MétaCan
Menu
Retour à la cohorte
Enregistrement W4413795969 · doi:10.3390/jrfm18090480

The Role of Environmental Accounting in Mitigating Climate Change: ESG Disclosures and Effective Reporting—A Systematic Literature Review

2025· article· en· W4413795969 sur OpenAlexvenueno aff
Moses Nyakuwanika, Manoj Panicker

Notice bibliographique

RevueJournal of risk and financial management · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEnvironmental Sustainability in Business
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingBusinessCorporate governanceTransparency (behavior)Sustainability reportingVoluntary disclosureCorporate social responsibilityEnvironmental accountingStakeholderBest practiceCredibilityEnvironmental resource managementFinanceEconomicsPolitical sciencePublic relations

Résumé

récupéré en direct d'OpenAlex

Climate change poses an existential threat, spurring businesses and financial markets to integrate environmental accounting and ESG (Environmental, Social, and Governance) disclosures into decision-making. This study aims to examine how environmental accounting practices and ESG reporting contribute to climate change mitigation in organizations. It seeks to highlight the significance of these tools in enhancing transparency and accountability, thereby driving more sustainable corporate behavior. By synthesizing the recent literature, the study contributes a comprehensive overview of best practices and challenges at the intersection of accounting and climate action, addressing a noted gap in consolidated knowledge. We conducted a systematic literature review (SLR) following PRISMA guidelines. A broad search (2010–2024) across Scopus, Web of Science, and Google Scholar identified 73 records, which were rigorously screened and distilled to 47 relevant peer-reviewed studies. These studies span global contexts and include both conceptual and empirical work, providing a robust dataset for analysis. Environmental accounting was found to play a pivotal role in measuring and managing corporate carbon footprints, effectively translating climate impacts into quantifiable metrics. Firms that implement rigorous carbon accounting and internalize environmental costs tend to set more precise emission reduction targets and justify mitigation investments through a cost–benefit analysis. ESG disclosure frameworks emerged as critical external tools: a high-quality climate disclosure is linked with greater stakeholder trust and even financial benefits such as lower capital costs. Leading companies aligning reports with standards like TCFD or GRI often enjoy enhanced credibility and investor confidence. However, the review also uncovered challenges, like the lack of standardized reporting, risks of greenwashing, and disparities in adoption across regions, that impede the full effectiveness of these practices. The findings underscore that while environmental accounting and ESG reporting are powerful means to drive corporate climate action, their impact depends on improving consistency, rigor, and integration. Harmonizing global reporting standards and mandating disclosures are identified as key steps to improve data comparability. Strengthening the credibility of ESG disclosures and embedding environmental metrics into core decision-making are essential to leverage accounting as a tool for climate change mitigation. The study recommends that policymakers accelerate moves toward mandatory, standardized ESG reporting and urges organizations to proactively enhance their environmental accounting systems that will support global climate objectives and further research on actual emission outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,025
score de la tête « metaresearch » (Gemma)0,126
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,126
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0210,022
Études des sciences et des technologies0,0010,002
Communication savante0,0050,005
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,003
Tête enseignante GPT0,205
Écart entre enseignants0,202 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEnvironmental Sustainability in BusinessTravaux en français237 207