---
license: cc-by-nc-sa-4.0
task_categories:
- text-classification
language:
- es
pretty_name: Pa
tags:
- climate
---
## Resumen: 
El siguiente dataset es una fusión de diferentes fuentes (open-source), que incluye:
- Traducción al español del dataset: https://huggingface.co/datasets/climatebert/climate_detection 
- Noticias en español de temas no relacionados al cambio climatico:  https://www.kaggle.com/datasets/kevinmorgado/spanish-news-classification
  Para este dataset se ha discriminado la columna con noticias y los temas Macroeconomía, Innovación, Regulaciones, Alianzas, Reputación, los que han sido etiquetados con (0)
  El dataset también contenía el tema Sustentabilidad como tema pero fue eliminado (solo requerimos textos no relacionados).
- Traduccion de opiniones relacionadas al cambio climatico: https://data.world/crowdflower/sentiment-of-climate-change
  En este dataset todas las opiniones son relacionadas al cambio climatico por lo que fueron etiquetadas con (1). Se ha realizado una limpieza de datos quitando harshtags, usernames y emogis para usar solo el contenido textual de los tweets.   
- Traduccion de tweets de noticias no relacionadas al cambio climatico: https://www.kaggle.com/datasets/muhammadmemoon/los-angeles-twitter-news-dataset
  En este dataset las noticias estan categorizadas y tienen longitud corta (como las opiniones)todo texto es no relacionado al cambio climatico por lo que fueron etiquetados con (0). Se ha realizado una limpieza de datos quitando harshtags, usernames y emogis para usar solo el contenido textual de los tweets. Se ha elegido este dataset para equilibrar la cantidad de texto relacionado y para incluir textos cortos no relacionados al entrenamiento.
### Tareas en las que se puede utilizar: 
Clasificación binaria sobre párrafos relacionados a cambio climatico o sustentabilidad. 

## Estructura del dataset:
- **question:** Texto
- **answer:** etiqueta binaria, si el texto es relacionado a cambio climatico o sustentabilidad (1) si el texto no es relacionado (0)
- **dominio:** Identifica a que tema esta relacionada el texto, en nuestro caso tenemos 3 tipos "cambio_climatico_reportes", "prensa_miscelaneo", "cambio_climatico". Cambio climatico reportes hace referencia a los parrafos que hablan de cambio climatico pero fueron extraidos de reportes anuales corporativos. Prensa miscelaneo son parrafos de temas diversos extraidos de prensa. Cambio climatico, todos los parrafos que hablen de esta tematica y no tengan alguna fuenta de información especial.
- **Pais de origen:** De donde provienen estos datos geograficamente. Incluimos 3 categorías: "global", "España", "USA". Global son los datos que fueron tomados de fuentes que no indican su origen especifico pero sabemos que fueron tomados de repositorios de datos con fuentes de cualquier país de origen.
- **Idioma:** Variedad geografica del español utilizado. En este caso utilizamos 2 tipos "es_pe", "es_esp", esto debido a que muchos de los datos tuvieron que ser traducidos del ingles a español, se realizaron anotaciones utilizando el idioma regional del equipo que colaboró con la traducción.
- **Registro:** Variedad funcional del lenguaje. Dentro de este dataset se identifican 3 tipos: "culto", "medio", "coloquial" en dependencia del origen de los datos.
- **Tarea:** Identifica a que fin esta destinado el dato de entrada.
- **Periodo:** En que época se ubica el lenguaje utilizado. Este dataset se utiliza lenguaje actual.

### Ejemplo de una instancia:
```
{
  'question': 'En enero de 2020, se introdujo en Australia un nuevo método de estimación para notificar las emisiones de gas no contabilizadas (UAFG) resultantes de las actividades de distribución de gas natural. Este método permite utilizar valores de UAFG específicos de cada emplazamiento/red, lo que nos permite traducir las actividades de mantenimiento y sustitución de la red en reducciones notificables de las emisiones de UAFG.',
  'answer': 1
  'dominio':'cambio_climatico_reportes'
  'país_de_origen':'global'
  'idioma':'es_pe'
  'registro':'culto'
  'tarea':'clasificacion'
  'periodo':'actual'
}
```

### Esta dividido en:
- train:

| Número | Label | % |
|----------|----------|----------|
| 1600    | 1  | 55%   |
| 1300   | 0   | 45%   |
  
- test:
| Número | Label | % |
|----------|----------|----------|
| 480    | 1  | 62%   |
| 300   | 0   | 38%   |