Communicating bad medicine: Making the argument for the adoption of the harmonized sales tax in Ontario, Canada
Notice bibliographique
Résumé
In this dissertation, I explore the question of how a democratically elected government sells an unpopular concept, such as a new tax, to citizens. I interviewed politicians, political advisors, civil servants, and business leaders responsible for the introduction of Ontario’s value-added tax in 2010 (known as the Harmonized Sales Tax or HST) and examined print and media artifacts to answer this question. \n \nThis topic is important to political analysts and rhetoricians who need to introduce tax initiatives to create necessary revenue streams for their governments. As we have seen in the past, unpopular tax initiatives can be reversed (as occurred in British Columbia’s 2011 referendum on the HST) and governments can be defeated (as happened to the Manitoba government in a vote of non-confidence in 1988). An analysis of lessons learned from Ontario’s successful experience with the HST in 2010 is useful information for governments for any future tax or controversial policy communication. \n \nMy research is the first of its kind to examine the rhetoric used to introduce the HST in Ontario. The examples and interviews show how an effective argument was developed for the new tax. However, the methods alone do not tell us why these were successful: my research fills this gap and explains the “How?” and the “Why?” \n \nI discovered two effective rhetorical approaches that could be used to sell an unpopular tax: (1) use logical arguments to present information, and (2) demonstrate a deep commitment that the tax is the right thing. The Ontario government used logical and reasonable arguments to persuade businesses and citizens that the HST was the right thing to do. Because politicians and civil servants believed that the HST was the right thing to do and were dedicated to its introduction, the HST was implemented without issue and political fallout. \n \nThis topic informs the fields of technical communication, rhetoric, economics, and public sector communication.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,053 | 0,019 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».