인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
With the growing importance of sustainable development, ESG (Environmental, Social, and Governance) management has become a critical component of corporate strategy. Despite this, the domestic ESG evaluation system encounters significant challenges due to inconsistencies in evaluation criteria and the heterogeneous use of data among ESG rating agencies, which compromise the credibility of the evaluations. This study addresses these issues by proposing a methodology that utilizes Large Language Models (LLMs) and prompt engineering to automatically extract ESG evaluation factor data from corporate sustainability reports. The extraction process is based on the criteria established by the Ministry of Trade, Industry, and Energy (K-ESG Guidelines). The research involves collecting sustainability reports from companies across various industries and developing a systematic procedure to extract ESG factors classified into three domains: Environment (E), Social (S), and Governance (G). To ensure consistency and accuracy, synonym dictionaries and prompt engineering techniques are employed. The extracted data are organized in a structured database, and their accuracy and reliability are validated through comparisons with actual evaluation factors provided by ESG rating agencies. This study introduces an automated data extraction and management system that improves the standardization and efficiency of ESG evaluations, thereby contributing to the credibility and reliability of sustainability assessments.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092295441
