MétaCan
Menu
Retour à la cohorte
Enregistrement W4281616461 · doi:10.1177/0308518x221098741

The structural deficit of the Olympics and the World Cup: Comparing costs against revenues over time

2022· article· en· W4281616461 sur OpenAlexaboutno aff
Martín Müller, David Gogishvili, Sven Daniel Wolfe

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensnon disponible
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésRevenueSubsidyFootballTotal revenueInvestment (military)BusinessEconomicsFinanceGeographyPolitical scienceMarket economy

Résumé

récupéré en direct d'OpenAlex

The Olympic Games and the Football World Cups are among the most expensive projects in the world. While available theoretical explanations suggest that the revenues of mega-events are overestimated and the costs underestimated, there is no comprehensive empirical study on whether costs exceed revenues. Based on a custom-built database from public sources, this article compares the revenues and costs of the Olympic Games and World Cups between 1964 and 2018 ( N = 43), together totalling close to USD 70 billion in revenues and more than USD 120 billion in costs. It finds that costs exceeded revenues in most cases: more than four out of five Olympics and World Cups ran a deficit. The average return-on-investment for an event was negative (– 38%), with mean costs of USD 2.8 billion exceeding mean revenues of USD 1.7 billion per event. The 1976 Summer Olympics in Montréal, the 2014 Winter Olympics in Sochi and the 2002 World Cup in Japan/South Korea recorded the highest absolute deficits. The Summer Olympics 1984 in Los Angeles, the Winter Olympics 2010 in Vancouver and the 2018 World Cup in Russia are among the few events that posted a surplus. The article concludes that the Olympic Games and the Football World Cup suffer from a structural deficit and could not exist without external subsidies. This finding urges a re-evaluation of these events as loss-making ventures that lack financial sustainability.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,798
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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,219 · 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

Citations39
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetSport and Mega-Event ImpactsTravaux en français237 207