MétaCan
Menu
Retour à la cohorte
Enregistrement W2106575705 · doi:10.5539/ass.v10n22p142

English Usage and Problems of Industrial Pharmacists at Two Large Multi-National Pharmaceutical Manufacturers in Thailand

2014· article· en· W2106575705 sur OpenAlexvenueno aff
Lagkhana Srisuwan, U maporn Kardkarnklai

Notice bibliographique

RevueAsian Social Science · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueSecond Language Learning and Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActive listeningReading (process)Competence (human resources)PharmacyMedical educationAuditEnglish for specific purposesPsychologyPharmaceutical industryBusinessMedicineNursingPedagogyLinguisticsAccountingPharmacologyCommunicationSocial psychology

Résumé

récupéré en direct d'OpenAlex

In pharmaceutical industry, insufficient English proficiency of industrial pharmacists in international communication can cause adverse outcomes in the process of overseas product registration and regulatory audits. This study explores English use and problems of 51 industrial pharmacists within two large multinational pharmaceutical manufacturers by using a self-developed questionnaire based on the frameworks of needs analysis (Hutchinson & Waters, 1987) and communicative competence (Canale & Swain, 1980). The findings indicate that reading is the most frequently used skill, followed by writing, listening and speaking, respectively. Specific communicative tasks which Thai industrial pharmacists most commonly performed were: 1) reading emails, 2) writing emails, 3) reading validation protocols/reports, 4) reading pharmacopoeias and pharmaceutical textbooks, and 5) reading procedural documents. A major problem lies within oral communication skills. The implications of the findings show valuable sources of target language events which can benefit ESP educators and pharmaceutical trainers in the development of ESP courses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil0,688

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,323
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetSecond Language Learning and TeachingTravaux en français237 207