ESG ratings in the mining industry: Factors and implications
Notice bibliographique
Résumé
• Larger mining firms have more favorable ESG ratings than smaller ones. • ESG-rated mining firms are bigger than unrated firms. • Mining firms with high unmanaged ESG risk have lower ESG scores. • There is no correlation between financial indicators and ESG ratings. While previous research explores the relationship between ESG ratings, firm size, and financial outcomes, there is a lack of comprehensive analysis comparing multiple ESG ratings within the mining industry. This gap is crucial given the increasing focus on ESG in mining operations and its potential impact on company performance. Based on proprietary financial and ESG ratings data from 200 mining companies, this study investigates the relationship between two different ESG ratings and firm characteristics. We compare ESG-rated firms with unrated firms in terms of firm size, and financial performance indicators, and explore country-level patterns in ESG ratings. Findings reveal that ESG-rated mining companies are generally larger than unrated firms but neither more profitable nor face lower debt costs. The results also show that, among rated firms, larger mining firms have more favorable ESG ratings than smaller ones. However, we fail to find a correlation between ESG ratings and financial performance. Finally, the evidence suggests that mining companies rated high for unmanaged ESG risk are likely to have lower ESG scores. This research contributes to understanding whether and how ESG ratings could impact investment decisions and risk management strategies in the mining sector.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».