Türkiye'de Vergi Denetim Sistemi ve Sistemin Aksaklıklarının Değerlendirilmesi
Bibliographic record
Abstract
Beyan esas ının geçerli olduğu ülkelerde mükelleflerin vergisel işlemlerinin denetlenmesi, sistemin olmazsa olmazlarındandır. Vergi denetimleri; bütçeye olan katkıları, devletin hükümranlık gücünün ispatı vb. nedenlerle büyük öneme sahiptirler. Ancak denetim faaliyetlerinin etkinliği birçok kurumsal ve yapısal etkene bağlıdır. Bu konuda vatandaşlara ve devlete büyük görevler düşmektedir. Türk Vergi Sisteminde 646 Say ılı Kanun Hükmünde Kararname ile vergi idarelerinde otomasyona geçilmesi, mükelleflerin bilinçlendirilmesi gibi alanlarda umut verici çalışmalar yapılsa da bu uygulamalar yetersiz kalmaktadır. Güçlü bir bütçe, güçlü bir vergi sisteminden, güçlü bir vergi sistemi ise etkin ve verimli bir vergi denetim sisteminden geçer. Çalışma mükelleflerin vergi denetimi esnasında karşılaştıkları aksaklıkları değerlendirmektedir.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.044 | 0.014 |
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".