تحلیل محتوای مقالات علمی حوزه موضوعی مالیات در ایران
محل انتشار: دو فصلنامه علم سنجی کاسپین، دوره: 8، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 176
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CJS-8-1_006
تاریخ نمایه سازی: 18 آبان 1400
چکیده مقاله:
سابقه و هدف: هدف اصلی این مطالعه، کشف گرایش های موضوعی مقالات علمی حوزه موضوعی مالیات در ایران و طبقه بندی آن ها در مقوله های مشخص به منظور تعیین اولویت های پژوهشی پژوهشگران ایرانی در این زمینه است.
مواد و روش ها: این پژوهش توصیفی تحلیلی، کاربردی بوده و با رویکرد کمی تمامی ۶۳ عنوان مجله علمی رشته های آموزشی اقتصاد، حسابداری و مالی که اقدام به انتشار مقاله در این زمینه نموده اند را بررسی کرده است. داده های پژوهش نیز با به کارگیری ابزار سیاهه وارسی گردآوری و با استفاده از نرم افزار اکسل مورد تجزیه و تحلیل آماری قرار گرفته است.
یافته ها: در طی دوره مورد بررسی، با مشارکت ۱۱۴۸ نویسنده ۴۷۸ عنوان مقاله در حوزه مالیات منتشر شده است. کارشناسان ارشد با مشارکت در انتشار ۴۱۹ عنوان مقاله در صدر جدول نویسندگان قرار دارند. در بین دانشگاه ها و مراکز پژوهشی نیز دانشگاه تهران به همراه دانشگاه علامه طباطبائی با انتشار ۳۴ عنوان مقاله در رتبه نخست قرار گرفته اند. از نظر گرایش موضوعی، ۱۲/۵ درصد از آثار منتشرشده در حوزه اثربخشی و کارایی مالیات بوده و اجتناب مالیاتی با ۹/۶ درصد در رده ی بعدی قرار دارد. از مجموع ۱۲۸۲۲ منبع مورد استناد در مقالات نیز، ۵۸ درصد منابع به زبان انگلیسی و ۴۲ درصد به زبان فارسی بوده است.
نتیجه گیری: به نظر می رسد دلیل توجه بیشتر پژوهشگران ایرانی به اثربخشی و کارایی مالیات، اعمال سلیقه های مختلف در رابطه با اخذ مالیات در ایران بوده باشد. از سوی دیگر، قرار گرفتن موضوعات اجتناب از پرداخت مالیات و فرار مالیاتی در رده های دوم و چهارم اولویت پژوهشی پژوهشگران نیز، حاکی از وجود مشکل و معضل جدی در این زمینه است.
کلیدواژه ها:
نویسندگان
یونس نوبخت
Department of Finance and Accounting, Faculty of Economics and Administrative Sciences, University of Selcuk, Konya, Turkey
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :