计算机科学与工程 2019
评估全球大学在计算机科学与工程领域的科研产出与学术影响力。
ARWU 完全基于客观可验证的学术指标(诺贝尔奖、Nature/Science 论文、高被引学者),不使用任何声誉调查。
计算机科学与工程如何评估大学?
计算机科学与工程由软科世界大学学术排名发布,采用AWARD, CNCI, IC, PUB, TOP等核心指标对全球大学进行综合评估。每项指标经由独立研究团队按照公开的方法论赋予不同权重,数据来源涵盖学术同行评议、雇主调查、文献计量数据库(如 Scopus、Web of Science)以及院校官方披露信息。2019版本共评估了来自19个国家和地区的500所大学,覆盖本科、硕士与博士各层次的教学和科研质量。软科世界大学学术排名每年重新采集原始数据并复核结果,确保排名能够反映各校在师资力量、学术产出、国际化水平和毕业生竞争力等方面的最新表现,为学生选校、家长规划和教育研究者提供可靠参考。
计算机科学与工程 2019排名前列的大学有哪些?
计算机科学与工程 2019排名前列的大学为:国立台湾科技大学, 艾克斯-马赛大学, 阿米尔卡比尔理工大学, 安徽大学, 巴塞罗那自治大学。本版排名由软科世界大学学术排名发布,共评估了来自19个国家和地区的500所大学,采用AWARD, CNCI, IC, PUB, TOP等指标进行综合评定。排名反映了各院校在多个加权维度上的综合表现,建议学生结合排名方法论差异和个人学术目标综合参考。
计算机科学与工程与其他排名体系有什么区别?
ARWU(软科世界大学学术排名)由上海交通大学于 2003 年首创,是全球首个国际性大学排名,完全基于客观可验证的学术指标,不使用任何声誉调查:校友获诺贝尔奖和菲尔兹奖人数(10%)、教师获诺贝尔奖和菲尔兹奖人数(20%)、各学科领域高被引科学家数(20%)、在 Nature 和 Science 上发表论文数(20%)、被 SCIE 和 SSCI 收录论文数(20%)以及人均学术表现(10%)。相比之下,QS 和 THE 均将声誉问卷纳入核心权重,US News 结合了声誉调查与文献计量数据。ARWU 的透明方法论和可重复性使其在科研实力和学术声望评估方面具有权威性,尤其适合考察院校基础科研积累与诺奖级科学家储备的研究型申请者参考。
共 500 所大学
每页显示
|
|
大学
|
国家
|
|
|
|
|
|
|
|---|---|---|---|---|---|---|---|---|
| 201-300 |
|
🇹🇼 中国台湾 | - | 0.0 | 73.5 | 46.2 | 48.9 | 8.8 |
| 301-400 |
|
🇫🇷 法国 | - | 0.0 | 61.2 | 71.8 | 36.2 | 11.8 |
| 301-400 |
|
🇮🇷 伊朗 | - | 0.0 | 60.2 | 48.6 | 52.0 | 3.9 |
| 301-400 |
|
🇨🇳 中国 | - | 0.0 | 69.2 | 59.3 | 34.3 | 8.8 |
| 301-400 |
|
🇪🇸 西班牙 | - | 0.0 | 63.0 | 73.8 | 36.5 | 13.6 |
| 301-400 |
|
🇪🇸 西班牙 | - | 0.0 | 69.6 | 65.4 | 30.7 | 11.8 |
| 301-400 |
|
🇬🇧 英国 | - | 0.0 | 70.2 | 80.7 | 32.4 | 10.4 |
| 301-400 |
|
🇬🇧 英国 | - | 0.0 | 73.3 | 80.3 | 25.7 | 11.8 |
| 301-400 |
|
🇫🇷 法国 | - | 0.0 | 59.5 | 71.2 | 34.9 | 14.7 |
| 301-400 |
|
🇵🇰 巴基斯坦 | - | 0.0 | 72.9 | 86.3 | 39.9 | 0.0 |
| 301-400 |
|
🇺🇸 美国 | - | 0.0 | 71.3 | 67.1 | 23.7 | 20.8 |
| 301-400 |
|
🇨🇳 中国 | - | 0.0 | 85.6 | 64.3 | 26.7 | 0.0 |
| 301-400 |
|
🇨🇳 中国 | - | 0.0 | 64.0 | 68.4 | 38.6 | 8.8 |
| 301-400 |
|
🇫🇷 法国 | - | 0.0 | 69.7 | 63.2 | 24.5 | 15.2 |
| 301-400 |
|
🇧🇷 巴西 | - | 0.0 | 66.4 | 61.3 | 34.5 | 9.6 |
| 301-400 |
|
🇺🇸 美国 | - | 0.0 | 71.4 | 65.0 | 27.9 | 10.4 |
| 301-400 |
|
🇨🇳 中国 | - | 0.0 | 80.7 | 74.3 | 27.5 | 0.0 |
| 301-400 |
|
🇬🇧 英国 | - | 0.0 | 70.4 | 77.9 | 26.0 | 12.4 |
| 301-400 |
|
🇨🇳 中国 | - | 0.0 | 74.3 | 56.5 | 39.1 | 0.0 |
| 301-400 |
|
🇩🇪 德国 | - | 0.0 | 75.7 | 77.1 | 30.4 | 6.8 |
| 301-400 |
|
🇺🇸 美国 | - | 0.0 | 70.6 | 75.2 | 29.4 | 6.8 |
| 301-400 |
|
🇮🇳 印度 | - | 0.0 | 54.0 | 60.7 | 32.8 | 28.6 |
| 301-400 |
|
🇮🇳 印度 | - | 0.0 | 63.1 | 55.1 | 44.0 | 5.6 |
| 301-400 |
|
🇫🇷 法国 | - | 0.0 | 61.8 | 72.7 | 39.4 | 13.6 |
| 301-400 |
|
🇺🇸 美国 | - | 0.0 | 64.9 | 57.7 | 35.9 | 11.8 |
| 301-400 |
|
🇨🇳 中国 | - | 0.0 | 91.0 | 64.0 | 23.1 | 0.0 |
| 301-400 |
|
🇦🇹 奥地利 | - | 0.0 | 71.1 | 75.2 | 32.5 | 11.1 |
| 301-400 |
|
🇦🇪 阿拉伯联合酋长国 | - | 0.0 | 66.0 | 87.7 | 31.5 | 7.9 |
| 301-400 |
|
🇯🇵 日本 | - | 0.0 | 51.3 | 60.0 | 40.7 | 19.2 |
| 301-400 |
|
🇦🇺 澳大利亚 | - | 0.0 | 80.0 | 73.5 | 28.1 | 0.0 |
| 301-400 |
|
🇨🇦 加拿大 | - | 0.0 | 74.3 | 70.1 | 23.3 | 15.2 |
| 301-400 |
|
🇳🇱 荷兰 | - | 0.0 | 69.2 | 80.5 | 32.6 | 10.4 |
| 301-400 |
|
🇨🇳 中国 | - | 0.0 | 100.0 | 19.2 | 22.8 | 0.0 |
| 301-400 |
|
🇨🇦 加拿大 | - | 0.0 | 73.4 | 79.2 | 25.0 | 11.1 |
| 301-400 |
|
🇺🇸 美国 | - | 0.0 | 81.2 | 69.8 | 28.2 | 5.6 |
| 301-400 |
|
🇨🇳 中国 | - | 0.0 | 90.7 | 66.9 | 25.8 | 0.0 |
| 301-400 |
|
🇬🇷 希腊 | - | 0.0 | 65.9 | 68.1 | 39.3 | 10.4 |
| 301-400 |
|
🇳🇴 挪威 | - | 0.0 | 64.8 | 72.2 | 39.4 | 8.8 |
| 301-400 |
|
🇺🇸 美国 | - | 0.0 | 76.6 | 74.8 | 25.8 | 8.8 |
| 301-400 |
|
🇺🇸 美国 | - | 0.0 | 58.2 | 55.9 | 29.9 | 25.5 |
| 301-400 |
|
🇯🇵 日本 | - | 0.0 | 52.8 | 54.3 | 41.7 | 18.0 |
| 301-400 |
|
🇫🇷 法国 | - | 0.0 | 62.2 | 72.0 | 35.0 | 10.4 |
| 301-400 |
|
🇨🇦 加拿大 | - | 0.0 | 69.1 | 69.4 | 30.3 | 12.4 |
| 301-400 |
|
🇺🇸 美国 | - | 0.0 | 68.6 | 69.1 | 25.4 | 15.7 |
| 301-400 |
|
🇨🇦 加拿大 | - | 0.0 | 64.7 | 78.5 | 33.6 | 10.4 |
| 301-400 |
|
🇨🇳 中国 | - | 0.0 | 87.5 | 73.9 | 22.7 | 0.0 |
| 301-400 |
|
🇮🇷 伊朗 | - | 0.0 | 60.2 | 54.2 | 45.8 | 11.1 |
| 301-400 |
|
🇺🇸 美国 | - | 0.0 | 67.1 | 68.9 | 25.6 | 15.7 |
| 301-400 |
|
🇮🇳 印度 | - | 0.0 | 86.3 | 55.1 | 30.7 | 0.0 |
| 301-400 |
|
🇺🇸 美国 | - | 0.0 | 70.9 | 64.3 | 27.7 | 10.4 |