การวิเคราะห์เชิงเปรียบเทียบคลังข้อมูลภาษาของประกาศรับสมัครงานภาษาอังกฤษเชิงธุรกิจในอุตสาหกรรมที่แตกต่างกัน
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้วิเคราะห์และเปรียบเทียบการใช้ภาษาในประกาศรับสมัครงานภาษาอังกฤษเชิงธุรกิจของ 4 อุตสาหกรรม ได้แก่ การเงิน เทคโนโลยี สุขภาพ และการตลาด โดยใช้แนวทางภาษาศาสตร์คลังข้อมูล ผู้วิจัยรวบรวมข้อมูล 400 รายการจากแพลตฟอร์มออนไลน์ช่วงมกราคม–มิถุนายน 2567 และวิเคราะห์ด้วยโปรแกรม AntConc 4.0, LancsBox 6.0, ATLAS.ti และ SPSS เพื่อศึกษาความถี่คำ กลุ่มคำ และบุคลิกภาพตามแบบจำลอง Big Five ผลการวิจัยพบความแตกต่างอย่างมีนัยสำคัญ (p < 0.001) การเงินเน้นความเป็นระบบ (financial, analysis, compliance) เทคโนโลยีเน้นนวัตกรรม (innovation, agile, development) สุขภาพเน้นการดูแล (patient care, safety) และการตลาดเน้นความคิดสร้างสรรค์ (creative, communication, brand) บุคลิกภาพเด่นคือ Conscientiousness (การเงิน 89%) Openness (เทคโนโลยี 78%) Agreeableness (สุขภาพ 91%) และ Extraversion (การตลาด 85%) ผลลัพธ์ช่วยพัฒนาหลักสูตรภาษาอังกฤษธุรกิจให้ตรงกับความต้องการตลาดแรงงาน
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
เอกสารอ้างอิง
Askehave, I. (2007). The impact of marketization on higher education genres: The
international student prospectus as a case in point. Discourse Studies,
(6), 723–742. https://doi.org/10.1177/1461445607082576
Biber, D., Conrad, S., & Reppen, R. (1998). Corpus linguistics: Investigating language
structure and use. Cambridge University Press.
Brezina, V. (2018). Statistics in corpus linguistics: A practical guide. Cambridge
University Press.
Costa, P. T., & McCrae, R. R. (1992). Revised NEO Personality Inventory (NEO-PI-R)
and NEO Five-Factor Inventory (NEO-FFI) professional manual.
Psychological Assessment Resources.
Flowerdew, L. (2012). Corpora and language education. Palgrave Macmillan.
Goldberg, L. R. (1992). The development of markers for the Big-Five factor
structure. Psychological Assessment, 4(1), 26–42. https://doi.org/10.1037/1040-3590.4.1.26
Gries, S. T. (2021). Statistics for linguistics with R: A practical introduction (3rd ed.).
De Gruyter Mouton.
Hyland, K. (2006). English for academic purposes: An advanced resource book.
Routledge.
Jaworska, S., & Krishnamurthy, R. (2012). On the F word: A corpus-based analysis
of the media representation of feminism in British and German press
discourse, 1990–2009. Discourse & Society, 23(4), 401–431. https://doi.org/10.1177/0957926512441113
Kim, S., & Lee, J. (2019). Language patterns in Korean IT job advertisements: A
corpus-linguistic approach. Asian Journal of Applied Linguistics, 6(2), 187–203.
Koester, A. (2010). Workplace discourse. Continuum International Publishing Group.
Koller, V., Hardie, A., Rayson, P., & Semino, E. (2013). Using a semantic annotation
tool for the analysis of metaphor in discourse. Metaphorik.de, 15, 141–160.
LinkedIn. (2024). Global talent trends 2024: The future of recruiting. LinkedIn
Corporation.
McEnery, T., & Hardie, A. (2012). Corpus linguistics: Method, theory and practice.
Cambridge University Press.
McKinsey & Company. (2023). Skills-based hiring is on the rise.
O'Keeffe, A., & McCarthy, M. (2010). The Routledge handbook of corpus linguistics.
Routledge.
Patterson, F., Zibarras, L., & Ashworth, V. (2015). Situational judgement tests in
medical education and training: Research, theory and practice. Medical
Education, 50(6), 609–621. https://doi.org/10.1111/medu.12503
Pennebaker, J. W., & King, L. A. (1999). Linguistic styles: Language use as an
individual difference. Journal of Personality and Social Psychology, 77(6),
–1312. https://doi.org/10.1037/0022-3514.77.6.1296
Sinclair, J. (1991). Corpus, concordance, collocation. Oxford University Press.
Tanaka, M., & Suzuki, K. (2020). Cultural influences on job advertisement language
in Japan: A comparative analysis. International Journal of Business
Communication, 45(3), 234–251. https://doi.org/10.1177/2329488420934567
Varga, D. (2020). Linguistic analysis of job advertisements in technology sector: A
corpus-based approach. Journal of Business Communication, 45(3), 234–
