MétaCan
Menu
Retour à la cohorte
Enregistrement W4283754631 · doi:10.3390/jrfm15070291

How Can European Regulation on ESG Impact Business Globally?

2022· article· en· W4283754631 sur OpenAlexvenueno aff
Rocío Redondo Alamillos, Frédéric de Mariz

Notice bibliographique

RevueJournal of risk and financial management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Social Responsibility Reporting
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDue diligenceBusinessEuropean unionCorporate governanceInternational tradeOrder (exchange)Impact assessmentIndustrial organizationTransparency (behavior)AccountingInternational economicsEconomicsFinancePolitical science

Résumé

récupéré en direct d'OpenAlex

The European Union (EU) has impacted regulation worldwide in areas ranging from data protection to trade or antitrust. In select fields, it has defined stringent standards and has had an impact on global business because of the size of its market and the price of participating in it. The purpose of this paper is to analyze the main provisions of the EU regulation on Environmental, Social, and Governance (ESG) and determine whether and how it will have an impact on business globally, including regulations around disclosure for companies, taxonomy for the asset management sector, supply chain due diligence requirements, new mechanisms such as carbon markets, or non-tariffs restrictions on international trade. For this, our analysis includes an in-depth review of the literature on EU regulation of the past 20 years, complemented with interviews with experts in the field, in order to understand the main tools used by European policymakers in ESG regulations to understand their effect. The analysis adds to the body of research pertaining to the impact of regulation on business and the growing body of research on sustainable finance. We find that the new ESG regulation impacts countries outside of the EU, influencing regulation worldwide, and raising the question of possible regulatory arbitrage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,218
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations108
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetCorporate Social Responsibility ReportingTravaux en français237 207