MétaCan
Menu
Retour à la cohorte
Enregistrement W3184306388 · doi:10.53641/junta.v2i2.37

Análisis del impuesto a la renta no domiciliado en los establecimientos permanentes: servicios digitales, asistencia técnica y know how (periodo 2018-2019)

2019· article· es· W3184306388 sur OpenAlexaboutno aff
Jorge Enríquez Moreno, Angela María Cobos Apaz

Notice bibliographique

RevueRevista la Junta · 2019
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

El presente trabajo técnico busca analizar el impuesto a la renta no domiciliado en los siguientes establecimientos permanentes (EP): servicios digitales de caso, asistencia técnica y regalías, dentro del periodo 2018-2019. En primer lugar, con respecto al impuesto a la renta no domiciliado de establecimientos permanentes, el Poder Ejecutivo, a través del Decreto Legislativo N° 1424, no solo ha dado la definición de EP, sino que ya no podrá ser modificada por Decreto Supremo, como podía serlo cuando la definición era meramente reglamentaria. Asimismo, la ley ha tratado de dar cierto contenido al concepto de “actividades preparatorias o auxiliares” al definirlo como “todo aquello que no es esencial y significativo para las actividades de la entidad”, mas resulta confuso. Finalmente, dentro de los supuestos contenidos para la configuración de un EP en el CDI, firmado por Perú con Chile, Canadá, México, Portugal, Coreay Suiza (no Brasil), el conocido “EP por servicios” ha sido incluido, considerados, además, la asistencia técnica y el know how; sin embargo, en el caso de los servicios digitales que sean realizados por una no domiciliada de Brasil, se aplicará la tarifa del 15%; si es de Suiza, de 10%; y si son sujetos no domiciliados de Canadá, Chile, Corea, México y Portugal, del 0%, siempre que no se consideren EP.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,209
Écart entre enseignants0,198 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista la JuntaMême sujetBusiness, Innovation, and EconomyTravaux en français237 207