How well are corporate sustainability goals designed? A global assessment of corporate commitments to water, ecosystems, climate, and materials and waste management
Notice bibliographique
Résumé
Amid rising global challenges, corporate sustainability commitments are under increasing scrutiny. This study offers a data-driven analysis of how companies develop sustainability goals and how these align with seven transformative criteria. We used a global dataset of 818 goals from 534 companies, evaluated through the Embedding Project’s third-party Sustainability Goal Assessment framework, to assess the prevalence and quality of commitments. We compared how frequently aspects like system resilience, strategic impact or commitment transparency were included in commitments across different company types and geographically. Climate-related goals were most common and tended to receive higher scores for quality, mainly due to alignment with established reporting frameworks, but often fell short on systemic change, transparency, and implementation clarity. Ecosystem and water-related goals, though less frequent, were more likely to aim for strategic impacts and systemic change reflecting the role of multi-stakeholder coordination and strategic alignment. Commitments were scored as higher quality on average in the communication service sector compared to industrials, information technology and consumer discretionary sectors and in cases of private ownership structures. Relational network analysis revealed dependencies among criteria, highlighting that transparency’s plays a central role in goal quality and the importance of actionable plans. Our findings suggest that achieving improvements in the quality of sustainability commitments requires corporate stakeholders to define measurable, time-bound sustainability goals, which extend accountability across the value chain, and integrate transparent reporting, and have incentives for systemic change. Policymakers can support this by standardizing terminology, creating fiscal incentives, and ensuring stable, long-term regulations that mandate transparency and full life cycle accountability.
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 | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».