MétaCan
Menu
Retour à la cohorte
Enregistrement W3045650712 · doi:10.25365/thesis.50691

Taxing corporations - how fair is corporate taxation of the mining sector in Tanzania and Canada?

2017· article· de· W3045650712 sur OpenAlexaboutno aff
Carla Havemann

Notice bibliographique

RevueUniversity of Vienna · 2017
Typearticle
Languede
DomaineBusiness, Management and Accounting
ThématiqueCorporate Taxation and Avoidance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical science

Résumé

récupéré en direct d'OpenAlex

Diese These befasst sich mit einer vergleichenden Analyse der Besteuerung von Unternehmen in Bergbausektor in Kanada und Tansania vor dem Hintergrund der Steuergerechtigkeit. Die grundlegende Annahme hierzu ist, dass die Besteuerung von Unternehmen dem Zweck dient, Staatsausgaben zu finanzieren, idealerweise zur Förderung sozialen Gerechtigkeit und zur Erfüllung der Bedürfnisse der Bevölkerung eines Landes. Gleichermaßen können natürlich Ressourcen zu dem Wohlstand und Vermögen eines Landes beitragen. Ob ein Land jedoch tatsächlich finanziell von diesen natürlichen Ressourcen profitieren kann, hängt zumindest teilweise von der Gestaltung seines steuerrechtlichen Regimes ab. Während sich bestimmte Steuerinstrumente zumeist positiv auf die Einnahmen eines Landes auswirken, begünstigen andere den internationalen Trend der aggressiven Steuerplanung durch transnationalen Unternehmen. Deshalb versuchen Länder einerseits, ihr Steuerrecht so zu gestalten, dass sie ausländische Investitionen anziehen, andererseits sollen Steuern und Incentivierungen ein gewisses Staatseinkommen garantieren. Der Konflikt ist offensichtlich. Während Körperschaftssteuern für eine Regierung erforderlich sind, um auf die Bedürfnisse ihrer jeweiligen Gesellschaft reagieren zu können, senken steuerliche Anreize die Einnahmen aus dieser Besteuerung, um mehr Investitionen gewinnen. Um herauszufinden, wie gerechte eine Besteuerung des Bergbausektors aussehen kann, untersucht diese These zwei verschiedene Steuerregelungen, zum einen in einem westlichen Hocheinkommenszentrum und des Weiteren in einem peripheren Niedrigeinkommensland. Für die Beurteilung wurden sechs verschiedene Kriterienkategorien als notwendig für eine faire Besteuerung identifiziert. Zu diesen Kategorien gehören: (I.) Ausreichende Einnahmen aus dem Bergbausektor, (II.) Effektive Steuerverwaltung, (III.) Effektive Besteuerung des Bergbausektors, (IV.) Transparenz und Rechenschaftlichkeit (V.) Maßnahmen gegen Steuervermeidung und (VI.) steuerliche Progressivität. Jede Kategorie besteht aus einer Reihe von polaren Scoring-Fragen, welche die Stärken und Schwächen beider Steuerregelungen quantifizieren. Basierend auf den Antworten der Scoring-Fragen wurde eine gewichtete Scorecard erstellt und ausgewertet. Nach der Auswertung der Scorecard erzielt Tansania ein etwas höheres Ergebnis als Kanada, was darauf hinweist, dass die tansanischen Steuerregelungen für die Besteuerung des Bergbausektors etwas gerechter sind als die kanadischen.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,176
Écart entre enseignants0,149 · 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'étudeObservationnel
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of ViennaMême sujetCorporate Taxation and AvoidanceTravaux en français237 207