La charge fiscale nette des particuliers au Québec et dans les pays du G7 : le Québec est en excellente position et maintes fois champion des réductions fiscales!
Bibliographic record
Abstract
Dans « La charge fiscale nette des particuliers au Québec et dans les pays du G7 : le Québec est en excellente position et maintes fois champion des réductions fiscales! », les auteurs Luc Godbout et Suzie St-Cerny utilisent la méthodologie développée par l'OCDE dans son étude intitulée « Les impôts sur les salaires », et calculent la charge fiscale nette des particuliers québécois pour différents niveaux de revenus et selon différentes situations familiales pour 2000 et 2006 puis comparent les résultats à ceux des pays du G7. Pour le calcul de la charge fiscale nette, les impôts sur le revenu payés par les contribuables sont considérés, mais également les cotisations sociales versées ainsi que les différentes prestations reçues, ce qui permet une analyse plus complète. Les résultats obtenus montrent notamment que le Québec se compare avantageusement avec la moyenne des pays du G7 et qu'il est maintes fois le champion, parmi les pays du G7, en ce qui a trait à l'importance des réductions fiscales entre 2000 et 2006.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".