MétaCan
Menu
Retour à la cohorte
Enregistrement W2126748392 · doi:10.1177/155862351100600301

Economic Impact Analysis versus Cost Benefit Analysis: The Case of a Medium-Sized Sport Event

2011· article· en· W2126748392 sur OpenAlexaff
Marijke Taks, Stefan Késenne, Laurence Chalip, B. Christine Green, Scott Martyn

Notice bibliographique

RevueInternational Journal of Sport Finance · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésRevenueEconomic impact analysisVisitor patternTicketCost–benefit analysisStadiumEconomic analysisEconomic surplusEvent (particle physics)BusinessEconomicsAttendancePublic economicsMarketingAgricultural economicsEconomic growthFinanceMicroeconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

This paper empirically illustrates the difference between a standard economic impact analysis (EIA) and a cost-benefit analysis (CBA). The EIA was conducted using an existing (input-output) I-O model (STEAM). The benefit side of the CBA included non-local visitor spending, the revenue of the local organizing committee (LOC), the consumer surplus, and public good value of the sport event for the local residents. The cost side of the CBA was estimated based on the opportunity costs related to the construction of the stadium (including labor costs and the cost of borrowing), imports, and ticket sales to locals. The EIA indicated that the 2005 Pan-American Junior Athletic Championships generated a net increase in economic activity in the city of $5.6 million. The CBA showed a negative net benefit of $2.4 million. Both methods presented challenges and limitations, but CBA has the distinct advantage that it identifies the net benefits associated with hosting a sport event.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,036
Tête enseignante GPT0,356
Écart entre enseignants0,320 · 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

Citations112
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sport FinanceMême sujetSport and Mega-Event ImpactsTravaux en français237 207