Environmental, social and governance (ESG): uma revisão sistemática
Bibliographic record
Abstract
Este trabalho adota como método a revisão sistemática e pretende explorar as práticas ESG realizadas por organizações em diferentes setores. O intuito dessa análise é verificar como está o estado atual de produções de artigos sobre ESG no Brasil; para isso, realizou-se uma revisão, considerando critérios específicos de inclusão e exclusão para selecionar os estudos mais relevantes. Para a elaboração deste estudo foram selecionados 09 artigos; o recorte temporal os últimos 5 anos, ou seja, 2019 a 2023. Durante a pesquisa percebeu-se que a maioria das publicações que tratam de ESG nas organizações são publicações de Mestrado e teses, realizadas em 2018 e 2019. Porém, no critério de exclusão ficaram de fora as teses e dissertações, e o foco foram os artigos, publicados no Brasil portando em língua portuguesa. Para a busca usou-se a plataforma SCIELO e AMPAD SPELL, está última por apresentar uma maior concentração de artigos dessa natureza. Como resultado da pesquisa denota-se que é um assunto em ascensão no Brasil, ainda com poucas produções; porém, pesquisas relevantes que levam a reflexão e ao entendimento da importância do ESG para as organizações e a sociedade.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.013 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".