MétaCan
Menu
Retour à la cohorte
Enregistrement W2795093981 · doi:10.1123/jsm.2017-0207

Modeling Resident Spending Behavior During Sport Events: Do Residents Contribute to Economic Impact?

2018· article· en· W2795093981 sur OpenAlexaff
Nola Agha, Marijke Taks

Notice bibliographique

RevueJournal of Sport Management · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésEconomic impact analysisPerspective (graphical)Multiplier (economics)Health spendingEconomicsEconomic modelPsychologyPublic economicsDemographic economicsEconomic growthMacroeconomicsMicroeconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

The role of residents in the calculation of economic impact remains a point of contention. It is unclear if changes in resident spending caused by an event contribute positively, negatively, or not at all. Building on previous theory, we develop a comprehensive model that explains all 72 possible behaviors of residents based on changes in (a) spending, (b) multiplier, (c) timing of expenditures, and (d) geographic location of spending. Applying the model to Super Bowl 50 indicates that few residents were affected and positive and negative effects were relatively equivalent; thus, their overall impact is negligible. This leaves practitioners the option to engage in the challenging process of gathering data on all four variables on all residents or to revert back to the old model of entirely excluding residents from economic impact. From a theoretical perspective, there is a pressing need to properly conceptualize the time variable in economic impact studies.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,030
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,351
Écart entre enseignants0,325 · 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 tête enseignante, pas un consensus.

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

Citations24
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sport ManagementMême sujetSport and Mega-Event ImpactsTravaux en français237 207