Marketing and Environmental Sustainability in the Sport Sector: Developing a Research Agenda for Action
Notice bibliographique
Résumé
Authoritative discourse within the literature indicates a realization that sport impacts the natural environment (Brooks, 2006; Cachay, 1993; Lenskyj, 1998) and that environmental sustainability (ES) in sport management is emerging as a topic of concern. The number of sport-related journal articles focusing on environmental sustainability (ES), however has been found to be insufficient (Mallen, Stevens and Adams, 2011). The purpose of this study, thus, was to complete a content analysis of management journals to reveal marketing-ES literature to underscore the development of a sport marketing-ES research agenda. The premise was that the understandings concerning the outlook, perceptions, opinions and viewpoints in the marketing-ES manuscripts will enhance the capacity of researchers in developing a research agenda in sport marketing-ES. The methods involved content analysis steps provided by Krippendorff (1980), Weber (1985), and Wolfe, Hoeber and Babiak (2002) including: establishing the sampling units, the unit of text, the coding themes and sub-themes, analytical factors and coding mode. The data analysis framework involved the use of key marketing concepts: the consumer perspective (Aaker, 1996) and the corporate perspective (Knapp, 2000), along with the concept of influencers (Davis & Dunn, 2002). In sum, the examination involved 49 journals published from 1999 to 2009. Key findings included 63 marketing-ES manuscripts and their concepts, themes and sub-themes, along with their perspectives and influencers that were applied to construct 30 questions to develop a sport marketing-ES research agenda. It is time for sport researchers to generate a robust research response to the marketing-ES questions.
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 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 | 0,031 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».