Development and Evaluation of a Recovery College Fidelity Measure
Notice bibliographique
Résumé
Objective: Recovery Colleges are widespread, with little empirical research on their key components. This study aimed to characterize key components of Recovery Colleges and to develop and evaluate a developmental checklist and a quantitative fidelity measure. Methods: Key components were identified through a systematized literature review, international expert consultation ( n = 77), and semistructured interviews with Recovery College managers across England ( n = 10). A checklist was developed and refined through semistructured interviews with Recovery College students, trainers, and managers ( n = 44) in 3 sites. A fidelity measure was adapted from the checklist and evaluated with Recovery College managers ( n = 39, 52%), clinicians providing psychoeducational courses ( n = 11), and adult education lecturers ( n = 10). Results: Twelve components were identified, comprising 7 nonmodifiable components (Valuing Equality, Learning, Tailored to the Student, Coproduction of the Recovery College, Social Connectedness, Community Focus, and Commitment to Recovery) and 5 modifiable components (Available to All, Location, Distinctiveness of Course Content, Strengths Based, and Progressive). The checklist has service user student, peer trainer, and manager versions. The fidelity measure meets scaling assumptions and demonstrates adequate internal consistency (0.72), test-retest reliability (0.60), content validity, and discriminant validity. Conclusions: Coproduction and an orientation to adult learning should be the highest priority in developing Recovery Colleges. The creation of the first theory-based empirically evaluated developmental checklist and fidelity measure (both downloadable at researchintorecovery.com/recollect ) for Recovery Colleges will help service users understand what Recovery Colleges offer, will inform decision making by clinicians and commissioners about Recovery Colleges, and will enable formal evaluation of their impact on students.
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 | 0,042 | 0,117 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».