MétaCan
Menu
Retour à la cohorte
Enregistrement W2025938688 · doi:10.1016/j.smr.2012.01.002

How to win a bid for major sporting events? A stakeholder analysis of the 2018 Olympic Winter Games French bid

2012· article· en· W2025938688 sur OpenAlexaff
Christopher Hautbois, Milena M. Parent, Benoît Séguin

Notice bibliographique

RevueSport Management Review · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésStakeholderStakeholder analysisSalience (neuroscience)Corporate governanceLegitimacyBusinessPublic relationsPolitical sciencePoliticsPsychologyLaw

Résumé

récupéré en direct d'OpenAlex

While understanding the planning and hosting of major sporting events is a popular research area, less is known about the bid process despite the potential economic and political spinoffs. Some studies offer criteria for successful bids and even consider the stakeholder network as a key factor. Considering the importance of the stakeholder network, we delve deeper into this area. Using the power, legitimacy and urgency framework by CitationMitchell et al. (1997), we examine the 2018 Olympic Winter Games’ French national bid competition (four candidacies) to analyse the stakeholder relationships, identify their salience and then determine stakeholder-based bid key success factors. Archival material and 28 interviews were analysed. We notably found that to increase the probability of winning, no actor alone should have a definitive status, the sport stakeholder group should have at least the expectant status, and no strategic stakeholder should have the latent status. We also find that a three-level analysis of the stakeholder network allows for a greater understanding of the bid governance and process dynamics at play, which help to elucidate a successful bid. We contribute to the literature by (a) showing how stakeholder salience analysis can assist in understanding the bid network governance structure; (b) demonstrating that stakeholder salience depends on the level which is analysed (local, between bids, and with the event owner), the stage (deciding to bid, national bid competition, national bid win/international competition), and the case/context; and (c) determining stakeholder-based key bid success factors such as who should and should not be more salient in the bid process.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,184

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,069
Tête enseignante GPT0,337
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations32
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSport Management ReviewMême sujetSport and Mega-Event ImpactsTravaux en français237 207