Technology, information, and the governance of environmental risk
Notice bibliographique
Résumé
This DPhil is motivated by the impact that public data can have on the practise of sustainable finance. Disclosure guidance for environmental information is increasingly being used to compel companies to better manage their environmental risk exposure and environmental impacts. Data-driven technologies can ‘unravel’ company information related to environmental risk and are changing the information asymmetries between company managers, their investors, and society. Three novel and rigorous data science papers have been prepared which provide new access to company environmental risk information. The first paper develops a global inventory of photovoltaic solar energy facilties using machine learning and earth observation and then uses this dataset to assess land cover impacts due to renewable energy siting decisions. The second paper develops asset-level data arrangements of the coal, oil, and gas supply chains, and identifies concentrations of environmental transition risk in the complex network topology. The third paper advances earth observation and computer vision technical methods, assessing the power of these techniques for producing company asset-level data even with limited training data. In developing these papers, this DPhil has identified the opportunities and limits that technology might have in the provision of information for public and private governance of environmental risk and impact. These limits add clarity to the role that policy must play in meeting the diverse information needs of both company shareholders and stakeholders. A discussion chapter provides commentary on these limits; on how the needs of both shareholders and stakeholders can be met with company risk disclosure at the asset-level; and how innovation might be fostered in markets for environmental information. Policy recommendations are summarised and an agenda for further research is provided.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,017 |
| Communication savante | 0,016 | 0,019 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».