← 論文一覧に戻る

Carbon Information Disclosure Quality in China’s Petroleum and Petrochemical Enterprises: An LLM Approach

中国石油化学企業における炭素情報開示品質：LLMアプローチ (AI 翻訳)

Meng Yuan, Ma Zhong

Sustainability📚 査読済 / ジャーナル2026-05-18#AI×ESGOrigin: CN対象セクター: oil_and_gas
DOI: 10.3390/su18105089
原典: https://doi.org/10.3390/su18105089

🤖 gxceed AI 要約

日本語

本研究は、中国のA株上場石油化学企業15社の炭素情報開示品質を、DeepSeek-V3.2大規模言語モデルを用いて評価した。7つの一次指標、15の二次指標、33の三次指標からなる枠組みを構築し、開示文書を自動スコアリング。手動評価とのICCは0.974と高い信頼性を示した。平均スコアは34.02点（理論最大66点）で全体的に低水準だが、2022年から2024年にかけて29.34%上昇した。企業間格差も顕著で、Sinopecが最高52.67点、Yunnan Yunweiが最低10.67点だった。高排出産業における構造的な開示品質評価手法として貢献する。

English

This study develops an industry-specific carbon information disclosure quality (CIDQ) framework for Chinese listed petroleum and petrochemical firms, using LLM (DeepSeek-V3.2) to score disclosure texts. The framework comprises 7 primary, 15 secondary, and 33 tertiary indicators. Reliability against manual scoring is high (ICC=0.974). The mean score (34.02/66) indicates low overall quality, but it improved 29.34% from 2022 to 2024. Large inter-firm differences exist. The study provides a methodological reference for structured CIDQ evaluation in high-emission industries.

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

中国の石油化学企業の炭素情報開示にAIを活用した評価手法。日本企業が中国サプライチェーンを持つ場合に参考になるが、直接的な日本政策（SSBJ等）との連動は薄い。ただし、LLMによる開示評価の信頼性検証は日本の有報・統合報告書分析にも応用可能。

In the global GX context

This paper applies LLM to assess carbon disclosure quality in China's high-emission sector, relevant for global supply chain transparency. It demonstrates high reliability of AI-based scoring, which could inform TCFD/ISSB-aligned disclosure assessments. However, it is China-specific and does not directly address global frameworks.

👥 読者別の含意

🔬研究者:Methodology for using LLMs to automatically evaluate carbon disclosure quality with high reliability; applicable to other sectors and regions.

🏢実務担当者:Insight into Chinese petroleum firms' disclosure practices; useful for benchmarking if operating in or sourcing from China.

🏛政策担当者:Demonstrates potential of AI for monitoring disclosure compliance; relevant for regulators considering automated oversight.

📄 抄録（日本語訳）

全球气候治理与企业低碳转型使得碳信息披露成为评估企业环境治理与气候风险应对能力的重要依据。本研究针对中国A股上市石油与石化企业，构建了一个行业特定的碳信息披露质量（CIDQ）框架，样本涵盖2022—2024年间15家企业的45个公司-年度观测值。该框架包括7个一级指标、15个二级指标和33个三级指标。披露文本由DeepSeek-V3.2大语言模型（LLM）在预定义规则标准下进行评分，温度参数设置为0。信度评估通过与15份报告的人工评分进行对比，得到组内相关系数（ICC）为0.974。全样本平均得分为34.02，仅占理论满分66分的51.55%，表明整体披露水平仍相对较低。年度平均得分从2022年的29.07上升至2024年的37.60，累计增长8.53分，增幅达29.34%。企业间差异也较为显著：中国石化三年平均得分最高，为52.67，而云南云维最低，为10.67。本研究可为高排放行业的结构化CIDQ评估与披露改进提供方法论参考。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

Global climate governance and corporate low-carbon transition have made carbon information disclosure important for assessing firms’ environmental governance and climate-risk responses. This study develops an industry-specific carbon information disclosure quality (CIDQ) framework for Chinese A-share listed petroleum and petrochemical firms, using 45 firm-year observations from 15 firms during 2022–2024. The framework includes 7 primary, 15 secondary, and 33 tertiary indicators. Disclosure texts were scored by the DeepSeek-V3.2 large language model (LLM) under predefined rule-based criteria, with temperature set to 0. Reliability was assessed against manual scoring of 15 reports, yielding an intraclass correlation coefficient (ICC) of 0.974. The full-sample mean score is 34.02, accounting for only 51.55% of the theoretical maximum of 66, indicating that the overall disclosure level remains relatively low. The annual mean score increased from 29.07 in 2022 to 37.60 in 2024, representing a cumulative rise of 8.53 points, or 29.34%. Substantial inter-firm differences are also observed: Sinopec recorded the highest three-year average score of 52.67, whereas Yunnan Yunwei recorded the lowest at 10.67. This study may provide a methodological reference for structured CIDQ evaluation and disclosure improvement in high-emission industries.

🔗 Provenance — このレコードを発見したソース

🔔 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。