MEDIDAS EXECUTIVAS ATÍPICAS NA EXECUÇÃO FISCAL
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
A presente pesquisa trouxe uma discussão sobre as medidas executivas atípicas utilizadas atualmente, apresentando como exemplos, a apreensão de passaportes e CNH. Essas execuções atípicas estão contidas no art. 139, inciso IV do CPC de 2015. O presente artigo teve a finalidade trazer essas medidas sendo aplicadas nas execuções fiscais, visto que, essa está presente na Lei 6.830/80, Lei da Execução Fiscal (LEF), que dispõe sobre a cobrança judicial da Dívida Ativa da Fazenda Pública. Assim, veio o seguinte questionamento desse trabalho: há aplicação de medidas executivas atípicas na execução fiscal? Com isso foram desenvolvidos os objetivos. O geral foi analisar se há aplicabilidade das medidas executivas atípicas na execução fiscal. Os específicos foram: Conhecer os tipos de execuções atípicas aplicadas atualmente; e Verificar se há medidas executivas atípicas usadas na execução fiscal. Como base teórica, não existe uma ordem obrigatória para cobrar dividas, entende-se que a execução atípica é genérica, pode ser todas as medidas, não visa uma obrigatoriedade, mas utiliza-se de medidas para forçar o pagamento da dívida. Nesse sentido, na metodologia buscaram-se trabalhos já publicados em sites especialidades sobre a temática. Visto isso, se faz necessário à legalização da possibilidade de medidas executivas atípicas serem utilizadas nas execuções fiscais, mas essas deverão está contida na LEF para não virem ser impugnadas após a sua aplicação. Isso promoverá uma maior celeridade nas quitações das dívidas por parte de pacientes que as desprezam. Conclui-se que a utilização dessas medidas atípicas na execução fiscal é utilizada apenas quando exaurir a possibilidade de utilizar as medidas executivas típicas e desde que obedeça à razoabilidade dessas medidas impactando a vida do devedor.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.013 |
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 it