Positioning in Olympic Winter sports: analysing national prioritisation of funding and success in eight nations
Notice bibliographique
Résumé
Research question: Despite the attention the Olympic Winter Games has received by scholars, there has been little theoretically informed analysis on the positioning of nations in a dynamic environment. The purpose of this paper is to analyse how nations position themselves in the Winter Games by comparing national funding prioritisations of Olympic Winter sports.Research methods: The distribution of funding in 2010/2011 is used as a proxy to examine how eight nations prioritise among seven sports. National policies are analysed at two levels: (a) the concentration of funding among the supported sports is measured using the Hirschman-Herfindahl Index (HHI) and (b) the Spearman’s rho coefficient is used to examine the correlations between the distribution of funding (2010/2011) and success per sport in the past (1992–2006), recent past (2010) and future (2014).Results and findings: All nations show some prioritisation, but the resulting distribution of funding differs. For example, South Korea diversifies its funding most equally (HHI = 0.18), while Switzerland’s funding is more concentrated (HHI = 0.46). Furthermore, positioning differs depending on the type of sport most prioritised, be it skiing (Australia, Canada, Finland and Switzerland), skating (Japan and the Netherlands), both (South Korea) or bobsleigh/skeleton (Great Britain). Meanwhile, high correlation values were found for Australia, Great Britain, Finland and Japan in all periods, while the Netherlands, Canada, South Korea and Switzerland show high values in specific periods only. The results provide empirical evidence on different positioning strategies regarding the investment in either a focused or a diversified portfolio of targeted sports.Implications: Using a management perspective derived from economics, this study supports national decision-makers to compare prioritisation policies in their own national context.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».