Notice bibliographique
Résumé
abatement see exemption accountability 12, 33, 39, 88 administration, of property tax 41-47 centralization of 65, 231 in China 171-72 in Germany 98 in Guinea 208-9 in Hungary 226-30 in India 136-41 in Indonesia 121, 125 in Mexico 293 in Tanzania 192-3 in UK 84, 86-7 administrative costs 14, 64 in Hungary 233 nn.6, 10 in Indonesia 122 in Mexico 297 aerial survey, in Tanzania 193 agricultural land, taxation of 27, 34-5, 39-41 in Australia 94 in Canada 40 in Chile 288-9 in Germany 99, 101 in Guinea 205 in Hungary 226 in Japan 110, 113 in Kenya 187 n.4 in Mexico 294 in Philippines 39-40, 153 in Poland 255-6 in Russia 238, 239 in Tunisia 213, 215-6 in Ukraine 247, 249 see also farms; rural areas Alberta, 73 amnesty in Argentina 285 in Chile 290 annual (rental) value (ARV) see rental value appeals 44-5, 46 in Argentina 283 in Canada 74, 75 in Chile 290 in Colombia 270 in India 139, 140 in Japan 111 in Mexico 295 in Philippines 155 in Russia 244 in South Africa 202 in Tanzania 191 in Tunisia 216 in Ukraine 248 acquisition tax see transfer tax Andhra Pradesh 131, 136 appraisal in Hungary 228 in Indonesia 119, 122 in Tanzania 192 see also assessment; valuation area compared to market value, 30-31 as tax base 22-3, 26-7 in China 166 in Germany 104 in India 146 in Kenya 178-9 in Poland 254, 258 n.6 in Tunisia 27, 210, 214 in Ukraine 250-51 see also unit value Argentina 37, 281-5 arrears 8, 47, 48-9 in Argentina 284-5 in Canada 75 in Chile 289 in Germany 104, 106 n.7 in Hungary 229 in India 140-41 in Poland 255 in Russia 244 in Tanzania 197 n.10 in UK 85 Assam 136 assessed value/market value ratio 7 in Argentina 283
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,791 | 0,642 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».