Biodiversity Conservation and Business in Nigeria: Evaluating Priorities across Key Business Sectors
Notice bibliographique
Résumé
Biodiversity loss presents an escalating threat to ecological stability and economic resilience, particularly in developing economies such as Nigeria, where land-use pressures from business operations are intensifying. This study critically examines how biodiversity conservation is prioritized and integrated within corporate sustainability disclosures across five key business sectors in Nigeria: Oil & Gas/Power, Agriculture, Infrastructure, Manufacturing, and Financial Services, selected based on their ecological footprint and prominence in Nigeria’s economy. Drawing on content analysis of 100 publicly available sustainability reports, the research evaluates biodiversity inclusion using a custom framework aligned with international standards such as the Global Reporting Initiative (GRI 304) and the Kunming-Montreal Global Biodiversity Framework. Six criteria with 30 Attributes were applied to assess sectoral performance. The findings reveal a systemic underperformance in the overall biodiversity disclosure, with only 14% of attributes fully addressed, 21.5% partially addressed, and a striking 64.5% not addressed at all. While the agriculture and oil & gas/power sectors demonstrated comparatively stronger integration, performance across infrastructure, manufacturing, and financial services was consistently weak. Key areas such as biodiversity monitoring, restoration, and institutional investment were largely absent from corporate reporting. This study concludes that biodiversity remains a marginal concern in Nigerian corporate ESG frameworks and sustainability reports. To address this gap, the research advocates for enforceable, sector-specific biodiversity disclosure requirements, improved access to ecological data, and incentive-based mechanisms to encourage biodiversity-positive business practices. Embedding biodiversity as a core pillar of corporate sustainability is critical not only for ecological preservation but also for long-term economic resilience.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».