Finding connection “while everything is going to crap”: experiences in Recovery Colleges during the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: Recovery Colleges (RCs) are mental health and well-being education centres where people come together and learn skills that support their wellness. Co-production, co-learning and transformative education are fundamental to RCs. People with lived experience are recognized as experts who partner with health professionals in the design and actualization of educational programming. The pandemic has changed how RCs operate by necessitating a shift from in-person to virtual offerings. Given the relational ethos of RCs, it is important to explore how the experiences of RC members and communities were impacted during this time. To date, there has been limited scholarship on this topic. METHODS: In this exploratory phase of a larger project, we used participatory action research to interview people who were accessing, volunteering and/or working in RCs across Canada. Semi-structured interviews were conducted with twenty-nine individuals who provided insights on what is important to them about RC programming. RESULTS: Our study was conducted amid the COVID-19 pandemic. Accordingly, participants elucidated how their involvement in RCs was impacted by pandemic related restrictions. The results of this study demonstrate that RC programming is most effective when it: (1) is inclusive; (2) has a "good vibe"; and (3) equips people to live a fuller life. CONCLUSIONS: The pandemic, despite its challenges, has yielded insights into a possible evolution of the RC model that transcends the pandemic-context. In a time of great uncertainty, RCs served as safe spaces where people could redefine, pursue, maintain or recover wellness on their own terms.
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 | 0,017 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».