Notice bibliographique
Résumé
Türkiye’de dolaysız vergiler sınıfında yer alan gelir ve kurumlar vergisi açısından listelenen vergi rekortmenleri, en fazla vergi tahakkuk eden mükellefler arasından seçilmektedir. Mahremiyet ilkesi gereği listede isminin görünmesini istemeyen mükelleflere yer verilmezken, diğer mükellefler; isim, kazançlarının faaliyet türü, tahakkuk eden vergi tutarı ve il bilgilerine yer verilerek ilan edilmektedir. Temel gayesi devlete fazla vergi ödeyen mükellefleri onurlandırmak olan bu uygulamanın ekonomik ve sosyal itibar açısından da etkili olduğu söylenebilir. Türkiye’de 2019-2024 dönemindeki gelir ve kurumlar vergisi rekortmenlerinin ele alındığı bu çalışmada, vergi rekortmenliği uygulamasının tarihsel gelişimi, yasal dayanağı ve ekonomik sonuçları incelenmiş; gelir ve kurumlar vergisi mükelleflerine ilişkin istatistikler aracılığıyla rekortmenlerin yapısal özellikleri değerlendirilmiştir. Bulgular sonucunda, gelir vergisi mükelleflerinin kurumlar vergisi mükelleflerine nispeten isminin açıklanmasını istemediği görülmüştür. Ayrıca, gelir vergisindeki kazanç türünün menkul sermaye iradı, kurumlar vergisinde ise bankacılık sektörünün ağırlıklı olduğu bir tablo ortaya çıkmıştır. Vergi rekortmenlerinin ağırlıklı olarak İstanbul’dan çıkmasının ise bu ilde sanayinin gelişmesi ve iş merkezlerinin burada bulunmasıyla alakalı olduğu düşünülmektedir. Son olarak vergi rekortmenlerinin kadın-erkek tasnifine yer verilmiş ve rekortmenlerin ağırlıklı olarak erkek mükelleflerden oluştuğu görülmüştür. Bu durumun sebebinin ise kadınların işgücüne katılım oranının erkeklere nispeten daha düşük olması ile alakalı olduğu yönünde görüş bildirilmiştir.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,004 |
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.
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 ».