Consumption of women’s sports: insights from a latent profile analysis across four countries
Notice bibliographique
Résumé
Purpose Women’s sports have recently grown, marking a change in the sports industry and a major cultural transformation, with gender roles being redefined. Using social role theory, this research comprehensively explored profiles associated with the consumption of women’s sports, focusing on consumption behavior, fandom, desire for equity, visibility, and promotion, with cross-country comparisons. Design/methodology/approach A panel of 1,671 adults from France (n = 405), South Africa (n = 365), Quebec (Canada) (n = 502), and the United Kingdom (n = 399) took part in an online multinational cross-sectional survey. Findings The latent profile analysis identified four groups. Profile 1 “Indifferent to Women’s Sports and Gender Equity” shows no interest in women’s sports and little concern for equity. Profile 2 “Indifferent to Women’s Sports but Gender Equity-Conscious” lacks interest in women’s sports but cares about equity issues. Profile 3 “Slightly Interested in Women’s Sports and Gender Equity-Conscious” shows mild interest in women’s sports and cares about equity. Profile 4 “Interested in Women’s Sports and Supporter of Gender Equity” is actively interested in women’s sports and attaches a great deal of importance to gender equity. Profile distribution varies by country, with notable differences in how supporting women’s sports influences brand perception. Originality/value This study is among the few to explore the consumption of women’s sports holistically and from a multinational perspective. Notably, it employs latent profile analysis—an analytical method rarely applied in this context—offering deeper insights into consumer segmentation. It highlights how consumption profiles shape brand perception, providing valuable marketing insights for brands supporting gender equity initiatives. Ultimately, these findings contribute to advancing women’s sports and promoting greater gender equity in sport.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».