Strategic groups of MLB ballparks: tourism perspectives
Notice bibliographique
Résumé
This article presents the argument that sporting venues embody a diverse range of interpretations that have yet to be fully explored and understood by decision-makers and scholars alike. This paper fills this research gap through an in-depth environmental scanning process of the 30 North American Major League Baseball (MLB) ballparks. We employed a classification, cluster analysis, and strategic grouping approach to synthesize and organize knowledge. The classification process involved developing a set of 30 criteria to distinguish these ballparks from a tourism perspective, focusing on the experience within the ballpark as designed and presented by the organization to potential visitors. The cluster analysis reveals the presence of three groups of ballparks (Game-Centric Ballparks, Engaging Ballparks and Memorabilia Ballparks), each characterized by its own unique set of traits and behaviors. These clusters help in understanding how different ballparks attract and cater to various segments of tourists and sports enthusiasts. The key finding of this strategic group analysis is that ballparks fit into the following categories based on year of opening and user-generated ratings: beloved vintage ballparks, esteemed retro classic ballparks, fair contemporary ballparks and favored current ballparks. This triple approach – classification, cluster analysis, and strategic grouping – distinguishes between ballpark profiles and offers valuable insights into how ballparks can be strategically positioned and marketed as tourist attractions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 tête enseignante, 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 ».