MétaCan
Menu
Retour à la cohorte
Enregistrement W2068225437 · doi:10.1080/14775085.2010.533918

Attracting and Leveraging Visitors at a Charity Cycling Event

2010· article· en· W2068225437 sur OpenAlexaff
Ryan Snelgrove, Laura Wood

Notice bibliographique

RevueJournal of Sport & Tourism · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensWestern UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésTourismEvent (particle physics)MarketingAdvertisingIdentity (music)CyclingWord of mouthSocial identity theoryPsychologyBusinessSocial psychologyPolitical scienceGeographySocial group

Résumé

récupéré en direct d'OpenAlex

Sport events are increasingly being recognized as integral to a destination's marketing strategy. Charity sport events are a type of event that can be leveraged by local businesses and destination marketers as a way of stimulating flow-on tourism, shaping an image and generating word of mouth. Yet, little research has been conducted in this area. Previous research has shown that length of stay in a destination and group composition can impact subsequent tourist behaviors. Thus, visitors' push and pull motivations and their influences on participants' choice of event and mode of participation (team versus individual) were assessed as a way of developing this line of research. The motives of supporting others, learning about the destination and cycling identity were predictive of event choice. Social motives and an identity tied to cycling predicted participants' mode of participation. Further, motives were distinguished between first-time and repeat visitors. First-time visitors were more motivated than repeat visitors by the physical aspects of the event and the opportunity to learn about the destination. Conversely, repeat visitors were more motivated by identities tied to the cause and the sport at hand than first-time visitors.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,022
Tête enseignante GPT0,321
Écart entre enseignants0,299 · 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'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

Citations79
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sport & TourismMême sujetSport and Mega-Event ImpactsTravaux en français237 207