Eyes on Women’s American Football: Increasing the Visibility of Naisten Vaahteraliiga Through Sports Marketing
Notice bibliographique
Résumé
Naisten urheilu kasvaa kansainvälisesti ja rikkoo ennätyksiä vuonna 2024. Amerikkalaisen jalkapallon Naisten Vaahteraliiga ei ole kuitenkaan vielä päässyt hyödyntämään tätä kasvua, ja vaikka kasvu näkyy myös Suomessa, se on vielä vaatimatonta Pohjois-Amerikkaan verrattuna. Tutkimuksen tarkoituksena oli selvittää, miten Naisten Vaahteraliigan näkyvyyttä voitaisiin lisätä markkinoinnin avulla. Tavoitteena oli tutkia Naisten Vaahteraliigan nykyistä markkinointia ja mahdollisuuksia sen parantamiseksi. Analysoimalla Naisten Vaahteraliigan markkinoinnin parissa tällä hetkellä toimivien ihmisten kokemuksia, pyrittiin löytämään konkreettisia kehitysehdotuksia tulevaisuutta varten. Tutkimus toteutettiin laadullisena tutkimuksena. Aineisto kerättiin yhdeksällä puolistrukturoidulla verkkohaastattelulla, joihin osallistui Naisten Vaahteraliigassa kaudella 2024 pelanneiden joukkueiden ja Suomen Amerikkalaisen Jalkapallon Liiton (SAJL) edustajia. Aineisto analysoitiin temaattisen analyysin keinoin merkitysten ja teemojen löytämiseksi. Aineistosta nousi esiin viisi Naisten Vaahteraliigan tämänhetkistä markkinointia kuvaavaa teemaa, jotka antavat vastauksia tutkimuskysymyksiin: Resurssit ovat niukat, Epäselvät roolit ja yhteistyön tarve, Fokus sosiaalisessa mediassa, Puuttuva strategia ja Onko meillä brändi? Tutkimuksessa todettiin, että näkyvyyden lisäämiseksi Naisten Vaahteraliigan markkinoinnin tulee olla kokonaisvaltaista. On luotava markkinointistrategia, jonka tavoitteiksi asetetaan otteluiden katsojamäärien, sponsorimyynnin, fanien sitoutumisen ja pelaajien määrän kasvattaminen. Näiden tavoitteiden saavuttaminen kasvattaa brändiarvoa, resursseja, tuloja sekä näkyvyyttä. SAJL voi hyödyntää tutkimuksen tuloksia Naisten Vaahteraliigan ja sen markkinoinnin kehittämisessä. Tutkimus hyödyttää myös muita naisten amerikkalaisen jalkapallon joukkueita ympäri maan. Panostaminen naisurheilun kasvuun on tasa-arvoteko sekä viesti, joka tulee viedä urheilumaailmasta myös muuhun yhteiskuntaan.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».