Empty Promises: Why Income Splitting for the Disabled Community Is Nothing to Get Excited About
Bibliographic record
Abstract
En se fondant sur des données concernant la composition des populations de personnes handicapées et d'aidants non rémunérés au Canada, le présent commentaire applique une analyse de politique sociale à multiples niveaux pour évaluer l'impact de la mesure législative proposée quant au fractionnement du revenu pour la communauté des personnes handicapées. Les résultats de cette analyse indiquent clairement qu'en dépit de leur grand nombre, tant au niveau fédéral que provincial et municipal, les mesures et incitatifs fiscaux en vigueur ne répondent pas, en règle générale, aux besoins de la communauté des personnes handicapées. De plus, une mesure fiscale liée au handicap permettant le fractionnement du revenu aura, de fait, un effet préjudiciable sur la société canadienne. En renforçant des rôles traditionnels qui ne correspondent plus à la réalité tout en refusant de fournir un appui quelconque aux Canadiennes et aux Canadiens sans revenu ou disposant uniquement d'un faible revenu, aux autochtones et aux autres groupes marginalisés, une telle mesure semble dénuée de sens au regard d'une perspective de politique budgétaire réaliste. Pour venir en aide aux communautés de personnes handicapées et aux aidants non rémunérés au Canada, il serait préférable, au contraire, d'améliorer et d'équilibrer les mécanismes fiscaux déjà en vigueur en y ajoutant de nouvelles mesures de politique sociale, y compris la mise en place d'un régime national de soins à domicile en vertu de la Loi canadienne sur la santé.
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 | 0.005 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.015 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 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".