MétaCan
Menu
Retour à la cohorte
Enregistrement W2810339778 · doi:10.5430/ijba.v9n4p50

The Key-Attributes That Influence the Fans’ Perceptions of the Corinthians’ Ecosystem

2018· article· en· W2810339778 sur OpenAlexvenueno aff
Edson Coutinho da Silva, Alexandre Luzzi Las Casas

Notice bibliographique

RevueInternational Journal of Business Administration · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePhysical Education and Sports Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStadiumAttendanceLikert scaleSalaryClubPsychologyKey (lock)PerceptionAdvertisingMarketingComputer scienceBusinessMathematicsEconomics

Résumé

récupéré en direct d'OpenAlex

Objective: This article aims to understand and analyse which fans’ attributes most infers in their view concerning the sports ecosystem of the Sport Club Corinthians for sporting events. Methodology: an exploratory research was carried out consisting 78 topics using the Likert scale to be administered to 180 sports fans in 3 matches between February and March 2017. The analysis procedure followed three steps: (i) calculating the chi-square testes cross tables; (ii) selecting the topics which achieved less than 5% significance; (iii) and identifying that group of fans’ attributes that are most similar and most divergent. Findings: monthly salary is the most critical fan attribute; monthly attendance is the second fan attribute most divergent. Fans understand that the stadium as well as partnerships and sponsorships as the critical dimensions of the Corinthians’ ecosystem. Conclusion: Therefore, 2 out of 3 hypotheses were confirmed. Besides, issue as to gender is not a critical fans’ attributes for the Corinthians’ marketers.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,551
Score d'incertitude au seuil0,657

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,341
Écart entre enseignants0,310 · 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.

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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Business AdministrationMême sujetPhysical Education and Sports StudiesTravaux en français237 207