Bireysel emeklilik sistemi ve vergisel boyutu
Bibliographic record
Abstract
BİREYSEL EMEKLİLİK SİSTEMİ ve VERGİSEL BOYUTU 20. yüzyılın son çeyreğinde yaşanan global ekonomik sorunlar etkisini sosyal güvenlik alanında da göstermiş ve sosyal güvenlik sistemleri ciddi finansal krizlerle karşı karşıya kalmışlardır. Yaşanan bu finansal krizlere çözüm olarak Dünya’da ve Türkiye’de bireysel emeklilik sistemleri uygulamaya konmuştur. Bireysel emeklilik; mikro anlamda, kişilerin emeklilik dönemlerinde daha rahat yaşayabilmeleri ve ihtiyaç duyacakları ek harcamaları karşılayabilmeleri, makro anlamda ise, kişisel bazda yapılan uzun vadeli tasarruflar ile ekonomik yatırımlar için gerekli olan fonların sağlanması, bunun sonucunda istihdamın artması ve sermaye piyasasının derinleşmesi amacıyla oluşturulan özel emeklilik sistemidir. Ülkemizde sistemin devlet güvencesi altına alınmamış olması geniş kitlelerin katılımını olumsuz yönde etkileyecektir. Uzun vadeli tasarrufların aktarıldığı alanlar üzerinde vergi düzenlemelerinin belirleyici bir etkiye sahip olması nedeniyle, birçok ülkede olduğu gibi, ülkemizde de bireysel emeklilik sistemi vergisel teşviklerle takviye edilmiştir. Bireysel emeklilik sisteminin vergilendirilmesi üç aşamada gerçekleşmektedir. Bu aşamalar; emeklilik fonuna çalışanlar ve/ veya işverenler tarafından ödenen katkı paylarının vergilendirilmesi yani “katılım aşaması”nda vergilendirme, emeklilik fonunun yatırımlarından elde ettiği sermaye kazancının vergilendirilmesi yani “yatırım aşaması” ile emeklilik fonu katılımcılarına yapılan son ödemelerin vergilendirilmesi yani “ödeme aşaması” dır. Ülkemizdeki vergilendirme rejimine göre vergileme, katılımcılara yapılacak geri ödeme aşamasına kadar ertelenmiştir ancak geri ödeme aşamasında sadece “irat” değil, anapara yani “menkul sermaye” de kesintiye tabi tutulmaktadır. Bu durumun vergileme tekniğine aykırı olduğu kuşkusuzdur.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.045 | 0.009 |
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".