MétaCan
Menu
Retour à la cohorte
Enregistrement W4403627743 · doi:10.1080/14775085.2024.2414961

The power of play: uncovering the hidden impact of sport events on communities

2024· article· en· W4403627743 sur OpenAlexaffabout
C.E. Finn, Lena Jingen Liang, H. S. Chris Choi

Notice bibliographique

RevueJournal of Sport & Tourism · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensUniversity of GuelphUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésPower (physics)TourismBusinessMarketingAdvertisingPolitical science

Résumé

récupéré en direct d'OpenAlex

Sport tourism, despite being recognized as an effective activity for facilitating recovery from the COVID-19 pandemic, primarily emphasizes benefits related to economic aspects based on current research findings. However, the impacts of sports events extend beyond financial benefits, to various community benefits such as building community cohesion, fostering civic pride, and promoting progressive values. The perceptions of residents within hosting communities also significantly impact the success of these events, yet there are limited empirical studies. To address this research gap, this study aims to investigate the socio-psychological impacts of sports event hosting to address this gap. By introducing a theoretical framework and validating it empirically using 589 responses from a survey conducted among residents in the City of London, Canada, this study sheds light on the indirect relationship between psychic income and quality of life through an SEM analysis. Additionally, psychic income was found to have a significant influence on active support, indicating that residents who possess a strong emotional connection to the sports event are more likely to offer robust support. Ultimately, this study supports managers in the sport-hosting communities to obtain better resources and provide empirical measurements for the social impacts of the sport hosting, guiding hosts to engage fully with their communities.

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)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,280
Score d'incertitude au seuil0,505

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,024
Tête enseignante GPT0,328
Écart entre enseignants0,304 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Sport & TourismMême sujetSport and Mega-Event ImpactsTravaux en français237 207