持続可能なデジタルビジネスエコシステム：機械学習アプローチによるESG会計、データ分析、価値創造の関連性

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

🔬研究者:Provides an interpretable ML framework for ESG-value creation analysis, highlighting nonlinearity and threshold effects.

🏢実務担当者:Can use the framework to evaluate ESG initiatives' impact on value creation and identify key drivers like governance and analytics.

🏛政策担当者:Offers evidence on ESG maturity thresholds, informing policies that encourage ESG integration and data analytics capabilities.

背景 デジタル技術の急速な拡大はビジネスエコシステムを変革し、持続可能な価値創造への環境・社会・ガバナンス（ESG）会計の統合の重要性を高めてきた。しかし、先行研究はESG会計、データ分析、人工知能を主に個別に検討しており、デジタルビジネスエコシステム内におけるそれらの統合的かつ非線形的な関係に関する証拠は限られている。本研究は、ESG会計、データ分析能力、および持続可能な価値創造の間の関係を分析するための機械学習ベースの枠組みを開発することを目的とする。方法 本研究は、企業レベルのESG、財務、およびデジタル能力データを用いた定量的かつデータ駆動型の研究デザインを採用した。複雑かつ非線形的な関係をモデル化するために、Random ForestとExtreme Gradient Boosting（XGBoost）の2つの機械学習アルゴリズムを適用した。モデルの性能は、平均絶対誤差、二乗平均平方根誤差、および決定係数（R²）を用いて評価した。また、特徴量重要度分析とShapley Additive Explanationsを用いて、モデルの解釈可能性を向上させ、持続可能な価値創造の主要な予測因子を特定した。結果 結果は、XGBoostがRandom Forestおよび線形回帰モデルを上回り、最高の予測精度（R² = 0.87）を達成したことを示している。ESG会計は、データ分析能力を通じて直接的および間接的に持続可能な価値創造に有意に影響を及ぼし、その媒介的役割が確認された。ガバナンスとデータ分析能力が、持続可能な価値創造の最も影響力のある予測因子として浮上した。さらに、非線形分析により閾値効果が明らかになり、ESGイニシアティブは一定の成熟度に達した後にのみ substantial な価値を生み出すことが示された。結論 本研究は、デジタルビジネスエコシステムにおける持続可能な価値創造が、ESG会計、データ分析能力、および人工知能駆動型モデリングの統合に強く影響されることを実証している。提案された枠組みは、ESG駆動型価値創造を分析するための非線形的かつ解釈可能な機械学習アプローチを導入することにより、サステナビリティ会計およびデジタルビジネス研究に貢献する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Background The rapid expansion of digital technologies has transformed business ecosystems and increased the importance of integrating Environmental, Social, and Governance (ESG) accounting into sustainable value creation. However, prior studies have largely examined ESG accounting, data analytics, and artificial intelligence separately, with limited evidence regarding their integrated and nonlinear relationships within digital business ecosystems. This study aims to develop a machine learning-based framework to analyze the relationships among ESG accounting, data analytics capability, and sustainable value creation. Methods This study employed a quantitative and data-driven research design using firm-level ESG, financial, and digital capability data. Two machine learning algorithms, Random Forest and Extreme Gradient Boosting (XGBoost), were applied to model complex and nonlinear relationships. Model performance was evaluated using Mean Absolute Error, Root Mean Square Error, and coefficient of determination (R 2 ). Feature importance analysis and Shapley Additive Explanations were also used to improve model interpretability and identify key predictors of sustainable value creation. Results The findings show that XGBoost outperformed Random Forest and linear regression models, achieving the highest predictive accuracy (R 2  = 0.87). ESG accounting significantly influenced sustainable value creation both directly and indirectly through data analytics capability, confirming its mediating role. Governance and data analytics capability emerged as the most influential predictors of sustainable value creation. Furthermore, nonlinear analysis revealed threshold effects, indicating that ESG initiatives generate substantial value only after reaching a certain maturity level. Conclusions This study demonstrates that sustainable value creation in digital business ecosystems is strongly influenced by the integration of ESG accounting, data analytics capability, and artificial intelligence-driven modeling. The proposed framework contributes to sustainability accounting and digital business research by introducing a nonlinear and interpretable machine learning approach for analyzing ESG-driven value creation.

• openalex https://doi.org/10.5256/f1000research.198287.r506439first seen 2026-08-05 04:49:44