MétaCan
Menu
Retour à la cohorte
Enregistrement W2614941978

Regional Leagues as a Model for Success: The Cost-Benefit Analysis of Resurrecting the Yugoslavian Football League

2005· article· en· W2614941978 sur OpenAlexaboutno aff
Bojan Georgievski

Notice bibliographique

RevueSSRN Electronic Journal · 2005
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeagueFootballRevenueCompetition (biology)BusinessEconomicsFinancePolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this article is to show the financial potential of the old Yugoslavian league. Besides the sporting motive and improving competition, this league has a considerable financial potential. Football clubs receive revenues, mainly through three main activities: match day revenues, broadcast revenues and commercial revenue. Competition and creating a larger market will lead to an increase in all three types of revenues. By improving the competition, this league will attract larger finances. We look at stadium capacities, infrastructure, similar projects and the financial potential of this football league to determine the growth potential. Currently the clubs inside this potential league are operating in a much smaller market. This will increase the number of potential customers up to 20 million people. Methods: In addition to theoretical research and application considerations, the author uses a meta-analysis to conduct a comparative study based on historical and statistical data from electronic and printed media. During the preparation of the paper sources from universities, national data banks, and newspaper articles and other available data and statistics were also used. 1. Regionalization in sports Regionalization in sports is not a new phenomenon. What was previously only a Canadian league became regional when the Boston bruins were admitted in the National Hockey League (NHL), in 1924. (The People

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)0,019
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,057
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,020
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0030,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,038
Tête enseignante GPT0,265
Écart entre enseignants0,227 · 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

Citations2
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetSports Analytics and PerformanceTravaux en français237 207