Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Preface Dominique Strauss-Kahn 1. Introduction Philip Daniel, Michael Keen Charles McPherson (IMF) Part 1: Conceptual Overview 2. Theoretical perspectives on resource tax design Robin Boadway (Queens University, Canada) and Michael Keen (IMF) 3. Principles of resource taxation for low-income countries Paul Collier (University of Oxford) Part 2: Sectoral Experiences and Issues 4. Petroleum fiscal regimes: Evolution and challenges Carole Nakhle (University of Surrey, UK) 5. International mineral taxation: Experience and issues Lindsay Hogan (Australian Bureau of Agricultural and Resource Economics) and Brenton Goldsworthy (IMF) 6.' Natural gas: Experience and issues Graham Kellas (Wood Mackenzie) Part 3: Special Topics 7. Evaluating fiscal regimes for resource projects: An example from oil development Philip Daniel, Brenton Goldsworthy, Wojciech Maliszewski, Diego Mesa Puyo (all IMF) and Alistair Watson 8. Resource rent taxes: A re-appraisal Bryan Land (World Bank) 9. State participation in the natural resources sectors: Evolution, issues and outlook Charles McPherson (IMF) 10. How best to auction natural resources Peter Cramton (University of Maryland) Part 4: Implementation 11. Resource tax administration: The implications of alternative policy choices 12 Resource tax administration: Functions, procedures and institutions Jack Calder 13. International tax issues for the resources sector Peter Mullins (Australian Tax Office) Part 5: Stability and Credibility 14. Contractual assurances of fiscal stability Philip Daniel (IMF) and Emil Sunley 15. Time consistency in petroleum taxation: Lessons from Norway Petter Osmundsen (University of Stavanger, Norway)
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle