Quantification of ESG Regulations: A Cross-Country Benchmarking Analysis
Notice bibliographique
Résumé
Environmental, social and governance (ESG) criteria mean investment in economic choices which, without interference with the environment, are intended to promote long-term economic and social well-being. Due to high environmental and social awareness, customers expect companies to devote time and efforts to such sustainable practices. This attitude has led to an overall rise in ESG disclosures and reporting instruments globally with a focus on influence of ESG disclosures on financial performance of companies. Many European countries have already introduced mandatory disclosure of non-financial information. This transition from voluntary to mandatory motivated other countries to adopt mandatory ESG disclosure practices for sustainable development. The practice of reporting non-financial disclosures has been rising due to several reasons, such as increasing visibility, informing customers, avoiding the risk associated with firm performance and achieving sustainability. Countries in the early stages of ESG disclosure need to understand the benchmark practices used by countries with a well-developed ESG system. For preparing the ESG disclosure index and benchmarking based on disclosure score, this study considers a set of developed and developing countries with their ESG disclosures. On the basis of ESG disclosures, the countries have been classified into four different categories. We found Norway, Sweden, Denmark, Finland, United Kingdom, Belgium and France, to have high ESG scores and have been classified as Countries with Well-Developed ESG Framework. Germany, Italy, USA, Australia, Switzerland, Canada, Japan, Brazil and South Africa have medium to high ESG scores and fall under the category Rapidly improving ESG framework. While Singapore, India, China, Philippines, Malaysia and Argentina are categorized as countries with ESG framework at developing stage, Russia, Indonesia, Thailand, Nigeria and Vietnam are classified as Countries with early-stage framework due to low ESG scores.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».