Autores:  (1) Aarav Patel, Amity Regional High School – e-mail: aarav.dhp@gmail.com;  (2) Peter Gloor, Centro de Inteligência Coletiva, Instituto de Tecnologia de Massachusetts e autor correspondente – email: pgloor@mit.edu.  Tabela de links   Resumo e Introdução   Trabalhos relacionados   Propósito   Métodos   Resultados   Discussão   Conclusão e Bibliografia  Abstrato  A Governança Social Ambiental (ESG) é uma métrica amplamente utilizada que mede a sustentabilidade das práticas de uma empresa. Atualmente, o ESG é determinado através de registos corporativos auto-relatados, o que permite às empresas retratarem-se de uma forma artificialmente positiva. Como resultado, a avaliação ESG é subjetiva e inconsistente entre os avaliadores, dando aos executivos sinais confusos sobre o que deve ser melhorado. Este projeto visa criar um sistema de avaliação ESG baseado em dados que possa fornecer melhor orientação e pontuações mais sistematizadas, incorporando o sentimento social. O sentimento social permite perspectivas mais equilibradas que destacam diretamente a opinião pública, ajudando as empresas a criar iniciativas mais focadas e impactantes. Para construir isso, web scrapers Python foram desenvolvidos para coletar dados da Wikipedia, Twitter, LinkedIn e Google News para as empresas S&P 500. Os dados foram então limpos e passados por algoritmos de PNL para obter pontuações de sentimento para subcategorias ESG. Usando esses recursos, algoritmos de aprendizado de máquina foram treinados e calibrados de acordo com as classificações ESG globais da S&P para testar suas capacidades preditivas. O modelo Random-Forest foi o modelo mais forte, com erro absoluto médio de 13,4% e correlação de 26,1% (p-valor 0,0372), apresentando resultados encorajadores. No geral, medir o sentimento social ESG em todas as subcategorias pode ajudar os executivos a concentrar esforços nas áreas que mais interessam às pessoas. Além disso, esta metodologia baseada em dados pode fornecer classificações para empresas sem cobertura, permitindo que empresas mais socialmente responsáveis prosperem.    : Governança Social Ambiental, Aprendizado de Máquina, Análise de Redes Sociais, Responsabilidade Social Corporativa, Processamento de Linguagem Natural, Sustentabilidade, Mídias Sociais Online Palavras-chave  1. Introdução  Muitos acham que as empresas precisam dar mais ênfase à responsabilidade social. Por exemplo, 100 empresas foram responsáveis por 71% das emissões globais de gases com efeito de estufa desde 1998 (Carbon Majors Database[1]). Muitos líderes empresariais declararam publicamente que concordam com a incorporação de medidas de sustentabilidade. Em 2016, uma pesquisa da ONU descobriu que 78% dos CEOs entrevistados acreditavam que os esforços corporativos deveriam contribuir para os Objetivos de Desenvolvimento Padrão da ONU, que são metas adotadas pelas Nações Unidas como um apelo universal à ação para acabar com a pobreza e proteger o planeta (ONU, 2016). ). No entanto, embora muitos executivos tenham prometido maior enfoque nestas áreas de preocupação, apenas alguns tomaram medidas tangíveis e visíveis. Num inquérito mais recente da ONU de 2019, apenas cerca de 20% dos CEOs entrevistados sentiram que as empresas estavam a fazer a diferença na agenda mundial de sustentabilidade (ONU, 2019). Estas pesquisas destacam uma desconexão entre os objetivos de sustentabilidade e as ações de sustentabilidade. Destacam também ineficiências nas actuais acções executivas, uma vez que muitos sentem que não estão a fazer progressos suficientes em direcção à responsabilidade social.   ESG, ou Governança Social Ambiental, é uma métrica comumente usada que determina a sustentabilidade e o impacto social das práticas de uma empresa. Avaliadores ESG como MSCI (Morgan Stanley Capital International), S&P Global e FTSE (Financial Times Stock Exchange) fazem isso medindo subcategorias como poluição, diversidade, direitos humanos, impacto na comunidade, etc. A medição destas áreas de preocupação é necessária, uma vez que incentivam as empresas a corrigir más práticas. Isso ocorre porque as classificações ESG podem influenciar fatores como o capital do investidor, a percepção pública, as classificações de crédito, etc. Além disso, as classificações ESG podem fornecer às empresas informações específicas sobre quais áreas-chave devem ser melhoradas, o que pode ajudar a orientar melhor as suas iniciativas.  No momento, o ESG é avaliado por agências de classificação por meio de registros de empresas auto-relatados. Como resultado, as empresas muitas vezes podem retratar-se sob uma luz artificialmente positiva. Estes relatórios tendenciosos levaram a análises subjetivas e inconsistentes entre diferentes organizações de classificação ESG, apesar de procurarem medir a mesma coisa (Kotsanonis et al., 2019). Por exemplo, a correlação entre seis agências de classificação ESG proeminentes é de 0,54; em comparação, as notações de crédito convencionais têm uma correlação mais forte de 0,99 (Berg et al., 2019). Como resultado, muitos sentem que existe uma desconexão entre as classificações ESG e a verdadeira responsabilidade social de uma empresa. Isto destaca como a avaliação subjetiva e a transparência limitada dos dados provenientes dos auto-relatos podem criar classificações inconsistentes.  É importante ter uma avaliação ESG mais consistente e precisa. A divergência e a imprecisão nas classificações ESG dificultam a motivação das empresas para melhorar, uma vez que dão aos executivos sinais confusos sobre o que mudar (Stackpole, 2021). Como resultado, torna-se difícil criar iniciativas de sustentabilidade mais bem direcionadas. Além disso, o autorrelato permite que as empresas com mais recursos se apresentem melhor. É por isso que existe uma correlação positiva significativa entre o tamanho de uma empresa, os recursos disponíveis e a pontuação ESG (Drempetic et al., 2019). Estas questões acabam por derrotar o propósito do ESG ao não motivar as empresas para práticas sustentáveis. Isto levanta a necessidade de uma abordagem mais holística e sistematizada à avaliação ESG que possa medir com mais precisão a responsabilidade social de uma empresa. Ao estabelecer uma verdade mais representativa, pode orientar melhor as iniciativas das empresas em direção à responsabilidade social, aumentando assim o impacto do ESG.  Este artigo está   sob licença CC BY-NC-ND 4.0 DEED. disponível no arxiv

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

Read My Stories

carbonization

Este áudio é produzido no idioma original da história!

Muito longo; Para ler

Boost your HackerNoon story @ $159.99! 🚀

Criando um Sistema Sistemático de Pontuação ESG: Resumo e Introdução

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Vazamento do prompt do sistema Claude Sonnet 3.5: uma análise forense

Crescimento de Criptomoedas: Criando Personas de Usuários Eficazes

De fóruns a feeds: como os algoritmos de mídia social moldam a interação digital

Vazamento do prompt do sistema Claude Sonnet 3.5: uma análise forense

Crescimento de Criptomoedas: Criando Personas de Usuários Eficazes

De fóruns a feeds: como os algoritmos de mídia social moldam a interação digital

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps