Hosting Regional Sport Events: Insights from Emerging Sport Tourism Destinations
Notice bibliographique
Résumé
The aim of this exploratory study was to investigate and gain stakeholder insights into the nature of hosting sport tourism events and using them as a regional development strategy in two emerging sport tourism markets (i.e., regions that have recently begun to explore the potential of hosting small-scale sport events as a tourism development strategy). Specifically, the current research addressed five research questions in relation to tourism stakeholders’ input from the Waterloo and Niagara Regions in Ontario, Canada: (i) Why do destinations engage in sport tourism development strategies? (ii) What are perceived constraints to engaging in sport tourism events as development strategies? (iii) How do stakeholders decide which sport events to pursue, bid for and host? (iv) What are the perceived regional impacts of hosting sport tourism events? (v) What extent is leveraging these impacts considered in sport tourism strategy development? A total of 10 semi-structured interviews were conducted with key sport and tourism decision making stakeholders in the two regions during February and March 2015. A thematic analysis (Braun & Clark, 2006) was used, which included different phases of coding and analysis to derive key themes and concepts. Themes emerging from data included, Embracing the current sport tourism situation; Deriving benefits from hosting sport tourism events (e.g. job creation, sport development, volunteerism, enhanced well-being, destination image development, increased community engagement and destination differentiation); Overcoming challenges of hosting sport tourism events (e.g. facility and infrastructure constraints, resident irritation and displacement; resource allocation and navigating the political environment); Understanding regional impacts of hosting sport tourism events and Effective leveraging of sport tourism events. Implications for research and practice are further discussed in relation to each theme.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».