Como classificamos as principais universidades para Blockchain

No ano passado, a CoinDesk lançou seu primeiro Blockchain University Rankings em uma tentativa de reconhecer o papel que a pesquisa acadêmica desempenhou no desenvolvimento da Tecnologia blockchain, bem como quantificar o impacto de escolas individuais. Nosso objetivo era simples: oferecer a janela mais rigorosa e diferenciada para o impacto das universidades no campo blockchain.

Naturalmente, havia limitações e, quando começamos a trabalhar em nossas classificações de 2021, mitigar o máximo possível dessas limitações era um objetivo principal.

Para esse fim, fizemos duas grandes mudanças em nossa metodologia este ano. Primeiro, incluímos não apenas mais escolas, mas uma variedade maior de escolas — nosso campo se expandiu de 46 universidades sediadas nos EUA para mais de 200 escolas (230, para ser exato) ao redor do mundo. Segundo, levamos em consideração o “custo de frequência” para refletir uma métrica de crescente preocupação para muitos alunos atuais e futuros.

Leia Mais: As Melhores Universidades para Blockchain pela CoinDesk 2021

Acima de tudo, queremos garantir que essas classificações façam o que se pretende: oferecer um instantâneo holístico da intersecção entre essa Tecnologia transformadora e instituições de ensino superior. Acreditamos que uma classificação transparente e intelectualmente defensável pode ajudar a condensar o que acaba sendo uma quantidade incrível de informações difíceis de encontrar (com inúmeros fatores) em um formato mais gerenciável.

No espírito de código aberto, gostaríamos também de reiterar nosso compromisso com a integridade e transparência de dados. Estamos mais do que felizes em discutir e/ou compartilhar nossos dados, nossos métodos ou qualquer outra coisa sobre o projeto mediante Request.

Tamanho da amostra

Nosso tamanho oficial de amostra para essas classificações foi de 230 escolas individuais, o que não chega nem perto do número total de universidades que existem ao redor do mundo. Para determinar em quais instituições focar, adicionamos escolas à lista de acordo com sua capacidade de atender a qualquer um dos três critérios.

Primeiro, incluímos qualquer escola que estivesse listada no top 100 de qualquer uma das USNWR Best Global Universities (2021), QS World University Rankings (2022), ShanghaiRanking's Academic Ranking of World Universities (2021) ou World University Rankings (2022). Também incluímos qualquer escola que tivesse sido considerada no ano passado (2020) que fosse similarmente baseada na agregação de classificações externas. Isso nos deu uma grande amostra inicial.

Essa configuração, no entanto, se limitada a apenas esses dois critérios, pode representar um problema: e se uma escola com classificação mais baixa (conforme julgada pela USNWR, QS, ARWU ou THE) estiver fazendo um trabalho incrível, mas não for considerada simplesmente porque algumas fontes externas a ignoraram em suas classificações globais? Isso está longe de ser um resultado desejável.

Por outro lado, simplesmente T temos recursos para examinar de perto todas as escolas existentes, especialmente quando relativamente poucas delas estão envolvidas no tipo de trabalho impactante de blockchain que provavelmente levará a um lugar em nossos rankings.

Gráfico por Shuai Hao / CoinDesk

Para equilibrar essas considerações, nosso terceiro critério foi um compromisso: quando divulgamos nossa pesquisa qualitativa, também incluímos um chamado para qualquer escola, em qualquer lugar do mundo, Request inclusão/consideração em nossos rankings. Ao abrir nossos critérios, mas colocando o fardo de solicitar a inclusão nas próprias escolas, fomos capazes de remover quaisquer limitações artificiais sobre quais escolas eram consideradas, mantendo simultaneamente um alto nível de confiança de que qualquer escola que tomasse a atitude afirmativa de pedir para ser avaliada valeria, em última análise, nosso tempo e recursos para examinar de perto.

Essas 230 instituições finais representam algumas das melhores escolas existentes hoje, e nossa amostra final viu uma mistura de grandes instituições de pesquisa tradicionalmente "de elite" e escolas menores, de públicas a privadas, de gratuitas a caras, com todos os continentes (com exceção da Antártida) representados.

Metodologia

Para determinar as pontuações finais, analisamos cinco categorias principais: (1) a força de uma instituição em pesquisa e contribuições acadêmicas para o avanço do campo; (2) as ofertas de blockchain existentes no campus, seja na forma de aulas, centros educacionais, clubes, ETC.; (3) emprego e resultados da indústria; (4) custo de participação; e (5) reputação acadêmica geral.

Cada categoria compreende múltiplas subcategorias, oferecendo uma imagem holística da presença de uma universidade no espaço blockchain. Para uma pontuação final, atribuímos pontos a cada instituição proporcionalmente ao seu desempenho em cada categoria e normalizamos seus totais de pontos finais em uma escala de 0 a 100.

1) Impacto acadêmico:Para determinar a pontuação de impacto escolar de uma escola, confiamos principalmente naClarivate Web da Ciênciabanco de dados. Pegamos o número total de publicações (todas as disciplinas) de cada escola e as reduzimos para incluir apenas artigos relacionados a blockchain ou criptomoedas publicados entre 2019-2021 (incluindo artigos futuros programados para 2022). A partir desse conjunto, geramos relatórios de citações e criamos subconjuntos nos quais o primeiro autor da publicação era afiliado à universidade em questão. Os dados resultantes nos deram as principais métricas de (1) total de artigos de pesquisa sobre blockchain publicados por afiliadas universitárias, (2) com que frequência esses artigos foram citados e números aproximados sobre (3) com que frequência o pesquisador principal de um artigo vem de uma determinada instituição (a convenção do “primeiro autor” sendo, é claro, dependente da disciplina).

Números brutos, no entanto, T sempre contam a história completa. Uma escola maior, com um corpo docente maior e uma dotação robusta, pode estar produzindo mais pesquisas sobre blockchain no geral (enquanto ainda consegue dedicar uma porcentagem relativamente pequena de seus recursos ao campo), enquanto uma escola pequena que dedica uma porcentagem muito mais impressionante de seus recursos gerais à pesquisa sobre blockchain pode acabar com menos artigos simplesmente devido a um menor número geral de funcionários.

Para levar isso em conta, também normalizamos cada ponto de dados (quando aplicável) em relação à produção institucional total. Quando normalizada dessa forma, uma universidade menor que está dedicando uma proporção maior de sua pesquisa ao blockchain será recompensada em relação a uma universidade mais massiva que é capaz de produzir uma quantidade maior de pesquisa com menos investimento. Em reconhecimento ao fato de que tanto a produção bruta quanto a produção direcionada são métricas valiosas, ambas são fatoradas em nossas classificações, juntamente com o H-Index agregado das publicações de blockchain de uma escola. Para qualquer pessoa interessada em reproduzir nosso conjunto de dados, certifique-se de que a) você tenha acesso total à Web of Knowledge e a todas as assinaturas da Clarivate; e b) use nossa consulta para filtrar os resultados: “cryptocurrenc* OR blockchai* OR bitcoi* OR Ethereum OR stablecoi*”

2) Ofertas de blockchain do campus:Para chegar à pontuação de ofertas de blockchain de uma escola, examinamos várias facetas de sua infraestrutura de campus existente. As ofertas de cursos do campus são a maior subcategoria única que analisamos. O número de aulas disponíveis (especialmente quando distribuídas por vários departamentos, proporcionando uma oportunidade para uma educação mais robusta) mostra um profundo investimento no espaço, tanto no presente quanto no futuro. O corpo docente deve ser contratado, os currículos devem ser desenvolvidos e a adesão administrativa deve ser alcançada. Isso não é feito por capricho e geralmente é bastante permanente.

O segundo maior fator em nossas classificações é a presença de um centro de pesquisa dedicado a blockchain, embora também tenhamos considerado separadamente iniciativas menores e clubes administrados por estudantes. Centros de pesquisa e iniciativas geralmente oferecem oportunidades únicas para os estudantes se envolverem em trabalhos acadêmicos ou obterem experiência prática, e podem servir como um poço de gravidade para novas ideias e pensadores (especialmente quando essas entidades dão o passo adicional de organizar conferências, cúpulas ou outros Eventos educacionais). Centros de pesquisa, iniciativas e clubes permitem que estudantes, professores e a comunidade em geral se conectem com outros entusiastas, e tendem a fornecer uma Tether crucial entre a academia e a indústria.

Por fim, para completar esta categoria, reunimos dados sobre o conjunto nascente, mas sempre crescente, de universidades que oferecem cursos relacionados a blockchain, seja em nível de graduação ou pós-graduação e, às vezes, como uma concentração dentro de outro curso. Como um todo, a categoria Campus Blockchain Offerings é o componente mais consequente da nossa metodologia.

3) Emprego e resultados da indústria:A capacidade de uma universidade de colocar alunos em empregos relevantes é uma métrica importante por dois motivos: ONE, diz algo sobre o prestígio de uma instituição no setor, seja pelo reconhecimento do nome, conexões pessoais ou canais institucionais; e segundo, é de particular importância para alunos atuais e futuros.

O objetivo principal de um aluno ao obter uma educação universitária é, afinal, muitas vezes garantir um emprego na indústria. Para descobrir quais escolas estão colocando mais graduados no campo do blockchain, analisamos a pegada do LinkedIn de mais de 200 das maiores e mais influentes empresas no espaço, bem como seus milhares e milhares de funcionários. Para mitigar vieses, consideramos números brutos e normalizados. Números brutos são úteis para destacar escolas que estão colocando um grande número de graduados em empregos, mas escolas maiores em países maiores tendem a ter uma vantagem simplesmente por causa do tamanho.

Números normalizados pintam um quadro mais matizado das práticas de contratação. Para lançar alguma luz sobre nossos dados, nós os ajustamos de duas maneiras adicionais. Primeiro, como confiamos muito no LinkedIn como fonte, achamos prudente ter uma noção de quão preciso o LinkedIn pode ser para diferentes países. Para fazer isso, usamos o tamanho de cada país, os níveis de ensino superior e o uso do LinkedIn para gerar um multiplicador para cada universidade com base no número esperado de contratações que podemos ter perdido. Países com níveis proporcionais mais baixos de uso do LinkedIn tiveram um impulso em termos de números brutos.

Segundo, também reconhecemos que números brutos podem ser facilmente inflados simplesmente devido ao tamanho de uma população. A Universidade de Buenos Aires, por exemplo, com seus ~300.000 alunos, tem muito mais probabilidade de colocar 200 ex-alunos em empregos de blockchain do que um lugar como a Universidade Rockefeller com seus ~213 alunos.

A Universidade de Buenos Aires colocando 200 graduados em blockchain é esperada mesmo com zero investimento na área, enquanto a Rockefeller colocando o mesmo número seria indicativo de algo mais próximo de uma escola que é focada inteiramente em blockchain (altamente improvável, já que a Rockefeller é uma universidade de ciências biomédicas/médicas muito respeitada). Para levar isso em conta, nós normalizamos contra o tamanho da escola também.

Para reunir dados qualitativos, também pesquisamos stakeholders da indústria e outros não estudantes, não acadêmicos para ter uma noção de como as instituições são (subjetivamente) vistas por aqueles que se consideram fora da academia. Esses dados foram quantificados numericamente, assim como informações sobre o número de parcerias ativas da indústria (incluindo pesquisas Patrocinado ) mantidas por cada universidade.

4) Custo de participação:Para calcular a pontuação do Custo de Frequência de uma escola, analisamos tanto o custo geral quanto uma construção normalizada do custo geral de frequência. Assumimos aqui que uma mensalidade mais baixa era preferível e sentimos que devemos reconhecer a importante ressalva de que consideramos apenas o preço base de uma universidade, enquanto na prática real, bolsas, bolsas de estudo, custos de oportunidade e até mesmo residência podem mudar completamente o cálculo de um indivíduo. Em linhas semelhantes, a mensalidade é uma preocupação puramente voltada para o aluno, enquanto esperamos que essas classificações sejam usadas por não alunos. Por causa dessas preocupações, nossa métrica de custo é, por peso, o componente menos consequente de nossa metodologia.

Dois dados foram fatorados para gerar essa pontuação. O primeiro é a mensalidade, com uma observação. Sempre que possível, presumimos que um participante seria de dentro do país, mas de fora do estado ao calcular os custos da mensalidade. Claro, algumas universidades têm apenas uma taxa fixa. Outras, no entanto, cobram valores diferentes de mensalidade para residentes no estado (versus fora do estado) e têm ainda outra tabela de taxas para estudantes internacionais. Para capturar o maior número de alunos prováveis, aplicamos consistentemente a regra de mensalidade "fora do estado, mas não fora do país" sempre que necessário.

O segundo dado é um custo normalizado de frequência. Para determinar isso, empregamos dados salariais para o país em que a universidade está localizada e um gráfico externo de custo de vida como dados proxy para construir um índice combinado de custo de vida específico do país. Em seguida, executamos dados brutos de mensalidade contra esse índice híbrido para atribuir pontuações classificadas a cada universidade.

5) Reputação acadêmica:Em um mundo perfeito, as classificações enfatizariam o mérito, e dados anonimizados e quantificáveis seriam suficientes para julgar o impacto de uma universidade no espaço do blockchain. Realisticamente, no entanto, os intangíveis de uma escola têm um impacto descomunal em tudo, desde as perspectivas de emprego de um aluno, até sua capacidade de colocar o pé na porta de um estágio, até o calibre do palestrante que gastará seu tempo limitado dando uma palestra em qualquer escola.

Fingir que a reputação T importa, que a história é insignificante, é fazer um desserviço às nossas classificações. O efeito da reputação acadêmica de uma escola em nossa metodologia, no entanto, é ofuscado por todas as outras categorias, exceto pelo custo, refletindo tanto a recente mudança do credencialismo quanto o maior peso que atribuímos a métricas mais tangíveis e produtivas.

Para determinar a pontuação de reputação de uma instituição, observamos dois critérios: (a) reputação geral existente, conforme calculada pela USNWR, THE, ARWU e QS; e (b) reputação conforme determinada por nossas próprias pesquisas qualitativas, que pediram que acadêmicos em atividade e alunos atuais avaliassem as escolas. Esses dados foram divididos de acordo com se vinham de um aluno ou de um acadêmico, e quantificados numericamente.

Semelhante ao ano passado, há dois fios condutores comuns em nossa metodologia. Primeiro, mantendo nossa meta de rigor, defensibilidade e reprodutibilidade, usamos dados quantitativos verificados externamente sempre que tais dados estavam disponíveis, e normalizamos esses dados quando apropriado para adicionar o máximo de nuance possível em nossas classificações. Quando exigimos dados qualitativos, enviamos pesquisas abertas, públicas e compartilháveis por todos os canais disponíveis e fizemos o possível para não limitar a participação de forma alguma.

Segundo, fizemos todas as tentativas de examinar cada ponto de dados de tantos ângulos quanto possível. Como costuma ser o caso, qualquer ponto de dados pode ser visto como positivo em algumas situações, mas negativo quando visto por uma lente diferente. A normalização é uma ferramenta para combater isso, mas também o são coisas como bom senso e uma análise imparcial do cenário. Os dados contam uma história, e nosso objetivo era deixar que nossos dados contassem uma história tão completa quanto pudéssemos.

Sobre classificações em geral

Como nota final, gostaríamos de ecoar um sentimento expresso no ano passado e abordar o projeto de criação de classificações universitárias em um sentido mais geral. De maneiras importantes, as classificações ordinais são incrivelmente úteis para mostrar dados muito específicos ou reduzir grandes quantidades de informações em um formato digerível, mas também são estreitas e inerentemente maleáveis.

Mesmo pequenas mudanças na metodologia podem ter efeitos desproporcionais no resultado final, assim como dados discrepantes ou mesmo erros introduzidos por pesquisadores. Afirmar que as classificações são vulneráveis a críticas de subjetividade e maleabilidade não tem a intenção de marginalizar nossos dados ou o projeto maior em questão; em vez disso, esperamos que, ao destacar as limitações de nossa produção, essas classificações sejam mais úteis para um número maior de indivíduos.

Estamos muito dispostos a discutir nossa metodologia, compartilhar dados, responder perguntas e abordar preocupações. Leitores interessados ​​são encorajados a entrar em contato com JOE Lautzenhiser (JOE[at] CoinDesk).

Como nota final, vale a pena notar que esperamos que essas classificações sirvam como base para um recurso vivo e pulsante que vá muito além de uma lista ordenada de escolas. Começamos e continuaremos a fazer essa pesquisa, mas não somos ingênuos o suficiente para acreditar que podemos construir esse monumento em particular sozinhos.

Mas acreditamos que este recurso que ilumina um pequeno canto do universo do blockchain tem um valor tremendo – para estudantes que buscam um caminho mais tradicional para a indústria, para acadêmicos que esperam colaborar com indivíduos com ideias semelhantes, para empresas que se perguntam onde pesquisas específicas estão sendo feitas. Como primeiro passo, começamos a preencher perfis para algumas das principais universidades, mas gostaríamos de ter todas as escolas representadas.

Os alunos podem contribuir para isso verificando suas escolas e pedindo a um representante autorizado da universidade (por exemplo, um membro da equipe de mídia/comunicações/ ETC.) que Contato se alguma informação estiver desatualizada ou faltando, ou se suas escolas ainda não tiverem um perfil. Os indivíduos podem ajudar destacando pesquisas e projetos importantes, ou novas abordagens para a educação em blockchain. As escolas podem ajudar examinando essas classificações e usando-as como um sinal de como melhorar. No final das contas, a resposta é simples: dedicar recursos para educar alunos, professores e a comunidade sobre a Tecnologia blockchain.

Classificação da Universidade CoinDesk ClassificaçãoSchoolScore1Universidade Nacional de Cingapura100,00 2Instituto de Tecnologia Royal Melbourne97,65 3Universidade da Califórnia Berkeley93,26 4Universidade de Zurique91,66 5Instituto de Tecnologia de Massachusetts91,57 6Universidade Politécnica de Hong Kong84,30 7UCL81,54 8Universidade Tsinghua79,20 9Universidade Chinesa de Hong Kong75,30 10ETH Zurique75,04 11Universidade Tecnológica de Nanyang, Cingapura74,98 12Universidade de Stanford68,41 13UNSW Sydney66,29 14Universidade da Cidade de Hong Kong66,13 15Universidade de Oxford65,47 16Universidade Jiao Tong de Xangai65,18 17Universidade Cornell63,98 18Universidade de Delft Tecnologia63,85 19Universidade de Hong Kong61,97 20Universidade de Sydney61,48 21École Polytechnique Fédérale de Lausanne (Suíça)60,78 22Universidade de Illinois Urbana-Champaign60,10 23Universidade de Cambridge58,69 24Universidade de Ciência e Tecnologia de Hong Kong58,51 25Universidade da Califórnia, Los Angeles58,40 26Instituto Avançado de Ciência e Tecnologia da Coreia57,87 27Universidade Sun Yat-sen57,18 28Universidade da Colúmbia Britânica55,80 29Universidade de Pequim54,15 30Universidade Estadual do Arizona51,86 31Universidade Técnica de Munique51,78 32Universidade de Edimburgo51,77 33Universidade Carnegie Mellon51,10 34Universidade de Melbourne50,95 35Worcester Polytechnic Institute50,77 36Georgetown University50,40 37Fudan University49,95 38University of Southern California49,57 39Korea University48,85 40Imperial College London48,59 41New York University48,55 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 49Harvard University43,89 50Zhejiang University43,37