Factors that limit the efficacy of general anti-avoidance rules in income tax legislation : lessons from South Africa, Australia, and Canada
Notice bibliographique
Résumé
General anti-avoidance rules (GAARs) are rules in income tax legislation \nintended to curtail impermissible tax avoidance. GAARs have another \ncritical function, namely informing taxpayers of the limits of permissible tax \navoidance. A GAAR is therefore an important provision which must be \neffective. A study of the historical and current experience with GAARs in \nSouth Africa, Canada, and Australia, however, shows that the efficacy of \nGAARs is limited. The GAARs of the countries studied show some \nsimilarities but also some fundamental differences. In spite of these \ndifferences, certain common factors working against the efficacy of these \nGAARs can be identified. It is argued that these factors entail the inherent \nweakness of GAARs, controversial indicators of impermissible tax \navoidance, uncertainty, the role of the judiciary, taxpayer aggression, and \nthe limitations of the law as a weapon against impermissible tax avoidance. \nAdmittedly, some of these limiting factors are difficult to overcome. For \ninstance, a precise definition of impermissible tax avoidance has proved \nelusive and this status quo is likely to persist. Nevertheless, it is argued that \nthese factors need to be acknowledged and addressed in order to create more \neffective GAARs in future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,005 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».