MétaCan
Menu
Retour à la cohorte
Enregistrement W4402687177 · doi:10.53025/sportive.1522054

Back to the Roots of Sports Management: 1980 Moscow and 1984 Los Angeles Organizing Committee of Olympic Games

2024· article· en· W4402687177 sur OpenAlexaboutno aff
Ege Direnç Erkan, Zafer Çimen

Notice bibliographique

RevueSportive · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCeremonyIdeologyOpening ceremonyPrivate sectorPolitical scienceState (computer science)Sport managementPublic administrationQuarter (Canadian coin)Public sectorPublic relationsManagementGeographyPoliticsLawEconomics

Résumé

récupéré en direct d'OpenAlex

This research aims to compare the 1980 Moscow and 1984 Los Angeles Olympic Games (OG), which continued their activities in parallel with the ideologies of the two superpowers of the Cold War, the USA, and the USSR, with public and private sector sports management approaches. The research model is a comparative case study. The findings were reached by single and cross analysing the data sources, including OCOG's official reports. Moscow and Los Angeles OCOG activities were compared under organizational structure, facilities, financing, and expenditures headings. Despite the blurred lines of intersectoral distinction, Moscow OCOG (OCOG-80) stands out as a distinctively dominant example of the public sector and Los Angeles OCOG (LAOOC) LAOOC as a distinctively dominant example of the private sector sport management approach. Despite the contrasting approaches, both OCOGs have completed realizing an OG from the planning stage to the closing ceremony. The activities of the sports organizations that achieved this success by meeting the expectations of the state and the system to which they belonged demonstrated the importance of focusing on the positive effects on sports management success of the right people taking the steps that meet the needs, rather than a superiority comparison between the requirements of the private or public sector.

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 candidatesaucune
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 enseignants0,391
Score d'incertitude au seuil0,392

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,017
Tête enseignante GPT0,288
Écart entre enseignants0,271 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSportiveMême sujetSport and Mega-Event ImpactsTravaux en français237 207