Autores:  (1) Aarav Patel, Escuela Secundaria Regional Amity – correo electrónico: aarav.dhp@gmail.com;  (2) Peter Gloor, Centro de Inteligencia Colectiva, Instituto de Tecnología de Massachusetts y autor correspondiente – correo electrónico: pgloor@mit.edu.  Tabla de enlaces   Resumen e introducción   Obras relacionadas   Objetivo   Métodos   Resultados   Discusión   Conclusión y bibliografía  3. Propósito  El objetivo de este proyecto era crear un sistema sistemático de calificación ESG que brinde a los ejecutivos y personas externas una visión más equilibrada y representativa de las prácticas de una empresa para una mayor responsabilidad social. Para ello, se creó un algoritmo de aprendizaje automático utilizando datos de redes sociales para evaluar cuantitativamente ESG. Se utilizaron datos de redes sociales en lugar de presentaciones autoinformadas, ya que pueden proporcionar diversas perspectivas externas sobre temas que la gente siente que una corporación debería abordar. Al mostrar directamente la opinión pública, se puede eliminar el sesgo de los autoinformes y ayudar a los ejecutivos a crear iniciativas más específicas para lograr cambios significativos. Además, un sistema basado en datos puede proporcionar calificaciones ESG para empresas sin cobertura.  Para probar el poder predictivo del sistema propuesto, se midieron la correlación y el error promedio absoluto (MAAE) con respecto a las calificaciones ESG actuales. Esto puede ayudar a determinar si el sistema es viable para la predicción de calificaciones. Sin embargo, las posibles limitaciones incluyen el acceso limitado a grandes volúmenes de datos de redes sociales, la precisión de los algoritmos de PNL y recursos computacionales limitados.  Las aportaciones de este trabajo se pueden resumir en:   Proporciona una puntuación ESG de sentimiento social en tiempo real que destaca cómo se sienten las personas con respecto a las prácticas de una empresa. Esto puede brindar a los ejecutivos una forma de monitorear la salud ESG de su organización. También muestra qué áreas las personas sienten que necesitan más cambios, y esto puede ayudar a orientar las iniciativas ejecutivas para que sean más efectivas.   Proporciona un método completo para recopilar datos ESG en tiempo real y convertirlos en una puntuación integral. Esto permite la creación fácilmente disponible de calificaciones ESG iniciales que pueden ser utilizadas directamente por los inversores para garantizar que están realizando inversiones con conciencia social (especialmente para empresas no calificadas) o por las agencias de calificación ESG para ampliar la cobertura.   El enfoque propuesto utiliza múltiples redes sociales para la predicción de puntajes. La mayoría de los artículos sobre análisis de redes sociales ESG suelen centrarse en una red específica, como Twitter o News (Sokolov et al., 2021). Este artículo busca combinarlas y al mismo tiempo agregar otras redes sociales poco analizadas (es decir, LinkedIn, Wikipedia).  Este documento está   bajo licencia CC BY-NC-ND 4.0 DEED. disponible en arxiv

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

Read My Stories

carbonization

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Boost your HackerNoon story @ $159.99! 🚀

Creación de un sistema sistemático de puntuación ESG: propósito

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

El modelo Bitcoin UTXO, impulsando un ecosistema único

Una breve introducción a la teoría del cerebro de Boltzmann

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

El modelo Bitcoin UTXO, impulsando un ecosistema único

Una breve introducción a la teoría del cerebro de Boltzmann

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps