MétaCan
Menu
Retour à la cohorte
Enregistrement W4392171508 · doi:10.3727/152599524x17077053867647

Propositions and Recommendations for Enhancing the Legacies of Major Sporting Events for Disadvantaged Communities and Individuals

2024· article· en· W4392171508 sur OpenAlexaff
Shushu Chen, Mary L. Quinton, Abdullah Alharbi, Helen X. H. Bao, Barbara Bell, Barnaby N. Zoob Carter, Michael B. Duignan, Andrew Heyes, Kyriaki Kaplanidou, Maria Karamani, Jacqueline Kennelly, Themis Kokolakakis, Mark Lee, Xiao Liang, Brij Maharaj, Judith Mair, Andrew Smith, Lorraine van Blerk, Jet Veldhuijzen Zanten

Notice bibliographique

RevueEvent Management · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésDisadvantagedTourismSociologyPublic relationsAdvertisingMarketingPolitical scienceGeographyBusinessEconomic growthEconomicsArchaeology

Résumé

récupéré en direct d'OpenAlex

This consensus statement is the outcome of comprehensive collaboration through an international working group on the disparities in the legacies of major sporting events, specifically for communities and individuals from disadvantaged backgrounds (CIDBs). The workshop brought together scholars to discuss current challenges and develop four propositions and recommendations for event leveraging, policy stakeholders, and researchers. The propositions included (1) the nature of “disadvantage” needs to be recognized and the specific targeted CIDBs in each event context must be carefully identified or clearly defined; (2) CIDBs should be considered as an integral part of the whole event hosting cycle to ensure legacy inclusivity; (3) dedicated event leverage, sufficient financial backing, and resource commitments for CIDBs are needed; and (4) it is critical to establish a system of legacy governance for CIDBs. The recommendations aim to inform change in practice and ensure lasting positive legacies for the communities that need them most.

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)0,058
score de la tête « metaresearch » (Gemma)0,069
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,308

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0580,069
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0060,007
Communication savante0,0160,014
Science ouverte0,0070,011
Intégrité de la recherche0,0180,014
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,036
Tête enseignante GPT0,376
Écart entre enseignants0,340 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvent ManagementMême sujetSport and Mega-Event ImpactsTravaux en français237 207