MétaCan
Menu
Retour à la cohorte
Enregistrement W3121595661

Benefit Taxes and User Fees in Theory and Practice

2004· article· en· W3121595661 sur OpenAlexaffabout
David G. Duff

Notice bibliographique

RevueProject Muse (Johns Hopkins University) · 2004
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLegal and Constitutional Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTaxpayerPublic economicsGovernment (linguistics)RevenuePublic financeEconomicsArgument (complex analysis)Tax revenueTax deferralAccountabilityUser feeGovernment revenueBusinessFinanceLaw and economicsTax reformMacroeconomicsLawState income taxPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As alternatives to more general taxes based on broad measures of each taxpayer's economic capacity, benefit taxes and user fees are praised by some for promoting economic efficiency, government accountability and tax fairness, and condemned by others as reactionary, regressive, and distributively unjust. This paper adopts a more even-handed approach to benefit taxes and user fees, regarding these sources of revenue as preferable to general taxation for specific purposes but inferior to general taxes for other purposes. Part II provides a theoretical framework for analyzing benefit taxes and user fees, defining these levies in contrast to general taxes, examining theoretical arguments for and against government reliance on benefit taxes and user fees, considering the appropriate role of benefit taxes and user fees as methods of government finance, and reviewing the manner in which these levies should be designed in order to achieve the purposes for which they are best suited. Part III considers benefit taxes and user fees in practice, surveying the extent to which governments rely on these levies in Ontario and other jurisdictions, and examining the current and potential application of benefit taxes and user fees to finance various categories of government expenditures. Part IV summarizes the argument of the paper and offers general conclusions.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,953

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
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 Opus0,021
Tête enseignante GPT0,212
Écart entre enseignants0,191 · 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

Citations1
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProject Muse (Johns Hopkins University)Même sujetLegal and Constitutional StudiesTravaux en français237 207