編輯：桃子
【新智元導讀】全美CSrankings 2024結(jié)果出爐！全美計算機科學專業(yè)排名中，排名前三的學校是CMU、UIUC、佐治亞理工學院。值得注意的是，MIT跌出了全美前5。
2024 CSRankings全美計算機科學專業(yè)排名，剛剛發(fā)布了！
今年，全美全美CS最佳大學排名中，
卡耐基梅隆大學（CMU）位列全美第一，同時是CS世界第一。與此同時，伊利諾伊大學香檳分校（UIUC），連續(xù)6年穩(wěn)居榜單第二。佐治亞理工學院位列第三。
然后，斯坦福大學、圣迭戈加利福尼亞大學、密歇根大學、華盛頓大學并列世界第四。
值得注意的是，MIT排名下跌，跌出前五。
CSRankings是由麻省州立大學阿姆赫斯特分校計算機與信息科學學院教授 Emery Berger 組織的全球院校計算機科學領域?qū)嵙ε琶?，完全基于研究指標，相對來說比較透明。
CSRanking的細分排名分為4大類（27項小細分），分別為AI、系統(tǒng)、理論和跨學科領域。
在AI板塊，主要有5個細分領域：1.人工智能（Artificial intelligence）；2.計算機視覺（Computer vision）；3.機器學習（Machine learning）；4.自然語言處理（Natural language processing）；5.網(wǎng)頁信息檢索（The Web & information retrieval）。
全美CS排名：CMU穩(wěn)坐第一，MIT跌出前5
3所大學CS實力并列全美前8，分別是麻省理工學院、加州大學伯克利分校、馬里蘭大學帕克分校。
然后是，康奈爾大學、東北大學、普渡大學、德克薩斯大學奧斯汀分校，還有5所大學并列前15、4所大學并列前20。
具體看，CMU的機器學習領域，以及NLP、視覺、AI最為拿手。
伊利諾伊大學香檳分校（UIUC）的機器學習和NLP研究是最大的強項。
佐治亞理工學院ML、安全領域研究比較突出。
再來看看斯坦福大學、圣迭戈加利福尼亞大學、密歇根大學、華盛頓大學四所并列第四的大學研究表現(xiàn)。
并列第8的三所大學研究領域占比可視化。
排名依據(jù)：頂會論文發(fā)表量
當前，1983年開始的《美國新聞與世界報道》（US News and World Report）排名最具聲望。
不過，US News排名完全以聲譽為基礎，依賴于向各部門主管和研究生院主任進行調(diào)查。
就拿2023年US News世界排名一出離了大譜，把213所機構(gòu)排名弄錯了，留學圈也是吵翻了天。
包括之前哥大在US News的排名數(shù)據(jù)造假事件，也是掀起了腥風血雨。
另外，基于引用次數(shù)的指標也存在灌水的嫌疑。比如，有的大學就鼓勵教職員工相互引用，「引用卡特爾」（Citation Cartels）也就看著光彩了。
不僅如此，并非所有論文引用都是免費的，而且變化很快，像Google Scholar中引文統(tǒng)計系統(tǒng)在作者歧義方面做的不是很好。
為了給所有人提供一個有意義且透明的排名體系，Emery Berger組織的全球院校計算機科學領域?qū)嵙ε琶?，完全基于「研究指標」進行排名。
具體來說，CSRankings是以絕大多數(shù)院校教員，在計算機科學領域的各大頂會發(fā)布的論文數(shù)量為衡量指標。
自然語言處理的頂會有ACL、EMNLP、NAACL；計算機視覺領域的頂會含CVPR、ECCV、ICCV；機器學習與數(shù)據(jù)挖掘會議的論文來自ICML、KDD 、NIPS；人工智能頂會則包含AAAI、IJCAI。
看得出，這種方法是為了激勵教職員工在頂會上發(fā)表論文，而且CSrankings所有代碼和數(shù)據(jù)共享，同時還能防止造假。
教職工入選標準是？
數(shù)據(jù)庫的收錄標準是，只要是特定校園中的全職、終身教職員工，并且能夠單獨為計算機科學專業(yè)的博士生提供指導，都可以被收錄到數(shù)據(jù)庫中。
因此，這種方法將數(shù)據(jù)庫的覆蓋范圍擴大到了其他院系的一些教師，這些教師與計算機科學系或類似院系有兼職合同，可以為CS的博士生提供指導。
請注意，全職意味著在整個學年至少有75%的工作時間。
作者署名、論文數(shù)怎么算？
一名教職員工在一篇論文中可獲得1/N分，其中N是作者人數(shù)，與他們的隸屬關系或身份（教職員工、學生或其他身份）無關。這個數(shù)字永遠不會變。
在所有作者都是/最終成為數(shù)據(jù)庫中的教員的情況下，那么一篇論文最多只能算1.0分。
如果不按作者數(shù)量劃分論文的學術(shù)產(chǎn)出量，僅簡單計數(shù)論文數(shù)，那么作者可以很容易地通過增加作者來人為操縱和夸大單篇論文的產(chǎn)出量。
為了避免這種情況，必須分割論文的學術(shù)產(chǎn)出量。這可以激勵作者適當?shù)貙Υ龑W術(shù)產(chǎn)出的署名，不濫用多作者夸大單篇論文的產(chǎn)出量。
參考資料：
https://csrankings.org/#/fromyear/2023/toyear/2024/index?all&us
版權(quán)聲明：本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務，不擁有所有權(quán)，不承擔相關法律責任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權(quán)/違法違規(guī)的內(nèi)容， 請發(fā)送郵件至 舉報，一經(jīng)查實，本站將立刻刪除。