我的博文关注大学排行榜主要还是从情报的角度，前篇又一个大学排行榜因为是沾了Intelligence Unit的边，后篇再一个大学排名：上海沉没，主要是希望搞情报分析的适应不同数据作出分析、选择和判断。但是后篇中调侃似的提到“上海的‘双雄’复旦交大双双跌出前200，不知道上海的媒体将如何报道，还是假装没看见？”

因为写了这句，于是在看报纸时多了一份心眼，半个月过去了果然不幸而言中，在前一个QS排行榜出来时《东方早报》出了很大版面（似乎两个整版，不打算浪费时间去查实了），那个榜上上海的两所大学的排名还说得过去；而《泰晤士高等教育》的那个版本显然很难看，所以《早报》也就只好没看见了；昨天（29日）《文汇报》发了位署名复旦某“教师”的文章，提到《泰晤士高等教育》的大学排名，但对复旦交大的名次只字未提。真是想象不到对这样只涉及一点小面子的东西上海媒体的反应居然也是如此不堪（赶紧补充，没有充分调查，只是看了几种，可能有遗漏）。不过媒体恐怕也有难处，据说现在报纸上只要涉及那些“利益集团”屁大一点的负面新闻，就会有“有关部门”上门问罪（最近就有个例子，其实一点不负面，只是说的高度可能不如该部门自己向上级领导吹嘘的），弄得大家只好骂骂没有背景的煤老板。

还有就是等待政府“权威”。前几年晚报上有位家长投书责备某个问题学校里的答案与书本上的不符，要兴师问罪，这倒也不奇怪；奇怪的随这篇报道的评论（该是专家或编辑）也煞有介事当什么大事情，呼吁有关政府部门出来管管，好象出来不同的观点和意见就会“国将不国”似的，要知道学生到社会上遇到所有事情哪有“舆论一律”的，难道不该学会面对不同观点，做分析做选择？教育者搞成这样，你还指望学生怎么样。

如果真对大学排行榜的方法感兴趣，可以看看以下这篇（注意其中为自己公司做广告的部分）http://science.thomsonreuters.com.cn/media/behinduniversityranking.pdf。台湾交大一位作者对于方法的简要说明也可以一看。http://blog.lib.nctu.edu.tw/nctunews/index.php?id=1496

还是回到本行。当然我更加关注的是对付各种说法不一的信息正是情报分析的功能之一。我在方法讲座里提到过对数据的二次分析和元分析（情报分析方法讲座接近尾声），就可能是专门用来解决这个难题的工具，二者都不是“原创”(情报工作天生就难得有“原创”，所以难有什么地位)，都是将实证研究或统计调查中收集到的数据重新拿来分析。其区别在于，二次分析（Secondary Analysis）是根据需要将不同数据集（比如人口统计和平均收入）放在一起重新分析；而元分析(Meta-analysis)则仅仅对相同问题在不同时间对象的数据集（对同一类数据，比如对人口老龄化与人均GDP之间关系，在不同时间段、不同国家的多次研究）重新分析（主要是用统计方法），知道元数据的容易理解这里的“元”意味着“关于分析的分析”，后者其实是从贝叶斯先验假设统计演变过来的，源自医学实验，举个最简单的例子比如药物试验的有效率，第一次做有效率84%，第二次78%，等等，等到做了若干次后平均达到80%，但是这个实验以后还要不断地做，再出来一个结果就要对先前的整个数据集一起重新计算，这就是二次分析的本原，当然实际应用时情况复杂得多。可能这也属于现在很时髦的“寻证研究（Evidence-based Research）”范畴。但是我讲情报分析时也强调，在情报工作中往往没有那么多数据，常常是半定量甚至定性的，叫二次分析基本上徒有虚名了，但是学习这个方法的思路对我们无法定量的分析也会有很大启发。我是在英国学习期间注意到有关数据再分析这个方法群，发现情报研究本质上就是“信息再分析（注意我把数据改为信息）”，买了两本小册子，也做过些尝试，在《探索者言》全文上网中提到的那本文集里就有一个小小的例子http://www.hyqb.sh.cn/book/1/27.html，严格讲无法正式作为二次分析的应用案例，但是应该说分析的思路确实借鉴了这个方法。

回到大学排行榜，这本来可以成为一个信息再分析的案例，例如将同一年份不同的排行榜数据收集起来，同时尽可能详细地将各方的评价方法弄清楚（至少可以分成硬指标，统计数据，和软数据，口碑调查两个大类），说不定很有意思，比如复旦，它在两个排行榜的排名起伏很大，连前面提到的那篇Thomson-Reuters文章都特地指出了复旦这个现象，就可能通过分析，对自己在学术界真正地位，以及其中折射出来的薄弱环节，得到一个有价值的分析。

当然这又是书生气的表现，对实际生活中的官僚来说，最有效的办法还是如唐骏在“危机处理”后期的聪明对策，即假装没看见而“不屑一顾”，不幸的是，事情真的如他们预料的，时间久了（不要多久，几个月足够了）社会就淡忘了，该干什么还干什么。