The Knowledge Deficit about Taxes: Who It Affects and What to Do About It
Notice bibliographique
Résumé
Tax professionals argue that the tax system is too complex for ordinary taxpayers and that this sometimes makes their work for clients more educational than strategic. Tax complexity is not only a headache for these professionals but also a source of inefficiency and unfairness in our tax system as not every citizen understands it to the same degree. We use the tax system to support our retirement, education and poverty-reduction public programs. Failures of the tax system affect these programs as well. Weak understanding of taxes has also been shown to lower the level of trust of citizens in the tax system. This lower level of trust can translate into higher rates of tax evasion or avoidance, raising the cost of taxation for everyone. Canada has experience assessing the financial literacy of its citizens and is developing policies to raise it. This issue is considered strategic as financial tools and markets become more and more complicated and our population is aging. The tax system is a financial tool that citizens must know how to use as much as mortgages or pension funds are. Drawing from the research on financial literacy, we aim to develop a method to measure “tax literacy.” We evaluate, with the use of a survey administered by the polling firm Crop to Quebec citizens, the knowledge and skills of citizens concerning fiscal matters, understood broadly to include direct and indirect taxation as well as social transfers. Age, education and income are associated with higher knowledge of these matters, but not gender or being self-employed. Higher tax literacy is associated with a higher propensity for taxpayers to produce their tax return themselves rather than with the help of a professional. It also appears that women tend to underestimate their understanding of tax. Tax literacy, and the methods for its measurement, are a new tool to assess the failures of certain policies such as the Children Fitness Tax Credit or the Canada Learning Bond to reach their target audiences. More generally, weak understanding of taxes contributes to lowered trust in our tax system, which underpins our social bonds. Assessing this issue is a first step towards making our tax system fairer and more efficient.
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 | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 ».