Résumé de la vidéo [00:00:05][^1^][1] - [00:26:39][^2^][2]:

La vidéo présente une session sur l'open data de Santé publique France, discutant de l'utilisation des données pour différents publics. Elle aborde la refonte de la stratégie d'open data, l'importance de la transparence et de la collaboration, ainsi que les défis liés à la sensibilité des données de santé.

Points forts: + [00:00:05][^3^][3] Introduction de la session * Présentation des modérateurs et du thème de l'open data * Discussion sur l'utilité des données pour le public + [00:01:49][^4^][4] Projet de mise à jour de la stratégie d'open data * Contextualisation de l'open data et ses principes * Défis spécifiques aux données de santé et leur protection juridique + [00:06:03][^5^][5] Identification des publics cibles et méthodologie * Choix des décideurs publics et acteurs de la société civile comme cibles * Organisation du travail en quatre axes pour répondre aux besoins + [00:10:07][^6^][6] Approche méthodologique combinée * Utilisation de focus groups, enquêtes et entretiens pour collecter des informations * Co-conception avec les acteurs pour construire de futurs indicateurs + [00:13:01][^7^][7] Besoins d'une agence régionale de santé * Importance des données fiables pour la coordination et la régulation * Utilisation des données pour la cartographie et la projection des besoins en soins + [00:25:15][^8^][8] Questions et réponses * Échange avec l'audience sur les fonctions de l'ARS et l'utilisation des outils prédictifs * Discussion sur l'intelligence artificielle et la mesure de la fiabilité des prédictions

Résumé de la vidéo [00:00:05][^1^][1] - [00:26:39][^2^][2]:

La vidéo présente une session sur l'open data de Santé publique France, discutant de l'utilisation des données pour différents publics. Elle aborde la refonte de la stratégie d'open data, l'importance de la transparence et de la collaboration, et les défis liés à la sensibilité des données de santé.

Points forts: + [00:00:05][^3^][3] Introduction à l'open data de Santé publique France * Présentation des animateurs et objectifs de la session * Discussion sur l'utilité des indicateurs en open data + [00:01:48][^4^][4] Projet de mise à jour de la stratégie d'open data * Contexte et principes de l'open data * Caractéristiques et restrictions liées aux données de santé + [00:06:03][^5^][5] Identification des publics cibles et méthodologie * Focus sur les décideurs publics et acteurs de la société civile * Organisation du travail en quatre axes pour répondre aux besoins + [00:12:33][^6^][6] Besoins d'une Agence Régionale de Santé (ARS) * Importance des données fiables pour la coordination et la régulation * Projets et croisement de données pour la prise de décision éclairée

Résumé de la vidéo [00:50:28][^1^][1] - [01:15:17][^2^][2]:

La vidéo traite de l'utilisation des données ouvertes de Santé publique France pour améliorer la santé publique. Elle aborde les défis de la communication, de la compréhension et de l'application des données, en particulier à une échelle infracommunale, et souligne l'importance de choisir des indicateurs pertinents pour les politiques de santé.

Points forts: + [00:50:28][^3^][3] Compréhension des données * Difficultés perçues par les habitants et les associations * Importance de la formation et de la sensibilisation + [00:51:01][^4^][4] Besoins et défis * Faciliter l'accès et l'utilisation des données * Sécurité et anonymat dans le partage des données + [00:53:34][^5^][5] Outils et limites * Développement d'outils pour l'accès aux données * Exemples d'outils utilisés dans d'autres pays

Résumé de la vidéo [01:15:20][^1^][1] - [01:38:45][^2^][2]:

La vidéo traite de l'utilisation des données ouvertes de Santé publique France et de leur importance pour divers publics, notamment les politiques de santé et les journalistes. Elle souligne la nécessité d'une approche politique et sociale pour aborder les questions de santé environnementale et la collaboration entre les villes et les régions pour une politique de santé cohérente.

Points forts: + [01:15:20][^3^][3] Politiques de santé locales * Importance de la collaboration entre villes et départements * Actions municipales spécifiques et politiques régionales plus larges + [01:17:02][^4^][4] Collaboration interrégionale * Nécessité de travailler ensemble sur des sujets communs * Exemple de la trame verte à l'échelle métropolitaine + [01:20:05][^5^][5] Journalisme et données de santé * Impact du COVID-19 sur l'utilisation des données par les journalistes * Importance de la granularité et de la temporalité des données + [01:35:50][^6^][6] Formation des journalistes * Besoin de diversifier les profils dans les écoles de journalisme * Intégration des outils de gestion de données dans la formation

Résumé de la vidéo [01:38:47][^1^][1] - [02:03:42][^2^][2]:

Cette vidéo présente une session sur l'open data de Santé publique France, discutant des données disponibles pour différents publics. Les intervenants explorent les défis de la production d'indicateurs, la médiation des données, et l'équilibre entre la rapidité de mise en ligne et l'accompagnement nécessaire pour les utilisateurs.

Points forts: + [01:38:47][^3^][3] Production et médiation des données * Temps de production incompressible * Choix entre rapports détaillés ou données agrégées rapides * Dilemme entre l'accompagnement et la rapidité + [01:39:47][^4^][4] Diffusion des données et expertise * Journalistes cherchent des mises à jour régulières * Importance d'une explication succincte avec les données * Rapports d'experts pour une diffusion plus large + [01:41:11][^5^][5] Formation des journalistes et collaboration * Formation à la démarche scientifique * Collaboration avec Santé publique France pour une information précise * Besoin de données infracommunales pour les villes + [01:47:26][^6^][6] Troisième vague de l'Open Data * Travailler avec les usagers autour d'objectifs de politique publique * Étendre le public des données et développer la datalitéracie * Importance de connaître les usagers actuels et potentiels des données + [01:58:36][^7^][7] Accès aux données et enjeux de santé publique * Difficultés d'accès aux données infracommunales * Nécessité de partenariats pour des données plus fines * Enjeux sensibles liés à la restitution des données de santé

Résumé de la vidéo [02:03:49][^1^][1] - [02:27:30][^2^][2]:

Cette partie de la vidéo discute de l'open data de Santé publique France et de l'identification des publics nécessitant des données spécifiques. Elle aborde les défis de la médiation et de la définition des besoins en données pour divers secteurs, y compris la santé et l'environnement.

Points forts: + [02:03:49][^3^][3] Identification des besoins en données * Difficulté à dialoguer et à médier entre les fournisseurs de données et les utilisateurs * Importance de définir clairement les besoins en données pour les politiques publiques + [02:08:59][^4^][4] Exemples de données non accessibles * Manque de données sur la vaccination au niveau local pendant la COVID-19 * Difficulté à obtenir des données de santé scolaire pour les villes + [02:17:01][^5^][5] Création de nouvelles données pour les politiques publiques * Nécessité de produire des données pertinentes pour répondre à des problèmes spécifiques * Exemple du baromètre des villes cyclables pour évaluer la cyclabilité + [02:22:02][^6^][6] Littératie en données de santé et obstacles à l'ouverture des données * Importance de la formation pour comprendre la production et la collecte de données * Défis liés à l'accessibilité et à l'utilité des données pour le grand public

Résumé de la vidéo [02:27:32][^1^][1] - [02:42:03][^2^][2]:

La vidéo aborde l'importance de l'open data de Santé publique France et les défis liés à la collecte, la documentation et l'utilisation des données pour divers publics. Elle souligne la nécessité d'une documentation claire des données et d'une médiation pour aider les utilisateurs à comprendre et à utiliser les données de manière éthique et efficace.

Points forts: + [02:27:32][^3^][3] L'éthique de l'open data * Discussion sur la pertinence éthique de détailler l'état de santé des citoyens * Importance de la transparence et de la responsabilité dans la collecte des données + [02:28:02][^4^][4] La documentation des données * Présentation du "datashheet for dataset" pour une documentation standardisée * Importance de documenter le processus de collecte et le contexte de production des données + [02:30:29][^5^][5] Les besoins des utilisateurs territoriaux * Manque de connaissances précises sur l'état de santé des populations locales * Exemple d'une ville ayant besoin de données pour répondre à une situation de soins de santé + [02:33:48][^6^][6] La démarche de la ville de Paris * Création de portraits de santé infracommunaux pour répondre aux besoins des acteurs locaux * Processus participatif impliquant élus et partenaires de santé pour identifier les indicateurs pertinents

Résumé de la vidéo [00:00:01][^1^][1] - [00:22:59][^2^][2]:

Cette vidéo présente les objectifs et les activités de la Fabrique des Mobilités (FabMob), une association qui vise à promouvoir une mobilité durable et moins émettrice de carbone. Elle explique le concept de commun numérique et son application pratique dans le secteur de la mobilité, en mettant l'accent sur la coopération entre acteurs hétérogènes et la gouvernance partagée des ressources numériques.

Points forts: + [00:00:01][^3^][3] Introduction de FabMob * Présentation des objectifs * Définition d'un commun numérique + [00:04:00][^4^][4] Rôle de la DGITM * Collaboration avec FabMob * Importance des communs dans la mobilité + [00:08:03][^5^][5] Modalités de participation * Encouragement des questions * Cycle de travail sur les outils numériques + [00:09:01][^6^][6] Définition académique d'un commun * Trois piliers : ressource, communauté, gouvernance * Exemples de communs numériques + [00:13:20][^7^][7] Panorama institutionnel * Diverses institutions impliquées dans les communs numériques * Exemples européens et français + [00:20:36][^8^][8] Distinction entre Open Data, Open Source et commun numérique * Explication des termes * Importance de la gouvernance des données Résumé de la vidéo [00:23:01][^1^][1] - [00:45:09][^2^][2]:

La partie 2 de la vidéo aborde la logique d'Open Data, d'OP source, et de commun numérique dans le contexte français, en mettant l'accent sur l'importance de l'ouverture, des licences variées, et de la gouvernance collective pour le partage des ressources numériques.

Points forts: + [00:23:01][^3^][3] Open Data et OP source * Accès libre aux logiciels * Licences variées + [00:23:37][^4^][4] Commun numérique * Service de sa communauté * Pas nécessairement ouvert + [00:25:02][^5^][5] Avantages du numérique * Effets de réseau * Coûts de réplication faibles + [00:27:00][^6^][6] Gouvernance collective * Importance de la fédération * Gestion de la ressource + [00:31:11][^7^][7] Exemples concrets * Affluence TC à Grenoble * Intelligence artificielle dans les transports + [00:43:42][^8^][8] Politiques publiques par les communs * Réduction des coûts * Transparence et pérennité Résumé de la vidéo [00:45:11][^1^][1] - [01:05:36][^2^][2]:

La vidéo discute de l'importance de rendre les données de réglementation routière accessibles et utilisables pour les collectivités, en particulier pour l'intégration dans les systèmes GPS. Elle souligne la nécessité d'une collaboration communautaire pour créer une base de données exhaustive et utile.

Points forts: + [00:45:11][^3^][3] Accessibilité des données * Simplifier l'utilisation des données pour les collectivités * Créer des outils de navigation intuitifs + [00:46:01][^4^][4] Intégration GPS * Intégrer les règles de circulation dans les GPS * Adapter la navigation aux spécificités des véhicules + [00:47:03][^5^][5] Avantages logistiques * Faciliter la traduction des règlements pour les chauffeurs étrangers * Améliorer la coordination entre les services de gestion du réseau + [00:48:00][^6^][6] Applications futures * Imaginer des usages réglementaires dynamiques * Permettre une créativité réglementaire avec les données numériques Résumé de la vidéo [01:05:38][^1^][1] - [01:25:41][^2^][2]:

Cette vidéo discute des incitations financières pour le covoiturage en France, des défis de fraude et de la création d'un registre de preuve de covoiturage pour sécuriser les trajets et encourager l'adoption du covoiturage.

Points forts: + [01:05:38][^3^][3] Incitations pour le covoiturage * Gratuité pour les passagers * Rémunération pour les conducteurs + [01:06:14][^4^][4] Forfait mobilité durable * Jusqu'à 800 € par an pour les salariés + [01:06:28][^5^][5] Primes de l'État * 100 € pour les nouveaux covoitureurs + [01:07:10][^6^][6] Défis de fraude * Risques liés aux incitations financières + [01:07:58][^7^][7] Registre de preuve de covoiturage * Infrastructure numérique contre la fraude + [01:11:02][^8^][8] Communauté et gouvernance * Plus de 700 collectivités impliquées Résumé de la vidéo [01:15:00][^1^][1] - [01:22:59][^2^][2]:

La vidéo aborde le concept des communs numériques, leur importance dans la transition écologique et la mobilité, et comment ils favorisent la coopération entre divers acteurs. Elle souligne l'importance de la gouvernance collective et présente des exemples concrets de communs numériques dans le secteur des transports.

Points clés: + [01:15:00][^3^][3] Définition des communs numériques * Trois piliers : ressource partagée, communauté hétérogène, règles de gouvernance + [01:17:00][^4^][4] Exemples de communs numériques * Open Street Map, logiciels, données, serveurs + [01:19:00][^5^][5] Institutions et communs numériques * Directions ministérielles, agences nationales, collectivités + [01:21:00][^6^][6] Différence entre Open Data, Open Source et communs numériques * Open Data : données en accès libre; Open Source : code source ouvert; Communs numériques : gestion collective de ressources numériques

• for: smart cities, doughnut cities, cosmolocal, downscaled planetary boundaries, cross-scale translation of earth system boundaries, TPF, community data, local data, open data, community data ownership, quote, quote - Garth Graham, quote - community owned data
• quote
• paraphrase
  • Innovation in the creation and sustainability of social institutions acts predominantly at the local level.
  • In the Internet of Things, for those capacities to emerge in smart cities, communities need the capacity to own and analyse the data created that models what they are experiencing.
  • Local data needs to be seen as a common, pool resource.
  • Where that occurs, communities will have the capacity to learn or innovate their way forward.
  • So far, smart city systems are being set up to appropriate and commercialize individual and community data.
  • So far, communities are not waking up to the realization that a capacity they need is being stolen from them before they have it.
• author: Garth Graham
  • leader of Telecommunities Canada

Offene Metadaten für (eigene) Publikationen selbst zu produzieren bzw. zu pflegen und in der eigenen Wisskomm zu verwenden (z.B. für Nachrichten mit Thumbnails in Social Medias) ist m.E. eine Aktivität und Strategie, die am Rande hier mit Erwähnung finden könnte, vgl. https://redaktionsblog.hypotheses.org/5219 ++ selbsr erschleßen mit https://scholia.toolforge.org/doi/ + 10.17175/wp_2023b führt zu https://scholia.toolforge.org/doi/10.17175/wp_2023b, vgl. das Workshopbeispiel: https://de.wikiversity.org/wiki/Open_Science_Festival/Forschen_im_Wikiversum_(2023)#Publizieren_und_Erschlie%C3%9Fen

{Open Data}

Recommended Resource

I recommend adding the webpage "Open Access in Australia" on Wikiwand that documents Australia's history for accepting and promoting open access and open publication in its country.

The site contains a timeline that documents key years in which the open movement, open access, open government, and open data concepts were introduced. The year that CC Australia was established is included in the timeline.

**Recommend Resource: ** Under the "More Information About Other Open Movements" I recommended adding Higashinihon Daishinsai Shashin Hozon Purojekuto, (trans. Great Earthquake of Eastern Japan Photo Archiving Project) which is one of Japan's open government and open data efforts to document all photographs about Japan's 2011 earthquake.

The site currently contains close to 40,000 photographs of the aftermath of the natural disaster.

The photos are hosted by Yahoo! Japan and are published under non-commercial clause for open access to the public.

What about Matrix?

Pouria Hadjibagheri [@Pouriaaa]. (2021, July 14). The state of the UK’s statistical system 2020/21 by @StatsRegulation Thank you! 🎊😀🎉 See the report: Https://osr.statisticsauthority.gov.uk/publication/the-state-of-the-uks-statistical-system-2020-21/pages/8/ https://t.co/dEBmVz3oTm [Tweet]. Twitter. https://twitter.com/Pouriaaa/status/1415371346775838725

Il problema di questa sezione è derubricare i modelli dati come documentazione. Le ontologie di ontopia (parlo di modelli non tanto di dati come i vocabolari controllati) sono machine-readable. Quindi non è solo una questione di documentare la sintassi o il contenuto del dato. È rendere il modello actionable, ossia leggibile e interpretabile dalle macchine stesse. Io potrei benissimo documentare dei dataset con una bella tabellina in Github o con tante tabelline in un bellissimo PDF (documentazione), ma non è la stessa cosa di rendere disponibile un'ontologia per dei dati. Rendere i modelli parte attiva della gestione del dato (come per le ontologie) significa abilitare l'inferenza che avete richiamato sopra in maniera impropria per me, ma anche utilizzarli per explainable AI e tanti altri usi. Questo è un concetto fondamentale che non può essere trattato così in linee guida nazionali. Dovrebbe anzi avere un capitolo suo dedicato, vista l'importanza anche in ottica data quality "compliance" caratteristica di qualità dello standard ISO/IEC 25012.

Tutta la parte di modellazione dati, anche attraverso il catalogo nazionale delle ontologie e vocabolari controllati, sembra ora in mano a ISTAT, titolare, insieme al Dipartimento di Trasformazione Digitale di schema.gov.it. Qui però sembra AGID abbia il ruolo di definire i vari modelli. Secondo me questo crea confusione. bisognerebbe coordinarsi anche con le altre amministrazioni per capire bene chi fa cosa. AGID al momento di OntoPiA gestisce solo un'infrastruttura fisica.

Non è che fate inferenza perché dereferenziate gli URI. Vi suggerisco di leggere bene le linee guida per l'interoperablità semantica attraverso i linked open data che spiega cosìè l'inferenza (e questa sì fa parte di un processo di arricchimento nel mondo linked open data). L'inferenza è una cosa più complessa che si può fare con ragionatori automatici e query sparql. Si possono dedurre nuove informazioni dati dati esistenti e soprattutto dalle ontologie che sono oggetti machine readable!

Non trovo utilità in quanto qui scritto onestamente. Molti più sistemi sono ormai linked open data nativi, quindi oltre al fatto che parlare di linked open data in arricchimento è sbagliato, direi di lasciar perdere questo periodo.

rifraserei in "si basano su diversi standard, tra cui RDF, e spesso usano vocabolari controllati RDF per rappresentare terminologia controllata del dominio applicativo di riferimento"

JSON-LD è una serializzazione RDF nel mondo JSON. Occhio che qui la traduzione in italiano del documento del publications office non è venuta fuori bene (loro dicono data format such as RDF or JSON-LD che sarebbe anche impreciso. RDF è un modello di rappresentazione del dato nel Web. Le serializzazioni RDF sono tipo Ntriple, RDF/Turtle, RDF/XML, JSON-LD). Tra l'altro nell'allegato tecnico sui formati per i dati aperti, testo preso dalla precedente linee guida, JSON-LD è indicato come serializzazione RDF.

Sono open o no?

Qui c'è un problema di fondo proprio concettuale. Il problema è che il paradigma dei Linked Open Data è stato derubricato come arricchimento, che nelle linee guida che si cita qui era solo una fase di un processo generale per la gestione dei dati linked open data. Fare linked open data non vuol solo dire arricchire i dati, ma è possibile gestire un dato fin dalla sua nascita in linked open data nativamente. Questo era lo spirito delle linee guida qui citate. Estrapolando solo una parte avete snaturato un po' tutto. Consiglio di trattare l'argomento com'era trattato nelle precedenti linee guida. Peccato anche che sia sparita la figura della metropolitana che aiutava molto.

Comunque, farei uno sforzo in più, con tutto quello che l'italia ha scritto sui linked open data, per scrivere frasi che non siano proprio paro paro la traduzione in italiano del documento in inglese.

licenze aperte standard. Aggiungere la parola aperte che è fondamentale.

Besançon, L., Peiffer-Smadja, N., Segalas, C., Jiang, H., Masuzzo, P., Smout, C., Billy, E., Deforet, M., & Leyrat, C. (2021). Open science saves lives: Lessons from the COVID-19 pandemic. BMC Medical Research Methodology, 21(1), 117. https://doi.org/10.1186/s12874-021-01304-y

The BMJ. (2021, April 8). “These data represent a remarkable research resource and illustrate how covid-19 has fostered open science” @jsross119 @BHFDataScience https://t.co/i3ddpBqq7j [Tweet]. @bmj_latest. https://twitter.com/bmj_latest/status/1380062868746469377

Abbildung

Replicating scientific results is tough—But essential. (2021). Nature, 600(7889), 359–360. https://doi.org/10.1038/d41586-021-03736-4

AIMOS. (2021, November 30). How can we connect #metascience to established #science fields? Find out at this afternoon’s session at #aimos2021 Remco Heesen @fallonmody Felipe Romeo will discuss. Come join us. #OpenScience #OpenData #reproducibility https://t.co/dEW2MkGNpx [Tweet]. @aimos_inc. https://twitter.com/aimos_inc/status/1465485732206850054

"The Guide to Social Science Data Preparation and Archiving is aimed at those engaged in the cycle of research, from applying for a research grant, through the data collection phase, and ultimately to preparation of the data for deposit in a public archive: " from tweet

Just because a dataset is publicly available doesn't mean that you can use it to build commercial AI software.

Kovacs, M., Hoekstra, R., & Aczel, B. (2021). The Role of Human Fallibility in Psychological Research: A Survey of Mistakes in Data Management. Advances in Methods and Practices in Psychological Science, 4(4), 25152459211045930. https://doi.org/10.1177/25152459211045930

Sheetal, A., Feng, Z., & Savani, K. (2020). Using Machine Learning to Generate Novel Hypotheses: Increasing Optimism About COVID-19 Makes People Less Willing to Justify Unethical Behaviors. Psychological Science, 31(10), 1222–1235. https://doi.org/10.1177/0956797620959594

Smith, A. M., Willroth, E. C., Gatchpazian, A., Shallcross, A. J., Feinberg, M., & Ford, B. Q. (2021). Coping With Health Threats: The Costs and Benefits of Managing Emotions. Psychological Science, 09567976211024260. https://doi.org/10.1177/09567976211024260

ReconfigBehSci on Twitter. (n.d.). Twitter. Retrieved 1 March 2021, from https://twitter.com/SciBeh/status/1351197475282022404

Ross, J. S. (2021). Covid-19, open science, and the CVD-COVID-UK initiative. BMJ, 373, n898. https://doi.org/10.1136/bmj.n898

Scheel, Anne M., Mitchell R. M. J. Schijen, and Daniël Lakens. ‘An Excess of Positive Results: Comparing the Standard Psychology Literature With Registered Reports’. Advances in Methods and Practices in Psychological Science 4, no. 2 (1 April 2021): 25152459211007468. https://doi.org/10.1177/25152459211007467.

Hoogeveen, S., Sarafoglou, A., & Wagenmakers, E.-J. (2020). Laypeople Can Predict Which Social-Science Studies Will Be Replicated Successfully: Advances in Methods and Practices in Psychological Science. https://doi.org/10.1177/2515245920919667

McCabe, Stefan, Leo Torres, Timothy LaRock, Syed Arefinul Haque, Chia-Hung Yang, Harrison Hartle, and Brennan Klein. ‘Netrd: A Library for Network Reconstruction and Graph Distances’. ArXiv:2010.16019 [Physics], 29 October 2020. http://arxiv.org/abs/2010.16019.

Armeni, Kristijan, Loek Brinkman, Rickard Carlsson, Anita Eerland, Rianne Fijten, Robin Fondberg, Vera Ellen Heininga, et al. ‘Towards Wide-Scale Adoption of Open Science Practices: The Role of Open Science Communities’. MetaArXiv, 6 October 2020. https://doi.org/10.31222/osf.io/7gct9.

Dr Elaine Toomey on Twitter. (n.d.). Twitter. Retrieved 24 February 2021, from https://twitter.com/ElaineToomey1/status/1357343820417933316

ORWG Virtual Meeting 08/09/2020 https://www.youtube.com/playlist?list=PLOA0aRJ90NxvXtMt5Si5ukmR9LYfvDueB (n.d.)

Outbreak.info. (n.d.). Outbreak.Info. Retrieved October 25, 2020, from https://outbreak.info/

Trias-Llimós, S., Alustiza, A., Prats, C., Tobias, A., & Riffe, T. (2020). The need for detailed COVID-19 data in Spain. The Lancet Public Health, 0(0). https://doi.org/10.1016/S2468-2667(20)30234-6

Thacker, P. D. (2020). A few tiny steps towards transparency: How the Sunshine Act shone light on industry’s influence in medicine. BMJ, 370. https://doi.org/10.1136/bmj.m3229

Nagaraj, A., Shears, E., & Vaan, M. de. (2020). Improving data access democratizes and diversifies science. Proceedings of the National Academy of Sciences, 117(38), 23490–23498. https://doi.org/10.1073/pnas.2001682117

Moreau, D., & Gamble, B. (2020). Conducting a meta-analysis in the age of open science: Tools, tips, and practical recommendations. Psychological Methods, No Pagination Specified-No Pagination Specified. https://doi.org/10.1037/met0000351

Gollwitzer, M., Abele-Brehm, A., Fiebach, C., Ramthun, R., Scheel, A. M., Schönbrodt, F., & Steinberg, U. (2020). Data Management and Data Sharing in Psychological Science: Revision of the DGPs Recommendations. https://doi.org/10.31234/osf.io/24ncs

COVID-19 Symptom Survey—Request for Data Access. (n.d.). Facebook Data for Good. Retrieved May 29, 2020, from https://dataforgood.fb.com/docs/covid-19-symptom-survey-request-for-data-access/

Ray, E. L., Wattanachit, N., Niemi, J., Kanji, A. H., House, K., Cramer, E. Y., Bracher, J., Zheng, A., Yamana, T. K., Xiong, X., Woody, S., Wang, Y., Wang, L., Walraven, R. L., Tomar, V., Sherratt, K., Sheldon, D., Reiner, R. C., Prakash, B. A., … Consortium, C.-19 F. H. (2020). Ensemble Forecasts of Coronavirus Disease 2019 (COVID-19) in the U.S. MedRxiv, 2020.08.19.20177493. https://doi.org/10.1101/2020.08.19.20177493

Welcome to a new ERA of reproducible publishing. (2020, August 24). ELife; eLife Sciences Publications Limited. https://elifesciences.org/labs/dc5acbde/welcome-to-a-new-era-of-reproducible-publishing

Couture, V., Dingel, J. I., Green, A. E., Handbury, J., & Williams, K. R. (2020). Measuring Movement and Social Contact with Smartphone Data: A Real-Time Application to COVID-19 (Working Paper No. 27560; Working Paper Series). National Bureau of Economic Research. https://doi.org/10.3386/w27560

Moreau, D., & Gamble, B. (2020). Conducting a Meta-Analysis in the Age of Open Science: Tools, Tips, and Practical Recommendations [Preprint]. PsyArXiv. https://doi.org/10.31234/osf.io/t5dwg

Supporting Open Science Data Curation, Preservation, and Access by Libraries. (n.d.). Retrieved 24 August 2020, from https://www.youtube.com/watch?v=SbmGWHpzAHs

Mather, N. (2020). How we accelerated clinical trials in the age of coronavirus. Nature, 584(7821), 326–326. https://doi.org/10.1038/d41586-020-02416-z

Besançon, L., Peiffer-Smadja, N., Segalas, C., Jiang, H., Masuzzo, P., Smout, C., Deforet, M., & Leyrat, C. (2020). Open Science Saves Lives: Lessons from the COVID-19 Pandemic. BioRxiv, 2020.08.13.249847. https://doi.org/10.1101/2020.08.13.249847

Peterson, David, and Aaron Panofsky. ‘Metascience as a Scientific Social Movement’. Preprint. SocArXiv, 4 August 2020. https://doi.org/10.31235/osf.io/4dsqa.

Supporting Open Science Data Curation, Preservation, and Access by Libraries. (2020, June 25). https://www.youtube.com/watch?v=SbmGWHpzAHs&feature=youtu.be

Uribe-Tirado, A., del Rio, G., Raiher, S., & Ochoa Gutiérrez, J. (2020). Open Science since Covid-19: Open Access + Open Data [Preprint]. SocArXiv. https://doi.org/10.31235/osf.io/a5nqw

Syed, M., & Donnellan, B. (2020). Registered Reports with Developmental and Secondary Data: Some Brief Observations and Introduction to the Special Issue [Preprint]. PsyArXiv. https://doi.org/10.31234/osf.io/gnhxk

Welcome! You are invited to join a webinar: Supporting Open Science Data Curation, Preservation, and Access by Libraries. After registering, you will receive a confirmation email about joining the webinar. (n.d.). Zoom Video. Retrieved June 28, 2020, from https://zoom.us/webinar/register/2615905946283/WN_W6dYUXQFTqGQjGAZPRB74w

Yeolekar, M. (2020, April 30). The Digital Migration: Lessons About Open Science Arising from the COVID19 Crisis. The Official PLOS Blog. https://theplosblog.plos.org/2020/04/the-digital-migration-lessons-about-open-science-arising-from-the-covid19-crisis/

Willem, L., Hoang, T. V., Funk, S., Coletti, P., Beutels, P., & Hens, N. (2020). SOCRATES: An online tool leveraging a social contact data sharing initiative to assess mitigation strategies for COVID-19 [Preprint]. Epidemiology. https://doi.org/10.1101/2020.03.03.20030627

Hopp, F. R., Fisher, J. T., Cornell, D., Huskey, R., & Weber, R. (2020). The Extended Moral Foundations Dictionary (eMFD): Development and Applications of a Crowd-Sourced Approach to Extracting Moral Intuitions from Text [Preprint]. PsyArXiv. https://doi.org/10.31234/osf.io/924gq

OSF Coronavirus Outbreak Research Collection

Science, C. for O. (2020 May 5). TOP Factor to appear in Master Journal List. https://www.cos.io/about/news/cos-and-the-web-of-science-collaborate-to-bring-top-factor-to-master-journal-list

UKRN position on covid 19 research. (2020 May 01). School of Psychological Science | University of Bristol. http://www.bristol.ac.uk/psychology/research/ukrn/news/2020/ukrn-position-on-covid-19-research.html

Okan, Y. (2020, May 22). From a tweet to Reddit and beyond: The road to a global behavioral science SWAT team. Psychonomic Society Featured Content. https://featuredcontent.psychonomic.org/from-a-tweet-to-reddit-and-beyond-the-road-to-a-global-behavioral-science-swat-team/

Views, R. (2020, June 3). More Select COVID-19 Resources. /2020/06/03/more-select-covid-19-resources/

Leplaa, H. J., Rietbergen, C., & Hoijtink, H. (2020). Bayesian evaluation of replication studies [Preprint]. PsyArXiv. https://doi.org/10.31234/osf.io/49tbz

EU Datathon 2020—EU Datathon—Publications Office of the EU. (n.d.). Retrieved May 5, 2020, from https://op.europa.eu/en/web/eudatathon

Peikert, A., & Brandmaier, A. M. (2019). A Reproducible Data Analysis Workflow with R Markdown, Git, Make, and Docker. https://doi.org/10.31234/osf.io/8xzqy