ESG-SASB Label Stability: A Curated Benchmark and Reproducible Pipeline for Reusing Sentence-Level Sustainability Disclosure Labels
ESG-SASBラベル安定性：文レベルの持続可能性開示ラベル再利用のための厳選ベンチマークと再現可能パイプライン (AI 翻訳)
Yufei Li, Tianhao Chen, Wei Ke, P. Pang
🤖 gxceed AI 要約
日本語
本論文は、SASB準拠のESG文書コーパスを用いて、文レベルのサステナビリティ開示ラベルを再利用するための再現可能なベンチマークと検証ワークフローを提案する。教師あり分類器、GPT-4o、Claude注釈を評価し、粗い粒度のラベルほど再現性が高く、ブラインド注釈では40.3%が曖昧と判定される一方、候補提示付き注釈では一致率が向上することを示した。また、集計プロファイルはラベルソースに敏感であり、透明性のあるラベル利用の重要性を強調する。
English
This paper presents a reproducible benchmark for reusing sentence-level ESG labels from the SASB-Aligned ESG Sentences corpus. It evaluates label stability through supervised classifiers, GPT-4o, and Claude annotation, finding that coarser labels are more stable, blind annotation flags 40.3% as ambiguous, and candidate-visible annotation increases agreement. The study shows aggregate profiles are sensitive to label source, supporting transparent reuse.
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がISSB基準に基づく開示を検討しており、SASBはその参考とされる。本ベンチマークは文レベルのラベル品質評価手法を提供し、企業のESG開示データ整備やAIによる自動評価の信頼性向上に寄与する可能性がある。
In the global GX context
Globally, this work contributes to the reliability of ESG data pipelines by providing a reproducible benchmark for SASB sentence-level labels, which are used in TCFD, ISSB, and other disclosure frameworks. It highlights challenges in label consistency and aggregation, relevant for AI-assisted ESG analytics and regulatory reporting.
👥 読者別の含意
🔬研究者:Provides a benchmark and pipeline for evaluating ESG label stability, useful for reproducibility studies in sustainability NLP.
🏢実務担当者:Highlights the need to verify label source and annotation conditions when using SASB sentence-level data for ESG reporting or analytics.
📄 Abstract（原文）
Annotated text datasets are increasingly reused as classifier targets, annotation candidates, and inputs to aggregate profiles, yet their labels often circulate without enough information about how they were produced. This article presents a reproducible benchmark and validation workflow for the public SASB-Aligned ESG Sentences corpus, a sentence-level sustainability disclosure dataset organized around standards-based categories such as those used in Sustainability Accounting Standards Board (SASB) analytics. Using the downloaded 6460-row version of the corpus, we construct fixed train/validation/test splits, map released child labels to parent categories, and evaluate label reuse through supervised classifiers, prompted GPT-4o classification, blind and candidate-visible Claude annotation, and Monte Carlo aggregation into ESG/Non-ESG category profiles. The reproducibility artifacts provide split metadata, label mappings, prompt templates, model predictions, LLM annotation outputs, profile sensitivity outputs, figure inputs, and scripts for reproducing the reported tables and figures. Results show that label reproduction is strongest at coarser label levels, blind annotation flags 40.3% of held-out sentences as ambiguous, candidate-visible annotation increases agreement while changing the task format, and aggregate profiles remain sensitive to label source. The benchmark supports transparent reuse of sentence-level ESG labels by reporting label source, annotation condition, prompt family, and aggregation level.
🔗 Provenance — このレコードを発見したソース
- semanticscholar https://www.mdpi.com/2227-9709/13/7/106/pdf?version=1783075792first seen 2026-07-13 06:44:16
🔔 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。