# 實驗室資料庫盤點與EDA

## MSCI 35 Key issue
### Dataset Details
- 內容：MSCI 35 是從各公司報告中，萃取出與 ESG Key issue 有相同關鍵字的句子
- 資料來源：美國前五百大 2021 年後的 esg/sustainability report、10-K
- 有 23,710 筆記錄，兩個欄位皆無缺失值
- 共 35 種 label (ESG Key issue)
- 文本長度的統計特徵如下：
- 平均長度：163 字
- 標準差：79 字
- 最短文本：10 字
- 最長文本：1127 字
- 25%分位數：109 字
- 50%分位數（中位數）：151 字
- 75%分位數：203 字

### Example

| label | text |
| -------- | -------- |
| Biodiversity and Land Use | Promotion of activities for biodiversity conse... |
| Biodiversity and Land Use | Activities for biodiversity conservation: Carr... |
| Biodiversity and Land Use | Under the Environmental Future Vision 2050 and... |
| Biodiversity and Land Use | What we should not forget when we conduct our ... |
| Biodiversity and Land Use | Our lives and well-being are supported by the ... |

### Data visualization

## ESG_news_contents
### Dataset Details
- 內容： 從十個新聞網站中，取出新聞文章
- 資料來源：

| News | 資料筆數 |
| -------- | -------- |
| TheNewYorkTimes | 121478 |
| ThreeBLMedia | 33021 |
| WashingtonPost | 24814 |
| TheGuardian | 14809 |
| ESGNews | 6154 |
| ESGToday | 5649 |
| GreenBiz | 5405 |
| ESGClarity | 3349 |
| WallStreetJournal | 1327 |
| ESGMorningstar | 65 |

- 資料總筆數： 216071 (皆無缺失欄位)
- 資料欄位：['datasource', 'keywords[0]', 'title', 'url', 'timestamp', 'author', 'content']
- 文本長度的統計特徵如下：
- 平均長度：5838 字
- 標準差：4236 字
- 最短文本：1 字
- 最長文本：227849 字
- 25%分位數：3204 字
- 50%分位數（中位數）：5278 字
- 75%分位數：7576 字

### Example

| datasource | keywords | title | url | timestamp | author | content |
| -------- | -------- | -------- | -------- | -------- |-------- | -------- |
| GreenBiz | Carbon Emissions | UN aviation body ditches older carbon credits from offsetting scheme | https://www.greenbiz.com/article/un-aviation-body-ditches-older-carbon-credits-offsetting-scheme | 1584547200 | Catherine Early | The global aviation industry has taken a key step forward in agreeing … |

### Data visualization
#### Analysis of Keyword

#### Analysis of Timestamp

#### Analysis of Content Length

## ESG_company_proposal
### Dataset Details
- 內容：從各間公司的永續報告書最後面的GRI索引，來找與之相關的內文
- 資料來源：各間公司的永續報告書
- 主要是id, text, embedding, indicator, year_company, source
- 1520 筆資料

### Example

### Data visualization

Number Of Text Entries Per Company Per Year

---

Word Cloud Of Text Data

---

Number Of Text Entries Per Company

## ESG_company_social_content
### Dataset Details
- 內容：
- 資料來源：LinkedIn
- 有 6,349 筆記錄，六個欄位皆無缺失值
- 共 6 種 label (id, datasource, url, timestamp, author, content)

| Theme | Count |
| -------- | -------- |
| 技術創新 | 2513 |
| 企業社會責任 | 565 |
| 多元化和包容性 | 273 |
| 員工故事 | 1721 |
| 合作夥伴關係 | 504 |

- 文本長度的統計特徵如下：
- 平均長度：278 字
- 標準差：151 字
- 最短文本：12 字
- 最長文本：2032 字
- 25%分位數：189 字
- 50%分位數（中位數）：244 字
- 75%分位數：337 字

### Example

### Data visualization
顯示了不同作者發佈內容的數量分佈，從中可以看到某些作者的發佈內容數量較多。

---

顯示了發佈時間的分佈情況，可以觀察到不同時間段的發佈情況。

---


## GRI定義
格式：Markdown

###