮減指標結果圖

圖 3-9jMAF 軟體執行 ARWU 縮減指標結果圖

圖 3-10 jMAF 軟體執行 THE 縮減指標結果圖

3.3.5 產生規則 產生規則 產生規則 產生規則

ARWU「世界大學學術排名」資料庫經過分群、定義指標屬性、偏好、資料資料，

選擇適當方的方法分析群組、約簡指標等程序，最後即可產生 20 種決策規則(如表 3-13) ，我們可以從 ARWU「世界大學學術排名」資料中萃取前一百名群組的決策規 則，在表中 Decision 欄位中「<=1」符號，代表前百大的大學的群組，「>=2」，代表 百大後的大學的群組，例如在表中 Rule 9 中，Award>=17.8 分且 N&S>=22.8 分，則 可以在前百名以內而且強度的支持度=54，此規則的樣本數在前百名大學中佔了百分 之五十四。

WRWU「世界大學網路排名」資料庫經過分群、定義指標屬性、偏好、資料資 料，選擇適當方的方法分析群組、約簡指標等程序，最後即可產生 19 種決策規則(如 表 3-14) ，我們可以從 WRWU「世界大學網路排名」資料中萃取前一百名群組的決 策規則，在表中 Decision 欄位中「<=1」符號，代表前百大的大學的群組，「>=2」，

代表百大後的大學的群組，例如在表中 Rule 6 中，Visibility<=91 名且 Scholar<=150 名，則可以在前百名以內而且強度的支持度=80，此規則的樣本數在前百名大學中佔 了百分之 80。（註：WRWU「世界大學網路排名」資料庫中，各指標的值為排名的值）

THE「世界大學排名」資料庫經過分群、定義指標屬性、偏好、資料資料，選擇 適當方的方法分析群組、約簡指標等程序，最後即可產生 22 種決策規則(如表 3-15) ， 我們可以從 THE「世界大學排名」資料中萃取前一百名群組的決策規則，在表中 Decision 欄位中「<=1」符號，代表前百大的大學的群組，「>=2」，代表百大後的大學 的群組，例如在表中 Rule 9 中，Teaching>=56.5 分且 Citations>=59.2 分，則可以在前 百名以內而且強度的支持度=63，此規則的樣本數在前百名大學中佔了百分之六十 三。

表 3-13 DRSA 方法分析 ARWU 產生規則表

Rule. Conditions Decision Strength

1 (HiCi >= 29.7) & (N&S >= 24.7) group <= 1 50

2 (HiCi >= 29.7) & (PUB >= 51.8) group <= 1 44

3 (Alumni >= 28.2) & (PUB >= 40.7) group <= 1 33

4 (Alumni >= 7.5) & (PCP >= 30.4) group <= 1 33

5 (HiCi >= 20.4) & (PUB >= 60.3) group <= 1 32

6 (N&S >= 24.3) & (PUB >= 48.1) group <= 1 49

7 (Award >= 21.8) & (N&S >= 18.8) group <= 1 44

8 (Award >= 18.9) & (N&S >= 23.3) & (PUB >= 42.5) group <= 1 44

9 (Award >= 17.8) & (HiCi >= 22.8) group <= 1 54

10 (Alumni >= 21.3) & (Award >= 10.9) & (PUB >= 46.4) group <= 1 40 11 (Alumni >= 19.9) & (N&S >= 21.3) & (PUB >= 44.3) group <= 1 37

12 (HiCi <= 30.5) & (PCP <= 18.6) group >= 2 257

13 (Alumni <= 21.3) & (N&S <= 14.1) group >= 2 294

14 (Award <= 15.4) & (HiCi <= 12.5) group >= 2 253

15 (N&S <= 23.6) & (PUB <= 46.7) & (PCP <= 19.2) group >= 2 259

16 (PUB <= 39.6) & (PCP <= 23.4) group >= 2 281

17 (Award <= 0.0) & (N&S <= 17.0) group >= 2 301

18 (Alumni <= 7.5) & (N&S <= 20.9) & (PUB <= 51.9) group >= 2 277

19 (HiCi <= 20.4) & (PCP <= 21.8) group >= 2 316

20 (Award <= 0.0) & (PUB <= 45.2) group >= 2 307