Areas of social impact of top-listed universities worldwide
Notice bibliographique
Résumé
This chapter aims to introduce the key areas of universities’ social impact out of the Times Higher Education Impact Rankings (THE Impact Ranking). To reach the aim, we adopted detailed research questions: (1) Is there a leading university that has maintained a high position since it first appeared in the ranking? (2) In which countries are the top 10 universities located? (3) Which goals are least often indicated by the top 10 universities? (4) In which Sustainable Development Goals (SDGs) did the top 10 universities achieve the highest score? We analyze the top 10 universities, starting from 2020. In the ranking, the universities’ impact is assessed by its achievements in SDGs. The chapter is analytical. The authors carried out a critical analysis of the literature on the subject and presented the findings, which indicate a steady increase in the number of universities from different regions of the world that are pursuing selected SDGs in their activities. The top 10 list in the THE Impact Ranking is dominated by universities from Australia and Canada. Certain goals – no. 2 (zero hunger), no. 1 (no poverty), no. 14 (life below water), and no. 7 (affordable and clean energy) were least often indicated by the top 10 universities.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,010 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».