Postgraduate Students' Perceptions of Effective Supervision Practice in an Open-Distance e-Learning Environment
Notice bibliographique
Résumé
The aim of this study is to explore the perceptions of postgraduate students in open distance e-learning (ODeL) institutions regarding what constitutes effective supervision practices that contribute to their academic success. This study adopted a qualitative research approach, sampling 10 postgraduate students pursuing their master’s degrees in an ODeL environment through purposive sampling. Data was collected through semi-structured interviews and analysed using thematic analysis. The findings revealed that clear communication and feedback, supportive relationships, and active engagement are key elements of effective supervision in ODeL, enhancing postgraduate students' academic success. Supervisors play a crucial role by providing both academic and emotional support through mentorship and motivation, fostering student achievement. The study recommends that supervisors hold regularly scheduled online meetings with their students, as this practice can significantly improve the effectiveness of supervision in ODeL. Additionally, the study highlights the importance of providing training for supervisors in humanising pedagogy, specifically designed for ODeL contexts. This training aims to equip supervisors with the necessary skills to effectively engage with students from diverse cultural backgrounds. It also emphasises the importance of teaching supervisors to respect students regardless of their educational background, beliefs, or cultural differences. Keywords: Postgraduate students, perceptions, effective supervision, open-distance e-learning, students L’objectif de cette étude est d’explorer les perceptions d’étudiants de cycles supérieurs inscrits dans des établissements de formation ouverte et à distance (FOAD) concernant les pratiques de supervision efficaces qui contribuent à leur réussite universitaire. Cette recherche a adopté une approche qualitative en sélectionnant, par échantillonnage raisonné, dix étudiants inscrits à un programme de maîtrise en FOAD. Les données ont été recueillies au moyen d’entretiens semi-dirigés et analysées de manière thématique. Les résultats révèlent que la communication claire et les rétroactions constructives, des relations de soutien ainsi qu’un engagement actif sont des éléments clés d’une supervision efficace en FOAD, pour favoriser la réussite des étudiants. Le rôle des superviseurs s’avère crucial, puisqu’ils offrent un soutien à la fois académique et émotionnel, grâce au mentorat et à la motivation, ce qui stimule la persévérance et la réussite des étudiants. L’étude recommande que les superviseurs tiennent des rencontres en ligne régulières avec leurs étudiants, car cette pratique peut améliorer significativement l’efficacité de la supervision en FOAD. Elle souligne également l’importance d’offrir une formation aux superviseurs en pédagogie humanisante, spécifiquement conçue pour les contextes de FOAD. Une telle formation vise à doter les superviseurs des compétences nécessaires pour interagir efficacement et respectueusement avec des étudiants issus de diverses cultures, quelles que soient leurs origines éducatives, leurs croyances ou leurs différences culturelles. Mots-clés: étudiants de cycles supérieurs, perceptions, supervision efficace, formation ouverte et à distance, réussite universitaire.
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 | 0,003 | 0,012 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».