Evaluating Responses to Offshore Tax Evasion: A Comparative Analysis of Legislative Reforms in the USA and Canada Post-Panama Papers
Notice bibliographique
Résumé
Following the revelations from the Panama Papers and other significant leaks, there has been a marked increase in public calls for nations to address tax evasion more effectively. This period has witnessed an unparalleled expansion in global cooperation regarding tax matters, leading to significant strides toward mitigating offshore tax evasion. In this evolving landscape, the focus shifts to North America, where both Canada and the United States have stepped up their efforts to curb tax evasion. They have updated their legal frameworks, enhanced enforcement tactics, and strengthened tax authorities' investigative capabilities. This research delves into the legislative actions taken by the USA and Canada in response to the challenges of offshore tax evasion, employing a comparative analysis to scrutinize the effectiveness and hurdles of these measures. By examining a wide array of sources, including literature, policy documents, and reports, the study aims to evaluate how both countries have revised their tax laws and introduced new strategies to tackle tax evasion. The emphasis will be on assessing the impact of these legislative changes on curbing offshore tax evasion and identifying the challenges in enforcing these laws. This investigation seeks to shed light on the comparative effectiveness of the strategies deployed by the USA and Canada, offering valuable insights into addressing a critical issue in international finance and tax regulation. This paper also provides limitations of the literature evidence for evaluating tax evasion and a research guideline for further work to be performed in this area of study. To enhance the practical understanding of the key points discussed in this thesis, a detailed case study has been prepared and included in Appendix A.
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 | 0,006 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».