Sport and corporate nationalisms
Notice bibliographique
Résumé
Introduction Sporting Capital: Multinational and Transnational Corporatism David L. Andrews, University of Maryland, Michael L. Silk, University of Maryland and C.L. Cole, University of Illinois Section One: Multinational Sporting Corporatism Professional Sport Teams, Global Logos, and the Global Media/Entertainment Industry: A Political Economy of Transnational Sport Jean Harvey and Alan Law, both at University of Ottawa Corporatizing Sport: Adidas, ISL and the Reshaping of Sports Political Economy Alan Tomlinson, University of Brighton Marketing Generosity: The Avon Worldwide Fund for Womens Health and the Reinvention of Global Corporate Citizenship Samantha King, Queens University SEGA Dreamcast: National Football Cultures and the New Europeanism Philip Rosson, Dalhousie University, Canada Fram Pac Bell to the Tokyo Dome: Baseball and Economic Nationalism Jeremy Howell, University of San Francisco Section Two: Transnational Sporting Corporatism Every Girls a Superhero: Corporate (Trans)Nationalism(s), Womens Soccer, and Global (W)USA Michael D. Giardina and Jennifer L. Metz, University of Illinois Imagining Benevolence and Nation: Tragedy, Sport and the Transnational Marketplace Mary G. McDonald, Miami University, Ohio Making it Local?: NBA Expansion and the English Basketball Subculture Mark Falcous, University of Otago and Joseph Maguire, Loughborough University Cultural Contradictions / Contradicting Cultures: The Corporate Transnationalization of China? Trevor Slack, University of Alberta, Michael L. Silk, University of Maryland and Fan Hong, DeMontfort University Sport, Tribes and Technology: The New Zealand All Blacks Haka and the Politics of Identity Steven J. Jackson and Brendan Hokowhitu, both at University of Otago, New Zealand Beyond Sport: Imaging and Re-imaging Guiness as a Global Brand John Amis, University of Memphis
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,002 |
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 ».