Recovering in place: what the concept of place can offer the field of recovery science
Notice bibliographique
Résumé
Recovery science has traditionally focused on individual change, with less attention to the environments that make recovery possible. Socio-ecological models have advanced understanding of contextual factors but have not fully engaged with how recovery is experienced in and through place. Drawing on phenomenological and critical geographical perspectives, this think piece introduces the Recovering in Place Model, a framework that explains how physical, emotional, and socio-political dimensions of place interact to shape recovery. The model extends recovery-oriented systems of care (ROSC) and recovery capital (RC) by situating them within spatial contexts, showing how environments can both foster and hinder ontological security, belonging, and the experience of 'home' in recovery. Examples from Collegiate Recovery Programs and Inclusive Recovery Cities illustrate how recovery unfolds across scales, from campus lounges to city streets, through place-based processes that can either support or constrain recovery. The think piece concludes by outlining emerging approaches for measuring recovering in place, including adaptations of recovery capital, place attachment, and recovery ecosystem indices, to better capture how environments co-create the conditions for sustained recovery. By integrating phenomenological and critical geographic perspectives, it calls for a spatial turn in recovery science, providing implications for research, policy, and practice.
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 | 0,015 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,011 | 0,148 |
| Communication savante | 0,017 | 0,041 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,010 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».