MétaCan
Menu
Retour à la cohorte
Enregistrement W7006391457

Trending towards convergence

2020· article· en· W7006391457 sur OpenAlexaboutno aff

Notice bibliographique

RevueResearchOnline@ND (The University of Notre Dame) · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueTaxation and Legal Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConvergence (economics)ArtificialityStatutory lawIdentification (biology)Common lawLegislatureOrder (exchange)LegislationLine (geometry)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper considers the operation of general anti-avoidance rules (‘GAARs’) in similar common law jurisdictions such as Australia, New Zealand, Canada and the United Kingdom to ascertain whether there has been a noted trend of convergence in the way these GAARs operate. This paper concludes that there has been a noted trend towards convergence as it now appears to be the case that, no matter what the specific wording of the GAAR actually is, the enquiry undertaken by the courts in common law jurisdictions is effectively the same. Relevantly, this enquiry looks to the overall purpose and structure of the transactions at issue and whether they lack any real commercial substance. This conclusion may seem contrary to prevailing attitudes about statutory interpretation, however, the evidence reveals that no matter what specific wording might be adopted in the GAAR, the identification of tax avoidance as involving artificially contrived, complex arrangements that produce no real economic substance, is applied in almost the exact same way across the different jurisdictions reviewed. This trend towards convergence indicates that the reviewed GAARs operate in largely the same ways. It is, however, acknowledged that whilst the enquiry undertaken is generally the same across the different jurisdictions examined, there are, nevertheless, differences in the outcomes possible due to different thresholds being applied to determine where the line of artificiality and tax avoidance is deemed to exist.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,367
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,056
Tête enseignante GPT0,253
Écart entre enseignants0,196 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearchOnline@ND (The University of Notre Dame)Même sujetTaxation and Legal IssuesTravaux en français237 207