MétaCan
Menu
Retour à la cohorte
Enregistrement W6989931539

Comparing R&D tax regimes: Australia, Canada, UK and US

2017· article· en· W6989931539 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)IncentiveProduct (mathematics)Gateway (web page)Tax incentive
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article does two things. It explores the definition, classification and categorisation of tax incentives, at a general level,\n and it compares how four global leaders target their R&D tax incentive regimes. The latter is an exercise in comparative\n tax law focusing on the R&D definition and the incentive’s operational details. It observes that the R&D definition is used\n by all of the regimes as a gateway to the relief and to curtail the scope of the relief by restricting R&D to "new scientific\n knowledge", where the US interprets "new" to mean new to the entity, whereas the UK, Australia and Canada, interpret\n "new" to mean new to the world. Thus, the US regime arguably focuses on creating and sustaining the competitiveness of\n its domestic firms by subsidising "knowledge acquisition" rather than "knowledge creation". It also observes that: whilst the\n US and Canada subsidise incremental improvements in new scientific knowledge, the UK and Australia do not, insisting\n instead on "substantial advances"; only the US uses an incremental credit, which arguably serves as a means of limiting\n the cost of this tax expenditure to the US Treasury, particularly given the broad scope of its R&D definition; none of the\n regimes respond to the consensus on the need for specialisation, adopting as they do a broad-brush approach to subsidising\n technological innovation; and by focusing on experimentation or scientific method, all of the regimes leave out a large area\n of potentially innovative and productive commercial activity (that is, commercial product development using an iterative or\n "trial and error" methodology).

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)0,010
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: aucune
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil0,284

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,007
Études des sciences et des technologies0,0040,002
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,227
Tête enseignante GPT0,291
Écart entre enseignants0,065 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetInnovation Policy and R&DTravaux en français237 207