MétaCan
Menu
Retour à la cohorte
Enregistrement W4328004532 · doi:10.55365/1923.x2022.20.114

Features of Accounting, Taxation, and Filing Reporting During Martial Law

2022· article· en· W4328004532 sur OpenAlexvenueno aff
Mykhailo Kuzub, Olena Moshkovskа, Tetiana IHNATENKO, Olena Kuzmenko, Olha Romashko

Notice bibliographique

RevueReview of Economics and Finance · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Issues in Ukraine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountingAutomatic summarizationScope (computer science)Relevance (law)RevenueWork (physics)PaymentAccounting information systemAccounting recordsBusinessControl (management)State (computer science)FinanceLawEconomicsComputer sciencePolitical scienceManagement

Résumé

récupéré en direct d'OpenAlex

The relevance of the scientific research is determined by the need to identify weaknesses in the system of taxation, accounting and reporting during martial law.The purpose of the research work is to evaluate approaches to state support of taxpayers and the impact of weakening the responsibility of taxpayers on the level of budget revenues, as well as to determine information that is of particular importance for the display of its accounting and reporting in wartime.The basis of the methodological approach is: statistical analysis; a method of comparative analysis, graphic method, method of summarization .The main results that were obtained within the scope of this work should be considered the formulation of proposals for improving the control over the payment of taxes and fees, the determination of mandatory information for display in accounting and reporting during the war.The results of the scientific work, as well as the conclusions formulated on their basis, have practical significance and can be applied by managers and chief accountants of economic entities when making decisions regarding the payment of taxes and fees, keeping records of operations at the enterprise, as well as by state and local authorities.

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)0,003
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,230
Écart entre enseignants0,210 · 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'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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetEconomic Issues in UkraineTravaux en français237 207