MétaCan
Menu
Retour à la cohorte
Enregistrement W2268017233

Ambush Marketing Legislation to Protect Olympic Sponsors: A Step Too Far in the Name of Brand Protection?

2014· article· en· W2268017233 sur OpenAlexaffabout
Teresa Scassa, Benoît Séguin

Notice bibliographique

RevueSSRN Electronic Journal · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDoping in Sports
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAmbush marketingLegislationHarmBusinessAdvertisingLeverage (statistics)Political scienceMarketingPublic relationsLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ambush marketing and its possible threat to brand equity has been identified as a key concern for mega sport event organisations and their sponsors. In recent years, international sport federations have sought to leverage the enormous interest in hosting their events in order to make anti-ambush marketing legislation a requirement for a successful bid. While sponsors may applaud such added protection, there are potentially a number of negative impacts that deserve consideration when discussing ambush marketing legislation.In this paper, we examine the growing trend for mega sporting event organizers to insist upon the enactment of legislation to protect against ambush marketing. Using the Olympic Games as a model, we provide a brief overview of the Olympic brand, Olympic sponsorship and the brand management/protection strategies developed by the IOC. Our study pays particular attention to the Vancouver Olympic Committee (VANOC) for the 2010 Olympic Winter Games and to the legislation enacted by the Canadian government to protect the Olympic and Paralympic brands. We examine some of the issues that arose in relation to the Vancouver Games, and discuss the impact of the growing use of anti-ambush legislation as the ultimate weapon to protect sponsors. While more research is needed to assess fully the impact of such legislation on various stakeholders, there are signs that perhaps it can do more harm than good.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,006
Communication savante0,0080,004
Science ouverte0,0010,002
Intégrité de la recherche0,0050,006
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 Opus0,012
Tête enseignante GPT0,272
Écart entre enseignants0,261 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetDoping in SportsTravaux en français237 207