Auteurs:  (1) Aarav Patel, lycée régional Amity – email : aarav.dhp@gmail.com ;  (2) Peter Gloor, Center for Collective Intelligence, Massachusetts Institute of Technology et auteur correspondant – email : pgloor@mit.edu.  Tableau des liens   Résumé et introduction   Travaux connexes   But   Méthodes   Résultats   Discussion   Conclusion et bibliographie  Abstrait  La gouvernance sociale environnementale (ESG) est une mesure largement utilisée qui mesure la durabilité des pratiques d'une entreprise. Actuellement, l’ESG est déterminé à l’aide de déclarations d’entreprises autodéclarées, ce qui permet aux entreprises de se présenter sous un jour artificiellement positif. En conséquence, l’évaluation ESG est subjective et incohérente selon les évaluateurs, donnant aux dirigeants des signaux mitigés sur ce qu’il faut améliorer. Ce projet vise à créer un système d'évaluation ESG basé sur des données qui peut fournir de meilleures orientations et des scores plus systématisés en intégrant le sentiment social. Le sentiment social permet des perspectives plus équilibrées qui mettent directement en avant l’opinion publique, aidant ainsi les entreprises à créer des initiatives plus ciblées et plus percutantes. Pour créer cela, des web scrapers Python ont été développés pour collecter des données de Wikipédia, Twitter, LinkedIn et Google News pour les sociétés du S&P 500. Les données ont ensuite été nettoyées et transmises via des algorithmes NLP pour obtenir des scores de sentiment pour les sous-catégories ESG. À l’aide de ces fonctionnalités, des algorithmes d’apprentissage automatique ont été formés et calibrés selon les notations S&P Global ESG pour tester leurs capacités prédictives. Le modèle Random-Forest était le modèle le plus puissant avec une erreur absolue moyenne de 13,4 % et une corrélation de 26,1 % (valeur p 0,0372), montrant des résultats encourageants. Dans l’ensemble, mesurer le sentiment social ESG dans toutes les sous-catégories peut aider les dirigeants à concentrer leurs efforts sur les domaines qui intéressent le plus les gens. De plus, cette méthodologie basée sur les données peut fournir des notes aux entreprises sans couverture, permettant ainsi à des entreprises plus socialement responsables de prospérer.    : Gouvernance sociale environnementale, apprentissage automatique, analyse des réseaux sociaux, responsabilité sociale des entreprises, traitement du langage naturel, développement durable, médias sociaux en ligne Mots clés  1. Introduction  Beaucoup estiment que les entreprises doivent mettre davantage l’accent sur la responsabilité sociale. Par exemple, 100 entreprises sont responsables de 71 % des émissions mondiales de gaz à effet de serre depuis 1998 (Carbon Majors Database[1]). De nombreux chefs d’entreprise ont déclaré publiquement qu’ils étaient d’accord avec l’intégration de mesures de développement durable. En 2016, une enquête des Nations Unies a révélé que 78 % des PDG interrogés pensaient que les efforts des entreprises devraient contribuer aux objectifs standards de développement des Nations Unies, qui sont des objectifs adoptés par les Nations Unies comme un appel universel à l'action pour mettre fin à la pauvreté et protéger la planète (ONU, 2016). ). Cependant, même si de nombreux dirigeants se sont engagés à se concentrer davantage sur ces domaines de préoccupation, seuls quelques-uns ont pris des mesures concrètes et notables. Dans une enquête plus récente de l'ONU de 2019, seulement environ 20 % des PDG interrogés estimaient que les entreprises faisaient une différence dans l'agenda mondial du développement durable (ONU, 2019). Ces enquêtes mettent en évidence un décalage entre les objectifs de développement durable et les actions de développement durable. Ils soulignent également l’inefficacité des actions actuelles de l’exécutif, car beaucoup estiment qu’ils ne font pas suffisamment de progrès vers la responsabilité sociale.   L'ESG, ou Gouvernance Sociale Environnementale, est une mesure couramment utilisée qui détermine la durabilité et l'impact sociétal des pratiques d'une entreprise. Les évaluateurs ESG tels que MSCI (Morgan Stanley Capital International), S&P Global et FTSE (Financial Times Stock Exchange) le font en mesurant des sous-catégories telles que la pollution, la diversité, les droits de l'homme, l'impact communautaire, etc. (figure 1). Mesurer ces sujets de préoccupation est nécessaire car ils incitent les entreprises à rectifier les mauvaises pratiques. En effet, les notations ESG peuvent influencer des facteurs tels que le capital des investisseurs, la perception du public, les notations de crédit, etc. En outre, les notations ESG peuvent fournir aux entreprises des informations spécifiques sur les domaines clés à améliorer, ce qui peut les aider à mieux orienter leurs initiatives.  À l’heure actuelle, les critères ESG sont évalués par les agences de notation à l’aide des déclarations automatiques des entreprises. En conséquence, les entreprises peuvent souvent se présenter sous un jour artificiellement positif. Ces rapports biaisés ont conduit à des analyses subjectives et incohérentes entre les différentes agences de notation ESG, alors qu’elles cherchaient à mesurer la même chose (Kotsanonis et al., 2019). Par exemple, la corrélation entre six agences de notation ESG de premier plan est de 0,54 ; en comparaison, les notations de crédit traditionnelles ont une corrélation plus forte, de 0,99 (Berg et al., 2019). En conséquence, nombreux sont ceux qui estiment qu'il existe un décalage entre les notations ESG et la véritable responsabilité sociale d'une entreprise. Cela montre à quel point une évaluation subjective et une transparence limitée des données issues des auto-évaluations peuvent créer des évaluations incohérentes.  Il est important de disposer d’une évaluation ESG plus cohérente et plus précise. La divergence et l’imprécision des notations ESG freinent la motivation des entreprises à s’améliorer, car elles donnent aux dirigeants des signaux mitigés sur les changements à apporter (Stackpole, 2021). En conséquence, il devient difficile de créer des initiatives de développement durable mieux ciblées. De plus, l’auto-déclaration permet aux entreprises disposant de plus de ressources de mieux se présenter. C'est pourquoi il existe une corrélation positive significative entre la taille d'une entreprise, les ressources disponibles et le score ESG (Drempetic et al., 2019). Ces problèmes vont finalement à l’encontre de l’objectif de l’ESG en ne parvenant pas à motiver les entreprises vers des pratiques durables. Cela soulève la nécessité d’une approche plus holistique et systématisée de l’évaluation ESG, capable de mesurer plus précisément la responsabilité sociale d’une entreprise. En établissant une vérité terrain plus représentative, elle peut mieux orienter les initiatives des entreprises vers la responsabilité sociale, augmentant ainsi l’impact de l’ESG.  Cet article est   sous licence CC BY-NC-ND 4.0 DEED. disponible sur arxiv

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

Read My Stories

carbonization

Cet audio est produit dans la langue originale de l'histoire !

Trop long; Pour lire

Boost your HackerNoon story @ $159.99! 🚀

Créer un système de notation ESG systématique : résumé et introduction

About Author

COMMENTAIRES

ÉTIQUETTES

CET ARTICLE A ÉTÉ PARU DANS

Related Stories

Naviguer sur les eaux : développer des applications RAG de qualité production avec des lacs de données

Comment améliorer votre flux de travail par 10 : 17 applications essentielles

Croissance des crypto-monnaies : créer des profils d'utilisateurs efficaces

Naviguer sur les eaux : développer des applications RAG de qualité production avec des lacs de données

Comment améliorer votre flux de travail par 10 : 17 applications essentielles

Croissance des crypto-monnaies : créer des profils d'utilisateurs efficaces

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps