MétaCan
Menu
← Retour à la cohorte
Enregistrement W4229039085 · doi:10.48119/toleho.1101916

Nascar and tourism : Analyses based on a scoping review of the literature

2022· review· en· W4229039085 sur OpenAlexaff
Romain Roult, Denis Auger, Santiago Alejandro Ortegón Sarmiento

Notice bibliographique

RevueJournal of Tourism Leisure and Hospitality · 2022
Typereview
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésTourismStock (firearms)MarketingAdvertisingPolitical scienceEconomyBusinessGeographyEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Many countries, provinces and cities around the world use major sporting events as a catalyst for tourism development. The National Association for Stock Car Auto Racing (NASCAR), through its championships and racing events, has for many years, chosen to integrate itself into capitalist and neoliberal tourism and economic models. As a motorsport industry with strong historical, economic and media roots in American culture and certain values, NASCAR generates a myriad of tourism impacts on the territories hosting these races. This study, therefore, aims, through a scoping review of the scientific literature, to take stock of the scientific knowledge produced on NASCAR and its tourism impacts. This approach allowed the analysis of 28 scientific articles in depth and to draw several analytical conclusions. First of all, an observation was noted regarding a very strong involvement of sponsors and the media in this industry, which undeniably contributes to the creation of forms of sporting imagery around the teams and drivers). These sporting imaginaries undoubtedly colour the partisan cultures and even the fan communities that are created and evolve around and within this sporting ecosystem. The study of the tourist spin-offs of NASCAR has been studied in the scientific literature but appears to be rather limited or circumscribed, and must, therefore, be widely developed empirically.

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)0,015
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,049
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0600,052
Études des sciences et des technologies0,0010,001
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,088
Tête enseignante GPT0,430
Écart entre enseignants0,342 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Tourism Leisure and Hospitality→Même sujetSport and Mega-Event Impacts→Travaux en français237 207→