تجزيه‌وتحليل انگيزه‌هاي مشاركت در بازاريابي خيرخواهانه با تأكيد بر فعالان ورزش زورخانه‌اي: رويكرد تركيبي

The Analysis of Motivations to Participate in Benevolent Marketing with an Emphasis on Heroic Sport Activists: A Mixed Approach

از ادوار گذشته خيرخواهي و كمك به نيازمندان با روح ورزش زورخانه‌اي عجين بوده و است. هدف پژوهش حاضر تجزيه‌وتحليل فعالان ورزش زورخانه براساس انگيزه‌هاي مشاركت در بازاريابي خيرخواهانه با استفاده از رويكرد تركيبي است. در گام اول با استفاده از رويكرد كيفي (تحليل محتوا)، 50 كد به‌عنوان انگيزه‌هاي مشاركت در بازاريابي خيرخواهانه استخراج و با توجه به مشابهت و قرابت معنايي در 10 عامل دسته‌بندي شدند و بر مبناي آن پرسشنامۀ پژوهش طراحي شد. در گام دوم از رويكردهاي كمي در علم داده‌كاوي (تشريحي و پيش‌بيني) به‌منظور بررسي جامعۀ آماري استفاده شد. به‌منظور تشريح جامعۀ پژوهش، 393 فعال اين ورزش با استفاده از شاخص ديويس-بولدين در دو خوشۀ مجزا از هم خوشه‌بندي و بررسي شدند. همچنين به‌منظور طراحي مدل پيش‌بيني‌كنندۀ رفتار فعالان ورزش زورخانه‌اي در فعاليت‌هاي خيرخواهانه از شبكه‌هاي عصبي مصنوعي استفاده شد. نتايج پژوهش نشان داد در خوشۀ اول به‌ترتيب عمل متقابل، تمايل به سرگرمي و كسب لذت، اهميت احساسي و در خوشۀ دوم به‌ترتيب آموزه‌هاي مذهبي، نياز به كمك ديگران و تمايل به مشاركت اجتماعي بيشترين مراكز خوشه‌ها را به‌دست آورده‌اند. به‌كارگيري شبكه‌هاي عصبي نشان داد متغيرهاي مستقل پژوهش حاضر از قابليت پيش‌بيني كنندگي بالايي برخوردارند و با استفاده از آنها مي‌توان تغييرات متغير وابسته را با دقت 0/958 پيش‌بيني كرد. همچنين نتايج تحليل حساسيت اهميت متغيرهاي جمعيت‌شناختي، نمادين و آموزه‌هاي مذهبي در مشاركت فعالان ورزش زورخانه‌اي در فعاليت‌هاي خيرخواهانه را تأييد كرد.

Benevolence and helping the poor have always been ingrained in the spirit of heroic sports. The present study aimed at analyzing the motivations of heroic sport activists to participate in benevolent marketing using a mixed approach. In the first step, 50 codes were extracted qualitatively (content analysis) as motivations to participate in benevolent marketing and categorized to 10 factors according to semantic similarities. Based on these factors, a questionnaire was designed. In the second step, quantitative approaches in data-mining (explanatory and predictive) were used to evaluate the statistical population. 393 heroic sport activists were classified into two separate clusters using the Davies–Bouldin index. Moreover, artificial neural networks were used to design a model which predicted the motivations of heroic sport activists for benevolence. Results showed that reciprocation, desire for entertainment and pleasure, and emotional importance in the first cluster, and religious teachings, need for helping others, and desire for social participation in the second cluster received the most cluster centers. The use of neural networks indicated that the independent variables had high predictive potentials and can predict the changes in the dependent variable with the accuracy of 0.958. Moreover, the results of the sensitivity analysis confirmed the importance of demographic, symbolic, and religious teaching variables in the participation of heroic sport activists in benevolence.