Ranking Indian Companies on Sustainability Disclosures Using the GRI-G4 Framework and MCDM Techniques
Notice bibliographique
Résumé
In this research paper, the researcher attempts to calculate the level and quality of corporate sustainability reporting practices of companies in India that use the Global Reporting Initiative (GRI).The study also seeks to measure the relative reporting performance of these companies and rank them based on sustainability disclosure criteria-namely economic, environmental, social, and governance parameters-as outlined in the Global Reporting Initiative Guidelines (GRI-G4).A Multi-Criteria Decision Making technique is employed to assess improvements in the sustainability reporting practices of GRI-based reporting companies in India.The present study uses a content analysis technique to examine the level and quality of sustainability disclosure based on the GRI-G4 reporting framework.A binary coding system is applied to measure the level of corporate sustainability reporting (CSR), wherein '1' indicates that the item is disclosed and '0' indicates otherwise.To calculate the quality of sustainability disclosure, a four-point scale (ranging from '0' to '3') is used.Furthermore, the Multi-Criteria Decision Making (MCDM) technique, such as Entropy, is used to calculate criteria weight, and the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) is used for ranking.The findings of this study are useful for various stakeholders, including potential investors, asset managers, rating agencies, NGOs, customers, academics, students, and policy makers like the Securities and Exchange Board of India (SEBI) and the Ministry of Corporate Affairs, as they make more informed decisions.
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 | 0,010 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 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) | 0,003 | 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 ».