Denna studie syftar till att öka förståelsen för hur boendestödjarna beskriver sitt vardagsarbete med brukarnas återhämtning på två boenden med särskild service inom Socialpsykiatriska utförarenheten i Skärholmens Stadsdelsförvaltning. Vi har intervjuat åtta boendestödjare. Valet av respondenter har gjorts utifrån ett kvoturval, fyra boendestödjare från Frösätra samt fyra från Solholmen. Vi har gjort semi-strukturerade intervjuer med samtliga boendestödjarna och utformat en intervjuguide. Intervjuguiden berör fenomen hur personalen på boendena beskriver begreppet återhämtning, hur de arbetar med återhämtning, hur återhämtning nås samt hur personal beskriver sin roll. Resultatet av studien påvisar att återhämtning innebär att den enskilde har möjligheten att återhämta sig från det kaotiska tillståndet samt att den enskilde tar makten över sitt liv. Återhämtning innebär utveckling och att den enskilde är självständig trots att en del av symptomen är varaktiga. Arbetet med återhämtning handlar om att lita på den enskildes förmåga och inte ge upp hoppet. Att se människan bakom symtomen och sjukdomen och därefter lyfta fram det friska. Återhämtning nås genom att den enskilde själv medverkar i sin egen återhämtning, är aktiv och villig att åstadkomma en förändring. / This study aims to increase understanding of how housing supporters describe their everyday work with the users' recovery at two sheltered housing, in Social Psychiatry perform purity of Skärholmens District Administration. We interviewed eight housing supporters. The selection of respondents was made based on a quota sample, four housing supporters from Frösätra and four from Solholmen. We did semi-structured interviews with all housing supporters and designed an interview guide. The interview guide affects phenomena such as how staff describes the concept of recovery and work on recovery. How the recovery is accessed and how staff describes their role. The results of this study demonstrated that recovery means that the individual has the ability to recover from the chaotic state, and that the individual will take charge of their lives. Recovery involves the development that the individual is autonomous although some symptoms are lasting. The work of recovery is about trusting the individual capacity and to not give up hope, to see the person behind the symptoms and the disease and highlight the healthy. Recovery achieved by the individual themselves take part in their own recovery, are active and want to make a change.

The dynamics of many aspects of social behaviour, such as spread of fads and fashion, collective action, group decision-making, homophily and disagreement, have been captured by mathematical models. The power of these models is that they can provide novel insight into the emergent dynamics of groups, e.g. 'epidemics' of memes, tipping points for collective action, wisdom of crowds and leadership by small numbers of individuals, segregation and polarisation. A current weakness in the scientific models is their sheer number. 'New' models are continually 'discovered' by physicists, engineers and mathematicians. The models are analysed mathematically, but very seldom provide predictions that can be tested empirically. In this work, we provide a framework of simple models, based on Lotka's original idea of using chemical reactions to describe social interactions. We show how to formulate models for social epidemics, social recovery, cycles, collective action, group decision-making, segregation and polarisation, which we argue encompass the majority of social dynamics models. We present an open-access tool, written in Python, for specifying social interactions, studying them in terms of mass action, and creating spatial simulations of model dynamics. We argue that the models in this article provide a baseline of empirically testable predictions arising from social dynamics, and that before creating new and more complicated versions of the same idea, researchers should explain how their model differs substantially from our baseline models. / Matematiska modeller kan hjälpa oss att förstå många typer av sociala fenomen, som ryktesspridning, spridning av memes, gruppbeslut, segregation och radikalisering. Det finns idag otaliga modeller för sociala beteenden hos människor och djur, och fler presenteras kontinuerligt. Det stora antalet modeller försvårar navigering inom forskningsfältet, och många av modellerna är dessutom komplicerade och svåra att verifiera genom experiment. I detta arbete föreslås ett ramverk av grundläggande modeller, som var och en modellerar en aspekt av socialt beteende; det gäller sociala epidemier, cykler, gemensamt handlande, gruppbeslut, segregation och polarisering. Vi menar att dessa modeller utgör majoriteten av de verifierbara aspekter av socialt beteende som studeras, och att de bör behandlas som en utgångspunkt när en ny modell ska introduceras. Vilka av mekanismerna från utgångspunkten finns representerade i modellen? Skiljer den sig ens nämnvärt från utgångspunkten? Genom att ha en god förståelse för grundmodellerna, och genom att förklara på vilket sätt en ny modell skiljer sig från dem, kan forskare undvika att presentera modeller som i praktiken är mer komplicerade varianter av sådana som redan finns. I detta arbete visar vi hur dessa grundläggande modeller kan formuleras och studeras. Modellerna bygger på enkla regler om vad som händer när individer i en befolkning möter varandra. Till exempel, om en person som har vetskap om ett rykte träffar någon som inte har det, kan ryktet spridas vidare. Därför har antaganden om vilka personer som kan träffa varandra stor påverkan på de resultat som modellerna ger. I detta arbete studeras varje modell med två olika metoder: i den ena har alla personer i befolkningen samma sannolikhet att träffa varandra, i den andra representeras befolkningen av ett rutnät, där varje plats motsvarar en individ. I den senare har alltså varje person ett begränsat antal grannar att interagera med. Vilken av dessa två metoder man väljer har stor betydelse för vilka beteenden modellerna förutspår. Som ett komplement till detta arbete presenteras ett verktyg i form av ett Python-program som utför analysen av modellerna. Detta kan användas för att undersöka grundmodellerna som presenteras i detta arbete, men också för att formulera och analysera nya modeller på samma sätt. På det viset kan nya modeller enkelt jämföras mot grundmodellerna. Verktyget är användbart både som introduktion för de som är nya inom social dynamik, men också för de forskare som som vill ta fram nya modeller och föra forskningsfältet vidare.