فائض الجماعات الترابية يتقلص هذا العام إلى 3.3 مليار درهم
تاريخ النشر: 26th, June 2023 GMT
كشفت الخزينة العامة للمملكة أن وضعية التحملات وموارد الجماعات الترابية أظهرت وجود فائض إجمالي بقيمة 3,3 مليار درهم عند متم ماي 2023، مقابل فائض قيمته 5,2 مليار درهم قبل عام.
وأوضحت الخزينة، في نشرتها الشهرية الأخيرة الخاصة بإحصائيات المالية المحلية، أن هذا الفائض، الذي يأخذ بعين الاعتبار نفقات الاستثمار البالغة 5 مليار درهم والرصيد الإيجابي للحسابات الخاصة والميزانيات الملحقة البالغة 480 مليون درهم، موجه لتغطية النفقات التي يتعين دفعها خلال سنة 2023.
وأبرز المصدر ذاته، أن الفائض الذي سجلته ميزانيات الجماعات الترابية عند متم ماي 2023، والذي تنضاف إليه مداخيل الاقتراض بقيمة 860 مليون درهم، مكن من سداد أصل الدين بقيمة 1,336 مليون درهم واستعادة إجمالي الفوائض بقيمة 2,8 مليار درهم.
وعلاوة على ذلك، أوضحت الخزينة أنه في ما يتعلق بالإيرادات العادية للجماعات الترابية، فقد استقرت عند 16,8 مليار درهم، بنمو نسبته 2,1 في المائة مقارنة بنهاية ماي 2022، ويرجع ذلك إلى ارتفاع الإيرادات المحولة بنسبة 4,2 في المائة، و11,2 في المائة من الإيرادات التي تديرها الجماعات الترابية، مقرونة بانخفاض نسبته 17 في المائة في الإيرادات التي تديرها الدولة.
ومن جانب آخر، أفادت الخزينة أن إجمالي النفقات العادية للجماعات الترابية بلغ 9 مليار درهم، أي بزيادة قدرها 0,3 في المائة، نظرا لارتفاع بنسبة 2,1 في المائة في نفقات السلع والخدمات الأخرى، مقرونة بتراجع نسبته 0,5 في المائة في تكاليف الموظفين وبنسبة 3,6 في المائة في تحملات فوائد الدين.
وعند متم ماي 2023، بلغ إجمالي النفقات المحققة للجماعات الترابية (النفقات العادية، ونفقات الاستثمار، وسداد أصل الدين) ما يعادل 15,3 مليار درهم، أي بارتفاع نسبته 16,8 في المائة مقارنة بمستواها في متم ماي 2022، وتضم ما يصل إلى 58,5 في المائة من النفقات العادية.
أما في ما يخص إجمالي الفوائض في ميزانيات الجماعات الترابية، فقد بلغ 49,4 مليار درهم، بما فيها الفوائض المسجلة خلال السنوات الماضية وفائض سنة 2023 (3,3 مليار درهم).
وخصصت هذه الفوائض لتغطية النفقات المقررة والمتعاقد عليها أو تلك المقررة، برسم السنوات الفارطة والسنوات غير المدفوعة بالإضافة إلى نفقات سنة 2023 المتفق عليها وغير المدفوعة. ويشكل الباقي رصيدا متوفرا مخصصا لسداد النفقات المستحقة (الأجور، الماء والكهرباء، الإيجار، فوائد الديون، التدبير المفوض وغيرها).
وتتدخل الجماعات بما يعادل 54,5 في المائة من إجمالي فوائض الجماعات الترابية.
كلمات دلالية المغرب جماعات ميزانيةالمصدر: اليوم 24
كلمات دلالية: المغرب
إقرأ أيضاً:
OpenAI تطرح طراز o3 من الجيل التالي أوائل العام المقبل
بعد ما يقرب من أسبوعين من الإعلانات، اختتمت OpenAI سلسلة البث المباشر التي استمرت 12 يومًا من OpenAI بمعاينة لطرازها الرائد من الجيل التالي. قال الرئيس التنفيذي لشركة OpenAI سام ألتمان لأولئك الذين شاهدوا الإعلان على YouTube: "احترامًا للأصدقاء في Telefónica (مالك شبكة O2 الخلوية في أوروبا)، ووفقًا للتقاليد العظيمة التي تتسم بها OpenAI بأنها سيئة حقًا في الأسماء، فقد أطلقنا عليها اسم o3".
الطراز الجديد ليس جاهزًا للاستخدام العام حتى الآن. بدلاً من ذلك، تجعل OpenAI أولاً o3 متاحًا للباحثين الذين يريدون المساعدة في اختبارات السلامة. كما أعلنت OpenAI عن وجود o3-mini. قال ألتمان إن الشركة تخطط لإطلاق هذا الطراز "في نهاية شهر يناير"، مع إطلاق o3 "بعد ذلك بفترة وجيزة".
كما قد تتوقع، يقدم o3 أداءً محسنًا مقارنة بسابقه، ولكن ما مدى تفوقه على o1 هو السمة الرئيسية هنا. على سبيل المثال، عندما تم اجتياز امتحان الرياضيات الأمريكي لهذا العام، حققت o3 درجة دقة بلغت 96.7 في المائة. وعلى النقيض من ذلك، حصلت o1 على تصنيف أكثر تواضعًا بنسبة 83.3 في المائة. قال مارك تشين، نائب الرئيس الأول للأبحاث في OpenAI: "ما يدل على ذلك هو أن o3 غالبًا ما تفوت سؤالاً واحدًا فقط". في الواقع، حققت o3 أداءً جيدًا للغاية في مجموعة المعايير المعتادة التي تضعها OpenAI لنماذجها لدرجة أن الشركة اضطرت إلى إيجاد اختبارات أكثر تحديًا لمقارنتها بها.
أحد هذه الاختبارات هو ARC-AGI، وهو معيار يختبر قدرة خوارزمية الذكاء الاصطناعي على الحدس والتعلم على الفور. وفقًا لمبتكر الاختبار، مؤسسة ARC Prize غير الربحية، فإن نظام الذكاء الاصطناعي الذي يمكنه التغلب بنجاح على ARC-AGI من شأنه أن يمثل "معلمًا مهمًا نحو الذكاء الاصطناعي العام". منذ ظهوره لأول مرة في عام 2019، لم يتفوق أي نموذج للذكاء الاصطناعي على ARC-AGI. يتكون الاختبار من أسئلة الإدخال والإخراج التي يمكن لمعظم الناس فهمها بشكل حدسي. على سبيل المثال، في المثال أعلاه، ستكون الإجابة الصحيحة هي إنشاء مربعات من البوليومينو الأربعة باستخدام كتل زرقاء داكنة.
في إعداد الحوسبة المنخفضة، سجل o3 نسبة 75.7 في المائة في الاختبار. مع قوة المعالجة الإضافية، حقق النموذج تصنيفًا بنسبة 87.5 في المائة. وفقًا لـ Greg Kamradt، رئيس مؤسسة ARC Prize Foundation، "الأداء البشري قابل للمقارنة عند عتبة 85 في المائة، لذا فإن تجاوز هذا يعد إنجازًا رئيسيًا".
استعرضت OpenAI أيضًا o3-mini. يستخدم النموذج الجديد واجهة برمجة تطبيقات Adaptive Thinking Time التي أعلنت عنها OpenAI مؤخرًا لتقديم ثلاثة أوضاع استدلال مختلفة: منخفضة ومتوسطة وعالية. في الممارسة العملية، يسمح هذا للمستخدمين بتعديل المدة التي "يفكر" فيها البرنامج في مشكلة قبل تقديم إجابة. كما ترى من الرسم البياني أعلاه، يمكن لـ o3-mini تحقيق نتائج مماثلة لنموذج الاستدلال الحالي o1 من OpenAI، ولكن بجزء بسيط من تكلفة الحوسبة. كما ذكرنا، سيصل o3-mini للاستخدام العام قبل o3.
تقرير يكشف كيف ساعدت بريطانيا جماعة القاعدة في سوريا