Notice bibliographique
Résumé
Medical communicators are professionals with a knowledge of both medicine and writing who are able to deliver complex scientific information to a variety of audiences. As the leading professional organization for medical communicators with a membership of nearly 5,000, the American Medical Writers Association (AMWA) is well-situated to tap into their member network to better understand the diverse backgrounds and experience of medical communicators. In this article, AMWA presents the demographic data (eg, age, gender, education, and work experience) received from the Medical Communication Compensation Survey to create a snapshot of the medical writing community. AMWA emailed the most recent Web-based survey to medical writers and editors during the first quarter of 2019. Overall, 7,456 individuals received the survey, and 1,418 respondents completed the survey. About two-thirds (66.1%) of the respondents were employed by a company, similar to the 2015 survey (65.1%), whereas the remaining one-third were freelancers. Most respondents were female (83.4%), and the average age of all respondents was about 48 years. The average time spent working for pay as a medical communicator for all respondents was 12 years. Most respondents held a doctoral-level degree (46%) or a master’s degree (32%) as their highest level of education. Nearly half of all respondents had their highest degree in the field of science (47.2%), whereas 9% had their highest degree in English. A key takeaway from the survey is that medical communicators are a highly educated group of professionals, indicating a commitment to continuous learning. AMWA members are encouraged to keep their member profiles up to date to provide additional demographic information to support AMWA’s mission of promoting excellence in medical communication and providing educational resources in support of that goal.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».