← 論文一覧に戻る

Artificial Intelligence and ESG Disclosure: Evaluating Large Language Models for Identifying Symbolic and Substantive Sustainability Communication

人工知能とESG開示：シンボリックおよび実質的なサステナビリティコミュニケーションを識別する大規模言語モデルの評価 (AI 翻訳)

Anuj Pal

Zenodo (CERN European Organization for Nuclear Research)プレプリント2026-07-22#AI×ESGOrigin: Global経営インパクト: 資金調達対象セクター: cross_sector
DOI: 10.5281/zenodo.21494573
原典: https://doi.org/10.5281/zenodo.21494573

🤖 gxceed AI 要約

日本語

本論文は、大規模言語モデル（LLM）を用いて企業のESG開示の質を評価し、シンボリックなものと実質的なサステナビリティコミュニケーションを識別する手法を提案する。新たに開発されたOperational ESG Disclosure Coding Framework（OEDCF）に基づき、GPT-5.5の性能を専門家のコーディングと比較。LLMがスケーラブルで透明性のある開示分析を支援する可能性を示す。

English

This paper uses Large Language Models (LLMs) to evaluate corporate ESG disclosure quality by distinguishing symbolic from substantive sustainability communication. It introduces the Operational ESG Disclosure Coding Framework (OEDCF) and compares GPT-5.5 performance against expert coding, demonstrating LLMs' potential for scalable, transparent disclosure analysis.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

日本ではSSBJ基準の適用が始まり、開示の質（実質性）が注目されている。本論文のLLMによるシンボリック／実質的コミュニケーションの識別手法は、日本の開示実務における品質評価やグリーンウォッシュ対策に示唆を与える。

In the global GX context

With global frameworks like ISSB and CSRD emphasizing material disclosures, this paper's framework for automated quality assessment supports scalable analysis and helps detect symbolic vs substantive reporting, relevant for regulators and investors.

👥 読者別の含意

🔬研究者:Provides a novel coding framework and empirical benchmark for LLM-based disclosure quality analysis, advancing the AI-ESG intersection.

🏢実務担当者:Offers a scalable method to automatically assess ESG report quality, potentially reducing greenwashing and improving stakeholder trust.

🏛政策担当者:Highlights how LLMs can enhance regulatory oversight of disclosure quality and support enforcement of substance over form.

📄 Abstract（原文）

This paper investigates the use of Large Language Models (LLMs) to evaluate the quality of corporate ESG disclosures by distinguishing between symbolic and substantive sustainability communication. The study introduces the Operational ESG Disclosure Coding Framework (OEDCF), a structured framework grounded in sustainability and disclosure literature, and assesses the performance of GPT-5.5 against expert human coding. The findings contribute to the growing intersection of artificial intelligence, ESG reporting, corporate sustainability, and responsible finance by demonstrating how LLMs can support scalable, transparent, and reproducible analysis of sustainability disclosures.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。