Què ha passat: un altre rànquing, un altre titular
El 30 de setembre de 2026, Times Higher Education va publicar el seu World University Rankings 2027, amb 2.297 universitats de 118 països. Oxford repeteix com a número u per onzè any seguit… però per només 0,1 punts sobre el MIT.
L'altra gran notícia és geogràfica: la xinesa Tsinghua puja al lloc 11 i, per primera vegada, hi ha tres universitats asiàtiques al top 15. Titular perfecte. I, tanmateix, un altre rànquing igual de prestigiós (el de QS) posa el MIT com a número u del món aquell mateix any. Qui té raó? Tots dos. I cap. La pista és en com es construeix el número.
Què hi ha al darrere: com es fabrica un número que ordena 2.297 universitats
Un rànquing no mesura "què bona és" una universitat: mesura un grapat d'indicadors, els converteix a una escala comuna i els fa la mitjana amb pesos. En el cas de Times Higher Education són cinc pilars i 18 indicadors, amb aquests pesos:
| Pilar | Què intenta mesurar | Pes |
|---|---|---|
| Qualitat de la recerca | Impacte i influència de les publicacions | 30% |
| Docència | Reputació, ràtio professor/alumne, doctorats | 29,5% |
| Entorn de recerca | Reputació i productivitat investigadora | 29% |
| Projecció internacional | Alumnat i personal estranger, coautoria | 7,5% |
| Indústria | Ingressos i patents amb empreses | 4% |
Primera lliçó d'estadística: això és una mitjana ponderada, no una mitjana simple. I el pes ho decideix tot. Mira aquest exemple amb dues universitats inventades, puntuades de 0 a 100 en dos criteris:
- Universitat A: docència 90, recerca 50.
- Universitat B: docència 55, recerca 80.
Amb una mitjana simple, guanya A: (90+50)/2 = 70 davant de (55+80)/2 = 67,5. Però si decideixes que la recerca pesa el doble que la docència —res estrany, perquè a Times Higher Education recerca i entorn juntes sumen gairebé el 59% davant del 29,5% de docència—, l'ordre es gira: A = (90 + 50·2)/3 = 63,3 i B = (55 + 80·2)/3 = 71,7. La mateixa dada, dues classificacions oposades, només canviant un pes. Per això Oxford és primera en un rànquing i segona en un altre: no canvien les universitats, canvia la recepta.
Normalitzar: per què no es poden sumar pomes i peres
Hi ha un altre truc imprescindible. Un pilar barreja "cites per article" (que pot valer 25 o 60), "alumnes per professor" (8 o 30) i "% d'alumnat internacional" (5% o 45%). Són unitats diferents: sumar-les tal qual no significa res.
La solució és normalitzar: cada indicador es transforma a una escala comuna (0-100) mirant a quantes desviacions típiques està cada universitat de la mitjana de totes. És la tipificació que s'estudia a estadística: restes la mitjana i divideixes per la desviació típica. Així, un 60 en cites i un 60 en internacionalització volen dir "igual de per sobre de la mitjana", encara que les unitats originals no tinguin res a veure. Sense aquest pas, el pilar amb els números més grans dominaria el rànquing sense motiu.
Com es llegeix això amb cap (els errors que comet gairebé tothom)
Com qui corregeix aquests raonaments a classe, aquests són els errors típics en interpretar un rànquing:
- Prendre's seriosament el 0,1. Oxford guanya el MIT per una dècima sobre 100. Això és soroll de mesura, no una diferència real: és precisió falsa. Entre el lloc 145 i el 160 tampoc hi ha, a la pràctica, cap diferència que notis com a alumne.
- Comparar posicions de rànquings diferents. Ser 5a a Times Higher Education i 30a a QS no és cap contradicció: són dues receptes amb pesos i indicadors diferents. Comparar-ne els llocs és com comparar notes de dos exàmens amb criteris diferents.
- Mirar només el número global. El rànquing general està dominat per la recerca (gairebé un 59% del total). Però si faràs un grau, el que t'afecta és la docència, les pràctiques i l'ocupabilitat, no quants papers publiquen els seus catedràtics. La dada que importa és al pilar, no al titular.
Com es tria, doncs? Baixa del número global a l'indicador que et toca a tu: la qualitat docent del grau concret, les sortides laborals, el pla d'estudis, el cost i on viuràs quatre anys. Un rànquing serveix per descartar i per descobrir noms, no per decidir per tu.
Quan val la pena un professor particular
Tota aquesta història —mitjanes ponderades, tipificació, desviació típica, lectura crítica de dades— és exactament el que més s'entravessa a estadística, tant al Batxillerat com al primer curs de moltes carreres. No és que sigui impossible: és que sovint s'explica amb fórmules soltes i sense un exemple que connecti. Quan algú t'ensenya què estàs calculant i per a què, com en l'exemple de dalt, deixa de fer por.
A Eurekademy treballem amb professors que preparen estadística a aquest nivell, i pots començar amb la primera classe amb 50% de descompte per veure si encaixa abans de comprometre't. Si vols entendre de debò mitjanes ponderades i tipificació, les nostres classes d'estadística estan pensades just per a això: menys fórmules memoritzades i més saber llegir els números que et trobaràs tota la vida, començant pel rànquing amb què triaràs universitat.