نویسندگان:
(1) Aarav Patel، دبیرستان منطقه ای آمیتی – ایمیل: [email protected];
(2) پیتر گلور، مرکز اطلاعات جمعی، موسسه فناوری ماساچوست و نویسنده مسئول – ایمیل: [email protected].
جدول پیوندها
7. نتیجه گیری
الگوریتم آنالیز ESG پیشنهادی می تواند به استانداردسازی ارزیابی ESG برای همه شرکت ها کمک کند. این به این دلیل است که تعصب خود گزارش دهی را با ترکیب تجزیه و تحلیل شبکه های اجتماعی بیرونی برای نتایج متعادل تر محدود می کند. یک شاخص ESG مبتنی بر شبکه اجتماعی همچنین میتواند مستقیماً نشان دهد که افراد میخواهند چه حوزههایی را تغییر دهند، که میتواند تلاشهای اجرایی را بهتر بر روی تغییر معنادار متمرکز کند. علاوه بر این، با استفاده از یادگیری ماشین، این مدل میتواند یک پروکسی برای مسئولیت اجتماعی یک شرکت ایجاد کند، که میتواند به تعیین ESG برای شرکتهای کوچکتر که پوشش تحلیلگر ندارند کمک کند. این به شرکتهای بیشتری کمک میکند تا رتبهبندی ESG را به روشی خودکار دریافت کنند، که میتواند زمینه بازی برابر تری بین شرکتهای کوچک و بزرگ ایجاد کند و در نهایت به شرکتهای مسئولیتپذیر اجتماعی بیشتر کمک کند. به طور کلی، این پروژه می تواند پیامدهای گسترده ای برای پر کردن شکاف در ESG داشته باشد. این کمک خواهد کرد که مقدار زیادی از سرمایه ESG به ابتکارات پایدارتر و اخلاقی تر منتقل شود.
کتابشناسی – فهرست کتب
سوکولوف، جی موتووی، جی دینگ، ال سکو. 2021. یادگیری ماشین ساخت…