Inclusive sponsorship activation and gender equity in sports: the case of orange company
Notice bibliographique
Résumé
Purpose This study aims to identify the determining factors of perceived altruism and attitude toward an inclusive sponsorship activation, as well as the impact of these variables on the attitude toward the sponsor. Design/methodology/approach Online survey data were obtained from 1,228 respondents from France, the UK and South Africa. The data were analyzed using partial least squares structural equation modeling (PLS-SEM). Findings The results show that the cause-brand fit has a strong positive impact on the perceived altruism toward the motivations underlying inclusive activation, while skepticism toward advertising has a very weak negative impact. In return, perceived altruism positively influences the attitude toward inclusive activation and sponsor attitude. Furthermore, this attitude toward inclusive activation is positively influenced by involvement in women’s soccer and France men’s national football team identification. The attitude toward inclusive activation also positively influences the attitude toward sponsor attitude. However, contrary to what had been advanced, identification with the France women’s national football team and the nationality of the respondents (French, British or South African) had no impact on the attitude toward inclusive activation, while the perceived importance of the cause had very weak impact on attitudes toward inclusive activation. Originality/value This study highlights the potential benefits of investing in inclusive sponsorship activations, particularly with respect to their positive impact on consumer attitude toward sponsor attitude. It also highlights the importance of establishing, in advance, a strong association between the brand image and the cause supported, so that the motivations underlying the inclusive activations are perceived as more altruistic.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 source (Gemma direct ou Codex distillé), 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 ».