data_UMR
Aaron Beller
Welcome to data_UMR!
Data_UMR is a cross faculty publication hub. We collect scientific resources and research data from members of Philipps-University Marburg and make it openly accessible. To ensure high standards of quality and re-usability, submissions to data_UMR are subject to curation.
Select a community to browse its collections.
Recent Submissions
Das Marburger Urkundenrepositorium. Eine exemplarische Analyse der Urkunden.
(Philipps-Universität Marburg) Löhden, Eike Martin
This dataset mainly contains a Jupyter Notebook which provides examples for analyzing the content of the "Marburger Urkundenrepositorium". The following analysis were made: general information about the repository (How many charters exist? From which collections do they come from?); Where are the physical representation of the charters currently stored (a list of the most common archives)? Are there geographical information connected to the charters? What do we know about the persons connected to the charters? And from which years do we have charters in the repository?
Additionally to the jupyter notebook you can find the text file kleio-example_11480.txt serving as an example for a record of the old kleio database, the document requirements.txt file listing the python requirements necessary for running the jupyter notebook and a README.md providing information about running the notebook. There are also two html files (cao-charters_map.html and lba-charters_map.html) attached, which includes geographic visualizations of the charter's origins.
Additionally to the jupyter notebook you can find the text file kleio-example_11480.txt serving as an example for a record of the old kleio database, the document requirements.txt file listing the python requirements necessary for running the jupyter notebook and a README.md providing information about running the notebook. There are also two html files (cao-charters_map.html and lba-charters_map.html) attached, which includes geographic visualizations of the charter's origins.
Image 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, Diana
This subset of the repository contains the image data of the study in zip folders. This includes several replicates of the recorded 16-bit stacks as tif-files of the immunostainings that can be opened using Fiji. It further contains summary images as jpg-files used for image analysis. And it includes Fiji macros used for generation of merged and single channel stacks (Generation_summary_images.ijm), measurement of nuclei area in ARPE-19 cells (Image_analysis_ARPE-19_NA.ijm), nuclei area in iPSC-RPE cells (Image_analysis_iPSC-RPE_NA.ijm), measurement of cell area (Image_analysis_CA.ijm), and measurement of GT335 ciliary area (Image_analysis_GT335-A.ijm).
Synthetic Meteosat First Generation MVIRI Visible Band Images (Level 1.5)
(Philipps-Universität Marburg) Jung, Ivo; Gaurav, Sheetabh; Bendix, Jörg
The data comprises synthetic and harmonized Meteosat First Generation (MFG) MVIRI VIS reflectance Image data from 2006 - 2020. The dataset was created with the intent to extent the existing MFG MVIRI VIS image time series (https://navigator.eumetsat.int/product/EO:EUM:DAT:0080) for long-term climate research. The temporal resolution of the data is 30 minutes per image. Each image covers the WMO VI region up to 62°N. The images are stored as .nc files with reflectance values and geographic and temporal information. Due to the size of the dataset, it is compressed into annual archives. The dataset was created using a trained Random Forest Regressor Model and Meteosat Second Generation VIS channel data (https://data.eumetsat.int/product/EO:EUM:DAT:MSG:HRSEVIRI?query=SEVIRI&s=extended#). No data was created for pixels with Solar-Zenith Angles above 80° due to parallax effects and atmospheric distortion. Additional metadata can be found in the readme file. The data can be used like MFG MvIRI VIS image data i.e. using programming languages like python. The scripts for preprocessing, model training and synthesizing can be found at https://gitlab.uni-marburg.de/fb19/ag-bendix/harmonizing_synthesizing_mfg_vis.
Western blot data
(Philipps-Universität Marburg) Dort, Aaron; Pauly, Diana; Nickel, Antonia; Bergert, Jasmin; Schayan-Araghi, Stella Y.; Banerjee, Pratiti; Wolf, Hannah N.; May-Simera, Helen; Schikora, Juliane
This subset of the repository contains the Western blot data of the study. The original data comes from mscn-files that were opened using Image Lab which is not in an open free format. Therefore the membrane images were exported as tif-files and the associated metadata was exported as a xml file. The subset contains several replicates of the different experiments and specificity controls conducted with purified proteins, and cell culture media. Furthermore, it contains the Western blot conducted after immune precipitation of cell lysates.
Diversity in Hessian geography textbooks
(Philipps-Universität Marburg) Dörfel, Leoni
Die 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.