MétaCan
Menu
Retour à la cohorte
Enregistrement W1759148795 · doi:10.1002/nvsm.1464

Developing personal attachment to a physically active charity event

2013· article· en· W1759148795 sur OpenAlexaff
Ryan Snelgrove, Laura Wood, Mark E. Havitz

Notice bibliographique

RevueInternational Journal of Nonprofit and Voluntary Sector Marketing · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of WaterlooUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésEvent (particle physics)Exploratory researchPsychologySocial psychologyWork (physics)Qualitative researchPublic relationsMarketingApplied psychologyBusinessSociologyPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Given the commonplace of physically active charity events, it is increasingly important for charitable organizations to understand how participants form personal attachments to their events so that marketers can maximize the amount of funds raised and achieve an attractive return on marketing expenditures. This exploratory study examines the ways in which participants at a walk/run for multiple sclerosis form personal attachments to the event. The limited work that has been conducted in this area has focused on cycling events, which may not include all types of participants (e.g., people with physical restrictions tied to the cause) and their experiences. Data were collected through an online questionnaire that employed open‐ended qualitative questions. The findings suggest three ways in which participants form attachments to the event, including being known as a fundraiser, aligning self and cause, and developing social bonds. Copyright © 2013 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil0,781

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,030
Tête enseignante GPT0,339
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nonprofit and Voluntary Sector MarketingMême sujetSport and Mega-Event ImpactsTravaux en français237 207