MétaCan
Menu
Retour à la cohorte
Enregistrement W2191024765

Policy Forum: Taxation of Machinery and Equipment and Linear Property in Alberta

2015· preprint· en· W2191024765 sur OpenAlexaffvenueabout
Brian W. Conger

Notice bibliographique

RevueCanadian Tax Journal/Revue fiscale canadienne · 2015
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueCanadian Policy and Governance
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPer capitaBusinessRevenueInvestment (military)PopulationTax revenueFixed assetAgricultural economicsFinanceEconomicsProduction (economics)Public economics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Municipalities in Alberta collected $1.75 billion from the taxation of machinery and equipment and linear property (MELP) in 2013. MELP taxes are fixed charges that reduce cash flow and increase the cost of new investments in oil sands projects, unconventional and conventional oil and gas developments, and pipelines. The distribution of the MELP tax base is highly concentrated among a few municipal districts and specialized municipalities, with the top 10 municipalities accounting for 56 percent of the $113.7 billion in equalized MELP assessment in 2013. Four municipalities collected more than $10,000 per capita in municipal property taxes in 2013, with the Municipal District of Opportunity, population 3,061, receiving the largest amount, $21,329 per capita. In addition to the disparities in the per capita assessments, some municipalities have taken advantage of the presence of fixed, location-specific, MELP investments to impose very high non-residential mill rates, so as to collect additional tax revenues. Provincial policies regarding MELP taxation should be reviewed, given the concentration of MELP tax revenues in a few municipalities and the negative impact that these taxes can have on investment in the oil and gas industry.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,906
Score d'incertitude au seuil0,686

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,001
Communication savante0,0040,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0190,001

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 Opus0,024
Tête enseignante GPT0,262
Écart entre enseignants0,237 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations0
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Tax Journal/Revue fiscale canadienneMême sujetCanadian Policy and GovernanceTravaux en français237 207