Bibliographic record
Abstract
La fraude fiscale est une pratique pernicieuse qui affecte non seulement les recettes gouvernementales, mais également la confiance des contribuables vis-à-vis du système fiscal. Compte tenu de la nécessité d’un système fiscal juste pour tous, il est essentiel d’identifier les éléments qui incitent les organisations à commettre des infractions fiscales. Ce mémoire vise donc à explorer les facteurs qui contribuent à la fraude fiscale dans la province du Québec, en s’appuyant sur une recherche qualitative et une analyse approfondie de décisions de justice pertinentes. Seize décisions de justice de la Cour du Québec totalisant 423 pages, et portant sur des cas de fraude fiscale qui se sont produits entre les années 2009 et 2024 ont été examinées. Ce qui a permis d’observer des cas de fraude fiscale réels, qui se sont opérés dans le contexte québécois. Les travaux se sont appuyés sur la théorie du diamant de la fraude afin d’identifier les éléments qui peuvent inciter les contribuables à commettre la fraude fiscale. Les résultats de l’analyse de ces décisions de justice ont révélé que la décision de commettre la fraude fiscale dépend de facteurs tels que l’appât de gain, les difficultés financières, une culture d’entreprise favorable à la fraude fiscale et la justification de l’acte posé par le fraudeur. Les conclusions de ce mémoire soulignent l’importance d’une compréhension approfondie des facteurs qui sous-tendent la fraude fiscale. En tenant compte des résultats, ce mémoire propose des recommandations afin de renforcer les mesures de prévention de la fraude fiscale et de contribuer à améliorer la conformité des contribuables face à leurs obligations fiscales. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : fraude fiscale, déterminants fraude fiscale, facteurs fraude fiscale
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.012 | 0.005 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.000 |
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".