Zdanění příjmů fyzických osob v České republice a ve Velké Británii
Bibliographic record
Abstract
Práce pojednává o zdanění příjmů fyzických osob v České republice a ve Velké Británii. Je pojednáno o historii daní a jejich úloze v ekonomice, jsou provedeny deskripce základních pojmů z oblasti daní a daňových systémů, které jsou obecně platné. Dále je krátce pojednáno o daňové kvótě v souvislosti s poukázáním na konkrétní ukazatel odlišnosti daňových systémů států EU se zaměřením na přímé daně. Jsou podrobně charakterizovány daňové systémy České Republiky a Velké Británie se zaměřením na zdanění fyzických osob, které spadá mezi přímé daně. Praktické uplatnění poznatků je provedeno na porovnání daňového zatížení a odvodů zaměstnanců a zaměstnavatele ve třech vybraných srovnatelných povoláních a s třemi odlišnými úrovněmi hrubé mzdy odvíjející se od příslušné úrovně průměrné hrubé mzdy v konkrétní komparované ekonomice. Výstupem je formulování rozdílů v daňovém zatížení a odvodů u každé z vybraných úrovní hrubé mzdy a formulace výhod a nevýhod úrovně zdanění a odvodů v českém daňovém systému.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.024 | 0.002 |
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".