“We’re all learning together”: exploring peer educator engagement in Recovery Colleges through a participatory research approach
Notice bibliographique
Résumé
Introduction and purpose: Recovery Colleges offer a community-based, recovery-oriented approach that promotes mental health and personal growth through co-produced, peer-led courses. Despite their growth in Canada, limited research examines factors influencing peer educators' sustained engagement-an essential aspect of program sustainability. This study addresses this gap by identifying key factors and developing best practices to support peer educators in Recovery Colleges and enhance retention and well-being. Methods: This study employed a mixed-methods Participatory Action Research (PAR) approach, engaging peer educators as co-researchers. A Committee of seven local peer educators (five remained actively involved) co-designed tools and interpreted findings as the advisory peer educators. All Canadian Recovery Colleges were invited to participate. Data were collected from peer educators and program organizers via an online survey and virtual interviews (n=32, across nine provinces). Qualitative data were analyzed using thematic analysis, with coding refined through an iterative process. Results: We identified five themes for sustaining peer educator engagement: Inclusivity, Connectedness, Adaptability, Empowerment, and Implementation Factors. Practical recommendations emerged for recruitment, training, and workplace support. The findings emphasize the need for inclusive, adaptable, and empowering environments to sustain peer educator engagement in Recovery Colleges. Discussion: Centring peer educator experiences is critical to upholding Recovery Colleges' values and creating inclusive, meaningful learning environments that promote personal and community growth. The participatory nature of the research highlighted the unique insights of our advisory peer educators and echoed the Recovery College principles of promoting recovery and building on individual strengths.
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 | 0,090 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,024 | 0,027 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,005 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,005 |
| 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 ».