Erros associados ao não cumprimento fiscal involuntário em IRS: evidência empirica em Portugal

Abstract

Esta obra encontra-se catalogada no Portal Científico. Publicada oficialmente em XVI Congresso Internacional de Contabilidade e Auditoria (2017). Referenciada como: "Lopes, Cidália; Sá, Cristina".

Detalhes Bibliográficos e Editoriais

Veículo / Revista / Livro XVI Congresso Internacional de Contabilidade e Auditoria

Local de Publicação / Conferência Aveiro

Descoberta de Coautores & Ciência ID

Autores discriminados na citação da obra:

Lopes, Cidália; Sá, Cristina

Other Related Publications

Conference paper • 2026

AI-Driven Predictive Model for Diabetes Risk Assessment - A Class-Balanced Machine Learning Approach with Web-Based Deployment

Conference paper • 2026

SiSchool: A QR-Based Mobile Device Control System for Educational Environments

Conference paper • 2026

Generate report

Erros associados ao não cumprimento fiscal involuntário em IRS: evidência empirica em Portugal

Abstract

Detalhes Bibliográficos e Editoriais

Descoberta de Coautores & Ciência ID

Exportar Citação Bibliográfica

Track outputs, projects, and reports in one place.

Login

Register

Ciência Vitae

Recuperar Palavra-passe

Erros associados ao não cumprimento fiscal involuntário em IRS: evidência empirica em Portugal

Abstract

Detalhes Bibliográficos e Editoriais

Descoberta de Coautores & Ciência ID

Other Related Publications

AI-Driven Predictive Model for Diabetes Risk Assessment - A Class-Balanced Machine Learning Approach with Web-Based Deployment

SiSchool: A QR-Based Mobile Device Control System for Educational Environments

From predicting dropout rates to responsible intervention: explainable machine learning for academic success in higher education

Exportar Citação Bibliográfica