解釈可能な機械学習に基づく重汚染企業のグリーンウォッシュ識別と多次元的駆動メカニズム

日本語

本研究は、解釈可能な機械学習を用いて重汚染企業のグリーンウォッシュ行為を識別し、その多次元的な駆動メカニズムを解明する。企業のESG開示や行動データを分析し、グリーンウォッシュの兆候を高精度で検出するモデルを構築する。さらに、SHAP等の手法で要因を解釈し、企業特性や外部圧力がグリーンウォッシュに与える影響を明らかにする。

English

This study uses interpretable machine learning to identify greenwashing in heavily polluting enterprises and uncover its multidimensional driving mechanisms. By analyzing corporate ESG disclosures and behavioral data, it builds a model that detects greenwashing signals with high accuracy. Using techniques like SHAP, it interprets key factors, revealing how firm characteristics and external pressures drive greenwashing.

日本のGX文脈において

日本では、SSBJ開示や有報でのサステナビリティ情報が義務化されつつあり、グリーンウォッシュ対策が投資家対応の重要課題となっている。本手法は、日本の企業開示の信頼性評価や監査プロセスに応用可能であり、実務的な示唆を与える。

In the global GX context

Globally, with ISSB and CSRD mandates, greenwashing detection is critical for market trust. This interpretable ML approach offers a scalable method for regulators and investors to screen disclosures, complementing existing assurance frameworks.