MétaCan
Menu
Retour à la cohorte
Enregistrement W2267769267

Gladwellian Taxation: Deterring Tax Abuse Through General Anti-Avoidance Rules

2011· article· en· W2267769267 sur OpenAlexaboutno aff
Genevieve Loutinsky

Notice bibliographique

RevueSSRN Electronic Journal · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueTaxation and Legal Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTax avoidanceTax lawStatuteReasonable suspicionTreasuryEnforcementLaw and economicsDirect taxPolitical scienceLawDouble taxationEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

To reduce tax evasion, most nations use either common law anti-abuse doctrines, statutes, administrative rules, or a combination of the three. None of them have worked fully, and, given human nature, it is unlikely that anything will ever work fully. However, as this Article will outline, some solutions are more effective than others. This Article will propose a blended solution, using the concept of power-law distributions and their extension into social science. The first Section of this Article defines tax abuse and avoidance, distinguishing the two terms. The next Section details general anti-avoidance rules (GAARs), highlighting their flaws and strengths. It explains the history of one of the world's oldest GAARs, the Canadian GAAR. Finally, this Article will propose a new system, arguing that any true attack on tax avoidance or abuse must be aimed at the tax avoidance mentality, not the tax shelter de jour. I refer to this new system as the GAAR-plus. It is a system of targeted cooperative enforcement, where taxpayers designated as tax avoiders, will work with IRS agents both prior to and after transactions, in an effort to alter the chronic tax avoidance mentality. The GAAR-plus system is based on prior Treasury success with cooperative enforcement, but draws heavily upon Malcolm Gladwell's writings on power law distributions for inspiration. Tax shelters run in fads; an outlawed fad may vanish but the desire to reduce one’s tax bill has not been managed in the slightest.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,503
Score d'incertitude au seuil0,816

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,227
Écart entre enseignants0,206 · 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.

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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetTaxation and Legal IssuesTravaux en français237 207