국립부경대학교 미래 인터넷 및 빅데이터 응용 연구실

Systemic Analysis of the QS International Research Network Indicator Using Big Data: Regional Inequalities and Recommendations for Improved University Rankings

Taewan Kim; Tae-Kook Kim*

https://ieeexplore.ieee.org/document/11050413

Cite This Article

MLA

Taewan Kim, and Tae-Kook Kim. "Systemic Analysis of the QS International Research Network Indicator Using Big Data: Regional Inequalities and Recommendations for Improved University Rankings." IEEE Access 13 (2025): 111335-111353.

APA

Kim, T., & Kim, T. K. (2025). Systemic Analysis of the QS International Research Network Indicator Using Big Data: Regional Inequalities and Recommendations for Improved University Rankings. IEEE Access, 13, 111335-111353.

ISO 690

KIM Taewan; KIM, Tae-Kook. Systemic Analysis of the QS International Research Network Indicator Using Big Data: Regional Inequalities and Recommendations for Improved University Rankings. IEEE Access, 2025, 13: 111335-111353.

Plain Text

T. Kim and T. -K. Kim, "Systemic Analysis of the QS International Research Network Indicator Using Big Data: Regional Inequalities and Recommendations for Improved University Rankings," in IEEE Access, vol. 13, pp.111335-111353, 2025, doi: 10.1109/ACCESS.2025.3583236

Abstract

The International Research Network (IRN) indicator, introduced in the QS (Quacquarelli Symonds) World University Rankings 2024, has generated notable volatility and regional disparities in global university standings. This paper presents a systemic analysis of the IRN indicator across three ranking cycles (2023–2025) using big data methodologies, including descriptive statistics, scatter plots, university size analysis, a case study of South Korean universities in Social Sciences & Management, correlation, and regression analysis. The results reveal pronounced instability in IRN scores, with sharp year-to-year fluctuations and a marked concentration of top-ranked institutions in English-speaking and European regions-98 of the top 100 and 85% of the top 500 IRN-ranked universities originate from these areas. In addition to identifying structural and regional biases, this study examines how effectively IRN functions as a ranking metric, particularly in its ability to predict overall QS performance. Findings from regression analysis show that the contribution of IRN to the overall QS score is minimal, with its predictive power diminishing significantly in the 2025 ranking year. The South Korean case study highlights methodological inconsistencies, showing that the IRN formula disadvantages institutions with multiple partnerships in the same region. These observations are reinforced by correlation and regression analyses, which further confirm that IRN’s explanatory power for overall QS scores weakened in the 2025 ranking year. These findings underscore the need to refine the IRN indicator to enhance transparency, consistency, and inclusivity, thereby supporting a more equitable evaluation of global research networks.

구글 번역

QS(Quacquarelli Symonds) 세계 대학 순위 2024에 도입된 국제 연구 네트워크(IRN) 지표는 세계 대학 순위에서 눈에 띄는 변동성과 지역적 격차를 초래했습니다. 이 논문은 기술 통계, 산점도, 대학 규모 분석, 사회 과학 및 경영 분야의 한국 대학 사례 연구, 상관 관계 및 회귀 분석을 포함한 빅데이터 방법론을 사용하여 3개 순위 주기(2023-2025)에 걸쳐 IRN 지표에 대한 체계적 분석을 제시합니다. 결과에 따르면 IRN 점수는 뚜렷한 불안정성을 보이며 매년 급격한 변동이 있었고 영어권과 유럽 지역에 상위 순위 기관이 현저히 집중되어 있었습니다. IRN 순위 대학 상위 100위 중 98개, 상위 500위 중 85%가 이 지역에 속했습니다. 이 연구는 구조적 및 지역적 편향을 식별하는 것 외에도 IRN이 순위 지표로서 얼마나 효과적으로 기능하는지, 특히 QS의 전반적인 성과를 예측하는 능력에 대해 조사합니다. 회귀 분석 결과에 따르면 IRN이 전체 QS 점수에 미치는 기여도는 미미하며, 2025년 순위에서는 예측력이 크게 감소했습니다. 한국 사례 연구는 방법론적 불일치를 강조하며, IRN 공식이 동일 지역 내 여러 파트너십을 맺은 기관에 불리하게 작용한다는 점을 보여줍니다. 이러한 관찰 결과는 상관관계 분석 및 회귀 분석을 통해 더욱 뒷받침되는데, 이는 2025년 순위에서 IRN의 전체 QS 점수에 대한 설명력이 약화되었음을 더욱 확증합니다. 이러한 결과는 투명성, 일관성, 그리고 포괄성을 강화하여 글로벌 연구 네트워크에 대한 보다 공평한 평가를 지원하기 위해 IRN 지표를 개선해야 할 필요성을 강조합니다.

Keywords

Correlation, Measurement, Indexes, Collaboration, Europe, Ranking (statistics), Correlation coefficient, Big Data, Social sciences, Asia

Research Network, International Research, International Research Network, Regression Analysis, Correlation Analysis, Social Sciences, Predictive Power, Scatter Plot, Systematic Bias, Multiple Partners, Global Research, South Korean, Social Management, Methodological Inconsistencies, Korean University, Distribution Of Scores, Collaborative Research, International Network, International Collaboration, Global Engagement, Academic Reputation, Global Ranking, International Research Collaboration, Internationalization, English-speaking Countries, Decline In Scores, Ranking System, Meaningful Collaboration

Big data analytics, higher education, international research network, international research network (IRN), QS world university rankings, regional inequality, research evaluation, university rankings

상관관계, 측정, 지수, 협력, 유럽, 순위(통계), 상관계수, 빅데이터, 사회과학, 아시아

연구 네트워크, 국제 연구, 국제 연구 네트워크, 회귀 분석, 상관관계 분석, 사회과학, 예측력, 산점도, 체계적 편향, 다중 파트너, 글로벌 연구, 한국, 사회 관리, 방법론적 불일치, 한국 대학교, 점수 분포, 협력 연구, 국제 네트워크, 국제 협력, 글로벌 참여, 학문적 평판, 글로벌 순위, 국제 연구 협력, 국제화, 영어권 국가, 점수 하락, 순위 체계, 의미 있는 협력

빅데이터 분석, 고등 교육, 국제 연구 네트워크, 국제 연구 네트워크(IRN), QS 세계 대학 순위, 지역 불평등, 연구 평가, 대학 순위

논문 파일 첨부 (pdf file):

https://ieeexplore.ieee.org/document/11050413

Systemic_Analysis_of_the_QS_International_Research_Network_Indicator_Using_Big_Data_Regional_Inequalities_and_Recommendations_for_Improved_University_Rankings.pdf