MétaCan
Menu
Retour à la cohorte
Enregistrement W2321321994 · doi:10.1177/0042098015576862

Novelty effects and sports facilities in smaller cities: Evidence from Canadian hockey arenas

2015· article· en· W2321321994 sur OpenAlexaffabout
Brian P. Soebbing, Daniel S. Mason, Brad R. Humphreys

Notice bibliographique

RevueUrban Studies · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésNoveltyLeagueAttendanceStadiumArgument (complex analysis)BusinessMarketingAdvertisingEconomic growthEconomicsPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Like their larger counterparts, smaller cities use public funds to build facilities to host local sports franchises. One argument for doing so is the new economic activity and attendance new facilities generate. However, academic research examining both major league stadium/arenas and minor league baseball stadiums finds a novelty effect – a brief period of higher attendance – exists but not a long-term sustainable increase for new facilities. This paper extends the research on small cities and novelty effects of sports facilities by integrating and exploring how city size and proximity influences the novelty effect of new hockey arenas in smaller communities. Results show a novelty effect for new facilities built to host Canadian Hockey League franchises for the first five years. In small cities, the novelty effect occurs only in years three through five after opening.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,077
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0030,003
Communication savante0,0020,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,129
Tête enseignante GPT0,335
Écart entre enseignants0,206 · 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

Citations70
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUrban StudiesMême sujetSport and Mega-Event ImpactsTravaux en français237 207