Leveraging Olympic Sponsorship to Engage Employees: Evaluating Employee Engagement Tactics within the Canadian Tire Corporation
Notice bibliographique
Résumé
TITLE: Leveraging Olympic Sponsorship to Engage Employees: Evaluating Employee Engagement Tactics within the Canadian Tire Corporation ABSTRACT: Employee engagement (EE) is an internal marketing concept that aids in developing emotional commitment and shared values between the employee and the organization (Farrely, Greyser, & Rogan, 2012). Using sport sponsorship, organizations can use sponsorship assets and a sports-inspired identity to improve EE and internal business performance. Although researchers have identified benefits and tactics (e.g., ticket incentive programs, meet and greets, merchandise programs) for engaging employees (e.g., Kuo & Shao, 2008; Papadimitriou, Dimitra, Apostolopoulou, Artemisia, & Theofanis, 2008), there is limited research evaluating the return on investment for these programs (Farrely et al., 2012; Macey, Schneider, Barbera, & Young, 2011). As part of its sponsorship of the Canadian Olympic Committee, the Canadian Tire Corporation (CTC) uses various tactics to engage employees via its sponsorship assets, such as: athlete appearances, Olympic viewing parties, and employee hosting trips to the Olympics. The purpose of this study is to evaluate the effectiveness of current Olympic-focused EE tactics used by the CTC. To accomplish this, a mixed methods approach involving a document analysis of past EE campaigns during the Sochi 2014 and Rio 2016 Olympic Games at CTC, a review of academic literature on EE evaluation practices, and semi-structured interviews with employees at CTC will be employed. Approximately two employees from each of the Internal Communications, Human Resources, Internal Events, and Sport Partnerships departments who are involved in EE planning and execution at the CTC Corporate Head Office will be interviewed to determine areas of improvement for the current EE tactics. These combined learnings and evaluations will aid in developing recommendations for future Olympic-focused engagement programs orchestrated by the CTC.
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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».