Evidence-based Recovery Colleges: developing a typology based on organisational characteristics, fidelity and funding
Notice bibliographique
Résumé
PURPOSE: Recovery Colleges (RCs) have been implemented across England with wide variation in organisational characteristics. The purpose of this study is to describe RCs across England in terms of organisational and student characteristics, fidelity and annual spending, to generate a RC typology based on characteristics and to explore the relationship between characteristics and fidelity. METHODS: All RC in England meeting criteria on recovery orientation, coproduction and adult learning were included. Managers completed a survey capturing characteristics, fidelity and budget. Hierarchical cluster analysis was conducted to identify common groupings and generate an RC typology. RESULTS: Participants comprised 63 (72%) of 88 RC in England. Fidelity scores were high (median 11, IQR 9-13). Both NHS and strengths-focussed RCs were associated with higher fidelity. The median annual budget was £200,000 (IQR £127,000-£300,000) per RC. The median cost per student was £518 (IQR £275-£840), cost per course designed was £5,556 (IQR £3,000-£9,416) and per course run was £1,510 (IQR £682-£3,030). The total annual budget across England for RCs is an estimated £17.6 m including £13.4 m from NHS budgets, with 11,000 courses delivered to 45,500 students. CONCLUSION: Although the majority of RCs had high levels of fidelity, there were sufficiently pronounced differences in other key characteristics to generate a typology of RCs. This typology might prove important for understanding student outcomes and how they are achieved and for commissioning decisions. Staffing and co-producing new courses are key drivers of spending. The estimated budget for RCs was less than 1% of NHS mental health spending.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».