MétaCan
Menu
Retour à la cohorte
Enregistrement W3046713242 · doi:10.5267/j.msl.2020.7.009

Determinants of Indonesian professionals’ soccer spectator loyalty

2020· article· en· W3046713242 sur OpenAlexvenueno aff
Fatchur Rohman

Notice bibliographique

RevueManagement Science Letters · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSports, Gender, and Society
Établissements canadiensnon disponible
Organismes subventionnairesAcademy of Marketing
Mots-clésIndonesianLoyaltyAdvertisingPsychologyMarketingBusinessLinguistics

Résumé

récupéré en direct d'OpenAlex

This study aims to investigate the relationship among sport experiential quality, club image, spectator satisfaction, subjective well-being, and spectator loyalty in the context of the Indonesian professional soccer industry.In addition, this study determines the mediating role of club image, spectator satisfaction, and subjective well-being in the relationship between sport experiential quality and spectator loyalty.To answer the research objectives, this study employed an explanatory research approach.Self-administered questionnaire was distributed among 250 samples recruited from several professional soccer matches in East-Java Province during Indonesia Soccer League (ISL) 2019.Data were analyzed by Partial Least Squares (PLS) technique.The results indicate that sport experiential quality did not have any significant direct effect on spectator loyalty.However, spectator experiential quality significantly affected club image, spectator satisfaction, and subjective well-being.While spectator experiential quality did not have a direct effect on spectator loyalty, the results also show that club image, subjective well-being, and spectator satisfaction had significant positive effects on spectator loyalty.Apart from the direct effect, this study indicate that subjective well-being, club image, and spectator satisfaction mediated the effect of spectator experiential quality on spectator loyalty.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,029
Tête enseignante GPT0,314
Écart entre enseignants0,286 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetSports, Gender, and SocietyTravaux en français237 207