The Use Case of the Sustainable Development Goals for Impact Investment Measurement
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Investing private capital in projects designed to promote sustainable development is no new concept. Several models have been deployed such as social responsible investing, venture philanthropy and others. In 2007, a new system emerged called impact investing, which has three conditions to it. For-profit investments are made seeking financial returns. The ventures invested in must have positive impacts on society and/or the environment. These impacts need to be quantifiable and measurable. A framework to quantify the social and environmental impact created has yet to be developed. This paper will analyze how the United Nations Sustainable Development Goals (SDG) can be used as a resource to help develop an impact measurement system for impact investors. To examine the validity of the SDG indicators for impact investors, this project matches the SDG indicators with impact reports released by impact investment firms and associated businesses, as well as other impact measurement systems. The scope will cover a diversity of impact investment firms to test the flexibility of the SDGs. The current research surrounding impact investing focuses on defining impact investing, use cases, measurement strategies and implementation. For the SDGs, there is material that focuses on the validity and their practicality. This report will build on these theoretical frameworks for the specific case of using the SDGs to measure impact investing, and how a new framework can be developed out of the SDGs to create an effective impact measurement system for impact investors. This will help legitimize impact investing, bringing it to the forefront of sustainable development.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle