Abordar las lagunas de datos en los informes de sostenibilidad: un conjunto de datos de referencia para la extracción...

Área de la Ciencia:

• Ciencias del medio ambiente
• Ciencia de los datos
• Finanzas sostenibles

Sus antecedentes:

• Los datos fiables de las emisiones de gases de efecto invernadero (GEI) a nivel de la empresa son fundamentales para la mitigación del cambio climático.
• Los conjuntos de datos de gases de efecto invernadero existentes sufren de fragmentación, inconsistencia y opacidad metodológica, lo que dificulta la adquisición de datos confiables.
• Existe una necesidad apremiante de datos de emisiones de alta calidad y de fuentes transparentes para apoyar a las partes interesadas.

Objetivo del estudio:

• Desarrollar un conjunto de datos estándar de las métricas de emisiones de gases de efecto invernadero a nivel de empresa.
• Establecer un punto de referencia para la validación y el perfeccionamiento de modelos automatizados de extracción de datos.
• Facilitar las aplicaciones posteriores en finanzas sostenibles y análisis de greenwashing.

Principales métodos:

• Se utilizó una tubería impulsada por un modelo de lenguaje grande (LLM) para la extracción automatizada de las métricas de emisiones de 139 informes de sostenibilidad.
• Los datos extraídos se sometieron a una evaluación independiente por parte de dos anotadores no expertos.
• Un proceso de revisión en varias etapas, incluida la evaluación de expertos y discusiones en persona, resolvió las discrepancias para garantizar la calidad de los datos.

Principales resultados:

• Se creó con éxito un conjunto de datos estándar de oro de las métricas de emisiones de gases de efecto invernadero de la empresa.
• La metodología demostró un proceso sólido para garantizar una alta calidad de los datos a través de la colaboración estructurada entre humanos y IA.
• El conjunto de datos sirve como un recurso valioso para la evaluación comparativa y la mejora de los modelos de extracción de información.

Conclusiones:

• El conjunto de datos estándar de oro desarrollado mejora significativamente la fiabilidad de los datos de emisiones de GEI a nivel de empresa.
• El enfoque híbrido de la extracción de LLM y la validación humana rigurosa ofrece una solución escalable para garantizar la calidad de los datos.
• Este recurso tiene una amplia aplicabilidad para los informes climáticos, las finanzas sostenibles y la lucha contra el lavado verde.