MétaCan
Menu
Retour à la cohorte
Enregistrement W3014621296 · doi:10.1108/sbm-02-2019-0016

If you build it, will they log on? Wi–Fi usage and behavior while attending National Basketball Association games

2020· article· en· W3014621296 sur OpenAlexaff
Michael L. Naraine, Norm O’Reilly, Nadège Levallet, Liz Wanless

Notice bibliographique

RevueSport Business and Management An International Journal · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensUniversity of GuelphBrock University
Organismes subventionnairesnon disponible
Mots-clésBasketballOriginalityAdvertisingValue (mathematics)Association (psychology)PsychologyMarketingBusinessComputer scienceGeographySocial psychologyCreativity

Résumé

récupéré en direct d'OpenAlex

Purpose Although sports fans have increased their use of digital media to consume sport, especially at professional sport venues, it is unknown the extent to which patrons of said venues are utilizing venue services for these activities. As such, this study asks: (1) How much data do patrons at a sports venue consume via the provided Wi–Fi? and (2) What types of online activity behaviors do Wi–Fi users at sports venues exhibit? Design/methodology/approach This empirical study reports stadia Wi–Fi data usage and consumer behavior from three National Basketball Association venues in the United States: Amway Center in Orlando, FL, Barclays Center in Brooklyn, NY and Target Center in Minneapolis, MN, over a course of 7 games per venue. Findings The findings suggest that Wi–Fi usage is more limited than anticipated. Users who do utilize the venue Wi–Fi do so for very short periods, with the vast majority of user duration lasting between 1 and 10 min. Additionally, the halftime period of games experiences the peak of Wi–Fi usage. Originality/value By increasing our understanding of Wi–Fi usage in venues, this study informs relationship marketing theory research and contributes to the sport management literature. Practically, a better knowledge of Wi–Fi usage is critical, as it constitutes a critical antecedent to develop online marketing strategies.

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 candidatesMéta-épidémiologie (sens strict), Communication savante
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 enseignants0,273
Score d'incertitude au seuil1,000

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 savante0,0010,003
Science ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,272
Écart entre enseignants0,245 · 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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSport Business and Management An International JournalMême sujetCustomer Service Quality and LoyaltyTravaux en français237 207