4926 research outputs found
Sort by
Computational Visual Catalogue (CVC) - Rilke's notebooks - Minimal Example
No full textThis small test set consists of 30 images and one JSON file. The images are a few notebook pages from Rainer Maria Rilke, from the Deutsche Literaturarchiv Marbach (DLA), A:Rilke-Archiv Gernsbach. The JSON file was computationally generated using several AI models and contains information automatically extracted from the images about various visual properties of text, such as word location, colour, orientation, and writing implement.
What’s new in this version:
The annotations in this JSON file are generated using our enhanced models for improved accuracy in word detection, colour recognition, writing implement recognition, and orientation classification.
The structure of the JSON file is as follows:
Root (object)
├─ info (object)
│ ├─ description : string
│ ├─ contributor : string
│ ├─ version : string
│ ├─ year : integer
│ └─ date_created : string # "YYYY-MM-DD"
│
├─ images (array of object)
│ └─ [image] (object)
│ ├─ id : integer
│ ├─ file_name : string
│ ├─ width : integer
│ └─ height : integer
│
└─ annotations (array of object)
└─ [annotation] (object)
├─ id : integer
├─ image_id : integer
├─ category_id : integer
├─ bbox : array of 4 numbers # [x, y, width, height]
├─ area : number # float
├─ segmentation : array of array of number # [[x1, y1, x2, y2, …]]
├─ iscrowd : integer # 0 or 1
├─ score : number # float
├─ color_name : string
├─ color_code : string # e.g. "145-144-122"
├─ orientation : string # e.g. "hor" or "ver"
└─ writing_tool : string # e.g. "pcl"
See ScriptSight tool for examples of how this computational visual catalogue can be used.
Acknowledgements:
The research for this work was funded by the Deutsche Forschungsgemeinschaft (DFG, German Research Foundation) under Germany’s Excellence Strategy - EXC 2176 ‘Understanding Written Artefacts: Material, Interaction and Transmission in Manuscript Cultures’, project no. 390893796. The research was conducted within the scope of the Centre for the Study of Manuscript Cultures (CSMC) at Universität Hamburg.
The images are offered by the Deutsche Literaturarchiv Marbach (DLA) as a part of their collaboration with the CSMC
Sprachliche Gleichberechtigung als Grundlage für soziale und Bildungsgerechtigkeit
No full textDieses Modul zielt darauf ab, die Beziehung zwischen sprachlicher (Un-)Gleichberechtigung und sozialer und pädagogischer Gerechtigkeit zu verstehen. Nachdem die Bedeutung der drei grundlegenden Konzepte (sprachliche Gerechtigkeit, soziale Gerechtigkeit, Bildungsgerechtigkeit) und ihre Beziehungen erklärt wurden, analysiert dieses Modul praktische Unterrichtssituationen der sozialen und Bildungsgerechtigkeit und der durch sprachliche Vielfalt verursachten Ungerechtigkeit. Schließlich schlägt das Modul die Analyse von schulischen Interventionsvorschlägen vor, die darauf abzielen, durch sprachliche Kriterien verursachte und/oder gerechtfertigte Ungerechtigkeiten zu verringern
Sprachliche Gleichberechtigung als Grundlage für soziale und Bildungsgerechtigkeit
No full textDieses Modul zielt darauf ab, die Beziehung zwischen sprachlicher (Un-)Gleichberechtigung und sozialer und pädagogischer Gerechtigkeit zu verstehen. Nachdem die Bedeutung der drei grundlegenden Konzepte (sprachliche Gerechtigkeit, soziale Gerechtigkeit, Bildungsgerechtigkeit) und ihre Beziehungen erklärt wurden, analysiert dieses Modul praktische Unterrichtssituationen der sozialen und Bildungsgerechtigkeit und der durch sprachliche Vielfalt verursachten Ungerechtigkeit. Schließlich schlägt das Modul die Analyse von schulischen Interventionsvorschlägen vor, die darauf abzielen, durch sprachliche Kriterien verursachte und/oder gerechtfertigte Ungerechtigkeiten zu verringern
Data for "Are hibernators toast? Global climate change and prolonged seasonal hibernation"
No full textData for figure 2 and figure 3 of "Are hibernators toast? Global climate change and prolonged seasonal hibernation
Menschen in Deutschland: International (MiDInt). Untersuchungsdesign, Stichprobe, Erhebungsinstrument und Codebuch zu Welle 16 (Juli 2025). MOTRA Forschungsbericht No. 21 aus dem Institut für Kriminologie an der Fakultät für Rechtswissenschaft. Hamburg: Universität Hamburg.
No full textDer Forschungsverbund MOTRA (Monitoringsystem und Transferplattform Radikalisierung) ist ein bundesweites Spitzenforschungscluster, in dem sich neun Institutionen aus ganz Deutschland in einem interdisziplinären und multimethodalen Ansatz der Analyse von Radikalisierungsprozessen und der Verbreitung politischer Extremismen verschiedener Formen in Deutschland widmen. Ziel des Verbundes ist es, Dynamiken und Einflussfaktoren zu erfassen, die zu politischer Radikalisierung auf Einstellungs-, Verhaltens- und Diskursebene beitragen, und diese Erkenntnisse für Wissenschaft, Politik und Praxis nutzbar zu machen. Seit März 2025 befindet sich MOTRA in einer zweiten Förderphase.
Das Institut für Kriminologie an der Fakultät für Rechtswissenschaft der Universität Hamburg (UHH) ist innerhalb des MOTRA-Verbundes in dieser zweiten Förderphase für die Durchführung von zwei regelmäßig wiederkehrenden Bevölkerungsbefragungen verantwortlich. Diese bilden die empirische Grundlage für die kontinuierliche Beobachtung politischer Einstellungen und deren Entwicklungen in Deutschland. Dazu gehört die Studie „Menschen in Deutschland“ (MiD; vgl. Brettfeld et al. 2021a; Brettfeld et al. 2025) sowie die hier im Mittelpunkt stehende Studie „Menschen in Deutschland: International“ (MiDInt), die in Kooperation mit dem German Institute for Global and Area Studies (GIGA) in Hamburg gestaltet wird.
MiDInt legt einen besonderen thematischen Schwerpunkt auf internationale Ereignisse, politische Entscheidungen und Krisensituationen sowie deren mögliche Rückwirkungen auf Einstellungen, Wahrnehmungen und Radikalisierungsprozesse in Deutschland. Auch die Thematisierung politischer Reaktionen innerhalb Deutschlands bzw. der deutschen Außenpolitik auf internationale Geschehnisse im Hinblick auf deren Einschätzung seitens der Bevölkerung ist Bestandteil der MiDInt-Befragungen (vgl. Kleinschnittger et al. 2023).
Seit Beginn der MiDInt-Studie konnten bislang 16 Erhebungswellen im Abstand von jeweils ein bis drei Monaten realisiert werden. Die erste Welle fand im November 2022 statt. Im Jahr 2023 wurden sechs Befragungen (Februar, April/Mai, Juli/August, Oktober, November und Dezember) durchgeführt. Im Jahr 2024 folgten weitere sechs Erhebungen in den Monaten März, April, Juni, August, Oktober und Dezember. Im laufenden Jahr 2025 liegen bisher Datensätze aus den Monaten Januar, April und Juli vor.
Der engmaschige Befragungsrhythmus ermöglicht es, neu auftretende internationale Ereignisse oder kurzfristige Entwicklungen bestehender Konflikte zeitnah aufzugreifen. Auf diese Weise liefert MiDInt kontinuierlich empirische Erkenntnisse darüber, wie globale Geschehnisse auf Meinungen, Wahrnehmungen und politische Einstellungen der Menschen in Deutschland wirken.
Der vorliegende Forschungsbericht dokumentiert die 16. Welle von MiDInt, die im Juli 2025 stattfand. Dazu werden das Erhebungsdesign, die erreichte Stichprobe sowie die erhobenen Konstrukte und die zugehörigen Messinstrumente beschrieben. Im Anhang finden sich zudem der verwendete Fragebogen im Original-Wortlaut sowie das Codebuch zum Datensatz, dem die Bezeichnungen der Variablen, deren Inhalt und Codierung entnommen werden können.
Weitere Informationen zu MOTRA finden sich auf der Homepage des Forschungsverbundes unter www.motra.info.
Die Forschungsberichte für alle bisherigen Erhebungswellen können hier online eingesehen und heruntergeladen werden: https://www.jura.uni-hamburg.de/die-fakultaet/professuren/kriminologie/forschungsberichte.html
Dataset/R Analysis scripts for "A sensitive period for automaticity rather than ability: Automatic visuospatial coding of touch requires visual experience in early life"
No full textDe-identified data and analysis scripts for: A sensitive period for automaticity rather than ability: Automatic visuospatial coding of touch requires visual experience in early life.
Analysis scripts
- Checked for compability with R version 4.4.0
- Runs without adjustments in RStudio if the folder structure is preserved, otherwise paths need to be adjusted
This work was supported by a European Research Council grant to Brigitte Röder (ERC-2009-AdG 249425) and by Deutsche Forschungsgemeinschaft grants to Brigitte Röder (DFG Ro 2625/10-1) and Stephanie Badde (DFG BA 5600/1-1)
Large-N cross-correlation functions of ambient seismic noise recorded in the Vienna basin, Austria.
No full textThis repository contains the C1 cross-correlation functions of the ambient seismic field and station metadata required to reproduce the results described in the manuscript "Source effects in higher-order ambient seismic field correlations" by Schippkus et al., 2025.
We provide a complete set of Jupyter notebooks that implements all processing described in the manuscript for full reproducibility. They make use of the data provided in this repository. The notebooks are hosted on GitHub at https://github.com/schipp/higher_order_correlations_c2.
The files hosted here are:
stations_receivers.csv: List of 1990 stations used as receiver stations. Station OMV.GDT is used as the master station in the manuscript. Station names are arbitrary.
stations_auxiliary.csv: List of 304 stations used as auxiliary stations.
correlations_for_c1_data.pt: C1 cross-correlations of all 1990 receiver stations with the master station OMV.GDT in the center. Saved as a PyTorch torch.tensor with shape [1990, 3001]. Sampling rate is 5 Hz, correlation functions are limited to 300 seconds of anti-causal and causal lapse time (=> 3001 samples). First dimension (the receiver stations) is sorted alphabetically by station name.
correlations_for_c2_data.pt: C1 cross-correlations of all 1990 receiver stations with the 304 auxiliary stations surrounding them. Saved as a PyTorch torch.tensor with shape [1990, 304, 3001]. Sampling rate is 5 Hz, correlation functions are limited to 300 seconds of anti-causal and causal lapse time (=> 3001 samples). First dimension (the receiver stations) and second dimension (the auxiliary stations) are sorted alphabetically by station name.
The cross-correlations are computed as described in the manuscript: ~4 weeks of continuous recordings are cut into 1-hr windows and spectrally whitened. All windows are cross-correlated and linearly stacked. No additional processing is applied. For more details on these data, please see the manuscript.
We provide a minimal Python code snippet to load the C1 correlation functions with the master station ("OMV.GDT"), read station locations, filter the correlation functions with a narrowband-filter around 0.3 Hz, and plot the focal spot of the C1 correlation wavefield in space:
import torch
import polars as pl
import matplotlib.pyplot as plt
from scipy.signal import butter, filtfilt
# load correlation functions
sampling_rate = 5
lapse_times = torch.arange(-300, 300 + 1 / sampling_rate, 1 / sampling_rate)
corrs = torch.load("correlations_for_c1_data.pt", weights_only=False)
# load metadata
stations = pl.read_csv("stations_receivers.csv")
names = stations.select("station").to_series().to_list()
x, y = stations.select(["X", "Y"]).to_numpy().T
master_station = "OMV.GDT"
# apply acausal narrowband filter
frequency_band = (0.29, 0.31)
a, b = butter(4, frequency_band, btype="bandpass", fs=sampling_rate)
filtered_corrs = torch.tensor(filtfilt(a, b, corrs, axis=-1).copy())
# extract focal spot and set master station (=auto-correlation) to zero
focal_spot = filtered_corrs[:, torch.argmin(torch.abs(lapse_times))]
focal_spot[names.index(master_station)] = 0
# plot focal spot
fig, ax = plt.subplots()
ax.scatter(
x,
y,
c=focal_spot,
cmap="RdBu_r",
vmin=-focal_spot.abs().max(),
vmax=focal_spot.abs().max(),
)
ax.set(
xlabel="Distance (km)",
ylabel="Distance (km)",
title="Focal spot",
aspect="equal"
Dataset for Dynamical quantum phase transitions on random networks
No full textThis dataset contains the relevant data and a minimal script for recreating Figures 2-6 in the main text and Figures A1, E1, and F1 in the appendix of the journal article "Dynamical quantum phase transitions on random networks," which has been accepted by New Journal of Physics.
The "src" folder contains Python scripts for plotting the data files located in the "data" folder.
The scripts have been tested with Python version 3.10.14 and the following dependencies:
numpy version 1.23.5
matplotlib version 3.9.2
scipy version 1.10.1
The definitions and values of special functions/constants are provided in the published text; they are also hard-coded in the scripts
Policy Brief: Förderung des Übergangs von Geflüchtetenankünften in die Hochschulbildung: DOs und DON'Ts
No full textDieser Policy Brief zielt darauf ab, das gesellschaftliche und institutionelle Bewusstsein für die Vielfalt der Strategien zur Erleichterung der
Aufnahme und des Verbleibs von geflüchteten Studierenden an der Hochschule zu schärfen und die Zusammenarbeit zwischen formellen
und informellen Initiativen vor Ort sowie zwischen geflüchteten Studierenden und Hochschuleinrichtungen zu erleichtern
Spatially Resolved in situ X-ray Absorption Spectroscopy Studies of ZnS Nanoparticle Synthesis at the Water-Toluene Interface
No full textSupplementary materials for the publication: Spatially Resolved in situ X-ray Absorption Spectroscopy Studies of ZnS Nanoparticle Synthesis at the Water-Toluene Interface in ACS nano (https://doi.org/10.1021/acsnano.5c02875)
Here, the raw data as well as the ORCA input files and relaxed molecular complexes are provided