MétaCan
Menu
Retour à la cohorte
Enregistrement W2802719657 · doi:10.1080/23750472.2018.1470901

Sport events, urban regimes, and community development: a case study of Nanjing, China

2017· article· en· W2802719657 sur OpenAlexaff
Hanhan Xue, Daniel S. Mason

Notice bibliographique

RevueManaging Sport and Leisure · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDisadvantagedCommunity developmentScope (computer science)ChinaTourismSustainabilityPromotion (chess)Economic growthOrder (exchange)BusinessCommunity organizationSustainable developmentInvestment (military)Political sciencePublic relationsEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Cities throughout the world have experienced mounting pressures to distinguish themselves in an increasingly competitive market for tourism, economic development, and investment. However, there are growing concerns about the sustainability of place promotion advantages and economic and community benefits brought about by hosting sporting events. This study examined Nanjing’s community development agenda and ongoing events strategy, in order to identify possible community development initiatives embedded in the events strategy (as evidenced in event policy), and the form they took. A deductive coding procedure was organized using four categories – agenda (problem-solving tasks), governing coalition (key individuals and organizations), resources (skills, expertise, organizational connections, informal contacts and level and scope of contributing efforts) and scheme of cooperation (coordination among the suppliers of the resources). The Nanjing regime appears to be a social-reform regime where the agenda targets disadvantaged groups or neighborhoods and focuses on community development aimed at encouraging community participation.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,207
Score d'incertitude au seuil0,411

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,003
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,035
Tête enseignante GPT0,316
Écart entre enseignants0,281 · 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'étudeQualitatif
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

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManaging Sport and LeisureMême sujetSport and Mega-Event ImpactsTravaux en français237 207