28、ESG与AI教育：从风险分类到伦理教学的探索

ESG与AI教育：从风险分类到伦理教学的探索

1. ESG风险分类学的构建

ESG（环境、社会和治理）在组织和企业决策过程中融入可持续性方面展现出巨大潜力。为了更好地管理ESG风险，需要构建一个有效的分类学。

1.1 案例库的构建

构建ESG案例库时，会使用科学数据源（如ScienceDirect、IEEE Explore等数据库）和实践报告（如MSCI、EcoVadis等机构的报告）。选择案例的标准如下：
- 案例必须有免费可用的信息。
- 案例必须有足够与ESGRM（ESG风险管理）相关的信息。
- 对于记录不完整的案例，要有可通过背景研究重建案例背景的特征。

这个多语言案例库包含全球48,334条与ESG争议相关的记录，这些争议以原始数据形式存储在商业智能基础设施中。为了开发分类学，从案例库中选择33个案例研究，必要时通过手动研究进行补充。经过数据三角验证后，所有案例研究都同时涉及ESG和风险管理。

1.2 分析与评估

分析与评估分为两个步骤：
- 步骤1 ：识别元特征。首先区分特定风险和特定数据的元维度，确保分类学的所有维度和特征都能分配到这些元维度，以保证分类学聚焦于相关内容。在应用分类学时，第二次迭代会将特定数据源维度扩展到特定数据元维度。
- 步骤2 ：定义两个客观和五个主观终止标准，并将这些标准分配到相应类别，同时给出解释或详细问题。

1.3 迭代开发

• 迭代1：概念开发 ：从ES