MétaCan
Menu
Retour à la cohorte
Enregistrement W2566964513

Altijd ergens en de vervuiler betaalt genoeg

2016· article· nl· W2566964513 sur OpenAlexaboutno aff
I.J.J. Burgers

Notice bibliographique

RevueUniversity of Groningen research database (University of Groningen / Centre for Information Technology) · 2016
Typearticle
Languenl
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBase erosion and profit shiftingLegislationProfit (economics)RevenueEconomyEconomicsPolitical scienceBusinessPublic economicsLawTax reformFinanceInternational taxation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

New taxes aiming at tackling the challenges of this age are popular. Leading principles are Always somewhere and The Polluter has to pay. In order to tackle the challenges of Base Erosion Profit Shifting: Base Erosion Profit Shifting (diverted profit taxes in Australia (as from 1 July 2017) and the UK); the digital economy (an equalization levy (suggested by the OECD) in India); and climate change (Carbon taxes in Finland, Norway, Sweden, Denmark, Iceland, Switzerland, Latvia, the UK, Portugal, Costa Rica, Japan, South Africa, Chili, Britis Colombia, City of Boulder, Colorado, San Francisco Bay Area, Montgomery County, Maryland and California, France (as of 2017) and most likely Canada (as of 2018). The Netherlands at the time of writing has no plans to introduce similar taxes. The new taxes disturb the level playing field (risk of double taxation), complicate the tax system and are not transparent as the legislation is generally not accessible at all and if so most times not in English on the Internet. Little information is available on the economic and juridical effects of the diverted profit tax and equalization taxes. Research on the economic effects of carbon taxes is available, but little attention has been paid thus far to the juridical aspects of these taxes. The author argues international organizations should provide more guidance.

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)0,007
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,287
Score d'incertitude au seuil0,959

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,001
Communication savante0,0100,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,2870,147

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 Opus0,025
Tête enseignante GPT0,233
Écart entre enseignants0,208 · 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
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Groningen research database (University of Groningen / Centre for Information Technology)Même sujetCorporate Taxation and AvoidanceTravaux en français237 207