AIと辞書ベースのESGスコアは収束するか？新興国市場のIPO目論見書からの証拠
Do AI and Lexicon-Based ESG Scores Converge? Evidence from IPO Prospectuses in an Emerging Market (原題)
M. A. F. Singh, Navjit Singh, Vikas Sharma, Ramona Rupeika-Apoga
🤖 gxceed AI 要約
日本語
インドのIPO目論見書625件（2018-2024年）を用い、LLM生成ESGスコアと辞書ベーススコアの構成概念的一致を検証。環境次元では収束（κ=0.56）するが、社会・ガバナンスでは乖離し、全体的一致は31.7%に留まる。両手法はESGを異なる形で操作化しており、ESG分析の構成概念妥当性と透明性に示唆を与える。
English
Using 625 Indian IPO prospectuses (2018-2024), this study examines construct alignment between LLM-generated and lexicon-based ESG scores. Methods converge for environmental disclosure (κ=0.56) but diverge for social and governance, with only 31.7% overall alignment. The two approaches operationalize ESG differently, raising implications for construct validity and transparency in ESG analytics.
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
AIによるESG評価の信頼性・透明性を問う研究であり、SSBJ基準や有報でのESG開示評価、投資家向けESGスコアの妥当性検証に関わる日本企業・規制当局にとって示唆が大きい。特にLLM活用が進む国内ESGデータ分析の品質管理に寄与する。
In the global GX context
As ISSB and CSRD push for standardized ESG disclosure, this paper questions whether AI-driven ESG scoring aligns with traditional lexicon methods, directly relevant to global debates on ESG rating validity, greenwashing detection, and disclosure infrastructure transparency.
👥 読者別の含意
🔬研究者:LLMと辞書ベースESGスコアの構成概念妥当性の差異を実証的に示し、ESG評価手法の選択が結果に与える影響を理解する上で重要。
🏢実務担当者:自社開示のESGスコアがAIと辞書で異なる評価を受ける可能性を認識し、開示戦略やESGデータ管理の透明性確保に活用できる。
🏛政策担当者:ESGスコアリングの手法間不一致は投資家保護や市場の透明性に影響するため、ESG評価の基準設定や検証枠組みの検討に示唆を与える。
📄 Abstract（原文）
The growing use of artificial intelligence (AI) to evaluate Environmental, Social, Governance (ESG) scoring from corporate disclosures raises questions about alignment with conventional lexicon-based scores. Such alignment can be problematic as a lexicon-based approach quantifies the textual density using an ESG dictionary, while LLM-based scores are able to assess the thematic coverage of ESG themes. It remains unclear whether the two approaches produce comparable or distinct results when applied to the same corporate information. This paper examines the construct alignment between LLM-generated and lexicon-based ESG scores using 625 Indian IPO prospectuses issued between 2018 and 2024. A rebalanced dictionary of 630 terms measures disclosure intensity, while contextual scores are obtained by prompting a generative AI model. Both sets of scores are harmonised into quantile categories and compared using confusion matrices, correlation analysis, and chance-corrected agreement. The methods converge for the environmental dimension (EMR = 46.1%; weighted κ = 0.56) but diverge for social (28.2%) and governance (23.0%) disclosure, with only limited alignment overall (31.7%). The findings suggest the two approaches operationalise ESG differently, with implications for construct validity and transparency in ESG analytics.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.3390/jrfm19100809first seen 2026-10-14 05:12:18
🔔 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。