有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
CSRHub|企业社会责任数据集|ESG分析数据集
收藏www.csrhub.com2024-10-30 收录
下载链接：
https://www.csrhub.com/
下载链接
链接失效反馈资源简介：
CSRHub是一个提供企业社会责任（CSR）和可持续发展数据的平台。它收集并分析来自多个来源的数据，包括企业报告、新闻、评级机构和其他公开信息，以提供关于企业环境、社会和治理（ESG）表现的评分和报告。数据集涵盖了全球范围内的公司，包括大型跨国公司和中小型企业。
提供机构：
www.csrhub.com
AI搜集汇总
数据集介绍
构建方式
CSRHub数据集的构建基于全球范围内企业的社会责任（CSR）报告和公开数据源。通过自动化数据抓取和人工审核相结合的方式，该数据集系统地收集了企业在环境、社会和治理（ESG）方面的表现数据。数据源包括企业发布的年度报告、第三方评级机构的评估结果以及政府和非政府组织的相关数据。构建过程中，数据被标准化处理，以确保不同来源的数据具有可比性，并通过多层次的质量控制确保数据的准确性和可靠性。
特点
CSRHub数据集的显著特点在于其全面性和实时性。该数据集涵盖了全球数千家企业的CSR表现，包括大型跨国公司和中小型企业，涉及多个行业和地区。数据更新频率高，能够及时反映企业在ESG领域的最新动态。此外，数据集提供了丰富的指标体系，包括环境影响、员工福利、社区参与等多个维度，为研究者和企业决策者提供了详尽的分析基础。
使用方法
CSRHub数据集适用于多种应用场景，包括学术研究、企业战略制定和投资决策支持。研究者可以利用该数据集进行跨行业、跨地区的CSR表现比较分析，探索企业社会责任与财务绩效之间的关系。企业可以通过分析自身及竞争对手的CSR数据，优化社会责任策略，提升品牌形象。投资者则可以借助该数据集评估企业的长期可持续发展能力，作为投资决策的重要参考依据。数据集的API接口和可视化工具进一步简化了数据访问和分析过程，提升了数据的使用效率。
背景与挑战
背景概述
CSRHub数据集由CSRHub公司创建，专注于企业社会责任（CSR）的评估与分析。该数据集汇集了全球数千家企业的社会责任表现数据，涵盖环境、社会和治理（ESG）等多个维度。自2007年成立以来，CSRHub已成为企业社会责任领域的重要参考资源，为投资者、研究人员和政策制定者提供了宝贵的数据支持。其核心研究问题在于如何量化和标准化企业的社会责任表现，以促进可持续发展目标的实现。
当前挑战
CSRHub数据集在构建过程中面临多重挑战。首先，企业社会责任数据的收集和标准化是一个复杂的过程，涉及多个国家和行业的不同标准和报告机制。其次，数据的真实性和透明度也是一大挑战，因为企业可能存在夸大或隐瞒其社会责任表现的情况。此外，如何将这些数据有效地应用于投资决策和政策制定，以推动实际的社会和环境改善，也是该数据集需要解决的重要问题。
发展历史
创建时间与更新
CSRHub数据集创建于2007年，旨在提供企业社会责任（CSR）评级和报告。自创建以来，该数据集定期更新，以反映最新的企业社会责任实践和绩效。
重要里程碑
CSRHub数据集的一个重要里程碑是其在2010年与哈佛商学院的合作，这一合作显著提升了数据集的学术影响力和应用范围。此外，2015年，CSRHub推出了其API服务，使得更多研究者和企业能够便捷地访问和利用其丰富的CSR数据资源。这些里程碑不仅增强了数据集的可访问性，也推动了企业社会责任领域的研究和实践。
当前发展情况
当前，CSRHub数据集已成为企业社会责任领域的重要参考资源，广泛应用于学术研究、企业决策和投资分析。其数据涵盖全球数千家企业的社会责任表现，为研究者和实践者提供了详尽的分析工具。CSRHub的持续更新和扩展，不仅提升了数据集的全面性和准确性，也进一步推动了企业社会责任在全球范围内的普及和深化。
发展历程
- CSRHub首次发布，旨在提供企业社会责任（CSR）评级和数据分析服务。
- CSRHub与哈佛商学院合作，进一步扩展其数据集和分析工具，增强数据的可信度和应用范围。
- CSRHub推出移动应用，使用户能够随时随地访问其企业社会责任数据和分析结果。
- CSRHub引入人工智能和机器学习技术，提升数据处理和分析的效率和准确性。
- CSRHub与全球多家知名企业建立合作关系，进一步扩大其数据集的覆盖范围和影响力。
常用场景
经典使用场景
在企业社会责任（CSR）领域，CSRHub数据集被广泛用于评估和分析全球企业的社会责任表现。该数据集汇集了来自多个来源的企业社会责任评级，涵盖环境、社会和治理（ESG）等多个维度。研究者利用这一数据集，可以进行跨行业、跨地区的社会责任绩效比较，从而揭示企业在可持续发展方面的优势与不足。
解决学术问题
CSRHub数据集解决了企业社会责任研究中数据获取和整合的难题。通过提供标准化和结构化的社会责任评级数据，该数据集为学术界提供了丰富的研究素材，促进了关于企业社会责任影响因素、绩效评估方法以及可持续发展策略的深入探讨。其意义在于推动了企业社会责任理论的发展，并为政策制定提供了科学依据。
衍生相关工作
基于CSRHub数据集，研究者们开展了一系列经典工作。例如，有研究利用该数据集分析了企业社会责任与财务绩效之间的关系，发现两者存在正向关联。此外，还有研究探讨了不同行业在社会责任表现上的差异，为行业特定社会责任标准的制定提供了依据。这些衍生工作不仅丰富了企业社会责任领域的理论体系，也为实践提供了有力支持。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
高精度负荷预测
超短期统调负荷预测 短期统调负荷预测 D+45统调负荷预测
郑州数据交易中心 收录
用于陆面模拟的中国土壤数据集（第二版）
本研究对中国范围内0-2米六个标准深度层（0-5、5-15、15-30、30-60、60-100和100-200厘米）的23种土壤物理和化学属性进行了90米空间分辨率的制图。该数据集源自第二次土壤普查的8979个土壤剖面，世界土壤信息服务的1540个土壤剖面，第一次全国土壤普查的76个土壤剖面，以及区域数据库的614个土壤剖面。该数据集覆盖的属性包括土壤pH值（H2O）、砂粒、粉粒、粘粒含量、容重、有机碳含量、有机碳密度、砾石含量、碱解氮、总氮、阳离子交换量、孔隙度、总钾、总磷、有效钾、有效磷和土壤颜色（包括蒙赛尔颜色和RGB形式）。数据集的缺失值为“-32768”。基于该数据集估算的全国1米深度内碳储量约为120 Pg C。数据集以栅格格式提供，有GeoTIFF和netCDF两种格式。为了满足陆面建模中不同尺度应用的需求，CSDLv2提供了90米、1公里和10公里三种空间分辨率的版本。各项属性的单位参见下表。该数据集相对于第一版具有更好的数据质量，可广泛应用于陆面过程模拟等地学相关研究。
国家青藏高原科学数据中心 收录
DroneVehicle 大规模无人机航拍车辆检测数据集
这个数据集是天津大学的研究团队在进行无人机航拍图像的车辆检测和计数研究过程中收集和标注的。研究团队于 2020 年发布，相关论文成果为「Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning」。
超神经 收录
ShapeNet
ShapeNet 是由斯坦福大学、普林斯顿大学和美国芝加哥丰田技术研究所的研究人员开发的大型 3D CAD 模型存储库。该存储库包含超过 3 亿个模型，其中 220,000 个模型被分类为使用 WordNet 上位词-下位词关系排列的 3,135 个类。 ShapeNet Parts 子集包含 31,693 个网格，分为 16 个常见对象类（即桌子、椅子、平面等）。每个形状基本事实包含 2-5 个部分（总共 50 个部分类）。
OpenDataLab 收录
CE-CSL
CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集，旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段，涵盖超过70种不同的复杂背景，确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向，通过收集大量真实场景下的手语视频材料，覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域，旨在提高手语识别技术在复杂环境中的准确性和效率，促进聋人与听人社区之间的无障碍沟通。
arXiv 收录