• Research dataclose
• Other research productsclose
• Open Access close
• German close
• ZENODO close

Für die Planung von Maßnahmen zur Eindämmung von COVID-19 kommt der genauen Kenntnis der Eigenschaften von SARS-CoV-2 eine zentrale Bedeutung zu. Eine besondere Rolle spielen in diesem Zusammenhang Mutationen des Virus. Für eine erfolgreiche Eindämmung der Pandemie ist es daher entscheidend, einen detaillierten Überblick über die Ausbreitungsmuster spezifischer SARS-CoV-2-Mutationen zu erhalten und auch neue Mutation frühzeitig zu entdecken.Hierfür stellt das Robert Koch-Institut die Systeme zur bundesweiten molekularen Surveillance bereit. Jedes Labor in Deutschland, das SARS-CoV-2 sequenziert, ist laut der Verordnung zur molekulargenetischen Surveillance des Coronavirus SARS-CoV-2 verpflichtet, dem Robert Koch-Institut die Sequenz- und zugehörige Metadaten zu übermitteln. Technisch erfolgt diese Übermittlung über den Deutschen Elektronischen Sequenzdaten-Hub (DESH).Im Projekt "OSEDA - Offene Sequenzdaten" verpflichtet sich das RKI, die aufgearbeiteten und qualitätskontrollierten Sequenzdaten zusammen mit einer Auswahl von klinisch-epidemiologischen Daten über die öffentlich zugängliche Repositorien des European Nucleotide Archive) und GISAID für weitere Forschungsvorhaben bereitzustellen.

Empirie zur Verwendung von Lerntechniken im Jurastudium ist rar gesät. Mitte 2008 wurde deshalb eine empirische Fragebogenstudie über juristische Lernpsychologie und Eselsbrücken durchgeführt. Ihre Ergebnisse sind in zwei Fachpublikationen eingegangen: Hamann, Juristische Eselsbrücken – Anregungen zum Einsatz der Mnemonik im Rechtsstudium, StudZR 7 (2010), 125, 127 f. Hamann, Gedächtniskunst in der Rechtsdidaktik: Zum Wert von Eselsbrücken für Studium, Referendariat und Rechtspraxis, ZDRW 3 (2016), 116, Fn. 5, 32, 56 Der Fragebogen und die damit erhobenen Daten werden hier zugänglich gemacht und unter www.EselBrueckDich.de detaillierter dokumentiert, um interessierten Wissenschaftler:innen die Nachnutzung der Daten oder die Replikation der Studie zu ermöglichen.

Part of a training dataset of scanned herbarium specimens. The data paper and a summary landing page will be published on Zenodo as it gets published.Content of this deposition:- A JSON-LD datafile listing the label data associated with this herbarium specimen. The Darwin and Dublin Core data standards are used for most values.- A JPEG image file of the scanned herbarium sheet.- A lossless TIFF image from which the JPEG image has been derived.

Repository: writer stance - 1000 German texts from the X-stance corpus (see References X-stance) annotated for writer stance - two formats: conll and BIO (sort of) - see below - goal: explicit and implicit writer stance wrt. to entities (nouns) and (some) events (verbs) - implicit and explicit are not distinguished (no indication which case was annotated) - labels: BIO Conll - in favour: PRO p - against: CON c - neutral: O no label - 3 Annotations (see References DeInStance) Formats: conll: (parzu parser) 1 Das die ART ART Def|Neut|Nom|Sg 2 det _ _ p2 Arbeitsgesetz Arbeitsgesetz N NN Neut|Nom|Sg 3 subj _ _ 3 regelt regeln V VVFIN 3|Sg|Pres|Ind 0 root _ _ 4 die die ART ART Def|Fem|Acc|Pl 5 det _ _ 5 Arbeitszeiten Arbeitszeit N NN Fem|Acc|Pl 3 obja _ _ 6 und und KON KON _ 3 kon _ _ 7 schützt schützen V VVFIN _|_|Pres|Ind 6 cj _ _ 8 den die ART ART Def|Masc|Acc|Sg 9 det _ _ p9 Arbeitnehmer Arbeitnehmer N NN Masc|Acc|Sg 7 obja _ _ 10 . . $. $. _ 0 root _ _ head was annotated directly in front of the index (1. column) e.g. "p2 Arbeitsgesetz Arbeitsgesetz N NN Neut|Nom|Sg 3 subj _ _" i.e. the writer is in favour of "Arbeitsgesetz" BIO: wordform lemma label Das die O Arbeitsgesetz Arbeitsgesetz PRO regelt regeln O die die O Arbeitszeiten Arbeitszeit O und und O schützt schützen O den die O Arbeitnehmer Arbeitnehmer PRO . . O head was annotated (last column) e.g. "Arbeitsgesetz Arbeitsgesetz PRO" for X-stance corpus see also https://vamvas.ch/more-general-stance-detection-with-x-stance References: @article{X-stance, author = {Jannis Vamvas and Rico Sennrich}, title = {X-Stance: {A} Multilingual Multi-Target Dataset for Stance Detection}, journal = {CoRR}, volume = {abs/2003.08385}, year = {2020}, url = {https://arxiv.org/abs/2003.08385}, eprinttype = {arXiv}, eprint = {2003.08385}, timestamp = {Tue, 24 Mar 2020 16:42:29 +0100}, biburl = {https://dblp.org/rec/journals/corr/abs-2003-08385.bib}, bibsource = {dblp computer science bibliography, https://dblp.org} } @inproceedings{DeInStance, booktitle = {17th Conference on Natural Language Processing (KONVENS)}, month = {September}, title = {DeInStance: Creating and Evaluating a {G}erman Corpus for Fine-Grained Inferred Stance Detection}, author = {Anne Gohring and Manfred Klenner and Sophia Conrad}, publisher = {ACL Anthology}, year = {2021}, pages = {213--217}, language = {english}, url = {https://doi.org/10.5167/uzh-207940}, abstract = {We introduce deInStance, a corpus of 1000 politicians? answers in German (de) containing sentences labeled with explicitly expressed and inferred stances - pro and con relations - by 3 annotators. They achieved an acceptable inter-rater agreement given the inherent subjective nature of the task. A first baseline, a fine-tuned BERT-based token classifier, achieved F1-scores of around 70\% . Our focus is on the difficult subclass of sentences comprising only non-polar words, but still with an (implicit) pro or con perspective of the writer.} }

Im Datensatz 'SARS-CoV-2 Infektionen in Deutschland' werden die tagesaktuellen Fallzahlen, der nach den Vorgaben des Infektionsschutzgesetz - IfSG - von den Gesundheitsämtern in Deutschand gemeldeten positiven SARS-Cov-2 Infektionen, Todes- und Genesungsfälle bereitgestellt.

Die COVID-19-Impfung kann einen Wendepunkt in der Kontrolle der COVID-19-Pandemie darstellen und erfährt daher hohes Maß an öffentlicher Aufmerksamkeit. Einführung und Umsetzung der COVID-19-Impfung gehen mit besonderen Herausforderungen einher, die bei der Impfdatenerfassung zu berücksichtigen sind. In diesem Kontext ist es Ziel des Projekts 'Digitales Impfquoten-Monitoring' (DIM), tagesaktuell, bundesweit die Impfquote zu erfassen und folgend aufbereitet darzustellen, um zeitnah den Verlauf der COVID-19-Impfkampanne zu analysieren, bei Bedarf nach zusteuern, und logistisch bzw. organisatorische Konsequenzen zu ziehen.Der durch das DIM-Projekt bereitgestellte Datensatz enthält Daten über den Verlauf der COVID-19 Impfungen in Deutschland. Die hier veröffentlichten Impfdaten aggregieren Daten aus drei Datenquellen:Die DIM-Daten enthalten Angaben der Impfzentren, mobilen Impfteams, Krankenhäuser und der Betriebsärzte_innen, die über die DIM-Webanwendung übermittelt werdenDer täglich aggregierte Kerndatensatz der impfenden Ärzt_innen über die Kassenärztliche Bundesvereinigung (KBV)Der täglich aggregierte Kerndatensatz der impfenden Ärzt_innen über die Privatärztliche Bundesvereinigung (PBV)

Im Datensatz '7-Tage-Inzidenz von COVID-19 in Deutschland' werden die aktuellen 7-Tage-Inzidenzen der nach den Vorgaben des Infektionsschutzgesetzes - IfSG - an das RKI übermittelten COVID-19-Fälle veröffentlicht. Datengrundlage zur Berechnung der 7-Tage-Inzidenzen sind die an das RKI übermittelten COVID-19-Fälle. Eine detaillierte Dokumentation zur Erhebung der Daten zum Infektionsgeschehen ist im Datensatz 'SARS-CoV-2-Infektionen in Deutschland' enthalten. Die für die Berechnung der 7-Tage-Inzidenz notwendigen Bevölkerungsdaten bezieht das RKI durch das Statistisches Bundesamt (Destatis), Referat F24 | Bevölkerungsfortschreibung, Ausländer- und Integrationsstatistiken.

Der vorliegende Datansatz enthält umfassende Informationen zu SARS-CoV-2-Infektionen in Deutschland, die gemäß dem Infektionsschutzgesetze (IfSG) von den Gesundheitsämtern an das Robert Koch-Institut (RKI) gemeldet wurden. Die Daten umfassen Informationen zur Anzahl der bestätigten Fälle, Todesfälle und Genesungen, aus denen sich weitere Kennzahlen im Zusammenhang mit der COVID-19-Pandemie ableiten lassen. Der Datensatz wird täglich aktualisiert und enthält detaillierte Informationen auf Landkreisebene, die nach verschiedenen Altersgruppen aufgeschlüsselt sind. Die Bereitstellung des Datensatzes soll dazu beitragen, das Verständnis der COVID-19-Pandemie in Deutschland zu verbessern und die Berichterstattung, Forschung und Analyse in diesem Bereich zu unterstützen.

Im Datensatz 'COVID-19-Hospitalisierungen' werden die aktuellen Zahlen der nach den Vorgaben des Infektionsschutzgesetzes - IfSG - erfassten hospitalisierten COVID-19-Fälle bereitgestellt. Um den Trend der Anzahl von Hospitalisierungen und der 7-Tage-Hospitalisierungsinzidenz besser bewerten zu können, wird die berichtete Hospitalisierungsinzidenz um eine Schätzung der zu erwartenden Anzahl an verzögert berichteten Hospitalisierungen ergänzt. Neben den Daten der gemeldeten COVID-19-Hospitalisierungen auf Bundes- und Länderebene wird daher ein Nowcasting der Anzahl hospitalisierter Fälle und der 7-Tage-Hospitalisierungsinzidenz auf Bundesebene durchgeführt. Ziel ist die Schätzung der Anzahl von hospitalisierten COVID-19-Fällen mit Meldedatum innerhalb der sieben vorhergehenden Tage - inklusive der noch nicht an das RKI berichteten Hospitalisierungen. Aufbauend auf dem Nowcasting wird eine Schätzung der adjustierten 7-Tage-Hospitalisierungsinzidenz durchgeführt.

Im Datensatz 'SARS-CoV-2 Infektionen in Deutschland' werden die tagesaktuellen Fallzahlen, der nach den Vorgaben des Infektionsschutzgesetzes - IfSG - von den Gesundheitsämtern in Deutschand gemeldeten positiven SARS-Cov-2 Infektionen, Todes- und Genesungsfälle bereitgestellt.