泰晤士高等教育世界学院排行是全球惟一一份对研究密集型学院的所有核心任务进行衡量的全球绩效表，这种核心任务包括教学、科研、知识转移和国际展望。我们使用13个经过仔细校正的绩效指标，提供最全面、最平衡的比较，受到中学生、学者、大学领导、行业和政府的信任。

绩效指标分为5个方面：教学（学习环境）；研究（数目、收入和名声）；引文（研究影响力）；国际展望（职工、学生和研究）；行业收入（知识转移）。

完整的研究方式可见于本页面顶部的文件中。

教学（学习环境）：30%

在该分类框架下的最新学术名声调查（每年进行一次）于2020年11月至2021年2月间进行，考察了学院在教学和研究方面的名声。问卷的领取考虑了全球学院在地理位置和学科方面的统计代表性。2021年的数据与2020年的调查结果相结合全球大学排名，得出了近22000份调查结果。

不仅让人们了解一所学院是怎样旨在于培养下一代学者之外，相当高比列的研究生还建议提供最高水平的教学，因而吸引研究生并有效地培养她们。这一指标经标准化，考虑一所学院奇特的学科组合，以反映出博士学位数目的学科差别。

学院总收入按照学术人员数目进行校正，并按照世界建行国际平价订购力（PPP）估算进行标准化。学院总收入反映了一所学院的总体状况，并使人们对中学生和工作人员可用的基础设施和其他设施有了广泛的了解。

研究（规模，收入和名声）：30%

依据我们搜集到的年度学术名声调查结果，这一类别中最突出的指标是学院在同行中的卓越研究名声（见上述）。

研究收入按照学术人员数目进行校正，并按照世界交行国际平价订购力估算进行调整。这是一个有争议的指标，由于它会遭到国家新政和经济环境的影响。并且收入对于世界级研究的发展是至关重要的，并且由于收入的大部份都遭到竞争的影响，但是由同行评审来判定，我们的专家觉得这是一个有效的评判标准。这一指标已全面标准化，以考虑到各所学院不同的学科概况，结果显示，自然学科的研究补贴金常常低于最高质量的社会科学、艺术和人文研究补贴金。

为了检测研究生产力，我们统计了爱思唯尔数据库索引的学术刊物上每位学者发表的论文数目，按学院规模大小进行校正，并按学科进行了标准化。这让人们觉得到学院有能力在高质量的同行评审刊物上发表论文。今年，我们设计了一种方式，虽然学院表示没有教职职工从事某个学科的研究，但在对发表在该学科中的论文也给与相应分数。

引文（研究影响力）：30%

我们的研究影响力指标着眼于学院在传播新知识和新思想方面的作用。

我们通过获取全球学者引用一所学院出版物的平均次数来考察研究影响力。去年，我们的文进言量数据供应商爱思唯尔调查了1.08亿份引用，包括了过去5年来发表的1440万篇刊物文章、文章评论、会议记录、书籍和书籍章节。这种数据包括爱思唯尔数据库索引的24600多种学术刊物，以及2016年至2020年间的所有索引出版物。我们还搜集了2016年至2021年这6年间这种出版物的引用数据。

引文有助于向我们展示各所学院对人类知识总数的贡献：它能告诉我们谁的研究早已脱颖而出，为其他学者所接受和借鉴，最重要的是，被全球学术界分享，以扩大我们的知识范围，无论哪一学科都是这么。

我们将数据标准化，以反映不同事科领域之间引文数目的变化。这意味着，虽然学院在个别传统情况下被引用次数高的学科中表现活跃，也不会获得不公正的优势。

我们混和了根据国家调整和未依照国家调整的引用分数原始检测方式。

在2015-16年，我们剔除了1000多名作者的论文，由于这种论文对少数学院的引用分数形成了不相称的影响。在2016-17年，我们设计了一种重新合并这种论文的方式。我们与爱思唯尔合作，开发了分数计数方式，确保所有学术论文作者所在的学院将起码获得论文分值的5%，而论文作者最多的学院将相应获得更大的分值。

国际展望（职工、学生、研究）：7.5%

吸引世界各地专科生、研究生和班主任的能力，是一所学院在世界舞台上获得成功的关键。

在第三个国际化指标中，我们估算了一所学院拥有起码一个国际专著者的研究刊物出版物的比列，比列越高，奖励越大。我们将这一指标标准化，以说明一所学院的学科组合形式，并采用与“引文（研究影响）”类别相同的两年时限。

行业收入（知识转移）：2.5%

学院在推动工业创新、发明和咨询方面的能力，早已成为当代全球性学院的核心使命。行业收入这一类别致力通过研究一所学院从行业中攫取研究收入的大小（按照世界建行国际平价订购力估算调整），并依据其雇佣的学术人员数目进行调整，来获取这类知识转移活动。

这一类别表明企业在多大程度上乐意为研究付费，以及学院在商业市场上吸引资金的能力——这是评价学院质量的有用指标。

参与世界学院排行的门槛条件

假如学院不招收专科生，或则学院在2016年至2020年期间的研究成果多于1000份相关出版物（平均每年起码150份），则学院未能步入世界学院排行。假如学院80%以上的研究成果完全属于我们11个学科领域中的一个学科，也会被排除在外。

在排行顶部被列为“未入选参与高校”的学院向我们提供了数据，但未满足我们的门槛要求或获得排行。

数据搜集

学院提供相关数据并签字确认，用于学院排行估算。在极少数情况下，假若没有提供特定的数据点，我们会对受影响指标的提供保守恐怕值。这样的话，我们避开了对忽视或未提供数据的学院采取打“零”分的形式进行过分严厉的惩罚，但我们不会由于学院隐瞒那些数据而对其进行奖励。

得出最终结果

从一系列特定的数据点到指标，最后到一个学院的总分，须要我们匹配代表根本不同数据的值。因此全球大学排名，我们对每位指标采用标准化方式，之后根据表中所示的比列进行组合。

我们使用的标准化方式是基于特定指标内的数据分布，在这些情况下，我们估算累积机率函数，并评估特定学院的指标在该函数内的位置。

对于除学术名声调查之外的所有指标，我们使用Z分数估算累积机率函数。学术威望调查中的数据分布要求我们运用指数函数进行估算。