نویسندگان:
(1) Aarav Patel، دبیرستان منطقه ای آمیتی – ایمیل: [email protected];
(2) پیتر گلور، مرکز اطلاعات جمعی، موسسه فناوری ماساچوست و نویسنده مسئول – ایمیل: [email protected].
جدول پیوندها
4. روش ها
ایجاد این پروژه به سه مرحله تقسیم شد. اولین گام جمع آوری داده ها از طریق اسکریپرهای وب در شبکه های اجتماعی مختلف بود. پس از آن، داده های متنی پیش پردازش شده و با استفاده از پردازش زبان طبیعی به نمرات زیرمجموعه تبدیل شدند. در نهایت، الگوریتمهای یادگیری ماشینی با استفاده از این دادهها برای محاسبه رتبهبندی منسجم ESG آموزش داده شدند.
4.1. جمع آوری داده ها
بهجای استفاده از پروندههای سازمانی خود گزارشدهی، از دادههای شبکه اجتماعی برای تعیین کمیت ESG استفاده شد. تجزیه و تحلیل شبکه های اجتماعی و خراش وب می تواند برای شناسایی روندها استفاده شود (گلور و همکاران، 2009). شبکه های اجتماعی محبوب مانند توییتر، لینکدین و گوگل نیوز دارای داده های زیادی هستند که تقریباً به هر موضوعی مربوط می شود. این دادهها میتوانند دید متعادلی از شیوههای ESG شرکت ارائه دهند و میتوانند به پوشش روندهای کوتاهمدت و بلندمدت ESG شرکت کمک کنند. همچنین می تواند داده هایی را جمع آوری کند که ممکن است در پرونده ها منعکس نشوند. در نهایت، این دادهها میتوانند مستقیماً نگرانیهای خارجیها را برجسته کنند، که میتواند ابتکارات ESG شرکت را بهتر راهنمایی کند تا بیشتر…