MétaCan
Menu
Retour à la cohorte
Enregistrement W2762304308 · doi:10.1108/mip-04-2017-0065

Leveraging sport and entertainment facilities in small- to mid-sized cities

2017· article· en· W2762304308 sur OpenAlexaffabout
Daniel S. Mason, Stacy-Lynn Sant, Laura Misener

Notice bibliographique

RevueMarketing Intelligence & Planning · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensWestern UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPublic relationsEntertainmentTourismOriginalityContext (archaeology)RecreationBusinessMarketingNewspaperSociologyPolitical scienceAdvertisingQualitative research

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to understand how, once a city has made a decision to build a new arena, local stakeholders envision the venue as a leverageable asset to achieve broader development goals through event hosting. Design/methodology/approach A total of 66 semi-structured interviews were undertaken in 12 cities across Canada. Participants included city employees (parks and recreation, tourism), elected officials (current and former mayors, councilors), arena management, management from the local team (serving as anchor tenant), members of chambers of commerce and local business associations, prominent members of the local business community, and other politicians and relevant stakeholders (members of parliament, bloggers, journalists, educators, and community activists). Interviews were transcribed and subject to coding to identify themes. Findings Core themes were identified which captured how key stakeholders viewed the arena as an opportunity to leverage other events being targeted and held at the arena. This included: opportunities and benefits of hosting other events; the arena, competitiveness, and competition; partnerships and collaboration; capacity: knowledge and experience; and leveraging challenges. Originality/value This study makes several important contributions to the literature. First, it examines sports facilities in smaller cities, a subject more widely studied in larger, “major league” cities. Second, it takes a different approach to understanding leveraging, examining facilities rather than the event that the city is hosting or the franchise that plays in the city. Third, it examines a context where the facility has been built for a sports team, and not for other sport and entertainment events that might be hosted there.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,090
Score d'incertitude au seuil0,179

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,005
Communication savante0,0060,003
Science ouverte0,0020,007
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,074
Tête enseignante GPT0,341
Écart entre enseignants0,268 · 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

Citations12
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMarketing Intelligence & PlanningMême sujetSport and Mega-Event ImpactsTravaux en français237 207