EduVision DV: Visual Analytics for University Rankings and Education Indicators
Dit artikel presenteert EduVision DV, een reproduceerbare datapipeline en een interactief Tableau-dashboard systeem dat meerdere universiteitsranglijstdatasets harmoniseert en integreert met onderwijsindicatoren van de Wereldbank om vergelijking tussen systemen mogelijk te maken, terwijl de onderliggende beperkingen in datakwaliteit, zoals geschatte scores en constante waarden, expliciet worden vermeld.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Elk jaar wenden miljoenen studenten, ouders en universiteitsbestuurders zich tot wereldwijde ranglijsten om te beslissen waar ze gaan studeren, waar ze personeel aannemen en waar ze investeren. Deze lijsten beloven een duidelijke hiërarchie van academische excellentie, waarbij duizenden instellingen worden gesorteerd in een enkele lijn van best naar slecht. De gegevens achter deze lijsten zijn echter veel gefragmenteerder dan de uiteindelijke koppen doen vermoeden. Verschillende organisaties meten succes op verschillende manieren, gebruiken verschillende namen voor dezelfde scholen en verschillende formules om scores te berekenen. Sommige cijfers zijn zorgvuldig gemeten, terwijl andere ruwe schattingen of wiskundige gissingen zijn. Wanneer deze ongeschikte stukjes zonder een duidelijke kaart bij elkaar worden gevoegd, kan het resulterende beeld misleidend zijn, waarbij verborgen blijft dat de hoge score van een school een berekende gok kan zijn in plaats van een hard feit.
Dit is het probleem dat Vaibhav Kumawat probeerde op te lossen met een project genaamd EduVision DV. In plaats van te proberen een nieuw ranglijstsysteem te creëren of te voorspellen welke universiteit het volgende jaar zal winnen, bouwde Kumawat een hulpmiddel om de bestaande, rommelige data transparant en vergelijkbaar te maken. Hij verzamelde vier enorme collecties informatie: de nieuwste wereldwijde universiteitsranglijsten van twee grote aanbieders, een derde set ranglijstgegevens van het voorgaande jaar, en een langetermijnverslag van nationale onderwijsstatistieken van de Wereldbank. Deze bronnen spraken oorspronkelijk verschillende talen, met verschillende kolomnamen en verschillende lijsten met scholen. Kumawat schreef een computerprogramma om als een universele vertaler te fungeren, de namen op te schonen, dezelfde universiteiten over alle vier de lijsten te matchen en ze samen te voegen tot één coherente database.
Het resultaat is een interactieve visuele gids waarmee iedereen deze verbanden kan verkennen zonder een datawetenschapper te hoeven zijn. Het systeem koppelt 1.503 universiteiten uit de primaire ranglijst aan gedetailleerde prestatiemetrieken uit de andere bronnen. Het onthult dat hoewel de ranglijsten een groot aantal instellingen dekken, er aanzienlijke hiaten zijn. Zo verschijnt bijvoorbeeld slechts ongeveer de helft van de universiteiten in de hoofdlijst in de andere twee ranglijstdatasets, wat betekent dat een directe vergelijking voor veel scholen niet mogelijk is. Belangrijker nog, het hulpmiddel legt de verborgen aard van de scores zelf bloot. In de primaire ranglijst zijn meer dan 60 procent van de totale scores voor universiteiten die op nummer 601 en lager staan geen werkelijke gemeten waarden, maar worden ze geschat door de ranglijstorganisatie. Op dezelfde manier zijn grote delen van de gegevens in de andere datasets ofwel gereconstrueerd met behulp van formules, ofwel constante waarden die worden toegepast op groepen scholen die niet individueel gerangschikt zijn.
Door deze onderscheidende zaken zichtbaar te maken, verandert het project hoe de data gelezen kan worden. Wanneer een gebruiker naar een gemiddelde score kijkt over alle universiteiten, laat het hulpmiddel zien dat dit getal een mix is van echte metingen en schattingen, wat de perceptie van de algehele prestaties kan vertekenen. De analyse vond ook dat de positie van een universiteit sterk wordt beïnvloed door haar reputatie en wetenschappelijke citaties, waarbij deze factoren de sterkste link naar de uiteindelijke ranglijst vertonen. Het hulpmiddel benadrukt echter ook dat nationale rijkdom en overheidsuitgaven aan onderwijs, hoewel belangrijk, niet de enige drijfveren van succes zijn, en dat de gegevens uit nationale statistieken vaak een andere periode beslaan dan de huidige ranglijsten, waardoor directe oorzaak-gevolgconclusies onmogelijk zijn.
Het eindproduct is een set van vijf verbonden schermen waarmee gebruikers kunnen filteren op regio, land of specifieke metrieken zoals de ratio tussen student en docent of het aantal internationale studenten. Het biedt geen definitief antwoord op de vraag welke universiteit de beste is, maar biedt eerder een duidelijk beeld van het landschap, waarbij wordt getoond waar de data solide is en waar het een benadering is. Deze aanpak respecteert de complexiteit van de informatie, waardoor gebruikers de berekende schatting niet aanzien voor een gemeten realiteit. In een veld dat vaak wordt gedomineerd door eenvoudige lijsten en koppen, biedt dit werk een eerlijkere manier om het ware stadium van het wereldwijde hoger onderwijs te begrijpen, en herinnert het ons eraan dat er achter elke rang een specifieke set gegevens schuilt met een eigen grenzen en verhalen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.