MétaCan
Menu
Retour à la cohorte
Enregistrement W4392846649 · doi:10.21203/rs.3.rs-3975048/v1

Biodiversity conservation by Korean corporations towards nature-positive goals

2024· preprint· en· W4392846649 sur OpenAlexaff
Yoora Cho, Lee Jeong-Ki, Sachini Supunsala Senadheera, Scott X. Chang, Jörg Rinklebe, Jay Hyuk Rhee, Yong Sik Ok

Notice bibliographique

RevueResearch Square · 2024
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Conservation and Management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesMinistry of Science and ICT, South KoreaNational Research Foundation of KoreaRural Development AdministrationKorea UniversityNational Research Foundation
Mots-clésBiodiversityBiodiversity conservationEnvironmental resource managementBusinessNatural resource economicsGeographyEconomicsEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Overbalance of ecosystems triggers global biodiversity loss and threatens the sustainability of society by emerging financial risks from the disruption of ecosystem services. Several initiatives and international organizations have developed guidelines on biodiversity conservation to support the increasing demand for the disclosure of nature-positive business practices. However, corporations’ biodiversity-related performances have yet to undergo a comprehensive assessment, either quantitatively or qualitatively. Here we analyze the biodiversity conservation practices, or the evolution of Environmental, Social, and Governance (ESG) management, of the top 200 corporations by market capitalization in South Korea based on their sustainability reports published 2017–2021. We show that the number of corporations issuing sustainability reports doubled in five years, and over 70% issued sustainability reports in 2021. Based on the directionality of the COP15 agreement and the consistency with the targeted ecosystems, we identified that 22% of corporations report engagement with biodiversity conservation without substantive outcomes. The methodology developed can guide major corporations for biodiversity-related disclosures, including those required by the TNFD.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,292
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,005
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,005

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 Opus0,041
Tête enseignante GPT0,336
Écart entre enseignants0,296 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetEnvironmental Conservation and ManagementTravaux en français237 207