Tehokkaan katumisen ohjelmat osana veropaon torjuntaa Ruotsissa ja Yhdysvalloissa : Suomen lainmuutosehdotusten arviointia
Bibliographic record
Abstract
Pro gradu –tutkielman aiheena on tehokkaan katumisen ohjelmien käyttö veropaon torjunnassa. Tehokkaan katumisen ohjelmien tavoitteena on kerätä verotuottoja takaamalla alhaisemmat sanktiot niille verovelvollisille, jotka vapaaehtoisesti oikaisevat aiempien vuosien verotuksiin liittyvät laiminlyöntinsä. Tutkielmassa tarkastellaan Ruotsissa ja Yhdysvalloissa toteutettuja tehokkaan katumisen ohjelmia. Lisäksi tarkastellaan, millaisia muutosehdotuksia Suomen lainsäädäntöön on esitetty tehokkaan katumisen ohjelman käyttöönottoon liittyen. Tutkielma on metodiltaan oikeusvertaileva sekä oikeuspoliittinen. \n \nRuotsin lainsäädäntöön sisältyvät tehokkaan katumisen säännökset ovat olleet voimassa jo usean vuosikymmenen ajan. Yhdysvalloissa taas on toteutettu 2000-luvun aikana jo neljä offshore-sijoituksille suunnattua tehokkaan katumisen ohjelmaa. Näiden ohjelmien suosio on kasvanut erityisesti viime vuosina tietojenvaihdon kehittymisen ja kiinnijäämisriskin lisääntymisen myötä. Tehokkaan katumisen ohjelmien suosio riippuukin usein enemmän kiinnijäämisriskin suuruudesta kuin ohjelman varsinaisista ehdoista. \n \nSuomen lainsäädäntöön ei sisälly tällä hetkellä säännöksiä, joiden nojalla ilmoitusvelvollisuuden laiminlyönnistä seuraavia sanktioita voitaisiin alentaa silloin kun verovelvollinen on oikaissut aiempien verovuosien laiminlyönnit vapaaehtoisesti. Myös Suomessa on selvitetty määräaikaisen tehokkaan katumisen ohjelman käyttöönoton mahdollisuutta. Tehokkaan katumisen ohjelman käyttöönotto onkin kirjattu toukokuussa 2015 julkaistuun hallitusohjelmaan. Valtiovarainministeriön valmistelun perusteella Suomen tehokkaan katumisen ohjelma tulisi olemaan voimassa määräaikaisena vuoden ajan ja se antaisi vapaaehtoisen oikaisun tehneille verovelvollisille mahdollisuuden välttyä rikosoikeudellisilta seuraamuksilta. Verot sen sijaan kerättäisiin normaaliin tapaan, minkä lisäksi verovelvolliselle määrättäisiin normaalit verotusmenettelylain mukaiset veronkorotukset.
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 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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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; both teacher heads agree on what is shown here.
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".