MétaCan
Menu
Retour à la cohorte
Enregistrement W1596308321

Unravelling the Mysteries of the Oracle: Using the Delphi Methodology to Inform the Personal Tax Reform Debate in Australia

2007· article· en· W1596308321 sur OpenAlexaboutno aff
Chris Evans

Notice bibliographique

RevueSSRN Electronic Journal · 2007
Typearticle
Langueen
DomaineDecision Sciences
Thématiquedemographic modeling and climate adaptation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDelphi methodDelphiPersonal income taxPolitical scienceOraclePublic relationsBusinessTax reformPublic economicsEconomicsEngineeringComputer scienceState income taxLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The paper explores key outcomes relating to personal income tax (PIT) reform in Australia derived from the use of a Delphi methodology conducted during 2006. The Delphi methodology combines quantitative and qualitative techniques to explore future possibilities in systematic and iterative rounds of anonymous testing involving a panel of international experts in the field of personal taxation. The experts have been drawn from Australia and from countries with comparable PIT regimes, such as the UK, the USA, Canada and New Zealand. Over a four month period the panel members responded to a series of open-ended propositions relating to the design and operation of the PIT, with a view to establishing whether a consensus on key PIT reform issues could be developed. Studies comparing the Delphi's results with other methods have confirmed the effectiveness of the methodology on the basis of both its capacity to generate ideas and its effective use of participants' time. This paper considers the methodology used and also focuses on the outcomes of the process, showing how these outcomes are being used to inform the final phase of a broader research project into personal tax reform in Australia which is being conducted with funding from the Australian Research Council and support from CPA Australia.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,043
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,282
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0430,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,255
Tête enseignante GPT0,436
Écart entre enseignants0,181 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetdemographic modeling and climate adaptationTravaux en français237 207