Autoren:  (1) Aarav Patel, Amity Regional High School – E-Mail: aarav.dhp@gmail.com;  (2) Peter Gloor, Center for Collective Intelligence, Massachusetts Institute of Technology und korrespondierender Autor – E-Mail: pgloor@mit.edu.  Linktabelle   Zusammenfassung und Einleitung   Verwandte Arbeiten   Zweck   Methoden   Ergebnisse   Diskussion   Schlussfolgerung und Bibliographie  3. Zweck  Ziel dieses Projekts war die Entwicklung eines systematischen ESG-Bewertungssystems, das Führungskräften und Außenstehenden einen ausgewogeneren und repräsentativeren Überblick über die Praktiken eines Unternehmens im Hinblick auf mehr soziale Verantwortung bietet. Zu diesem Zweck wurde ein maschineller Lernalgorithmus entwickelt, der Daten aus sozialen Netzwerken nutzt, um ESG quantitativ zu bewerten. Anstelle von Selbstauskünften wurden Daten aus sozialen Netzwerken verwendet, da sie verschiedene Außenperspektiven auf Themen bieten können, die ein Unternehmen nach Ansicht der Menschen angehen sollte. Durch die direkte Darstellung der öffentlichen Meinung kann die Voreingenommenheit der Selbstauskunft beseitigt und Führungskräften dabei geholfen werden, gezieltere Initiativen für sinnvolle Veränderungen zu entwickeln. Darüber hinaus kann ein datengesteuertes System ESG-Bewertungen für Unternehmen ohne Berichterstattung bereitstellen.  Um die Vorhersagekraft des vorgeschlagenen Systems zu testen, wurden die Korrelation sowie der mittlere absolute Durchschnittsfehler (MAAE) anhand aktueller ESG-Ratings gemessen. Dies kann dabei helfen zu bestimmen, ob das System für die Ratingvorhersage geeignet ist. Zu den möglichen Einschränkungen zählen jedoch der eingeschränkte Zugriff auf große Mengen an Daten aus sozialen Netzwerken, die Genauigkeit von NLP-Algorithmen und begrenzte Rechenressourcen.  Die Beiträge dieser Arbeit können wie folgt zusammengefasst werden:   Es liefert einen ESG-Score in Echtzeit, der die Einstellung der Menschen zu den Praktiken eines Unternehmens widerspiegelt. Dies kann Führungskräften eine Möglichkeit bieten, die ESG-Gesundheit ihrer Organisation zu überwachen. Es zeigt auch, in welchen Bereichen die Menschen den größten Veränderungsbedarf sehen, und dies kann dazu beitragen, Führungsinitiativen gezielter zu gestalten.   Es bietet eine Full-Stack-Methode zur Erfassung von ESG-Daten in Echtzeit und deren Umwandlung in eine umfassende Bewertung. Dies ermöglicht die schnelle Erstellung erster ESG-Bewertungen, die entweder direkt von Anlegern verwendet werden können, um sicherzustellen, dass sie sozial bewusste Investitionen tätigen (insbesondere bei nicht bewerteten Unternehmen), oder von ESG-Ratingagenturen, um die Abdeckung zu erhöhen.   Der vorgeschlagene Ansatz nutzt mehrere soziale Netzwerke zur Score-Vorhersage. Die meisten Artikel über die Analyse sozialer Netzwerke von ESG konzentrieren sich typischerweise auf ein bestimmtes Netzwerk wie Twitter oder die Nachrichten (Sokolov et al., 2021). Dieser Artikel versucht, sie zu kombinieren und gleichzeitig andere, unteranalysierte soziale Netzwerke (z. B. LinkedIn, Wikipedia) hinzuzufügen.  Dieses Dokument ist   . auf arxiv unter der Lizenz CC BY-NC-ND 4.0 DEED verfügbar

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

carbonization

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Erstellen eines systematischen ESG-Bewertungssystems: Zweck

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Celebrating Our AI Community!

HackerNoon's DeFi Writing Contest with SORA Network: XSTUSD Use Cases

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

HackerNoon Decoded 2024: Celebrating Our Startups Community!

HackerNoon Decoded 2024: Celebrating Our AI Community!

HackerNoon's DeFi Writing Contest with SORA Network: XSTUSD Use Cases

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

HackerNoon Decoded 2024: Celebrating Our Startups Community!

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps