MétaCan
Menu
Retour à la cohorte
Enregistrement W3027648055 · doi:10.1123/jsm.2019-0186

The Effects of the 2018 Commonwealth Games Service Environment on Athlete Satisfaction and Performance: A Transformative Service Research Approach

2020· article· en· W3027648055 sur OpenAlexaff
Eric MacIntosh, Keita Kinoshita, Popi Sotiriadou

Notice bibliographique

RevueJournal of Sport Management · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTransformative learningAthletesCommonwealthPsychologyService (business)Affect (linguistics)Applied psychologyElite athletesPerceptionMarketingBusinessPolitical scienceMedicineDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Competing at major sport events represents a significant experience for elite athletes. Research has determined that event services can affect athlete satisfaction, yet little is known about any influence on athlete performances. This study adapted the lens of transformative service research to examine, through survey research, the athletes’ perceptions of the impact that the service environment of the Commonwealth Games 2018 on the Gold Coast in Australia had on their satisfaction and subsequent performance. The results from 430 athlete surveys showed the significant relationships between service environment factors and athlete satisfaction and the indirect effects of the service environment on performance, through satisfaction. Thus, satisfaction acts as a mediator between the service environment and athlete performance. The effects of the service environment on athlete satisfaction and performance highlight the areas for future development across the athletes’ experience, from accommodations to social activities, that managers and event planners can enhance.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,004
Communication savante0,0030,001
Science ouverte0,0010,004
Intégrité de la recherche0,0000,002
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 Opus0,043
Tête enseignante GPT0,300
Écart entre enseignants0,257 · 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'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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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