What do peer support workers do? A job description
Notice bibliographique
Résumé
BACKGROUND: The extant literature suggests that poorly defined job roles make it difficult for peer support workers to be successful, and hinder their integration into multi-disciplinary workplace teams. This article uses data gathered as part of a participatory evaluation of a peer support program at a psychiatric tertiary care facility to specify the work that peers do. METHODS: Data were gathered through interviews, focus groups, and activity logs and were analyzed using a modified grounded theory approach. RESULTS: Peers engage in direct work with clients and in indirect work that supports their work with clients. The main types of direct work are advocacy, connecting to resources, experiential sharing, building community, relationship building, group facilitation, skill building/mentoring/goal setting, and socialization/self-esteem building. The main types of indirect work are group planning and development, administration, team communication, supervision/training, receiving support, education/awareness building, and information gathering and verification. In addition, peers also do work aimed at building relationships with staff and work aimed at legitimizing the peer role. Experience, approach, presence, role modeling, collaboration, challenge, and compromise can be seen as the tangible enactments of peers' philosophy of work. CONCLUSIONS: Candidates for positions as peer support workers require more than experience with mental health and/or addiction problems. The job description provided in this article may not be appropriate for all settings, but it will contribute to a better understanding of the peer support worker position, the skills required, and the types of expectations that could define successful fulfillment of the role.
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 | 0,019 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,009 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».