Building a framework for issues management in sport through stakeholder theory
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sport managers are continually challenged by changing constituent environments as they work toward short‐term and long‐term organizational goals. At any given time, decision‐makers may have several issues that must be addressed in order to satisfy the demands of their organization's constituents. As such, managers need robust methods with which to analyze the organization's environment in order to develop strategic planning initiatives. This paper reviews the basic tenets of stakeholder theory and discusses/suggests applications to sports‐related issues, in an effort to show that stakeholder theory has descriptive and prescriptive value for sport management practitioners and academics alike. Stakeholder analysis can be used to identify stakeholders, stakeholder claims, motivations and relative importance, by evaluating stakeholders’ levels of power, legitimacy and urgency related to the issue (Mitchell, Agle & Wood, 1997). These attributes exist at varying levels as an issue develops and solutions are presented over time. In classifying stakeholders based on the attributes of power, legitimacy and urgency, and identifying their underlying needs and expectations, sport managers can more efficiently allocate resources. This paper provides a framework for issue analysis based on the tenets of stakeholder theory and issues management. It also proposes a research agenda to evaluate the framework, as well as considerations for managers wishing to use the framework. In doing so, stakeholder theory allows for new insight into issues management, from both research and practical perspectives.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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