شناسایی و طبقه بندی پیامدهای مالیات زیست محیطی با رهیافت فراترکیب و آنتروپی شانون
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 163
فایل این مقاله در 32 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_ATE-11-3_006
تاریخ نمایه سازی: 11 دی 1403
چکیده مقاله:
در طی سال های اخیر، چالش های زیست محیطی مرتبط با تغییرات اقلیمی و آلودگی هوا به طور فزاینده ای نگرانی های ملی و بین المللی را برانگیخته است. بدین منظور کشورهای مختلف برای حفاظت از محیط زیست، سازوکارهایی از قبیل مالیات های زیست محیطی را مصوب کرده اند، لذا هدف پژوهش حاضر شناسایی و طبقه بندی پیامدهای مالیات زیست محیطی از ابعاد مختلف است. این پژوهش از لحاظ هدف کاربردی و از لحاظ تحلیل داده از نوع فراترکیب است. در همین راستا با مراجعه به مقالات انتشار یافته در پایگاه های اطلاعاتی معتبر داخلی و بین المللی در طی بازه زمانی ۱۳۸۱ تا بهمن ۱۴۰۲ (۲۰۰۲ تا ژانویه ۲۰۲۴) از میان ۱۲۰۹ مقاله جست و جو شده اولیه، در نهایت ۵۸ مقاله با استفاده از روش پریزما شناسایی گردید، همچنین جهت رتبه بندی کدها از آنتروپی شانون بهره برداری شده است. علاوه بر این، خروجی روش فراترکیب نیز با استفاده از نظرات ۸ نفر از خبرگان حرفه ای و دانشگاهی اعتبارسنجی شده است. در پژوهش حاضر مطالعه پیامدهای مالیات زیست محیطی با بهره برداری از روش فراترکیب هفت مرحله ای ساندلوسکی و باروسو انجام شده است. یافته های پژوهش حاکی از شناسایی ۱۶ مفهوم و ۸۹ کد برای مقوله اصلی پیامدهای مالیات زیست محیطی است. نتایج همچنین نشانگر آن است که در ارتباط با پیامدهای مالیات زیست محیطی به ترتیب کاهش انتشار آلاینده های اقلیمی، ارتقای توسعه پایدار شرکتها، ارتقای توسعه سبز و کاهش رشد اقتصادی در کوتاه مدت از بیشترین میزان وزن برخوردار هستند. یافته های پژوهش حاضر می تواند برای قانون گذاران و پژوهشگران علاقه مند در حوزه مالیات زیست محیطی، جهت کسب شناختی جامع از پیامدهای مالیات زیست محیطی و سنجش میزان اهمیت آنها راهگشا باشد.
کلیدواژه ها:
نویسندگان
سجاد نقدی
استادیار حسابداری دانشگاه تبریز
زهرا کریمی تکانلو
استاد اقتصاد دانشگاه تبریز
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 :