MétaCan
Menu
Retour à la cohorte
Enregistrement W2899007961 · doi:10.5430/wje.v8n5p203

An Effective Training Program for Registered Sales Clerks Who Sell Over-the-Counter Drugs in Japan: A Preliminary Study

2018· article· en· W2899007961 sur OpenAlexvenueno aff
Nami Nakagawa, Hitomi Okano, Yuuichi Kyoba, Seiichiro Yamada, Hiroaki Suzuki, Masaaki Tsuda, Shingo Yano, Mizue Makimura, Kazuo Watanab, Shigeo Yamamura

Notice bibliographique

RevueWorld Journal of Education · 2018
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacy and Medical Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedical educationOver-the-counterPsychologyProgram Design LanguageMedicineNursingEngineeringMedical prescription

Résumé

récupéré en direct d'OpenAlex

Purpose: The Japanese healthcare system has designated registered sales clerks to sell over-the-counter (OTC) drugs.Because of this, the AEON HAPYCOM Comprehensive Training Organization implemented an education programto train registered clerks in 2014. The program is unique; it consists of both lectures and hands-on workshopcomponents. We conducted this study as part of a self-evaluation designed to improve the program.Methods: Program participants were asked to respond to an evaluation form upon completion. The form wasdesigned to ascertain student perceptions of the program’s components (e.g., themes, lecturers, materials, and thehands-on workshop) as well as its applicability to their practice of selling OTC drugs.Results: We obtained a total of 6,776 responses from 3,388 participants. On average, each of the program’scomponents were rated highly, with the hands-on workshop being rated the highest. There was a weak relationshipbetween the scores for program preparation and its applicability to OTC sales practices.Conclusion: The program (especially the hands-on workshop component) was highly evaluated by participants.However, we determined that enhancements could be made to the hands-on workshop and other mechanisms toencourage participants to prepare before attending the program.

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)0,004
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil0,463

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,148
Tête enseignante GPT0,531
Écart entre enseignants0,383 · 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'étudeAutre devis
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of EducationMême sujetPharmacy and Medical PracticesTravaux en français237 207