ust-rankings

该数据集为 UST Rankings 提供的每日课程和教师评分数据集市，基于 ust-archive 数据集构建。数据集包含五个 Parquet 文件：course-ratings.parquet（课程评分，按学期和评价标准组织的纵向数据）、instructor-ratings.parquet（教师评分，按学期和评价标准组织的纵向数据）、course-rankings.parquet（最新学期的课程评分排名）、instructor-rankings.parquet（最新学期的教师评分排名）、course-instructors.parquet（按学期记录的课程与教师关联信息）。该数据集适用于教育评估、课程和教师评价分析、学期趋势研究等场景。数据管道和字段说明文档可在 GitHub 仓库 ust-archive/ust-rankings 中获取。This dataset is a daily course and instructor ratings data mart provided by UST Rankings, built upon the ust-archive dataset. It contains five Parquet files: course-ratings.parquet (longitudinal course ratings organized by semester and evaluation criteria), instructor-ratings.parquet (longitudinal instructor ratings organized by semester and evaluation criteria), course-rankings.parquet (course rating rankings for the latest semester), instructor-rankings.parquet (instructor rating rankings for the latest semester), and course-instructors.parquet (course-instructor association information recorded by semester). This dataset is suitable for educational assessment, analysis of course and instructor evaluations, semester trend research, and other scenarios. Documentation for the data pipeline and field descriptions can be found in the GitHub repository ust-archive/ust-rankings.

原始信息汇总

UST Rankings 数据集概述

基本信息

• 数据集名称：UST Rankings
• 许可证：其他（other）
• 数据来源：基于 ust-archive 数据集构建

数据内容

该数据集提供每日更新的课程和教师评级数据集，包含以下五个文件：

文件名称	内容说明
course-ratings.parquet	按学期和评分标准记录的纵向课程评级数据
instructor-ratings.parquet	按学期和评分标准记录的纵向教师评级数据
course-rankings.parquet	最新学期的课程评级数据
instructor-rankings.parquet	最新学期的教师评级数据
course-instructors.parquet	按学期记录的课程与教师关联数据

数据维护

• 数据管道和字段文档由 ust-archive/ust-rankings 项目维护。

搜集汇总

数据集介绍

构建方式

该数据集作为ust-archive系列的一个衍生数据产品，旨在为大学课程与教师评价提供标准化的分析基础。其构建流程严谨，从ust-archive的原始数据中提取并整合课程元数据、按学期与评教维度组织的纵向评分数据，以及课程与教师的关联信息，最终以Parquet格式存储为六个相互关联的表格，涵盖了当前课程信息、历年评分趋势、最新学期排名及关联关系，形成了一套分层清晰、结构优化的数据仓库结构。

特点

该数据集的核心特点在于其纵向时间序列设计与多维评教结构，能够支持追踪课程和教师在不同学期的表现演变。数据划分细粒度至具体评教标准，且各表间通过课程代码和学期键值实现无缝关联，便于跨表分析。与原始存档相比，该数据集已进行聚合与预计算，直接提供最新学期的排名结果，使得用户无需复杂的数据清洗即可快速获取关键指标，兼具学术研究价值与日常教务管理的实用性。

使用方法

使用该数据集时，研究人员可直接加载Parquet文件至数据分析环境，例如通过Pandas或DuckDB进行查询。可依据course-rankings和instructor-rankings获取当前排名，结合course-instructors映射表分析特定教师的教学影响力，或利用course-ratings与instructor-ratings进行趋势研究。建议用户参照ust-archive的官方文档，以准确理解各字段定义，并注意不同学期数据的可比性。其结构化设计便于与外部数据源交叉验证，适用于教育评估研究、学生选课辅助决策及教学质量监测等多种场景。

背景与挑战

背景概述

在高等教育信息化浪潮的推动下，课程与教学评价数据的系统化采集与分析成为提升教育质量的关键环节。UST Rankings数据集由ust-archive团队构建，基于历史数据仓库，面向香港科技大学（UST）的课程与教师评价体系，于近年推出。其核心研究问题在于构建细粒度、时间序列化的教学评价数据集，以支持教育数据挖掘、教学质量监测及学术排名研究。该数据集将课程元数据、历期评教分数、教师关联信息等多维数据整合为标准化表格，为教育研究者提供了长时段、跨学期的纵向数据视图，显著促进了教育评估方法的量化研究与实证分析，对学习分析、教育政策制定等领域具有重要参考价值。

当前挑战

数据集构建面临多重挑战。领域层面，教学评价数据通常涉及隐私保护、术语异构及评价标准的时间漂移，如何在去标识化前提下保持数据的完整性与一致性是首要难题。构建过程中，需从多源异构的教务系统整合课程、教师、评教等多模态数据，统一期次与评分标准，处理缺失值及重复记录，并设计稳健的数据管道以支持持续更新。此外，评教分数的分布偏斜、教师与课程多对多关系的时变性，增加了数据建模与质量控制的复杂性，要求开发精细的清洗与关联策略，从而确保数据集的可靠性及研究结论的有效性。

常用场景

经典使用场景

该数据集为香港科技大学课程与教师评鉴领域提供了系统性的纵贯面数据，涵盖课程元数据、按学期与评鉴准则细分的课程及教师评分，以及最新学期的排名快照。其经典使用场景聚焦于教育数据挖掘与学习分析，研究者可借此构建课程质量预测模型、识别教学效能的关键影响因素，或基于时间序列分析评鉴趋势的变迁。数据结构的规范性（如parquet格式）与课程-教师关联信息的完整性，为跨学期对比和因果推断研究奠定了坚实的数据基础。

衍生相关工作

该数据集衍生了一系列教育研究领域的创新工作。基于其纵贯结构，学者可开发教学评鉴的可视化分析工具，呈现课程与教师表现的时空演变图谱；结合自然语言处理技术，评鉴文本可转化为情感分析语料，拓展至教学质量的情感维度研究；数据亦可作为推荐系统的基准，测试基于协作过滤的课程推荐算法性能。这些衍生工作不仅丰富了教育数据挖掘的方法论，也为跨学科合作提供了桥梁，推动了计算教育学的发展。

数据集最近研究

最新研究方向

基于ust-rankings数据集的近期研究聚焦于高等教育数字化评估体系的构建与优化。该数据集由ust-archive项目持续维护，其细粒度的纵向课程与教师评分数据，为教育数据挖掘提供了丰富素材。当前前沿方向包括利用时序分析挖掘教学质量的动态演变规律，结合多维度标准（如教学效果、课程难度）构建预测模型，以及通过关联分析揭示课程设置与师资配置的潜在优化空间。这一数据源不仅助力于教育机构的内部质量保障，也为比较教育研究提供了跨机构、跨时段的实证基础，推动数据驱动的教育决策向精细化、科学化迈进。