سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,573
تعداد مقالات71,033
تعداد مشاهده مقاله125,502,858
تعداد دریافت فایل اصل مقاله98,767,003
علگم, عبدالرزاق, سلیمی, مهدی, سلطان حسینی, محمد. (1402). شناسایی و تحلیل پیشران‌های مؤثر بر قیمت‌گذاری بازیکنان حرفه‌ای در لیگ برتر فوتبال عراق. , 15(3), 316-299. doi: 10.22059/jsm.2022.339768.2913
عبدالرزاق علگم; مهدی سلیمی; محمد سلطان حسینی. "شناسایی و تحلیل پیشران‌های مؤثر بر قیمت‌گذاری بازیکنان حرفه‌ای در لیگ برتر فوتبال عراق". , 15, 3, 1402, 316-299. doi: 10.22059/jsm.2022.339768.2913
علگم, عبدالرزاق, سلیمی, مهدی, سلطان حسینی, محمد. (1402). 'شناسایی و تحلیل پیشران‌های مؤثر بر قیمت‌گذاری بازیکنان حرفه‌ای در لیگ برتر فوتبال عراق', , 15(3), pp. 316-299. doi: 10.22059/jsm.2022.339768.2913
علگم, عبدالرزاق, سلیمی, مهدی, سلطان حسینی, محمد. شناسایی و تحلیل پیشران‌های مؤثر بر قیمت‌گذاری بازیکنان حرفه‌ای در لیگ برتر فوتبال عراق. , 1402; 15(3): 316-299. doi: 10.22059/jsm.2022.339768.2913

شناسایی و تحلیل پیشران‌های مؤثر بر قیمت‌گذاری بازیکنان حرفه‌ای در لیگ برتر فوتبال عراق

نشریه مدیریت ورزشی
مقاله 17، دوره 15، شماره 3، آبان 1402، صفحه 316-299    اصل مقاله (489.76 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jsm.2022.339768.2913
نویسندگان
عبدالرزاق علگم؛ مهدی سلیمی* ؛ محمد سلطان حسینی
گروه مدیریت ورزشی، دانشکدۀ علوم ورزشی، دانشگاه اصفهان، اصفهان، ایران
چکیده
مقدمه: در آمیختۀ بازاریابی قیمت تنها عاملی است که ایجاد درآمد می‌کند و تعیین قیمت مناسب در هر زمینه‌ای می‌تواند به یک جریان پایدار درآمد منجر شود، ازاین‌رو هدف تحقیق حاضر، شناسایی و تحلیل پیشران‌های مؤثر بر قیمت‌گذاری بازیکنان حرفه‌ای در لیگ برتر فوتبال عراق بود.
روش پژوهش: روش پژوهش حاضر آمیخته و طرح آن از نوع همسوسازی بود. جامعۀ آماری تحقیق را صاحب‌نظران تشکیل می‌دادند که به‌صورت هدفمند و مبتنی بر اشباع نظری 15 نفر از آنها انتخاب شدند. به‌منظور تجزیه‌وتحلیل اطلاعات کیفی از سه فرایند همپوش کدگذاری باز، کدگذاری محوری و کدگذاری نظری و در بخش کمی از تحلیل دیمتل استفاده شد.
یافته‌ها: یافته‌ها نشان داد 47 مفهوم نهایی، 11 مقولۀ فرعی با نام‌های سرمایۀ انسانی، کارایی باشگاه، عملکرد ورزشی، تأثیرات زمانی، عوامل جغرافیایی، ویژگی‌های لیگ، رفتار بازیکن، ارزش اجتماعی، قوانین نقل و انتقالات، حاکمیت شرایط و عوامل مالی و چهار مقولۀ اصلی به ‌نام‌های ویژگی‌های بازیکن، ویژگی‌های باشگاه، عوامل درون‌سازمانی و عوامل برون‌سازمانی مؤثر بر قیمت‌گذاری بازیکنان فوتبال هستند. همچنین مشخص شد عوامل سرمایۀ انسانی، مالی و تأثیرات زمانی به‌ترتیب بیشترین تأثیر را در تبیین قیمت‌گذاری بازیکنان دارند.
نتیجه‌گیری: با اقتباس از آنچه بیان شد پیشنهاد می‌شود در ارزش‌گذاری بازیکنان فوتبال صرفاً به یک فاکتور یا یک شاخص خاص تأکید نشود و سعی شود از همۀ جهات بحث ارزش‌گذاری و قیمت‌گذاری بررسی و دنبال شود.
کلیدواژه‌ها
باشگاه‌های ورزشی؛ بازیکنان فوتبال؛ قیمت‌گذاری؛ ویژگی‌های بازیکن؛ ویژگی‌های باشگاه
مراجع
Sadeghi, H., Asgharpour, H., & Gholchinfar, N. (2009). Estimation of Demand Function of Iran’s Football Premier League. The Economic Research, 9(3), 183-202.‏ (In Persian)

Moore, J. (2010). Premier League Pricing An investigation of spectator ticket pricing strategy of football clubs within the English Premier League. Bachelor Thesis. Aarhus School of Business.‏

Saeedi F. (2018). Estimating the price of Iranian Basketball Premier League players using data mining technique. Master Thesis, Physical Education and Sports Sciences, University of Guilan. (In Persian)

Soltanhoseini, M., Razavi, S. M. J., & Salimi, M. (2017). Identifying and Prioritizing Barriers to the Privatization of Soccer Industry in Iran Using Multi-Criteria Analysis and Copeland's Approach. Sport Management Studies, 9(41), 15-36.‌ (In Persian)

Armstrong, G., Adam, S., Denize, S., & Kotler, P. (2014). Principles of marketing. Pearson Australia.‌

DeGaris, L. (2015). Sports marketing: a practical approach. Routledge.‌

Ezzeddine, M. (2020). Pricing football transfers: determinants, inflation, sustainability, and market impact: finance, economics, and machine learning approaches (Doctoral dissertation, Paris 1).‏

Poli, D. R., Ravenel, L., & Besson, R. (2020). Scientific evaluation of the transfer value of football players. CIES Football Observatory Monthly Report, 53.‏

Yaldo, L., & Shamir, L. (2017). Computational estimation of football player wages. International Journal of Computer Science in Sport, 16(1).‏

Taybi M. (2021). Estimating the price of professional football players in Iran using artificial neural networks. PhD Thesis, Physical Education and Sports Sciences, Strategic Management Trend in Sports Organizations, Faculty of Physical Education and Sports Sciences, University of Isfahan. (In Persian)

Memari, Z., Hoda, K., & Safaie, A. (2020). The Valuation of Football Players with Data Mining Technique (Case Study: Esteghlal Club). Sport Management Journal, 12(3), 735-757.‏ (In Persian)

Basirat, M., Khajeheian, D., & Roshandel Arbatani, T. (2019). A Theoretical Model for Identifying Media Value of Football Players in Iranian Professional League. Sport Management Studies, 11(57), 121-140. (In Persian)

Abdi, S., Zangiabadi, M., & Talibpour, M. (2015). Determining the role of factors affecting the evaluation of Iranian Premier League players. Journal of Human Resource Management in Sports, 3(2), 121-136.‌ (In Persian)

Izadyar, M., Memari, Z., & Mousavi, M. H. (2016). Pricing equation for Iranian Premier League football players. Journal of Economic Research (Tahghighat-E-Eghtesadi), 51(1), 25-40.‏ (In Persian)

Metelski, A. (2021). Factors affecting the value of football players in the transfer market. Journal of Physical Education and Sport, 21, 1150-1155.‏

Fernández Luna, Á., Felipe Hernández, J. L., Burillo Naranjo, P., Riva del Río, L. E. D. L., Sánchez Sánchez, J., & García Unanue, J. F. (2020). Money Talks: Team Variables and Player Positions that Most Influence the Market Value of Professional Male Footballers in Europe.‏

Majewski, S. (2016). Identification of factors determining market value of the most valuable football players. Central European Management Journal, 24(3), 91-104.‏

Herm, S., Callsen-Bracker, H. M., & Kreis, H. (2014). When the crowd evaluates soccer players’ market values: Accuracy and evaluation attributes of an online community. Sport Management Review, 17(4), 484-492.‏

Li, N. (2014). The Determinants of the Salary in NBA and the Overpayment in the Year of Signing a New Contract (Doctoral dissertation, Clemson University).‏

Paul, D. J., Bradley, P. S., & Nassis, G. P. (2015). Factors affecting match running performance of elite soccer players: shedding some light on the complexity. International journal of sports physiology and performance, 10(4), 516-519.‏

Jensen, M. M., Grønbæk, K., Thomassen, N., Andersen, J., & Nielsen, J. (2014). Interactive football-training based on rebounders with hit position sensing and audio-visual feedback. Intentional Journal of Computer Science in Sport, 13(1), 57-68.‏

Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. sage.‏

H Carmichael, F. (2006). The Player Transfer System. In W.

Heidari Toopkanlu, M., Sadeghi Boroujerdi, S., Andref, W., & Amiri, S. H. (2022). Identification and weighting of performance variables affecting the pricing of strikers in the Iranian Football Premier League. Sport Management Journal, 13(4), 1337-1355.‌ (In Persian)

Carlos, PA. (2020). Conceptual Model to Measure Football Player’s Market Value. A Proposal by means of an Analytic Hierarchy Process. Revista Internacional de Ciencias del Deporte, 59, 24-42.

Singh, P., & Lamba, P. S. (2019). Influence of crowdsourcing, popularity and previous year statistics in market value estimation of football players. Journal of Discrete Mathematical Sciences and Cryptography, 22(2), 113-126.‏

Patnaik, D., Praharaj, H., Prakash, K., & Samdani, K. (2019, March). A study of Prediction models for football player valuations by quantifying statistical and economic attributes for the global transfer market. In 2019 IEEE International Conference on System, Computation, Automation and Networking (ICSCAN) (pp. 1-7). IEEE.‏

Poli, R., Besson, R., & Ravenel, L. (2021). Econometric approach to assessing the transfer fees and values of professional football players. Economies, 10(1), 4.‏

Arrul, V. S., Subramanian, P., & Mafas, R. (2022, April). Predicting the football players’ market value using neural network model: a data-driven approach. In 2022 IEEE international conference on distributed computing and electrical circuits and electronics (ICDCECE) (pp. 1-7). IEEE.

Al-Asadi, M. A., & Tasdemır, S. (2022). Predict the value of football players using FIFA video game data and machine learning techniques. IEEE Access, 10, 22631-22645.‏

آمار
تعداد مشاهده مقاله: 409
تعداد دریافت فایل اصل مقاله: 230





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب