Find research datasets worth reusing
Search datasets from major research repositories and use ShareScore to quickly assess how well each record supports discovery, access, and reuse.
48
datasets available to search
ShareScore release 0.9.0
Dataset results
48 results for “App Development”
A Replication Package of Learning Features that Predict Developer Responses for iOS App Store Reviews
<p>This replication package contains the dataset and script used in our paper "<em>Learning Features that Predict Developer Responses for iOS App Store Reviews.</em>" The paper has been accepted at the ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM), 2020. For further modification and versioning of the dataset (as well as the preprint) please go to <a href="https://github.com/Kamonphop/ESEM20-Replication">https://github.com/Kamonphop/ESEM20-Replication</a></p>
Analysis of websites, social media pages and apps for the development of new strategies for increasing participation of women in clinical trials
<p>For T2.5 of the i-CONSENT project, an analysis was undertaken of the strategies used to effectively communicate with women on the topic of women’s health or women’s health research, considering aspects such as tone, format and audience interaction. A total of 42 websites, social media pages and apps were included in the analysis. The attached document presents the findings from the data generation stage of this analysis.</p>
Forschungsprojekt: Digitalisierung, Klassifikationen und Gesundheits-Apps. Dataset B - Document analysis for health app users and developers
<p><strong>Allgemeine Hinweise Data Set B</strong></p> <ol> <li>Titel des Forschungsprojekts</li> </ol> <p>Digitale Gesundheitsklassifikationen in Apps - Praktiken und Probleme ihrer Entwicklung und situativen Anwendung. Projektleitung: Prof. Dr. Rainer Diaz-Bone. Bearbeitung: Valeska Cappel Dipl. Soz., Miriam Kutt (Hilfsassistenz). Laufzeit: 2019-2023. Finanzierung: Schweizer Nationalfonds.</p> <p>2. PrimärforscherInnen:</p> <ul> <li>Rainer Diaz-Bone</li> <li>Valeska Cappel</li> <li>Miriam Kutt</li> </ul> <p>3. Publikationsjahr:</p> <ul> <li>2023</li> </ul> <p>4. Hinweise zur Verfügbarkeit</p> <p>Die Daten werden über LORY (Lucerne Open Repository) dauerhaft zugänglich gemacht.</p> <ul> <li>Alle Dateien die sich auf die App-Entwicklung beziehen beginnen mit E</li> <li>Alle Dateien die sich auf die App-Nutzung beziehen beginnen mit N</li> </ul> <p>5. Fachgebiet</p> <ul> <li>Soziologie</li> </ul> <p>6. Kategorie und Schlagwörter</p> <ul> <li>Gesundheitswesen</li> <li>Selbstvermessung</li> <li>Gesundheits-Apps</li> <li>Klassifikationen</li> <li>Pragmatismus</li> <li>Economics of convention</li> <li>Soziologie der Konventionen</li> <li>Digitalisierung</li> </ul> <p>7. Abstract, wozu die Daten erhoben wurden</p> <p>Die Daten wurden für eine Dokumentenanalyse erhoben. Ausgewählt wurden (1) Daten von forschungsrelevanten Akteuren oder Institutionen, die nicht für ein Interview gewonnen werden konnten und (2) Medienberichte, Anleitungen, Beschreibungen von präventiven Gesundheits-Apps, Wissenschaftliche Berichte (White Papers, Ausschreibungen) sowie Bewertungen von diesen Gesundheits-Apps aus dem „App-Store“ und „Google-Play-Store“ (Plattformen zum Download von Apps). Ziel war es mit diesen Dokumenten weitere Analysen durchzuführen, die diskursanlytische Aussagen über die Entstehung und Nutzung von präventiven Gesundheits-Apps sowie Entwicklungen im Feld der digitalen Gesundheit zulassen. Gleichzeitig wurden auch Dokumente, wie Nutzer-Bewertungen erhoben, um die Interviews zu ergänzen aus einer pragmatischen Perspektive Aushandlungs- und Problemlösungsprozesse im Umgang mit Gesundheits-Apps und der damit verbundenen Technologie zu untersuchen.</p> <p>8. Untersuchungsgebiet</p> <p>Das Untersuchungsgebiet liegt im Bereich der digitalen Gesundheit und beschränkt sich im Speziellen auf die Prozesse der Entwicklung von Gesundheits-Apps, sowie die Nutzung der Gesundheits-Apps. Untersuchungsgebiet waren öffentlich zugängliche Medien sowie die Gesundheits-App selbst. Dabei wurden Unternehmen, Zeitschriften, Blogs und Apps, die sich konkret mit der App-Entwicklung, der App-Nutzung oder der Berichterstattung über präventive Gesundheits-Apps beschäftigen ausgewählt zur Dokumentenerhebung ausgewählt. Bei der Auswahl wurden der Fokus darauf gelegt Inhalte auszuwählen, die sich nicht auf Gesundheits-App als Medizinprodukte konzentrieren, sondern auf präventive Gesundheits-Apps, die kein spezifisches Krankheitsbild adressieren, sondern einen allgemeinen positiven Gesundheitszustand herstellen oder erhalten sollen. </p> <p>9. Gesamtheit auf die generalisiert werden könnte („Grundgesamtheit“)</p> <p>Insgesamt wurden ca. 300 Dokumente erhoben.</p> <p>10. Auswahlverfahren und Stichproben</p> <p>Die Daten im Projekt wurden anhand qualitativer Methoden gewonnen. Die Fälle und Daten wurden über die Methode der „Theoretical-Sampling-Technik“ ausgewählt. Die genauen Begründungen zur Auswahl der Fälle wurden im Verlauf des Projektes theoretisch erarbeitet. Dabei wurde sich dem Forschungsfeld der präventiven Gesundheits-Apps mit heuristischen Vermutungen angenähert, die anhand der Konzepte der Theorie der Konventionen und einer machttheoretischen Perspektive Foucaults entwickelt wurden. Gesundheit und Gesundheitshandlungen wurden dabei aus einer pragmatischen Perspektive als ein Ergebnis von Koordinationsbemühungen zwischen Akteuren, Gegenständen, Technologien und Machtstrukturen verstanden. Die Auswahl der Dokumente stützte sich besonders auf die Memos und Inhalte der vorher geführten Interviews und den daraus entwickelten heuristische Fragestellungen während des Forschungsprozesses.</p> <p>11. Erhebungszeitraum</p> <p>Die Dokumente wurden in dem Zeitraum 2019-2023 erhoben. Das Datum in den Dateinamen bezieht sich immer auf den Erhebungszeitpunkt</p> <p>Sprache</p> <ul> <li>Deutsch und Englisch</li> </ul> <p>12. Größe des Datensatzes</p> <ul> <li>ca. 45 MB</li> </ul> <p>13. Verwendete Dateiformate und notwendige Software</p> <ul> <li>Dateiformat: PDF (Portable Document Format) und RTF (Rich Text Format)</li> </ul> <p>Software:</p> <ul> <li>RTF Standard-Textprogrammen auf unterschiedlichen Betriebssystemen (Bspw. Word, Wordpad, LibreOffice, OpenOffice)</li> <li>PDF: PDF-Programme/Reader oder auch ATLAS</li> </ul> <p> </p>
Forschungsprojekt: Digitalisierung, Klassifikationen und Gesundheits-Apps. Dataset A - Transcript of interviews with health app users and developers
<p><strong>Allgemeine Hinweise Data Set A</strong></p> <p>1. Titel des Forschungsprojekts in dessen Rahmen die Daten entstanden sind:</p> <p>"Digitale Gesundheitsklassifikationen in Apps - Praktiken und Probleme ihrer Entwicklung und situativen Anwendung. Projektleitung: Prof. Dr. Rainer Diaz-Bone. Bearbeitung: Valeska Cappel Dipl. Soz., Miriam Kutt (Hilfsassistenz). Laufzeit: 2019-2023. Finanzierung: Schweizer Nationalfonds."</p> <p>2. PrimärforscherInnen:</p> <ul> <li>Rainer Diaz-Bone</li> <li>Valeska Cappel</li> <li>Miriam Kutt</li> </ul> <p>3. Publikationsjahr:</p> <ul> <li>2023</li> </ul> <p>4. Hinweise zur Verfügbarkeit</p> <p>Die Daten werden über LORY (Lucerne Open Repository) dauerhaft in Form von Transkripten zugänglich gemacht.</p> <p>5. Fachgebiet</p> <ul> <li>Soziologie</li> </ul> <p>6. Kategorie und Schlagwörter</p> <ul> <li>Gesundheitswesen</li> <li>Selbstvermessung</li> <li>Gesundheits-Apps</li> <li>Klassifikationen</li> <li>Pragmatismus</li> <li>Economics of convention</li> <li>Soziologie der Konventionen</li> <li>Digitalisierung</li> </ul> <p>7. Abstract, wozu die Daten erhoben wurden</p> <p>Ziel der Datenerhebung war es die Bewusstseinsstrukturen, Meinungen, Einstellungen und Aushandlungs- und Problemlösungsprozesse der Versuchsteilnehmer (Experten aus dem Gesundheitswesen und der App-Nutzenden) zu präventiven Gesundheits-Apps zu erheben. Für ein kontrolliertes Erhebungsverfahren wurde dazu die qualitative Methode des Interviews durchgeführt. Mit dieser Methode wurden die Daten als Teil-Aspekte der Realität der Befragten verstanden und erhoben. Die Daten beinhalten Interpretations- und Deutungs-, und Bewertungsschemata, Motivationsstrukturen und Aushandlungsprozesse sowie Sachinformationen zu dem Umgang und der Entwicklung von Gesundheits-Apps.</p> <p>8. Untersuchungsgebiet</p> <p>Das Untersuchungsgebiet liegt im Bereich der digitalen Gesundheit und beschränkt sich im Speziellen auf die Prozesse der Entwicklung von Gesundheits-Apps, sowie die Nutzung der Gesundheits-Apps. Untersuchungsgebiet waren damit Personen, die in einem Unternehmen im Gesundheitsfeld arbeiten und an der App-Entwicklung beteiligt sind, sowie Personen die Gesundheits-Apps in ihrem Alltag aktiv benutzen.</p> <p>9. Gesamtheit auf die generalisiert werden könnte („Grundgesamtheit“)</p> <p>Im Rahmen der qualitativen Interviews wurden 20 Personen befragt.</p> <p>10. Auswahlverfahren und Stichproben</p> <p>Die Daten im Projekt wurden anhand qualitativer Methoden gewonnen. Die Fälle und Daten wurden über die Methode der „Theoretical-Sampling-Technik“ ausgewählt. Die genauen Begründungen zur Auswahl der Fälle wurden im Verlauf des Projektes theoretisch erarbeitet. Dabei wurde sich dem Forschungsfeld der präventiven Gesundheits-Apps mit heuristischen Vermutungen angenähert, die anhand der Konzepte der Theorie der Konventionen und einer machttheoretischen Perspektive Foucaults entwickelt wurden. Gesundheit und Gesundheitshandlungen wurden dabei aus einer pragmatischen Perspektive als ein Ergebnis von Koordinationsbemühungen zwischen Akteuren, Gegenständen, Technologien und Machtstrukturen verstanden. In den Analyseschritten der Codierung und Auswertung der Interviews und Dokumente, wurden zur Qualitätssicherung Memos angelegt. Diese Memos bildeten eine theoretische Grundlage für weitere Auswahlprozesse des Materials. Diese Methode des Theoretical-Samplings wurde zudem durch die Methode des Schneeball-Systems ergänzt, indem interviewte Personen immer nach weiteren Kontakten befragt wurden und neu genannte Kontakte vor dem Hintergrund des Theoretical-Samplings ausgewählt wurden. </p> <p>11. Erhebungszeitraum</p> <ul> <li>2019-2022</li> </ul> <p>12. Sprache</p> <ul> <li>19 Interviews deutsch</li> <li>1 Interview englisch</li> </ul> <p>13. Größe des Datensatzes</p> <ul> <li>1,07 MB</li> </ul> <p>14. Verwendete Dateiformate und notwendige Software</p> <ul> <li>Dateiformat: RTF</li> </ul> <p>Software: RTF Standard-Textprogrammen auf unterschiedlichen Betriebssystemen (Bspw. Word, Wordpad, LibreOffice, OpenOffice)</p>
The Development of a Mobile-based App to Increase Uptake of Pre-Exposure Prophylaxis (PrEP) by Men Who Have Sex With Men in China
ClinicalTrials.gov study NCT04426656. IPD Sharing: YES. Countries: 1. Publications: 2.
Provenance of luca App development.
<p>Provenance documents in <a href="https://www.w3.org/Submission/prov-json/">PROV-JSON</a> format of the <a href="https://gitlab.com/lucaapp">luca App GitLab repositories</a>.</p> <p>Retrieved on June 22<sup>nd</sup>, 2021 using <a href="https://github.com/DLR-SC/gitlab2prov">GitLab2PROV</a> Version 0.5.</p> <p>Commands:</p> <pre><code class="language-bash">gitlab2prov -t <GitLab API-Key> -f json -r 1000 -p https://gitlab.com/lucaapp/web > lucaapp-web.json gitlab2prov -t <GitLab API-Key> -f json -r 1000 -p https://gitlab.com/lucaapp/ios > lucaapp-ios.json gitlab2prov -t <GitLab API-Key> -f json -r 1000 -p https://gitlab.com/lucaapp/web-crypto > lucaapp-web-crypto.json gitlab2prov -t <GitLab API-Key> -f json -r 1000 -p https://gitlab.com/lucaapp/android > lucaapp-android.json gitlab2prov -t <GitLab API-Key> -f json -r 1000 -p https://gitlab.com/lucaapp/security-overview > lucaapp-security-overview.json gitlab2prov -t <GitLab API-Key> -f json -r 1000 -p https://gitlab.com/lucaapp/badge-generator > lucaapp-badge-generator.json gitlab2prov -t <GitLab API-Key> -f json -r 1000 -p https://gitlab.com/lucaapp/cwa-event > lucaapp-cwa-event.json gitlab2prov -t <GitLab API-Key> -f json -r 1000 -p https://gitlab.com/lucaapp/fdroid-repository > lucaapp-fdroid-repository.json </code></pre>
Development and Pilot Testing of the Sense2Quit App
ClinicalTrials.gov study NCT05609032. IPD Sharing: NO. Countries: 1. Publications: 2.
Supporting Developers in Addressing Human-centric Issues in Mobile Apps
<p>A replication package including a manually analysed dataset of a random sample of 1,200 app reviews and 1,200 issue comments from 12 diverse projects that exist on both Google App Store and GitHub, the results of our machine learning and deep learning approaches, our survey questions and raw responses from app developers to the survey.</p>
Exploring Accessibility Trends and Challenges in Mobile App Development: A Study of Stack Overflow Questions
<p>This is the dataset for the paper: Exploring Accessibility Trends and Challenges in Mobile App Development: A Study of Stack Overflow Questions</p> <p>This paper was accepted for publication at the 58th Hawaii International Conference on System Sciences (HICSS) - Software Technology Track</p> <p>Preprint: <a href="https://arxiv.org/abs/2409.07945">https://arxiv.org/abs/2409.07945</a></p>
Development and Validation of a Self-assessment System Based on a Mobile App to Manage Adult Growth Hormone Deficiency
ClinicalTrials.gov study NCT03525587. IPD Sharing: UNDECIDED. Countries: 1. Publications: 19.
Development and Validation of Pelvi-Fit App
ClinicalTrials.gov study NCT05909969. IPD Sharing: NO. Countries: 1. Publications: 9.
NettOpp: The Development and Evaluation of an App-based Selective Intervention for Adolescents Exposed to Cyberbullying
ClinicalTrials.gov study NCT04176666. IPD Sharing: NO. Countries: 1. Publications: 1.
Design and Development of a Mobile App to Improve Adherence to Pre-exposure Prophylaxis in Men Who Have Sex With Men
ClinicalTrials.gov study NCT04248790. IPD Sharing: NO. Countries: 1. Publications: 1.
Development and Evaluation of A Game-Based Mobile App for Increasing Physical Activity in Autistic Adults
ClinicalTrials.gov study NCT06566131. IPD Sharing: NO. Countries: 1. Publications: 1.
Development of Fluid Intake App for Management of Fluid Intake During Hemodialysis , Full Scale Trial
ClinicalTrials.gov study NCT04194164. IPD Sharing: NO. Countries: 1. Publications: 6.
Development of an AI App to Improve Compliance in Periodontal Maintenance Patients
ClinicalTrials.gov study NCT05068778. IPD Sharing: NO. Countries: 1. Publications: 18.
Development of a Mobile App FFVT vs FFCT : A RCT
ClinicalTrials.gov study NCT04241302. IPD Sharing: NO. Countries: 1. Publications: 3.
Digital Navigators for Acceptance and Competence Development with Mental Health Apps
ClinicalTrials.gov study NCT06575582. IPD Sharing: NO. Countries: 1. Publications: 1.
Clinical Investigation of MYIBDDiet App Developed for Inflammatory Bowel Disease (IBD) Patients to Self-manage Their Diet
ClinicalTrials.gov study NCT06683105. IPD Sharing: NO. Countries: 1. Publications: 5.
Validation and Evaluation of a Newly Developed Mobile Diet App
ClinicalTrials.gov study NCT04336033. IPD Sharing: NO. Countries: 1. Publications: 2.
ScienceDex guides
Understand access before you commit
These curated guides explain access requirements, typical timelines, costs, and reuse considerations for widely used research datasets.
Allen Brain Atlas
Allen Brain Atlas is an Allen Institute collection of brain map atlases, datasets, APIs, and analysis tools covering mouse, human, and non-human primate brain resources.
Annotated Behaviour and Observability Dataset (ABODe)
ABODe is a University of Edinburgh DataShare dataset for behavior classification in group-housed mice using home-cage video, identities, bounding boxes, ground-plate positions, and annotator labels.
DANDI Archive for NWB datasets
DANDI is a BRAIN Initiative archive for publishing and sharing neurophysiology data, including electrophysiology, optophysiology, and behavioral data packaged as NWB and related standards.
International Brain Laboratory public data
The International Brain Laboratory public data releases expose standardized mouse decision-making experiments, including Neuropixels recordings, widefield calcium imaging, behavior, and session metadata accessed through the ONE API.
OpenNeuro
OpenNeuro is a free, open platform for sharing neuroimaging datasets, with public search, dataset pages, and download paths for web, S3, DataLad, and the OpenNeuro CLI.