The Strategies Sport Fans Used to Cope with the COVID-19 Pandemic Lockdown of Sporting Events
Notice bibliographique
Résumé
When the COVID-19 pandemic shut down occurred, virtually all sports leagues—from recreational sports to professional leagues—were paused or canceled. This left a gap for fans of those sports to fill. The purpose of the present research study was threefold: 1) to examine what strategies sport fans used to cope with the loss of the live sport viewership/spectatorship; 2) determine how effective fans believed those coping mechanisms to be; and 3) examine fans’ behavioral intentions once sports were allowed to resume. Participants were recruited via a snowball sample and the Amazon MTurk platform. A total of 384 sport fans responded to the survey. While not all participants responded to all items, 168 indicated coping mechanisms for dealing with not watching sports and 219 reported coping mechanisms for not attending sports. The most common coping mechanism was watching old sporting events on television or via the internet. These mechanisms were reported to be very effective in helping participants cope with the loss of sports (M = 5.76, SD = 1.68 on a 1 to 8 scale). These findings provide support for the Team Identification – Social Psychological Health Model and suggest areas for interventions for sport marketers who are looking to maintain fans’ loyalty during future shutdowns of sport seasons, or other instances of missed sporting events.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».