DOI: https://doi.org/10.1038/s41598-025-93694-y
PMID: https://pubmed.ncbi.nlm.nih.gov/40074861
تاريخ النشر: 2025-03-12
المؤلف: Yuedong Xiao وآخرون
الموضوع الرئيسي: أثر الذكاء الاصطناعي والبيانات الضخمة على الأعمال والمجتمع
نظرة عامة
يتناول هذا القسم تأثير الذكاء الاصطناعي (AI) على أداء البيئة والمجتمع والحوكمة (ESG) للمؤسسات المملوكة للدولة المركزية (SOEs) المدرجة في البورصة. يبرز الدور الحاسم الذي تلعبه تقنيات الذكاء الاصطناعي في تعزيز ممارسات الاستدامة لهذه المؤسسات، مما يسهم في تحقيق أهداف التنمية المستدامة الأوسع. تشير النتائج إلى أن تحسين أداء ESG، المدفوع بالذكاء الاصطناعي، يمكن أن يؤدي إلى إدارة موارد أكثر فعالية، والامتثال الأفضل للمعايير التنظيمية، وتعزيز سمعة الشركات.
في الختام، تؤكد الأبحاث على ضرورة دمج المؤسسات المملوكة للدولة المركزية للذكاء الاصطناعي في استراتيجيات ESG الخاصة بها لتعزيز التنمية المستدامة. تشير تداعيات هذه النتائج إلى أن الاستفادة من الذكاء الاصطناعي لا تفيد المؤسسات من حيث الكفاءة التشغيلية فحسب، بل تتماشى أيضًا مع الأهداف العالمية للاستدامة، مما يعزز في النهاية إطارًا اقتصاديًا أكثر مسؤولية واستدامة.
الطرق
تستعرض منهجية البحث الموضحة في هذه الدراسة آثار تقنية الذكاء الاصطناعي (AI) على أداء البيئة والمجتمع والحوكمة (ESG) للمؤسسات المملوكة للدولة المركزية (SOEs). تهدف الدراسة إلى توضيح الآليات التي يعزز بها الذكاء الاصطناعي أداء ESG، مما يحسن من تنافسية السوق ويعزز التنمية المستدامة. باستخدام بيانات من المؤسسات المملوكة للدولة المركزية المدرجة في البورصة بين عامي 2016 و2022، يستخدم الباحثون نماذج الانحدار وتأثير الوساطة لتقييم تأثير الذكاء الاصطناعي على أداء ESG ونتائج التنمية المستدامة بشكل كمي. تجمع منهجية مختلطة بين التحليلات النوعية والكمية لتوفير دعم تجريبي لاستراتيجيات ESG الفعالة داخل هذه المؤسسات.
يتضمن التصميم التجريبي تطبيق آلات الدعم الشعاعي (SVMs) لنمذجة البيانات المجمعة. تشمل المنهجية عدة خطوات رئيسية: إعداد البيانات، اختيار الميزات، معالجة البيانات، وتدريب النموذج. يتم تدريب نموذج SVM على مجموعة تدريب محددة، باستخدام وظائف نواة مختلفة، بما في ذلك وظيفة الأساس الشعاعي (RBF)، التي تكون فعالة بشكل خاص لخصائص البيانات غير الخطية. يعد تحسين المعلمات الفائقة، مثل معلمة التنظيم \(C\) ومعلمة النواة \(\gamma\)، أمرًا حيويًا لتحقيق توازن بين أداء النموذج وقدرة التعميم. كما توضح الدراسة مقاييس التقييم المستخدمة لتقييم أداء النموذج، بما في ذلك الدقة، والدقة، والاسترجاع، ودرجة F1، مما يضمن إطارًا تنبؤيًا قويًا لتقييم أداء ESG في المؤسسات المملوكة للدولة المركزية.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على الإمكانات التحويلية للذكاء الاصطناعي (AI) في تعزيز ممارسات البيئة والمجتمع والحوكمة (ESG). تُظهر تقنيات الذكاء الاصطناعي، بما في ذلك التعلم الآلي ومعالجة اللغة الطبيعية، أنها تسهل تحديد المخاطر البيئية، وتحسين إدارة الموظفين، وتعزيز الحوكمة المؤسسية. من الجدير بالذكر أن تطبيق الذكاء الاصطناعي يمكّن من المراقبة الفورية للبيانات البيئية ويعزز مبادرات المسؤولية الاجتماعية للشركات، مما يعزز التنمية المستدامة. تكشف التحليل المقارن للمنظورات العالمية والصينية عن أهداف مشتركة وأساليب متميزة في الاستفادة من الذكاء الاصطناعي لتحسين ESG، حيث تتبنى المؤسسات الصينية بشكل متزايد الذكاء الاصطناعي لمراقبة البيئة الذكية وتعزيز المشاركة الاجتماعية.
كما تحدد هذه القسم الفجوات البحثية الحرجة، وخاصة العلاقة غير المستكشفة بين تقنية الذكاء الاصطناعي وأداء ESG المؤسسي، خاصة داخل المؤسسات المملوكة للدولة المركزية. تقترح الدراسة ثلاث فرضيات مستندة إلى نظرية الموارد (RBV) ونظرية التنمية المستدامة، مما يشير إلى أن الذكاء الاصطناعي يعزز بشكل كبير أداء ESG، وبالتالي يساهم في التنمية المستدامة الشاملة. يتم تسليط الضوء على الدور الوسيط لأداء ESG في هذه العلاقة كمنطقة حاسمة لمزيد من التحقيق. لمعالجة هذه الفجوات، تستخدم الدراسة منهجية مختلطة، تجمع بين دراسات الحالة النوعية والاستطلاعات الكمية لتقييم تأثير الذكاء الاصطناعي على أداء ESG والتنمية المستدامة بشكل منهجي، بهدف تقديم رؤى قابلة للتنفيذ لصياغة استراتيجيات الشركات.
القيود
تحدد الدراسة عدة قيود قد تؤثر على قابلية تعميم وملاءمة نتائجها. من الجدير بالذكر أن هناك اختلافات كبيرة في أداء البيئة والمجتمع والحوكمة (ESG) بين المؤسسات المملوكة للدولة المركزية، تتأثر بعوامل مثل حجم الشركة، وخصائص الصناعة، والسياق الجغرافي. علاوة على ذلك، بينما يحمل الذكاء الاصطناعي (AI) وعدًا في تعزيز نتائج ESG، فإن آثاره العملية تتطلب مزيدًا من التحقق والتحسين.
بالإضافة إلى ذلك، يقتصر البحث على حجم عينة محدود من 200 مستجيب، مما قد لا يعكس تنوع مشهد ESG داخل المؤسسات المملوكة للدولة المركزية بشكل كامل. يجب أن تهدف الأبحاث المستقبلية إلى توسيع حجم العينة ودمج كل من الأساليب الكمية والنوعية لفهم التأثيرات المحددة للذكاء الاصطناعي على أداء ESG عبر سياقات مختلفة بشكل أفضل. من الضروري أيضًا النظر في الآثار طويلة الأجل والمخاطر المحتملة المرتبطة بالذكاء الاصطناعي في ممارسات ESG لتوفير إرشادات وتوصيات أكثر شمولاً.
DOI: https://doi.org/10.1038/s41598-025-93694-y
PMID: https://pubmed.ncbi.nlm.nih.gov/40074861
Publication Date: 2025-03-12
Author(s): Yuedong Xiao et al.
Primary Topic: Impact of AI and Big Data on Business and Society
Overview
The section discusses the influence of artificial intelligence (AI) on the Environmental, Social, and Governance (ESG) performance of central state-owned enterprises (SOEs) that are publicly listed. It highlights the critical role that AI technologies play in enhancing the sustainability practices of these enterprises, thereby contributing to broader sustainable development goals. The findings suggest that improved ESG performance, driven by AI, can lead to more effective resource management, better compliance with regulatory standards, and enhanced corporate reputation.
In conclusion, the research underscores the necessity for central SOEs to integrate AI into their ESG strategies to foster sustainable development. The implications of these findings indicate that leveraging AI not only benefits the enterprises in terms of operational efficiency but also aligns them with global sustainability objectives, ultimately promoting a more responsible and sustainable economic framework.
Methods
The research methodology outlined in this study investigates the effects of artificial intelligence (AI) technology on the environmental, social, and governance (ESG) performance of central state-owned enterprises (SOEs). The study aims to elucidate the mechanisms by which AI enhances ESG performance, thereby improving market competitiveness and promoting sustainable development. Utilizing data from publicly listed central SOEs between 2016 and 2022, the researchers employ regression and mediation effect models to quantitatively assess the influence of AI on ESG performance and sustainable development outcomes. A mixed-methods approach combines qualitative and quantitative analyses to provide empirical support for effective ESG strategies within these enterprises.
The experimental design involves the application of support vector machines (SVMs) to model the collected data. The methodology includes several key steps: data preparation, feature selection, data preprocessing, and model training. The SVM model is trained on a designated training set, utilizing various kernel functions, including the radial basis function (RBF), which is particularly effective for nonlinear data characteristics. The optimization of hyperparameters, such as the regularization parameter \(C\) and kernel parameter \(\gamma\), is crucial for balancing model performance and generalization capability. The study also outlines the evaluation metrics used to assess model performance, including accuracy, precision, recall, and F1 score, ensuring a robust predictive framework for evaluating ESG performance in central SOEs.
Discussion
The discussion section of the research paper emphasizes the transformative potential of artificial intelligence (AI) in enhancing environmental, social, and governance (ESG) practices. AI technologies, including machine learning and natural language processing, are shown to facilitate the identification of environmental risks, optimize employee management, and improve corporate governance. Notably, AI’s application enables real-time monitoring of environmental data and enhances corporate social responsibility initiatives, thereby fostering sustainable development. The comparative analysis of global and Chinese perspectives reveals both shared goals and distinct methodologies in leveraging AI for ESG improvements, with Chinese enterprises increasingly adopting AI for intelligent environmental monitoring and enhanced social engagement.
The section also identifies critical research gaps, particularly the underexplored relationship between AI technology and corporate ESG performance, especially within central state-owned enterprises. The study proposes three hypotheses grounded in Resource-Based View (RBV) and Sustainable Development Theory, suggesting that AI significantly enhances ESG performance and, in turn, contributes to overall sustainable development. The mediating role of ESG performance in this relationship is highlighted as a crucial area for further investigation. To address these gaps, the study employs a mixed-methods approach, combining qualitative case studies and quantitative surveys to systematically evaluate the impact of AI on ESG performance and sustainable development, ultimately aiming to provide actionable insights for corporate strategy formulation.
Limitations
The study identifies several limitations that may affect the generalizability and applicability of its findings. Notably, there are significant variations in Environmental, Social, and Governance (ESG) performance among central state-owned enterprises, influenced by factors such as company size, industry characteristics, and geographical context. Furthermore, while artificial intelligence (AI) holds promise for enhancing ESG outcomes, its practical effects necessitate further validation and optimization.
Additionally, the research is constrained by a limited sample size of 200 respondents, which may not fully capture the diversity of the ESG landscape within central state-owned enterprises. Future research should aim to expand the sample size and integrate both quantitative and qualitative approaches to better understand the specific impacts of AI on ESG performance across various contexts. It is also crucial to consider the long-term implications and potential risks associated with AI in ESG practices to provide more comprehensive guidance and recommendations.