说下我的代码的处理过程中的一些细节和改动：

1. ORCID 的数据库中组织标识名比较乱，标识来源包括 RINGGOLD、ROR、GRID 和 FUNDREF 等等。为了避免院校重复，我用了 RINGGOLD、GRID 和 GRID、FUNDRED、ROR 的数据库进行了匹配、统一映射到 ROR，然后映射不到的用了模糊匹配，匹配到一定相似度的后通过匹配所在国家和所在城市进行二次确认来补全数据。
2. 同样是为了避免重复计算，所有院校我都匹配成了最高的父级作为实体（比如 UCB 和 UCLA 就统一到了 UC 里面）。
3. 对于 ORCID 个人数据中的 Roletitle（即本科、硕士之类）和 Department（所在学科部门），我也采用了模糊匹配，因为原数据中并不统一。
4. 对于原操作中的 “Ph.D -> Position”，因为我发现单是原操作的流向的话，一个是参考性不大（不是所有人都是博士），另一个是经济差的地区排名会虚高（都润了毕竟，导致俄罗斯和乌克兰的院校直接霸榜），所以我新加了一个 “Bachelor -> Master” 的流向，原理是本科生从统计意义上来说只会申请比本科院校更牛的院校的硕士，所以只要把这个流向进行一个反向计数就可以了，而且正好和前一个反着来，一般硕士都会往经济好的地区申，正好抵消掉一部分失真。
5. 流向的计数方法是根据 ORCID 个人数据中的 StartDate（即开始就读或就职的时间）进行顺序排序，然后每一个 Bachelor 对 StartDate 更晚的每一个 Master、每一个 Ph.D 对 StartDate 更晚的每一个 Position 进行一次计数。因为个人数据中没有揭示具体的流向而只有日期，所以也只能用这种计数方法了，略显失真但问题不大。
6. 我不大清楚上文中的论文中的作者是如何生成的流向图，已经超出我认识范围了，不过我用的是 pyCirclize 中的 Chord Diagram 进行的可视化。因为这个图能承载的节点有限、我没法把所有院校都囊括进去，所以我才选取的前百分之几的院校，然后再筛选掉流动计数（不包括校内流动）少的院校直到满足节点要求。

越蓝的院校威望排名越高，意味着它的 Ph.D 越抢手以及它的硕士项目越受本科生欢迎。流向就是那一条条线，那都是一个个真实的人的一次次选择。SpringRank 整套算法蛮复杂的，我也没法简单给说明白，感兴趣可以读读原论文。

你提出的问题我在那个长文评论有解释，核心的一个思想就是：院校只会聘请比它更具威望的院校的博士。所以在你的问题中，其实反而是在给哈佛加分。

在国际上认可度差一些。我跑过单计美国国内流向的数据，CMU 在美国国内威望高很多

中国人十分热衷于从比较中获得幸福感，可悲的劣根性。

是，这个更像是纯粹的学术声誉排名，和同留子关系更大的工业界声誉没啥关系。

我之后会再出一个根据这个数据库做出来的 “中国人本升硕读完海外硕士后留在当地的比例的各院校排名”，这个的润学价值会更高。

我在评论区的长文评论里有详细介绍。榜二是榜一筛选出计算机学科类关键词后的榜单，也就是计算机学科的榜单，所以榜一包含的院校更多是正常的。

搜不到除了榜单本身没包含外，也可能是在数据处理过程中被归类到父级里了，比如 UCB 就被归类到 UC 里了，需要换关键词检索。

完整榜单一个缺陷，就是部分院校因为数据太少导致排名会虚高（想鉴别一个院校是否排名虚高也很简单，去到同级目录的同名的记录流向的文件里看一下流向计数，多的话说明不是虚高），所以我更推荐进行院校间的横向而不是看整体。

不过你说的对，分数高的那些还真有一些神仙，不过大多是体量小的，类似于卢森堡列支敦士登放在发达国家里的那种感觉。

上千万学者的流向选择不是野榜二字就能概括的