MétaCan
Menu
Retour à la cohorte
Enregistrement W7016259807

Наукові підходи до класифікації доходів фізичних осіб

2017· article· uk· W7016259807 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueuk
DomaineSocial Sciences
ThématiqueUkrainian Cultural and Linguistic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoint (geometry)ELECTREWork (physics)Set (abstract data type)Table (database)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

В статті розглянуті підходи щодо класифікації доходів в особистому оподаткуванні, окреслено коло відповідних дискусійних питань. На основі проведеного дослідження запропоновано авторський підхід до класифікації доходів фізичних осіб за критерієм прикладених зусиль. Вибір саме цього критерію ґрунтується на зарубіжному досвіді щодо групування доходів фізичних осіб з метою оподаткування у таких країнах як Іспанія, Фінляндія, Болгарія, Канада, Швеція.
\nIn the article approaches to classification of incomes in personal taxation are considered, the circle of corresponding debatable questions is outlined. On the basis of the conducted research the author's approach to classification of incomes of physical persons by criterion of applied efforts is offered. The choice of this criterion is based on the foreign experience of grouping the incomes of individuals for tax purposes in countries such as Spain, Finland, Bulgaria, Canada, Sweden.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge 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: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,702
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0080,002
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,147
Tête enseignante GPT0,437
Écart entre enseignants0,289 · 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
GenreAutre

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 sujetUkrainian Cultural and Linguistic StudiesTravaux en français237 207