Discrepancies in reporting on human rights: A materiality perspective
Notice bibliographique
Résumé
Abstract Motivated by the ongoing debate on materiality in environmental, social, and governance (ESG) reporting and the limited attention in the academic literature to date, our study conducts a comprehensive analysis of 1341 ESG reports published by companies across 35 ICB sectors with a particular lens on the commonalities and discrepancies in the choice of material topics on human rights disclosures. The choice of human rights as our topic of interest is driven by the fact that our sample includes companies across various industries/sectors and geographical locations and thus an effective analysis of their reports and the thought‐processes behind them should be done on the basis of topics that apply to a broad range of companies regardless of their country of origin or industry, as well as other systematic and idiosyncratic factors. The reports were examined based on the Global Reporting Initiative (GRI) G4 guidelines to identify a company's disclosure (or lack thereof) on 12 human rights topics. Our analysis of ESG reports comprises the entirety of ESG/sustainability reports contained by GRI's Global Reporting database ( www.globalreporting.org/ ). Our findings suggest that companies diverge considerably in their choices of material human rights disclosure topics. Both industry/sectorial and country/regional factors play an important role on the divergence in materiality assessments. In our further analysis and discussion of the findings, we provide a closer look at the extent to which a consensus has achieved on the disclosure of topics along with potential explanations for the observed divergence in disclosure choices/behavior.
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 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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».