論文・プレプリント

Chandan Sharma, Priya Rani

本研究は2017年から2024年までのインド企業におけるESG報告の進化を、NLPに基づくテキスト分析とK-meansクラスタリングを用いて調査した。所有構造が報告に有意に影響し、民間企業がより高い透明性を示す一方、企業規模は環境（E）次元にのみ影響を与えた。ガバナンス（G）が規制圧力により最も顕著であり、環境・社会報告は低く、COVID-19パンデミック時に報告が一時的に減少した。標準化された枠組みの必要性を示唆する。

Tao Li, Yi Wu, Mingyang Li

本研究は、スタッキングアンサンブルとSHAP説明可能性を用いて森林炭素密度と純一次生産量（NPP）をマッピングする手法を提案。中国の森林データを用いて検証し、管理ゾーニングに資する知見を提供。AIと環境評価の交差点としてgxceedの焦点に合致。

An Thi Binh Duong, Linh Tran Khanh Do, Scott McDonald +4

本研究は、進化的機械学習（EML）を建設企業の持続可能なパフォーマンス向上に活用する戦略的枠組みを提案・検証した。ベトナムの建設企業213社のデータ分析から、EML統合戦略と業務実態・関係者の準備・革新能力の整合が、ネットゼロ建設サプライチェーンと業績向上に重要であることを示した。

Yufei Xi, Jiangzhang Zhu, Peng Wang +1

炭素価格予測のための新しいハイブリッドフレームワークEvoGame-CAKNetを提案。進化ゲーム理論で市場参加者の戦略をモデル化し、マルチヘッド注意機構とKANを用いて高次元データの非線形関係を学習。中国4市場での実験でMAPEを18.3～31.6%削減した。

Gaopeng Jiang, Huihui An, Yaling Tian +2

本研究は、長江デルタ地域の運輸産業における炭素排出削減要因と経済成長とのデカップリング効果を分析。STIRPAT-RidgeモデルとTapioデカップリングモデルを用いて、人口、産業構造などが主要な要因であることを示し、政策と市場メカニズムによりデカップリングが強化されていることを明らかにした。

Ramirez, Dely, Muñoz Tabora, Jonathan, Melgar Dominguez, Ozy Daniel

ホンジュラス1990～2023年の年次パネルデータを用い、GDPとCO2排出のデカップリングを機械学習（k-means, Random Forest）や計量経済手法で分析した研究のデータセットとRスクリプトを提供。タピオ指数、環境クズネッツ曲線、構造ブレイク検出などを含む。GX研究の再現性向上に寄与。

Zhao C.

本レビューは、CCUSシステムにおけるCO2輸送の多相計量技術と知的誤差補正手法を包括的にまとめた。AI/MLを活用した誤差補正が計測精度向上に有効であることを示し、実用化への課題と展望を論じている。

Yang J.

本研究は、機械学習を用いて取締役会秘書の特性からESG開示の質を予測する手法を提案している。取締役会秘書の属性が開示品質に与える影響を分析し、AIによる予測モデルの有効性を示す。

O. Zhytkevych

本研究は、環境外部性の内部化を経済理論に基づき、機械学習（自己組織化マップ）を用いて各国の脱炭素経路をクラスタリングする概念枠組みを提案する。高効率型、移行型、化石燃料依存型の3つのクラスタを識別し、協調的脱炭素ハブの特定に貢献する。

M. Uddin, Md. Samsuzzaman Sobuz, Mohamed Ghalla +5

本研究は、バイオチャーを混入したコンクリートの圧縮強度、コスト、CO2排出量を予測するため、ハイブリッド機械学習モデル（XGB-HistGB）を開発・評価した。9つの入力パラメータを用いた実験データに基づき、XGB-HistGBモデルは高い予測精度（R2=0.958）を示し、SHAP分析により微細骨材、材齢、高性能減水剤が重要な影響因子であることが判明した。さらに、ユーザーが配合を入力して即座に性能を予測できるGUIも開発された。バイオ…

Jiaran Liu, Yuheng Huang

本研究では、グリーン建材の性能予測とライフサイクル最適化のための勾配ブースティングベースの枠組みGBMP-LCAを提案する。材料組成、耐久性指標、カーボン排出量などの多様な特徴量にLightGBMを適用し、SHAPによる解釈可能性分析により持続可能性制約下での材料最適化を支援する。実験により従来手法より高い予測精度（R2=0.87）を示し、耐久性向上と炭素排出削減のトレードオフを明らかにした。

Dilba Rayaru Kandiyil, M. Sadique, Denise Lee +2

この研究は、セメント産業の組込み炭素を推定するために、マクロ経済データのみを用いた機械学習とLCAを組み合わせたフレームワークを提案する。GDP per capitaなどからクリンカー対セメント比を予測し、技術別LCAモデルでA1-A3段階の排出量を算出する。18カ国での検証により物理的に妥当な結果を得ており、データ不足地域での炭素政策スクリーニングに貢献する。

Ruxiao Li, Bo Zhang, Jiayan Dong +1

中国A株上場企業の2010～2023年のデータを用い、年次報告書のテキスト分析で生物多様性への注目度を測定。資金調達制約の緩和、グリーン技術革新、デジタル変革の3経路を通じて持続可能な発展パフォーマンスを向上させることを実証。特に汚染産業や規制産業での効果が顕著。

Anh Bui-Tuyet, Anh Nguyen-Ngoc-Lan, Nhu Hung Duong +1

ベトナムのESG開示は断片的で報告書ベースのデータが乏しい。本研究は、機械学習パイプラインによりベトナムESGニュースの環境(E)柱を分類し、ChatGPTベースの解釈性エージェント「ClearESG-E」でGRIフレームワークにマッピングする。手動ラベル付きコーパスでベンチマークし、外部検証で汎化性能を確認。低リソース環境における透明なESGモニタリングに貢献。

Jaehyun Park

本研究は、人間、ルールベース、LLMの3つのアーキテクチャでESG開示テキストの質スコアを比較。韓国上場企業の2020-2021年サステナビリティ報告書を対象に、収束的妥当性、基準的妥当性などを評価。LLM方式は人間のベンチマークと最も一致し、ルールベースより優れた性能を示したが、分布特性は異なっていた。

Mohammed W. A. Saleh, Marwan Mansour, Zaid Jaradat +1

本研究は、ESGパフォーマンスが企業リスク（レバレッジ）を低減する効果を、AI開示がどのように強化するかを、2020～2024年の欧州1,310社のパネルデータを用いて実証。固定効果回帰やGMM等の頑健な手法により、AI開示がESGのリスク低減効果を補完することを示した。

Yufei Li, Tianhao Chen, Wei Ke +1

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…

H. Jung, Shaopeng Che, Haein Lee

本研究は、S&P500エネルギー企業のサステナビリティ報告書を対象に、LLMを用いた構造化コンテンツ分析によりESG開示品質指標（QER、TAR、RIS）を構築し、外部ESG格付（S&P Global ESGスコア）との関連性を検証した。個別指標では弱い相関だったが、複合指標ではより明確な正の相関が確認された。開示品質と格付の乖離パターンも観察され、開示品質の多面性が示唆された。

Anh Nguyen-Ngoc-Lan, Anh Bui-Tuyet, Nhu Hung Duong +1

本研究は、人工ニューラルネットワークと自然言語処理を組み合わせて、ベトナムの企業ニュースを環境・社会・ガバナンスの柱に分類する手法を開発した。TF-IDFとグリッドサーチを用いた結果、環境モデルは90.48%の精度とAUC 1.000を達成した。このフレームワークは、グリーンウォッシングを軽減し、投資家を支援する自動スクリーニングツールを提供する。

Tianli Huang, Grace T. R. Lin

中国の炭素排出権（CEA）市場向けに、解釈可能な分位時系列ネットワーク（IQTN）を提案。特徴量ゲーティング、因果的畳み込みエンコーダ、非交差分位出力層を統合し、多期間のVaR・CVaRを予測。95%VaRピンボール損失で比較手法を上回り、解釈性分析によりボラティリティや流動性が主要リスク因子と判明。短期市場情報への感応性が高いことを示し、早期警戒システムとして有効。