MétaCan
Menu
Retour à la cohorte
Enregistrement W3008500816 · doi:10.1080/15022250.2020.1733653

Specialization versus diversification in the event portfolios of amateur athletes

2020· article· en· W3008500816 sur OpenAlexaff
Tommy D. Andersson, Donald Getz

Notice bibliographique

RevueScandinavian Journal of Hospitality and Tourism · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAmateurDiversification (marketing strategy)PortfolioAttractivenessRecreationMarketingAthletesTourismEvent (particle physics)Competitive athletesBusinessAdvertisingPublic relationsPsychologyPolitical scienceFinance

Résumé

récupéré en direct d'OpenAlex

This study explores the personal event portfolios of amateur athletes, differentiating between those who pursue a specialized career within one sport and those who diversify within multiple sports. The impetus for this paper was the observation made in previously published research that many sport-event tourists participate in multiple sports. The twin objectives of the study are to better understand highly involved participants and to draw implications that could contribute to the events’ and the country's competitiveness in sport event tourism. The study also addresses the question of whether or not these portfolio choices emerge as involvement increases – in other words, do highly involved amateur athletes tend to specialize in one sport, as suggest by recreation specialization theory? A total of 6691 participants were surveyed online in five events (cross-country run, Nordic ski, half-marathon run, open-water swim, and road cycling), out of which 2329 were identified as pursuing a portfolio strategy. The major contributions of this paper include identification of a large number of significant differences between “specialized” and “diversified” portfolios. Planning and marketing implications that can potentially enhance the attractiveness of individual and collectively marketed events are also discussed.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,276
Score d'incertitude au seuil0,178

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,042
Tête enseignante GPT0,307
Écart entre enseignants0,265 · 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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScandinavian Journal of Hospitality and TourismMême sujetSport and Mega-Event ImpactsTravaux en français237 207