Recognizing and Prioritizing Economic Criteria Affecting Ticket Sales Management in World Sport Mega Events
Notice bibliographique
Résumé
Purpose: The aim of this study was to identify and prioritize economic indicators affecting ticket sales management in important sporting events of the world.Method: According to its goal, this research was applied, and it was based on a mixed (qualitative-quantitative) method. The statistical population of the qualitative part included all countries around the world, among which the United States, Australia, China, South Korea, United Kingdom, Finland, Canada, Qatar, Germany, Turkey and Iran were selected as the statistical sample. The sample of quantitative part consisted of 12 members of Iranian sports marketing elite. In this research, various internet sites, databases, books and articles, as well as taking notes and recording documentary observations have been used. Also, in the quantitative part, first a questionnaire was designed for pairwise comparison of indicators and distributed among 12 sports marketing elites to be analyzed through hierarchical analysis.Results: The results showed that the smart and multi-purpose ticket index and ticket counter index with a weight of 0.138 and 0.020 were in the first and last rank, respectively. The results of qualitative part showed what indicators have been used to manage, prepare and distribute tickets and earn economic income in selected countries of the world.Conclusion: According to the findings, it can be stated that each of these factors has brought about results and achievements such as preventing the black market, ticket sales, event control and security, revenue generation as well as other benefits.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».