← 論文一覧に戻る

カーボンフットプリント予測モデルのレビュー：手法・進展・今後の方向性

A REVIEW OF CARBON FOOTPRINT PREDICTION MODELS: METHODS, ADVANCES, AND FUTURE DIRECTIONS (原題)

Roni Yunis, Irpan Adiputra Pardosi

JOURNAL OF SCIENCE AND SOCIAL RESEARCH📚 査読済 / ジャーナル2026-10-31#AI×ESG
DOI: 10.54314/sk7jx792
原典: https://jurnal.goretanpena.com/index.php/JSSR/article/view/7402

🤖 gxceed AI 要約

日本語

本論文は2018〜2024年の査読文献を対象に、カーボンフットプリント予測モデルを体系的にレビューした。プロセスベース、産業連関、ハイブリッド、グレーシステム、AIベースの各手法を整理し、データ品質・モデル複雑性・拡張性・透明性の課題を指摘する。AI・ビッグデータ・IoT・ブロックチェーンによる精度向上の可能性と、標準化手法や説明可能AI（XAI）の重要性を強調している。

English

This systematic review examines carbon footprint prediction models from 2018–2024, covering process-based, input-output, hybrid, grey system, and AI-based approaches. It identifies persistent challenges in data quality, model complexity, scalability, and transparency, and highlights AI, big data, IoT, and blockchain as emerging enablers. The authors call for standardized methods, Explainable AI, and flexible modeling frameworks to support climate action and policymaking.

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

SSBJ基準やScope 3算定の高度化が進む日本企業にとって、AIを用いた排出予測・算定手法の選択肢と限界を整理する材料となる。特にXAIや標準化への言及は、有報・統合報告書での算定根拠開示の信頼性向上に示唆を与える。

In the global GX context

As ISSB/CSRD and SEC climate rules push firms toward auditable emissions data, this review maps the methodological landscape for AI-driven carbon prediction and flags transparency and standardization gaps. It offers disclosure scholars a structured baseline for evaluating the reliability of predictive carbon accounting.

👥 読者別の含意

🔬研究者:炭素排出予測の手法分類と研究ギャップを俯瞰でき、AI×炭素会計の研究設計に有用。

🏢実務担当者:Scope 3や排出予測にAI導入を検討する際、手法選択と透明性確保の留意点を把握できる。

🏛政策担当者:排出予測の標準化やXAI要件を政策・開示制度に組み込む際の論点を提供する。

📄 Abstract（原文）

Abstract: This study provides a systematic review of carbon footprint prediction models, examining methodological developments, existing challenges, and future research directions. As a crucial tool for climate change mitigation and sustainable environmental management, carbon emission prediction has attracted growing academic attention. A comprehensive literature search was conducted in leading databases, including Scopus, Web of Science, and Google Scholar, focusing on peer-reviewed articles from 2018 to 2024. The review covers a wide range of modeling approaches, such as process-based, input-output, hybrid, grey system, and AI-based models. Although significant progress has been made, issues concerning data quality, model complexity, scalability, and transparency persist. The study also highlights emerging technologies, including AI, big data, IoT, and blockchain, which enhance prediction accuracy and adaptability. Furthermore, it underscores the importance of standardized methods, Explainable AI (XAI), and flexible modeling frameworks for future research. Overall, this review offers valuable insights to inform future studies and policymaking in carbon footprint prediction and climate action. Keyword: carbon footprint prediction, method, machine learning, sustainability, future directions

🔗 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。