tác giả:  (1) Aarav Patel, Trường Trung học Khu vực Amity – email: aarav.dhp@gmail.com;  (2) Peter Gloor, Trung tâm Trí tuệ Tập thể, Viện Công nghệ Massachusetts và tác giả tương ứng – email: pgloor@mit.edu.  Bảng liên kết   Tóm tắt và giới thiệu   Tác phẩm liên quan   Mục đích   phương pháp   Kết quả   Cuộc thảo luận   Kết luận và thư mục  7. Kết luận  Thuật toán phân tích ESG được đề xuất có thể giúp chuẩn hóa việc đánh giá ESG cho tất cả các công ty. Điều này là do nó hạn chế sự thiên vị trong việc tự báo cáo bằng cách kết hợp phân tích mạng xã hội bên ngoài để có kết quả cân bằng hơn. Chỉ số ESG dựa trên mạng xã hội cũng có thể trực tiếp hiển thị những lĩnh vực mà mọi người muốn thay đổi, từ đó có thể tập trung nỗ lực điều hành tốt hơn vào những thay đổi có ý nghĩa. Ngoài ra, bằng cách sử dụng học máy, mô hình có thể tạo ra đại diện cho trách nhiệm xã hội của công ty, điều này có thể giúp xác định ESG cho các công ty nhỏ hơn không có nhà phân tích. Điều này sẽ giúp nhiều công ty hơn nhận được xếp hạng ESG theo cách tự động, có thể tạo ra một sân chơi bình đẳng hơn giữa các công ty nhỏ và lớn và cuối cùng giúp nhiều công ty có trách nhiệm xã hội hơn chiếm ưu thế. Nhìn chung, dự án có thể có ý nghĩa rộng lớn trong việc thu hẹp khoảng cách về ESG. Điều này sẽ giúp chuyển một lượng lớn vốn ESG sang các sáng kiến bền vững và có đạo đức hơn.  Thư mục  A Sokolov, J Mostovoy, J Ding, L Seco. 2021. Xây dựng hệ thống máy học để chấm điểm ESG tự động. Tạp chí Tác động và Đầu tư ESG 1 (3), 39-50  AM Shahi, B. Issac và JR Modapothala. 2011. Phân tích các thuật toán phân loại văn bản được giám sát trên báo cáo phát triển bền vững của doanh nghiệp. Trong Kỷ yếu Hội thảo Quốc tế 2011 về Khoa học Máy tính và Công nghệ Mạng, Tập. 1. 96–100  Akbik, Blythe và Vollgraf. “Nhúng chuỗi theo ngữ cảnh để ghi nhãn trình tự.” Kỷ yếu Hội nghị Quốc tế về Ngôn ngữ học Tính toán lần thứ 27, trang 1638–1649 Santa Fe, New Mexico, Hoa Kỳ, ngày 20-26 tháng 8 năm 2018  Andrea Venturelli, Fabio Caputo, Rossella Leopizzi, Giovanni Mastroleo và Chiara Mio. 2017. Nhận dạng CSR có thể được đánh giá như thế nào? Một nghiên cứu thí điểm sử dụng Hệ chuyên gia mờ. Tạp chí Sản xuất sạch hơn 141 (2017), 1000 – 1010.  Awad, M., Khanna, R. (2015). Hỗ trợ hồi quy Vector. Trong: Máy học hiệu quả. Apress, Berkeley, CA. https://doi.org/10.1007/978-1-4302-5990-9_4  Berg, Florian và cộng sự. “Sự nhầm lẫn tổng thể: Sự khác biệt của xếp hạng ESG.” Tạp chí Điện tử SSRN, 2019, doi:10.2139/ssrn.3438533.  CDP. (2017, ngày 10 tháng 7). Báo cáo mới cho thấy chỉ có 100 công ty là nguồn phát thải hơn 70% lượng khí thải. Được truy cập ngày 24 tháng 5 năm 2022, từ http://www.cdp.net/en/articles/ media/new-report-shows-just-100-companies-are-source-of-over-70-of-emissions  Chen Tianqi và Guestrin Carlos. “XGBoost: Hệ thống tăng cường cây có thể mở rộng.” KDD '16: Kỷ yếu Hội nghị quốc tế ACM SIGKDD lần thứ 22 về khám phá tri thức và khai thác dữ liệu, tháng 8 năm 2016, Trang 785-794, doi: 10.1145/2939672.2939785  de Beer D, Matthee M. Các phương pháp tiếp cận để xác định tin tức giả: Đánh giá tài liệu có hệ thống. Khoa học tích hợp trong thời đại kỹ thuật số 2020. 2020 Ngày 5 tháng 5;136:13–22. số: 10.1007/978-3-030-49264-9_2. PMCID: PMC7250114.  Oliver Kramer. Giảm kích thước với hàng xóm gần nhất không được giám sát, 2013, Tập 51, ISBN: 978-3-642-38651-0  Drempetic, Samuel và cộng sự. “Ảnh hưởng của quy mô công ty đến Điểm ESG: Xếp hạng bền vững của doanh nghiệp đang được xem xét.” Tạp chí Đạo đức kinh doanh, tập. 167, không. Ngày 2, 2019, trang 333–360., doi:10.1007/s10551-019-04164-1  Gloor, Peter A., và cộng sự. “Khoa học web 2.0: Xác định xu hướng thông qua phân tích mạng xã hội ngữ nghĩa.” Hội nghị Quốc tế về Khoa học và Kỹ thuật Tính toán năm 2009, 2009, doi:10.1109/cse.2009.186.  Hồ, TK (1995). Rừng quyết định ngẫu nhiên Trong Kỷ yếu hội nghị quốc tế lần thứ 3 về phân tích và nhận dạng tài liệu (Tập 1, trang 278–282).  Jain, M., Sharma, GD, & Srivastava, M. (2019). Liệu đầu tư bền vững có thể mang lại lợi nhuận tài chính tốt hơn: Một nghiên cứu so sánh các chỉ số ESG và chỉ số MSCI. Rủi ro, 7(1), 15. https://doi.org/10.3390/risks7010015  Kotsantonis, Sakis và George Serafeim. “Bốn điều không ai nói với bạn về dữ liệu ESG.” Tạp chí Tài chính doanh nghiệp ứng dụng, tập. 31, không. Ngày 2 tháng 1 năm 2019, trang 50–58., doi:10.1111/jacf.12346  Pavel Wicher, František Zapletal và Radim Lenort. 2019. Đánh giá hiệu quả hoạt động bền vững của tập đoàn công nghiệp bằng Quy trình Mạng phân tích mờ. Tạp chí Sản xuất sạch hơn 241 (2019).  Pin-Chao Liao, Ni-Ni Xia, Chun-Lin Wu, Xiao-Ling Zhang và Jui-Lin Yeh. 2017. Truyền đạt trách nhiệm xã hội doanh nghiệp (CSR) của các nhà thầu quốc tế: Phân tích nội dung báo cáo CSR. Tạp chí Sản xuất sạch hơn 156 (2017), 327–336.  Rao, Prashanth. “Phân tích tình cảm chi tiết bằng Python (Phần 1).” Medium, Hướng tới khoa học dữ liệu, ngày 9 tháng 9 năm 2019, hướng tớidatascience.com/fine-grained-sentiment-analysis-in-pythonpart-1-2697bb111ed4.  Ryohei Hisano, Didier Sornette và Takayuki Mizuno. 2020. Dự đoán mức độ tuân thủ ESG bằng mạng thông tin không đồng nhất. Tạp chí Dữ liệu lớn số 7, 1 (2020), 22  S.-J. Lin và M.-F. Hsu. 2018. Ra quyết định bằng cách trích xuất thông tin mềm từ báo cáo tin tức CSR. Phát triển kinh tế và công nghệ của nền kinh tế 24, 4 (2018), 1344–1361.  S&P toàn cầu. (thứ). Đánh giá ESG | S&P toàn cầu. Được truy cập ngày 24 tháng 5 năm 2022, từ http://www.spglobal.com/rateds/en/products-benefits/products/esg-evaluation  Stackpole, Beth. “Tại sao doanh nghiệp bền vững cần xếp hạng ESG tốt hơn.” MIT Sloan, ngày 6 tháng 12 năm 2021, mitsloan.mit.edu/ideas-made-to-matter/why-sustainable-business-needs-better-esgratings.  shweta-29. “Shweta-29/Companies_ESG_Scraper: Kho lưu trữ này bao gồm một công cụ để trích xuất xếp hạng ESG & số liệu tài chính của các công ty và tải chúng trên SQL.” GitHub, github.com/shweta-29/Companies_ESG_Scraper  T Krappel, A Bogun, D Borth. 2021. Tập hợp không đồng nhất để dự đoán xếp hạng ESG. Hội thảo KDD về Machine Learning trong Tài chính  Hiệp ước toàn cầu của Liên hợp quốc. (2016). Nghiên cứu Giám đốc điều hành Chiến lược Compact-Accenture Toàn cầu của Liên hợp quốc năm 2016. Được truy cập ngày 26 tháng 5 năm 2022, từ https://www.unglobalcompact.org/library/4331  Hiệp ước toàn cầu của Liên hợp quốc. (2019). Hiệp ước Toàn cầu của Liên Hiệp Quốc - Nghiên cứu về Chiến lược CEO năm 2019 - Thập kỷ thực hiện: Lời kêu gọi hành động kinh doanh. Được truy cập ngày 26 tháng 5 năm 2022, từ https://www.unglobalcompact.org/library/5715  Bài viết này   theo giấy phép CC BY-NC-ND 4.0 DEED. có sẵn trên arxiv

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

Read My Stories

carbonization

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

Tạo hệ thống tính điểm ESG có hệ thống: Kết luận và tài liệu tham khảo

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

72 Stories To Learn About Adam Smith

85 Stories To Learn About Travel

94 Stories To Learn About John Locke

179 Stories To Learn About Reading

72 Stories To Learn About Adam Smith

85 Stories To Learn About Travel

94 Stories To Learn About John Locke

179 Stories To Learn About Reading

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps