MétaCan
Menu
Retour à la cohorte
Enregistrement W1977638918 · doi:10.1017/s0021855305000124

IMPROVING TAX ADMINISTRATION: A CASE STUDY OF THE UGANDA REVENUE AUTHORITY

2005· article· en· W1977638918 sur OpenAlexaff
Jalia Kangave

Notice bibliographique

RevueJournal of African Law · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRevenueTax revenueAdministration (probate law)BusinessTax administrationPublic economicsPovertyProduct (mathematics)Internal revenueTax reformEconomicsAccountingEconomic growthPolitical scienceMarketingLaw

Résumé

récupéré en direct d'OpenAlex

KANGAVE, JALIA, Improving tax administration: a case study of the Uganda Revenue authority, Journal of African Law, 49, 2 (2005): 145–176 The prevalence of poverty in developing countries demands that these countries should improvise internal revenue generating projects to supplement, or better still, ultimately significantly reduce dependence on foreign funding. This way self-sustaining economies will be built. One such internal revenue-generating mechanism, and perhaps the most commonly used, is taxation. This paper makes a case for tax administration as a tool of increasing the contribution of tax revenue to Gross Domestic Product, and consequently, a means of reducing the gap between the rich and the poor. The goal of this paper is to propose ways in which the Uganda Revenue Authority (the URA) can improve its tax administration. To achieve this objective, the paper begins with a detailed discussion of the URA's structure and the procedures it follows in collecting taxes. It then highlights the problems that may arise from such structure and procedures, before making proposals on how the URA can reform its organizational structure and processes to maximize its potential in revenue collection capabilities.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,017
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0230,005
Communication savante0,0050,004
Science ouverte0,0020,005
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,043
Tête enseignante GPT0,261
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations40
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of African LawMême sujetTaxation and Compliance StudiesTravaux en français237 207