Navigating the spectrum of aggressiveness: Social dynamics and anxieties in tax planning
Notice bibliographique
Résumé
This qualitative inquiry investigates how tax professionals understand aggressiveness in tax planning and how they position themselves on the spectrum of aggressiveness. Based on semi-structured interviews with 33 experienced Canadian tax professionals from top-10 accounting and law firms, we find that tax professionals understand aggressiveness through a web of inter-related considerations. These include creativity, complexity, legal ambiguity, and lucrativeness, associated with risks of tax audits , technical errors, disputes with tax authorities over legal interpretations, and reputational damage for the client, the tax professional, and their firm. These considerations and related risks are often a source of anxiety for tax professionals. Drawing on contemporary philosopher Charlie Kurth's distinction between “punishment anxiety” and “practical anxiety,” we identify an intricate interplay between these two forms of anxiety and a collective deliberation process involving clients and colleagues, each bringing their own risk-reward preferences, which shapes professionals' decisions of how aggressive they should be. The socio-affective conceptualization of aggressiveness that we propose in this study contributes to the tax literature by deepening our understanding of the elusive concept of tax aggressiveness. It also enriches the broader literature on accounting and finance professionals' emotions at work by documenting the analytical value of a nuanced understanding of anxiety. Furthermore, it advances the professional ethics literature by highlighting the moral significance of practical anxiety in professional judgment about risky, ethically sensitive issues.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».