Incentivos tributarios para instituciones sin fines de lucro: Análisis de la experiencia internacional
Bibliographic record
Abstract
En este articulo se analiza la experiencia internacional en materia de incentivos tributarios a las donaciones a instituciones sin fines de lucro, a partir de un modelo conceptual que plantea que el nivel de donaciones depende de una serie de variables economicas, sociales, demograficas y culturales, entre las cuales se cuentan los incentivos tributarios. En el estudio se toman en consideracion los antecedentes legales de dieciseis paises latinoamericanos y, en el caso de Chile, cifras y antecedentes de las leyes que contemplan incentivos tributarios. Ademas, se realiza un analisis comparativo del impacto cuantitativo de estos incentivos en paises desarrollados como Canada, Estados Unidos y Gran Bretana. Se concluye que a pesar del importante incremento que ha tenido el uso de los incentivos tributarios en Chile, estos son muy restrictivos en el caso de las personas naturales y muy acotados en cuanto a los fines posibles de imputar. Por tal motivo, se propone permitir que las personas naturales puedan utilizar las franquicias de la ley con fines educacionales, y ampliar los ambitos de aplicacion de las franquicias actuales a actividades filantropicas en las areas de salud, vivienda, tercera edad y prevencion de la drogadiccion. Asi tambien, se recomiendan diversas modificaciones administrativas, tales como sistematizar la informacion sobre los recursos movilizados, establecer instancias de intermediacion en la gestion de las donaciones, y desarrollar la institucionalidad filantropica por medio de mecanismos de sistematizacion y fiscalizacion global del sector.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".