Mapping the Global Research on Environmental, Social, Governance (ESG): A Bibliometric Analysis
Notice bibliographique
Résumé
In the contemporary business landscape, firm evaluation increasingly extends beyond traditional financial indicators to encompass environmental sustainability, social responsibility, and governance practices. Environmental, Social, and Governance (ESG) factors have emerged as fundamental drivers of corporate values and sustainable financial performance, introduced through the UN Global Compact initiative’s Who Cares Wins report, and are now considered central to global corporate strategies, shaping accountability, transparency, and ethical business conduct. This study conducts a comprehensive bibliometric analysis to map the global ESG research landscape, examining the current state of knowledge, key trends, and future directions. Data were extracted from the Scopus database, comprising 3,177 articles published between 2008 and 2026, and analyzed using VOSviewer and Biblioshiny (R). The performance analysis evaluated annual scientific production, leading sources, authors, affiliations, countries, and most cited documents, while science mapping examined keyword occurrence, word clouds, co-authorship networks, thematic mapping, and thematic evolution. Results indicate that annual scientific production peaked in 2025 with 1,305 publications, with Sustainability emerging as the most influential journal. China (1,629 publications) and the USA (605 publications) led in productivity, while China (15,062 citations) and the USA (10,035 citations) dominated in citation impact. Keyword analysis identified “ESG,” “Sustainability,” and “Responsible Investment” as the most prominent themes. Overall, this study provides a structured overview of global ESG research, identifies influential contributors and sources, and highlights emerging thematic areas, offering a roadmap for scholars, practitioners, and policymakers aiming to advance ESG-focused research and implementation worldwide.
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 | 0,014 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,214 | 0,293 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».