What Proportion of Tax Returns Could the Canada Revenue Agency Complete?
Bibliographic record
Abstract
Les personnes à faible revenu qui ne produisent pas de déclaration de revenus au Canada passent à côté de plusieurs avantages importants versés dans le cadre du régime fiscal et peuvent éprouver de la difficulté à vérifier leur admissibilité à d'autres produits et services publics affectés en fonction du revenu. L'Agence du revenu du Canada (ARC) pourrait produire des déclarations simplifiées pour de nombreuses familles à faible revenu, que les déclarants pourraient corriger. D'après la Banque de données administratives longitudinales, les auteurs estiment que cette approche pourrait être utile pour plus de la moitié des familles faisant partie du cinquième le plus bas de la répartition du revenu et de 60 % à 88 des familles qui se prévalent de programmes provinciaux d'aide au revenu. Ils estiment également que jusqu’à 4,6 millions de déclarations des personnes ayant un revenu inférieur à 25 000 $, que l'ARC considère comme simplifiées, ont été produites par un préparateur commercial ou un logiciel, ce qui fait ressortir les avantages potentiels de la production de déclarations déjà remplies par l'ARC dans de telles situations.
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 | 0.034 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.024 | 0.005 |
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".