Alignment Vetting of Bloomberg’s ISS: QualityScore [GQS]: Frequency of Provision of ESG & Related Disclosure Scores
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
Context The Environment, Social, and Governance [ESGÓ]-platform offered by BloombergÔ Professional Services [https://www.bloomberg.com/professional/] is a leading source of relevant, reliable, and timely information on the context within which market trading firms operate. The ESG-platform of the Bloomberg Terminals [BBT] includes more than 2,000 data fields that provide intel to aid in better understanding the “Stakeholder-impact” of the firm’s activities. One of the sub-platforms therein is the Institutional Shareholder Services [ISS] which offers Governance QualityScores: (GQSÔ). The BBT[ISS[GQS]]-platform is a data-driven approach to scoring & screening designed to help investors monitor a company’s control of governance risk. Previous studies have provided vetting information of the BBT[ISS[GQS]]-platform. As an enhancement to these vetting-studies, we offer the following. Study Design In the ESG-Platform, there are Disclosure Scores for: The General [ESG], Environment, Social & Governance categories. The vetting question of interest is: Does the ISS score those firms that provide more Disclosure information as ISS[1] and those firms that provide less as ISS[10]? If so, this would cast doubt on the relevance and reliability of the ISS-assignment taxonomy. Results We discuss the critical role of vetting. Then, the Dul: Necessity & Sufficiency Screen is offered as the organizing logic of the Inferential vetting platform. Finally, using the Gold Standard test: Linear Discriminant Analysis for the vetting inference, it is clear that the ISS-assignment is not aligned with the degree of provision of disclosure information for any of the four ESG-Disclosure Score variables. Thus, these vetting results are not inconsistent with a functioning taxonomic-allocation platform. 
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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