MétaCan
Menu
Retour à la cohorte
Enregistrement W4237301319 · doi:10.33423/jabe.v21i5.2263

Implications of the Tax Reform Act of 2017 on Sexual Harassment in the Workplace

2019· article· en· W4237301319 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Applied Business and Economics · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiscrimination and Equality Law
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarassmentSettlement (finance)CorporationDeterrence theoryAccrualBusinessLogitProbitEconomicsIncome taxActuarial scienceFinanceAccountingPublic economicsEarningsLawPolitical science

Résumé

récupéré en direct d'OpenAlex

The Tax Reform Act of 2017 has a limiting provision that disallows a Corporation from expensing costs related to the settlement of a sexual harassment or sexual abuse matter. If a nondisclosure agreement (NDA) is executed between the parties, the Corporation loses the right to deduct the settlement for income tax purposes. This provision has significant economic implications. The Corporation must decide if preventing the party from publicly discussing the matter and settlement is worth the cost of losing the deduction. The scientific approach to address this decision is two pronged. On one hand, such a choice can be analyzed in a capital budgeting or cost-benefit methodology and should be structured as a SWOT matrix. On the other hand, the decision relates to a binary choice of using or not executing a NDA. This decision can be modeled using a dichotomous decision function, such as, logit, probit, or a tobit model. This paper presents a historical review of laws covering sexual harassment in the workplace and how corporations should address the NDA decision.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil0,088

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,038
Tête enseignante GPT0,300
Écart entre enseignants0,262 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Business and EconomicsMême sujetDiscrimination and Equality LawTravaux en français237 207