Forschungsdaten
Colourbox.de/Tashatuvango
Permanent URI for this communityhttps://data.uni-marburg.de/handle/dataumr/19
Browse
Search Results
Research Data Open Access Diversity in Hessian geography textbooks(Philipps-Universität Marburg) Dörfel, LeoniDie Daten stammen aus einer Schulbuchanalyse, die die Darstellung von Diversität in 11 lizenzierten Geographieschulbüchern Hessens (Stand: 1. August 2022) untersuchte. Der Fokus lag auf 13 theoriebasierten Diversitätsdimensionen, die zunächst deduktiv abgeleitet und anschließend induktiv angepasst wurden. Die qualitative Inhaltsanalyse wurde systematisch anhand eines entwickelten Kodierleitfadens durchgeführt, der auf theoriebasierten Kategorien und detaillierten Kodierregeln basiert (siehe "Kodierleitfaden-Schulbuchanalyse"). Es wurden ausschließlich die Autor*innentexte analysiert, wobei als Kodiereinheit sinngebende Textabschnitte (Paragraphen und Subparagraphen) definiert wurden. Insgesamt wurden 4689 Kodiereinheiten identifiziert, die entweder keine Kategorie, eine oder Kombinationen der Diversitätsdimensionen enthielten. Die Intercoder-Reliabilität war mit 0,83 für Datensatz 1 und 0,80 für Datensatz 2 zufriedenstellend. Datensätze: Datensatz 1: Dieser enthält die Ergebnisse der Kodierung aller Diversitätsdimensionen über alle Schulbücher hinweg, wobei die folgenden Auswertungen durchgeführt wurden: (a) absolute und relative Häufigkeiten aller 13 Dimensionen, zusammengefasst und einsehbar für die einzelnen Schulbücher; (b) Auswertung internaler und externaler Dimensionen; (c) Auswertung nach Klassifikationen der Häufigkeiten in Jahrgangsstufen (Unter-, Mittel- und Oberstufe); und (d) Auswertung der Häufigkeiten nach Themenfeldern. Dazu wurden aus den Schulbüchern acht thematische Felder kategorisiert, die eine Analyse der Dimensionen in den Themenfeldern ermöglichten. Datensatz 2: Dieser umfasst die Kodierungen zu Diversitätsdimensionen, die in spezifischen Raumbezügen (z. B. Länder, Regionen, Städte, Kontinente) dargestellt werden. Diese Daten wurden nach Häufigkeiten der Nennungen in drei Kategorien analysiert: (a) Dimensionen in Zusammenhang zu spezifisch benannten Kontinenten, (b) Dimensionen in Zusammenhang zu spezifisch benannten Ländern und (c) Aufsummierung aller Kodierungen in Zusammenhang zu Großregionen, Städten, Ländern für die sechs Kontinente Europa, Asien, Nord- und Südamerika, Afrika und Ozeanien. Die Antarktis wurde wegen fehlender Nennungen ausgeschlossen. Es war möglich, dass Kodierungen einer Kodiereinheit für mehrere Räume kodiert wurden, jedoch maximal einmal für denselben Raum. Für die Auswertung (c) bedeutet das, dass trotz einer möglichen Kodierung mehrerer Länder desselben Kontinents nur einmal kodiert wurde.Research Data Open Access Kohlenstoffdioxidmesswerte der Ketzerbach in Marburg an der Lahn und des Referenzgebiets in Marburg-Schröck(Philipps-Universtität Marburg) Nieke Fläschner; Dr. Kerstin Bach; Dr. Jürgen KlugeDieser Datensatz enthält Messwerte zur Luftqualität an 2 Standorten in Marburg. Die Daten wurden im Zeitraum August und September 2024 erhoben mittels dem mobilen Messgerät der Firma Rotronic CP 11. Gemessen wurden Luftfeuchtigkeit, Temperatur und CO₂-Konzentration. Die Daten werden im CSV-Format zur Verfügung gestellt (Feldtrenner: ";"). Die ersten 6 Zeilen enthalten Informationen zum Messgerät. Das Messgerät wurde daher immer in die Mitte der Ketzerbach 50 cm über dem Boden angebracht. Der Abstand zur Straße betrug auf beiden Seiten 1,20 m und zu den Gebäuden links 10,52 m und rechts 7,23 m. In Marburg- Schröck wurde das Messgerät auf 150 cm Höhe angebracht und nach nordöstlicher Richtung ausgerichtet und stand am Fahrbahnrand, 8 Meter von den Häusern entfernt. Das Messintervall betrug 1 Minute.Research Data Open Access Video data(Philipps-Universität Marburg) Schikora, Juliane; Dort, Aaron; Nickel, Antonia; Bergert, Jasmin; Schayan-Araghi, Stella Y.; Banerjee, Pratiti; Wolf, Hannah N.; May-Simera, Helen; Pauly, DianaThis subset of the repository contains the video data of the study. This includes mp4-files that show stained proteins in an apical to basal direction. It further contains the Fiji macro used for generating mp4-files from tif-files that can be found in the image data subset of this collection.Research Data Open Access Vorschlag für ein gemeinsames Metadatenschema für die Sammlungen der Philipps-Universität Marburg(Philipps-Universität Marburg, Stabsstelle Forschungsdatenmanagement) Maul, AlexanderDie Philipps-Universität Marburg entwickelt derzeit ein Konzept zur digitalen Präsentation ihrer wissenschaftlichen Sammlungen. Hierbei verfolgt ein im Rahmen der Landesinitiative HeFDI vom Hessischen Ministerium für Wissenschaft und Forschung, Kunst und Kultur (HMWK) gefördertes Projekt den Auftrag, Datenbankmanagementsysteme zur Integration wissenschaftlicher Sammlungen anzu-passen. Neben der Konzeptionierung und Implementierung einer langfristig trag-fähigen Datenbank hat das Projekt die Pilotierung der Sammlungsdigitalisierung an der Philipps-Universität zur Aufgabe. Der Projektfortschritt wird über die Projektseite (https://uni-marburg.de/DFpFGf) dokumentiert. Der Datensatz enthält einen Vorschlag für ein gemeinsames Metadatenschema für die Sammlungen der Philipps-Universität. Hierbei unterteilt sich das Modell in folgende Bereiche: 1. Automatische Administrationsfelder 2. Minimalerfassung 3. Empfohlene Erfassungsfelder 4. Zusätzliche Felder für Objekte aus sensiblen Kontexten 5. Akzession, Bilanzierung, Deakzession 6. Interne Dokumentation und Sammlungsmanagement 7. Individuelle sach- und fachspezifische Metadatenfelder Der Vorschlag gibt den Bearbeitungsstand im November 2024 wieder. Er ist ausdrücklich als Vorschlag konzipiert, auf dessen Grundlage weitere Absprachen erfolgen sollten.Research Data Open Access Analytical data(Philipps-Universität Marburg) Schikora, Juliane; Dort, Aaron; Nickel, Antonia; Bergert, Jasmin; Schayan-Araghi, Stella Y.; Banerjee, Pratiti; Wolf, Hannah N.; May-Simera, Helen; Pauly, DianaThis subset of the repository contains the analytical data generated in the study. This includes data of the transcript expression analysis, multiplex immunoassays, enzyme-linked immunosorbent assays, image analyses, and measurement of transepithelial resistance. Furthermore, the validation of the multiplex immunoassays with purified proteins and sera is included.Research Data Open Access In vitro-in situ comparison study - Data set(Philipps-Universität Marburg) Jablonski-Momeni, AnahitaThis data set presents the data which were analysed for the following publication: A comparison between in vitro and randomized in situ models for remineralization of artificial enamel lesions Jablonski-Momeni A, Lentz J, Jablonski B, Kiesow A, Morawietz M. Sci Rep. 2024 Oct 25;14(1):25295. doi: 10.1038/s41598-024-76387-w. Abstract: The randomized study aimed to evaluate the comparability of in situ (iS) and in vitro (iV) study protocols regarding remineralization of artificial enamel lesions. Two toothpastes (group A: 1450 ppm sodium fluoride, group B: placebo 0 ppm F-), were investigated. IV, a pH-cycling model with toothpaste slurry treatment was applied for 10d. IS, remineralization was performed in 9 participants wearing splints with embedded enamel samples for 10 and 21d, randomly allocated to groups A and B. Samples were scanned by X-ray micro-computed tomography (μCT) and grayscale value line profiles corresponding to mineral density (rel.ΔZ) were analyzed. T-Test for dependent and independent data and analysis of variance (ANOVA) were used for further analyses (α = 0.05). Rel.ΔZ of fluoride treated samples (A) were iV = 40.2%, iS 10d = 11.5% and iS 21d = 46.1% (p > 0.05). Rel.ΔZ of placebo treated samples (B) were: iV = − 6.2%, iS 10d = 25.2% and iS 21d = 11.0% (p > 0.05). Remineralization potential of both toothpastes was significantly different regarding iV (p < 0.001) and iS after 21d (p = 0.034), while in case of iS 10d no significant difference was detected (p = 0.4). Despite different study protocols the μCT results after remineralization were comparable between iV and iS. The results suggest that selected studies can be carried out in faster, simplified iV studies using pH-cycling instead of iS studies.Research Data Open Access Human Uniprot Sequences FastafileBhagwat, Aditya M; Graumann, JohannesResearch Data Open Access Structural reflection data (.mtz) of soaked Sudan virus VP40 crystals(Philipps-Universität Marburg, Institut für Virologie) Werner, Anke-Dorothee; Becker, StephanThis repository contains structural data (.mtz) of Sudan virus VP40 crystals, soaked with small molecules. Files are ordered names correspond to internal lab crystal IDs (e.g. XDS_ASCII_AW61_scaled1.mtz, with "AWxxx" indicating the crystal ID). The resolution and data quality indicators for each dataset are provided in an accompanying metadata file. Users should refer to this file to select appropriate datasets for their analyses. Dimeric VP40 (approx. 7 mg/ml in 25 mM Tris, 300 mM NaCl, pH 8) was mixed 1:1 with crystallization buffer (100 mM HEPES, 40 mM MgCl2, 10% v/v PEG400). Crystals grew overnight at 18 °C using the hanging drop method. Fragments originating from the FragXtal Screen (Jena Biosciences) were dissolved in DMSO to 1 M and diluted 1:10 in crystallization buffer (with or without 20% ethylene glycol as a cryoprotectant) to a final concentration of 100 mM. Crystals were then placed in a drop of the diluted fragments and soaked for either only seconds, minutes, 1 h, or overnight. Crystals were then harvested, flash-frozen in liquid nitrogen and analyzed at the Swiss Light Source, Paul-Scherrer Institute, Villigen, Switzerland (SLS BEAMLINE X06SA, DECTRIS EIGER X 16M detector, single wavelength, data collection temperature 100 K). Datasets were collected and processed using XDS and scaled using the ccp4i suite Aimless. Mtz-files can be used for molecular replacement (using PDB-ID 8B3X or other structures of VP40 as template). To use these mtz files for molecular replacement: 1) Download the desired mtz file(s) and the accompanying metadata. 2) Initial Structure Solution: a. Use molecular replacement with programs such as Phaser or MOLREP from the CCP4 suite. b. Use PDB-ID 8B3X as the initial search model. Other VP40 structures may also be suitable. 3) Rapid Initial Model Building and Refinement: a. Use DIMPLE (Difference Map Pipeline) for quick initial refinement and map calculation. b. Run DIMPLE. c. This will produce refined models and maps for each dataset, suitable for initial analysis or as input for PanDDA. 4) Fragment Identification: a. For datasets suspected to contain bound fragments, use PanDDA (Pan-Dataset Density Analysis). b. Prepare input files as per PanDDA documentation, using DIMPLE output. c. Run PanDDA with appropriate parameters. d. Examine PanDDA event maps for evidence of bound fragments. 5) Model Building and Refinement: a. Build fragments into positive difference density or PanDDA event maps. b. Refine structures using programs like REFMAC5 or phenix.refine. Related datasets deposited to the Protein data bank (https://www.rcsb.org/) include 8B2U (Crystal structure of SUDV VP40 in complex with salicylic acid) and 8B1S (Co-crystal of SUDV VP40 with salicylic acid). This work was funded by the LOEWE Center DRUID (State of Hesse, Germany), project A1. For any questions regarding the use of these datasets or analysis methods, please contact the depositing authors Stephan Becker or Anke-Dorothee Werner at the insitutte for Virology, Marburg, Germany (https://www.uni-marburg.de/en/fb20/departments/ciii/virology).Research Data Open Access Distracted by Previous Experience: Integrating Selection History, Current Task Demands and Saliency in an Algorithmic Model- Springer2024(Philipps-Universität marburg, 07.05.2021) Endres, Dominik; Meibodi, Neda; Meibodi, NedaThis repository contains the files and data necessary to recreate the results from the paper Meibodi, N., Abbasi, H., Schubö, A. et al. Distracted by Previous Experience: Integrating Selection History, Current Task Demands and Saliency in an Algorithmic Model. Comput Brain Behav 7, 268–285 (2024). https://doi.org/10.1007/s42113-024-00197-6 Please go to Version 2 if you are interested to see the files related to the other pubplication N.Meibodi, H.Abbasi, A. Schuboe, D. Endres (2021) A Model of Selection History in Visual Attention, Proceedings of the 2021 Conference of the Society of Cognitive Science, Vienna, Austria.Research Data Open Access Recognition of European mammals and birds in camera trap images using deep neural networks(Philipps-Universität Marburg) Schneider, Daniel; Lindner, Kim; Vogelbacher, Markus; Bellafkir, Hicham; Mühling, Markus; Farwig, Nina; Freisleben, BerndThis record contains the trained models and the test data sets presented in the papers "Recognizing European mammals and birds in camera trap images using convolutional neural networks" (Schneider et al, 2023) and "Recognition of European mammals and birds in camera trap images using deep neural networks" (Schneider et al., 2024). In these publications, we present deep neural network models to recognize both mammal and bird species in camera trap images. In the archive files "model2023_ConvNextBase.tar" and "model2023_EfficientNetV2.tar" as well as "model2024_ConvNextBase_species.tar" and "model2024_ConvNextBase_taxonomy.tar" we provide downloads of the best trained models from our 2023 and 2024 papers, respectively. All models are provided in the Tensorflow2 SavedModel format (https://www.tensorflow.org/guide/saved_model). A script to load and run the models can be found in our Git-Repository: https://github.com/umr-ds/Marburg-Camera-Traps. There we also provide a code snippet to perform predictions with these models. In the archive files "data_MOF.tar" and "data_BNP.tar", we provide downloads for our Marburg Open Forest (MOF) and Białowieża National Park (BNP) data sets, consisting of about 2,500 and 15,000 labeled camera trap images, respectively. The files contain two folders named "img" and "md", respectively. The "img" folder contains the images grouped in subfolders by recording date and camera trap id. The "md" folder contains the metadata for each image, which constists of the bounding box detections obtained using the MegaDetector model (https://github.com/agentmorris/MegaDetector). The metadata is grouped into yaml-files for each label at different taxonomic levels.