When Data Comes Home: Next Steps in International Taxation’s Information Revolution
Notice bibliographique
Résumé
Over the last decade, there has been a revolution in cross-border tax information exchange and reporting. While this dramatic shift was the product of multiple forces and events, a fundamental reality is that politics, technology, and law intersected to drive the shift to the point where nation-states will now transmit and receive from each other significant ongoing flows of taxpayer information. States can now expect to accumulate large stashes of data on cross-border income, assets, and activities on a scale and level of comprehensiveness unmatched by previous information exchange regimes. This article examines the pressing follow-up question of how this data will be used and what issues nation-states will confront when data comes home. Although concerns about data protection and use have been raised in critiquing the new cross-border information exchange regimes, a systematic examination of how governments might use or fail to use data and when those uses will pose unacceptable risks has yet to be undertaken. This article analyzes how domestic politics, priorities, and institutions are likely to affect tax enforcement and data usage at the nation-state level going forward. We argue that despite the dominant focus on global developments, domestic politics and technological constraints will likely play an equally if not more significant role in data use and protection as countries receive data and decide what to do with it. The mere fact that collective political will on a global level produced the information revolution does not prevent domestic forces from either derailing the revolution in practice or redirecting data to other uses. This article maps the potential risks and examines the extent to which individual nation-states will have the capacity or inclination to conduct enforcement, protect taxpayer privacy, and attend to distributional outcomes and risks. We ultimately articulate a framework for understanding the country-level factors likely to affect outcomes and pathways when data comes home.
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 | 0,017 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,013 |
| Communication savante | 0,023 | 0,035 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».