How the Covid-19 Pandemic Influenced the Approach to Risk Management in Cycling Events
Notice bibliographique
Résumé
The COVID-19 pandemic has taught us to live in social isolation and has brought an important element of social life, the events industry, to a complete standstill. In resurrecting the events industry, the most urgent focus is on managing the risk of any crowd-control measures with a view to reducing to zero the danger of the virus spreading. This research focuses on the main issue of the impact of the coronavirus disease 2019 (COVID-19) on the organization of sports events (SEs), and in particular, cycling competitions. This study, therefore, aims to provide deeper insights into (a) the measures introduced to face the health emergency situation in cycling events, (b) the comparison of these measures with previous experiences in similar SE contexts, and (c) the possible evolution of organizational models for cycling events in the post-pandemic era. Fifteen semi-structured interviews with cycling athletes, managers, and officials constitute the methodological basis for this study. The results show that countermeasures have been taken that are effective in dealing with pandemic characteristics and are likely to be applied in the future, while others will be phased out or used again only when necessary. This study enhances scientific knowledge by analyzing a renewed approach to risk management for SEs, with a specific focus on pandemics and medical risks. Finally, the study shows that cycling events need to adapt the specifics of such a new approach to the standards projected on future scenarios for which the COVID-19 pandemic has paved the way.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».