The Use of a Formative Pedagogy Lens to Enhance and Maintain Virtual Supervisory Relationships: Appreciative Inquiry and Critical Review
Notice bibliographique
Résumé
BACKGROUND: Virtual supervisory relationships provide an infrastructure for flexible learning, global accessibility, and outreach, connecting individuals worldwide. The surge in web-based educational activities in recent years provides an opportunity to understand the attributes of an effective supervisor-student or mentor-student relationship. OBJECTIVE: The aim of this study is to compare the published literature (through a critical review) with our collective experiences (using small-scale appreciative inquiry [AI]) in an effort to structure and identify the dilemmas and opportunities for virtual supervisory and mentoring relationships, both in terms of stakeholder attributes and skills as well as providing instructional recommendations to enhance virtual learning. METHODS: A critical review of the literature was conducted followed by an AI of reflections by the authors. The AI questions were derived from the 4D AI framework. RESULTS: Despite the multitude of differences between face-to-face and web-based supervision and mentoring, four key dilemmas seem to influence the experiences of stakeholders involved in virtual learning: informal discourses and approachability of mentors; effective virtual communication strategies; authenticity, trust, and work ethics; and sense of self and cultural considerations. CONCLUSIONS: Virtual mentorship or supervision can be as equally rewarding as an in-person relationship. However, its successful implementation requires active acknowledgment of learners' needs and careful consideration to develop effective and mutually beneficial student-educator relationships.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,165 | 0,272 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,014 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,022 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».