Multimodal Temporal Deep Learning for ESG Assessment and Sustainability Forecasting: Implications for Responsible Business in Emerging Markets
यह शोध पत्र एक मल्टी-टियर डीप लर्निंग फ्रेमवर्क (MTDLF) का प्रस्ताव करता है जो उभरते बाजार की कंपनियों के लिए वियतनाम सस्टेनेबिलिटी इंडेक्स की सदस्यता का सटीक पूर्वानुमान लगाने हेतु PhoBERT-आधारित वियतनामी टेक्स्ट एनकोडिंग को टेम्पोरल फाइनेंशियल मॉडलिंग के साथ जोड़ता है, जो असंरचित ESG डेटा प्रोसेसिंग और अनुदैर्ध्य प्रक्षेपवक्र विश्लेषण (longitudinal trajectory analysis) में महत्वपूर्ण अंतरालों को संबोधित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
वित्त की दुनिया में, पिछले दो दशकों में एक शांत क्रांति हुई है। निवेशक अब केवल इस बात पर ध्यान नहीं दे रहे हैं कि कोई कंपनी कितना पैसा कमाती है; वे तेजी से यह भी पूछ रहे हैं कि वह पैसा कैसे कमाया जाता है। यह बदलाव, जिसे पर्यावरण, सामाजिक और शासन (ESG) के रूप में जाना जाता है, यह पूछता है कि क्या कोई व्यवसाय अपने श्रमिकों के साथ अच्छा व्यवहार करता है, पर्यावरण की रक्षा करता है, और अपने मामलों को ईमानदारी से चलाता है। लंबे समय तक, इन सवालों के जवाब व्यापक, व्यक्तिपरक विचारों के साथ दिए जाते थे। हालाँकि, जैसे-जैसे दुनिया एक ऐसे भविष्य की ओर बढ़ रही है जहाँ जलवायु परिवर्तन और सामाजिक स्थिरता आर्थिक स्वास्थ्य के केंद्र में हैं, सटीक, डेटा-संचालित उत्तरों की आवश्यकता अत्यंत महत्वपूर्ण हो गई है। वियतनाम जैसे उभरते बाजारों में, जहाँ कंपनियाँ इन नए मानकों को तेजी से अपना रही हैं, एक महत्वपूर्ण अंतर पैदा हो गया है: कोई भी विश्वसनीय उपकरण नहीं है जो यह भविष्यवाणी कर सके कि कौन से व्यवसाय वास्तव में स्थिरता के पथ पर हैं और कौन केवल दिखावा कर रहे हैं। भविष्य को मापने का कोई तरीका न होने के कारण, निवेशक अंधे होकर उड़ रहे हैं, जो वास्तविक प्रगति और खोखले वादों के बीच अंतर करने में असमर्थ हैं।
हो ची मिन्ह सिटी के यूनिवर्सिटी ऑफ इकोनॉमिक्स एंड लॉ के शोधकर्ताओं की एक टीम ने भाषा विश्लेषण और वित्तीय डेटा को मिलाने वाले एक नए दृष्टिकोण के साथ इस कमी को भरने का प्रयास किया है। उन्होंने वियतनाम सस्टेनेबिलिटी इंडेक्स (Vietnam Sustainability Index) पर ध्यान केंद्रित किया, जो देश की शीर्ष बीस प्रदर्शन करने वाली कंपनियों की एक प्रतिष्ठित सूची है, जिसे स्टॉक एक्सचेंज द्वारा प्रतिवर्ष अपडेट किया जाता है। चुनौती यह थी कि यह भविष्यवाणी करने के लिए कि कौन इस सूची में शामिल होगा, आवश्यक जानकारी दो कठिन स्थानों में बंद थी। पहला, वियतनाम में अधिकांश कॉर्पोरेट रिपोर्ट वियतनामी भाषा में लिखी जाती है, जो एक टोनल (tonal) भाषा है जिसे मानक कंप्यूटर प्रोग्राम समझने में संघर्ष करते हैं। दूसरा, डेटा हजारों पृष्ठों के टेक्स्ट और अलग-अलग वित्तीय स्प्रेडशीट में बिखरा हुआ था, जिसमें कंपनी द्वारा बताई गई कहानी और उसके द्वारा रिपोर्ट किए गए आंकड़ों को जोड़ने का कोई एकल तरीका नहीं था। इसके अलावा, पिछले अध्ययनों ने अक्सर कंपनियों को वर्ष दर वर्ष देखा, प्रत्येक वर्ष को एक अलग घटना के रूप में माना, जिससे इस महत्वपूर्ण कहानी को अनदेखा कर दिया गया कि एक कंपनी समय के साथ कैसे सुधरती या गिरती है।
इसे हल करने के लिए, शोधकर्ताओं ने एक दो-चरणीय कृत्रिम बुद्धिमत्ता (AI) प्रणाली बनाई जिसे पढ़ने, समझने और भविष्यवाणी करने के लिए डिज़ाइन किया गया था। पहला चरण एक 'गहन पाठक' (deep reader) के रूप में कार्य करता है। यह वार्षिक रिपोर्टों और स्थिरता दस्तावेजों के विशाल, असंरचित टेक्स्ट को लेता है, जो सैकड़ों पृष्ठों तक हो सकते हैं, और उन्हें प्रबंधनीय टुकड़ों में तोड़ देता है। विशेष रूप से वियतनामी भाषा पर प्रशिक्षित एक विशिष्ट भाषा मॉडल का उपयोग करके, यह इन दस्तावेजों को स्कैन करता है ताकि उन वाक्यों को खोजा जा सके जो पर्यावरण, सामाजिक मुद्दों या शासन के बारे में बात करते हैं। फिर यह इन वाक्यों को तौलता है, विशिष्ट, मापने योग्य दावों—जैसे कार्बन उत्सर्जन में कमी—पर विशेष ध्यान देता है, जबकि अस्पष्ट, खोखले बयानों जैसे "हम ग्रह की परवाह करते हैं" को अनदेखा कर देता है। इस टेक्स्ट को ग्यारह प्रमुख वित्तीय आंकड़ों, जैसे लाभ वृद्धि और ऋण स्तरों के साथ जोड़ा जाता है, ताकि प्रत्येक कंपनी के लिए उस विशिष्ट वर्ष के लिए एक एकल, संक्षिप्त डिजिटल प्रोफाइल बनाया जा सके। यह प्रोफाइल कंपनी के वित्तीय स्वास्थ्य और उसकी नैतिक प्रतिबद्धताओं के सार, दोनों को पकड़ता है।
दूसित चरण का सिस्टम बड़े परिदृश्य (big picture) को देखता है। किसी कंपनी को केवल एक क्षणिक तस्वीर के आधार पर आंकने के बजाय, इस मॉडल का हिस्सा प्रत्येक कंपनी के तीन साल के डिजिटल प्रोफाइल की जांच करता है। यह वास्तविक सुधार के पैटर्न को पहचानने में सक्षम होता है, एक ऐसी कंपनी और एक ऐसी कंपनी के बीच अंतर करता है जो धीरे-धीरे बेहतर हो रही है और एक ऐसी कंपनी के बीच जो शायद एक अच्छा वर्ष बिताने के बाद गिरावट का सामना करती है। इस प्रक्षेपवक्र (trajectory) का विश्लेषण करके, सिस्टम यह भविष्यवाणी कर सकता है कि आने वाले वर्ष में कंपनी के सस्टेनेबिलिटी इंडेक्स में चुने जाने की कितनी संभावना है। शोधकर्ताओं ने इस प्रणाली का परीक्षण वियतनामी शेयर बाजार में सूचीबद्ध 123 कंपनियों के डेटा पर आठ वर्षों की अवधि में किया, एक ऐसा डेटासेट जिसमें लगभग एक हजार अवलोकन (observations) शामिल थे। उन्होंने इस डेटा के कुछ हिस्से पर मॉडल को प्रशिक्षित किया और फिर इसे उन कंपनियों के परिणामों की भविष्यवाणी करने के लिए कहा जिन्हें उन्होंने पहले कभी नहीं देखा था।
परिणाम चौंकाने वाले थे। सिस्टम ने उच्च सटीकता के साथ उन कंपनियों की सफलतापूर्वक पहचान की जो सस्टेनेबिलिटी इंडेक्स में शामिल होंगी, और लगभग नब्बे प्रतिशत पात्र व्यवसायों को सही ढंग से चिह्नित किया। प्रदर्शन का यह स्तर यादृच्छिक अनुमान (random guessing) से काफी बेहतर था और उन तरीकों से कहीं अधिक श्रेष्ठ था जो केवल वित्तीय आंकड़ों या केवल टेक्स्ट को देखते थे। अध्ययन बताता है कि कंपनियाँ अपनी रिपोर्टों में जो टेक्स्ट लिखती है उसमें वास्तविक, भविष्य बताने की शक्ति होती है, लेकिन केवल तभी जब उस टेक्स्ट का विश्लेषण सही भाषाई उपकरणों के साथ किया जाए और समय के साथ वित्तीय डेटा के साथ जोड़ा जाए। शोधकर्ताओं ने एक फीचर भी बनाया है जो एक "क्या-अगर" (what-if) सिम्युलेटर के रूप में कार्य करता है। यह उपकरण एक कंपनी को यह पूछने की अनुमति देता है, "यदि हम अपने लाभ मार्जिन में एक निश्चित मात्रा में सुधार करते हैं, तो हमारे इंडेक्स में शामिल होने की संभावना कितनी बढ़ जाती है?" या "यदि हम अपना ऋण कम करते हैं, तो क्या यह उत्सर्जन कम करने से अधिक मदद करता है?" यह मॉडल को एक साधारण भविष्यवक्ता से बदलकर एक मार्गदर्शक बना देता है, जो कंपनियों को दिखाता है कि अधिक टिकाऊ बनने के लिए उन्हें किन नियंत्रणों (levers) का उपयोग करने की आवश्यकता है।
ये निष्कर्ष इस विचार को चुनौती देते हैं कि स्थिरता केवल जनसंपर्क या एक सरल चेकलिस्ट का मामला है। अनुसंधान प्रदर्शित करता है कि सच्ची स्थिरता एक जटिल, विकसित होने वाली प्रक्रिया है जिसके लिए सही शब्दों और सही कार्यों, दोनों की निरंतर निगरानी की आवश्यकता होती है। एक ऐसे बाजार में जहाँ अंतर्राष्ट्रीय रेटिंग दुर्लभ है और स्थानीय रिपोर्टिंग मानक अभी भी परिपक्व हो रहे हैं, यह दृष्टिकोण स्पष्टता लाने का एक नया तरीका प्रदान करता है। यह सुझाव देता है कि अपनी भाषा में कंपनियाँ जो कहती हैं उसे ध्यान से सुनकर और समय के साथ उनमें होने वाले बदलावों को देखकर, जिम्मेदार व्यवसाय के भविष्य को बहुत अधिक स्पष्टता के साथ देखा जा सकता है। अध्ययन यह दावा नहीं करता है कि इसने नैतिकता को मापने की हर समस्या को हल कर लिया है, यह नोट करते हुए कि सिस्टम रिपोर्टों की ईमानदारी पर निर्भर करता है और यह पता नहीं लगा सकता कि कोई कंपनी अपने आंकड़ों के बारे में झूठ बोल रही है या नहीं। हालाँकि, यह निवेशकों और नियामकों के लिए सतह से परे देखने के लिए एक शक्तिशाली नया लेंस प्रदान करता है, जो उन कंपनियों को अलग करता है जो वास्तव में एक बेहतर भविष्य का निर्माण कर रही हैं और उन्हें जो केवल भूमिका निभाने की कोशिश कर रही हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।