Tehokkaan katumisen ohjelmat osana veropaon torjuntaa Ruotsissa ja Yhdysvalloissa : Suomen lainmuutosehdotusten arviointia
Notice bibliographique
Résumé
Pro gradu –tutkielman aiheena on tehokkaan katumisen ohjelmien käyttö veropaon torjunnassa. Tehokkaan katumisen ohjelmien tavoitteena on kerätä verotuottoja takaamalla alhaisemmat sanktiot niille verovelvollisille, jotka vapaaehtoisesti oikaisevat aiempien vuosien verotuksiin liittyvät laiminlyöntinsä. Tutkielmassa tarkastellaan Ruotsissa ja Yhdysvalloissa toteutettuja tehokkaan katumisen ohjelmia. Lisäksi tarkastellaan, millaisia muutosehdotuksia Suomen lainsäädäntöön on esitetty tehokkaan katumisen ohjelman käyttöönottoon liittyen. Tutkielma on metodiltaan oikeusvertaileva sekä oikeuspoliittinen. \n \nRuotsin lainsäädäntöön sisältyvät tehokkaan katumisen säännökset ovat olleet voimassa jo usean vuosikymmenen ajan. Yhdysvalloissa taas on toteutettu 2000-luvun aikana jo neljä offshore-sijoituksille suunnattua tehokkaan katumisen ohjelmaa. Näiden ohjelmien suosio on kasvanut erityisesti viime vuosina tietojenvaihdon kehittymisen ja kiinnijäämisriskin lisääntymisen myötä. Tehokkaan katumisen ohjelmien suosio riippuukin usein enemmän kiinnijäämisriskin suuruudesta kuin ohjelman varsinaisista ehdoista. \n \nSuomen lainsäädäntöön ei sisälly tällä hetkellä säännöksiä, joiden nojalla ilmoitusvelvollisuuden laiminlyönnistä seuraavia sanktioita voitaisiin alentaa silloin kun verovelvollinen on oikaissut aiempien verovuosien laiminlyönnit vapaaehtoisesti. Myös Suomessa on selvitetty määräaikaisen tehokkaan katumisen ohjelman käyttöönoton mahdollisuutta. Tehokkaan katumisen ohjelman käyttöönotto onkin kirjattu toukokuussa 2015 julkaistuun hallitusohjelmaan. Valtiovarainministeriön valmistelun perusteella Suomen tehokkaan katumisen ohjelma tulisi olemaan voimassa määräaikaisena vuoden ajan ja se antaisi vapaaehtoisen oikaisun tehneille verovelvollisille mahdollisuuden välttyä rikosoikeudellisilta seuraamuksilta. Verot sen sijaan kerättäisiin normaaliin tapaan, minkä lisäksi verovelvolliselle määrättäisiin normaalit verotusmenettelylain mukaiset veronkorotukset.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».