paint-brush
Sistematik bir ESG Puanlama Sistemi Oluşturma: Sonuç ve Kaynakçaile@carbonization
171 okumalar

Sistematik bir ESG Puanlama Sistemi Oluşturma: Sonuç ve Kaynakça

Çok uzun; Okumak

Bu proje, sosyal duyarlılığı birleştirerek daha iyi rehberlik ve daha sistemli puanlar sağlayabilecek, veriye dayalı bir ESG değerlendirme sistemi oluşturmayı amaçlamaktadır.
featured image - Sistematik bir ESG Puanlama Sistemi Oluşturma: Sonuç ve Kaynakça
Carbonization Process Evolution Publication HackerNoon profile picture
0-item

Yazarlar:

(1) Aarav Patel, Amity Bölge Lisesi – e-posta: [email protected];

(2) Peter Gloor, Kolektif Zeka Merkezi, Massachusetts Teknoloji Enstitüsü ve Sorumlu yazar – e-posta: [email protected].

Bağlantı Tablosu

7. Karar

Önerilen ÇSY analiz algoritması, tüm şirketler için ÇSY değerlendirmesinin standartlaştırılmasına yardımcı olabilir. Bunun nedeni, daha dengeli sonuçlar için dış sosyal ağ analizini dahil ederek kendi kendini raporlama önyargısını sınırlamasıdır. Sosyal ağ tabanlı bir ESG endeksi aynı zamanda insanların hangi alanları değiştirmek istediğini doğrudan gösterebilir ve bu da yöneticilerin çabalarını anlamlı değişime daha iyi odaklayabilir. Ek olarak, makine öğrenimini kullanan model, bir şirketin sosyal sorumluluğu için bir temsili oluşturabilir ve bu, analist kapsamına sahip olmayan daha küçük şirketler için ESG'nin belirlenmesine yardımcı olabilir. Bu, daha fazla şirketin otomatik bir şekilde ESG derecelendirmeleri almasına yardımcı olacak, bu da küçük ve büyük şirketler arasında daha eşit bir oyun alanı yaratabilecek ve sonuçta sosyal açıdan daha sorumlu şirketlerin galip gelmesine yardımcı olacak. Genel olarak projenin ÇSY'deki boşluğu doldurmaya yönelik geniş etkileri olabilir. Bu, büyük miktardaki ÇSY sermayesinin daha sürdürülebilir ve etik girişimlere aktarılmasına yardımcı olacaktır.

Kaynakça

A Sokolov, J Mostovoy, J Ding, L Seco. 2021. Otomatik ESG Puanlaması için Makine Öğrenimi Sistemleri Oluşturma. Etki ve ÇSY Yatırımı Dergisi 1 (3), 39-50


AM Shahi, B. Issac ve JR Modapothala. 2011. Kurumsal sürdürülebilirlik raporlarında denetlenen metin sınıflandırma algoritmalarının analizi. 2011 Uluslararası Bilgisayar Bilimi ve Ağ Teknolojisi Konferansı Bildirileri, Cilt. 1. 96–100


Akbik, Blythe ve Vollgraf. “Sıra Etiketleme için Bağlamsal Dize Gömmeleri.” 27. Uluslararası Hesaplamalı Dilbilim Konferansı Bildirileri, sayfa 1638–1649 Santa Fe, New Mexico, ABD, 20-26 Ağustos 2018


Andrea Venturelli, Fabio Caputo, Rossella Leopizzi, Giovanni Mastroleo ve Chiara Mio. 2017. KSS kimliği nasıl değerlendirilebilir? Bulanık Uzman Sistem kullanılarak yapılan pilot çalışma. Temiz Üretim Dergisi 141 (2017), 1000 – 1010.


Awad, M., Khanna, R. (2015). Vektör Regresyonunu Destekleyin. İçinde: Verimli Öğrenme Makineleri. Apress, Berkeley, CA. https://doi.org/10.1007/978-1-4302-5990-9_4


Berg, Florian ve diğerleri. “Toplu Karışıklık: ESG Derecelendirmelerinin Farklılığı.” SSRN Elektronik Dergisi, 2019, doi:10.2139/ssrn.3438533.


CDP. (2017, 10 Temmuz). Yeni rapor, yalnızca 100 şirketin emisyonların %70'inden fazlasının kaynağı olduğunu gösteriyor. 24 Mayıs 2022'de http://www.cdp.net/en/articles/media/new-report-shows-just-100-companies-are-source-of-over-70-of-emissions adresinden erişildi.


Chen Tianqi ve Guestrin Carlos. “XGBoost: Ölçeklenebilir Bir Ağaç Güçlendirme Sistemi.” KDD '16: 22. ACM SIGKDD Uluslararası Bilgi Keşfi ve Veri Madenciliği Konferansı Bildirileri, Ağustos 2016, Sayfa 785-794, doi: 10.1145/2939672.2939785


de Beer D, Matthee M. Sahte Haberleri Belirlemeye Yaklaşımlar: Sistematik Bir Literatür İncelemesi. Dijital Çağda Bütünleşik Bilim 2020. 2020 Mayıs 5;136:13–22. doi: 10.1007/978-3-030-49264-9_2. PMCID: PMC7250114.


Oliver Kramer. Denetimsiz En Yakın Komşularla Boyut Azaltma, 2013, Cilt 51, ISBN: 978-3-642-38651-0


Drempetic, Samuel ve ark. “Firma Büyüklüğünün ESG Puanı Üzerindeki Etkisi: Kurumsal Sürdürülebilirlik Derecelendirmeleri İnceleniyor.” İş Etiği Dergisi, cilt. 167, hayır. 2, 2019, s. 333–360., doi:10.1007/s10551-019-04164-1


Gloor, Peter A., ve diğerleri. “Web Bilimi 2.0: Semantik Sosyal Ağ Analizi Yoluyla Trendleri Belirlemek.” 2009 Uluslararası Hesaplamalı Bilim ve Mühendislik Konferansı, 2009, doi:10.1109/cse.2009.186.


Ho, TK (1995). Rastgele karar ormanları. Belge analizi ve tanıma üzerine 3. uluslararası konferansın bildirilerinde (Cilt 1, s. 278–282).


Jain, M., Sharma, GD ve Srivastava, M. (2019). Sürdürülebilir yatırım daha iyi finansal getiri sağlayabilir mi: ESG endeksleri ve MSCI endekslerinin karşılaştırmalı bir çalışması. Riskler, 7(1), 15. https://doi.org/10.3390/risks7010015


Kotsantonis, Sakis ve George Serafeim. “ESG Verileri Hakkında Kimsenin Size Söylemeyeceği Dört Şey.” Uygulamalı Kurumsal Finans Dergisi, cilt. 31, hayır. 2, 2019, s. 50–58., doi:10.1111/jacf.12346


Pavel Wicher, František Zapletal ve Radim Lenort. 2019. Endüstriyel şirketlerin Bulanık Analitik Ağ Sürecini kullanarak sürdürülebilirlik performans değerlendirmesi. Temiz Üretim Dergisi 241 (2019).


Pin-Chao Liao, Ni-Ni Xia, Chun-Lin Wu, Xiao-Ling Zhang ve Jui-Lin Yeh. 2017. Uluslararası yüklenicilerin kurumsal sosyal sorumluluğunun (KSS) iletilmesi: KSS raporlamasının içerik analizi. Temiz Üretim Dergisi 156 (2017), 327–336.


Rao, Prashanth. “Python'da İnce Taneli Duygu Analizi (Bölüm 1).” Medium, Veri Bilimine Doğru, 9 Eylül 2019, doğrudatascience.com/fine-grained-sentiment-analiz-in-pythonpart-1-2697bb111ed4.


Ryohei Hisano, Didier Sornette ve Takayuki Mizuno. 2020. Heterojen bir bilgi ağı kullanılarak ESG uyumluluğunun tahmini. Büyük Veri Dergisi 7, 1 (2020), 22


S.-J. Lin ve M.-F. Hsu. 2018. KSS haber raporundan yumuşak bilgiler çıkararak karar verme. Ekonominin Teknolojik ve Ekonomik Gelişimi 24, 4 (2018), 1344–1361.


S&P Küresel. (nd). ÇSY Değerlendirmesi | S&P Küresel. 24 Mayıs 2022'de http://www.spglobal.com/ratings/en/products-benefits/products/esg-evaluation adresinden erişildi


Yığın direği, Beth. “Sürdürülebilir İşletme Neden Daha İyi ESG Derecelendirmelerine İhtiyaç Duyuyor?” MIT Sloan, 6 Aralık 2021, mitsloan.mit.edu/ideas-made-to-matter/why-sürdürülebilir-iş-ihtiyaçları-daha iyi-esgratings.


shweta-29. "Shweta-29/Companies_ESG_Scraper: Bu Depo, Şirketlerin ESG Derecelendirmelerini ve Finansal Ölçülerini Çıkarmak ve Bunları SQL'e Yüklemek için Bir Araç İçerir." GitHub, github.com/shweta-29/Companies_ESG_Scraper


T Krappel, A Bogun, D Borth. 2021. ESG Derecelendirmeleri Tahmini için Heterojen Topluluk. Finansta Makine Öğrenimi Üzerine KDD Çalıştayı


Birleşmiş Milletler Küresel İlkeler Sözleşmesi. (2016). BM Küresel İlkeler Sözleşmesi-Accenture Stratejisi CEO Araştırması 2016. 26 Mayıs 2022'de https://www.unglobalcompact.org/library/4331 adresinden erişildi.


Birleşmiş Milletler Küresel İlkeler Sözleşmesi. (2019). BM Küresel İlkeler Sözleşmesi - Accenture Stratejisi 2019 CEO Araştırması – Gerçekleştirilecek On Yıl: İş Eylemine Çağrı. 26 Mayıs 2022'de https://www.unglobalcompact.org/library/5715 adresinden erişildi.