A NÃO REGULAMENTAÇÃO DO IGF E OS ENTRAVES QUE O RODEIAM: Um estudo sobre o porquê da não normatização desta espécie tributária.
Bibliographic record
Abstract
Este trabalho busca analisar de forma crítica os motivos que norteiam a não regulamentação do Imposto Sobre Grandes Fortunas. Um imposto que desde sempre ensejou debates fervorosos. O que se vê são interesses pessoais conflitando com interesses coletivos, e interferindo em uma economia inteira. Uma das principais vantagens na instituição do Imposto Sobre Grandes Fortunas é a diminuição do desnivelamento social encontrado atualmente no Brasil, onde, por culpa de uma política tributária recessiva os mais pobres arcam com a maior parcela de tributos, ocasionados pela demasiada tributação incidente sobre o consumo e em contrapartida uma menor tributação incidente sobre a renda e o patrimônio. É preciso definir, baseado em alicerces de uma tributação justa quem de fato devem ser os contribuintes, qual seria o fato gerador, as alíquotas e a bases de cálculo do referido imposto. E com base nas experiências internacionais analisar as dificuldades encontradas no exterior e se elas nos serviriam como parâmetro para adotar a ideia de que realmente precisamos regulamentar o Imposto Sobre Grandes Fortunas, ou abandoná-lo de vez.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.014 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".