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.
56
datasets available to search
ShareScore release 0.9.0
Dataset results
56 results for “digital media”
Database of digital media publications on maternal (family) capital in Russia in 2006-2019
<p><strong>Abstract</strong></p> <p>The database contains data from publications of digital Russian-language media of the Russian Federation on the topic of maternity capital in the period from May 10, 2006 to June 30, 2019. The database includes uploading general data on publications on maternity capital in .xls formats (UTF-8 encoding) . Full texts of publications are presented in .xml format.</p> <p>A specialized request was generated for the aggregator of publications of Russian-language digital mass media <a href="https://vk.com/away.php?to=http%3A%2F%2Fpublic.ru&cc_key=">public.ru</a> . In total, the database consists of 457888 publications of 7665 publishing houses from 1251 settlements in Russia on the territory of 85 regions. The database includes information about the date, type, authors, publisher and place of publication (municipality, region of the publisher), as well as full texts of publications.</p> <p> </p> <p>Keywords: database, digital media, maternal (family) capital, central and municipal media, Russia</p> <p>JEL codes: J10, J13, Z18.</p> <p> </p> <p><strong>Data format and access:</strong></p> <p>The database consists of full-text publications of digital media on the topic of maternity capital. Materials in Russian have been published in federal, regional and local digital media. Publication period: May 10, 2006 to June 30, 2019.</p> <p>The database consists of 457888 publications of 7665 publishing houses from 1251 settlements in Russia on the territory of 85 regions. Presentation format .csv, .xml (full texts). The file "Matkap_SMI_17_11_2021.csv" contains processed information from the extended full-text sample by years (contained in the "XML.rar" archive). </p> <p>pubData - date of publication (format "YYYY-MM-DD")</p> <p>text - text from "description" in xml-files after lemmatization (removal of punctuation, lowercase and remove punctuation, spaces, numbers)</p> <p>source - name of the electronic edition</p> <p>place - town or city in Russia</p> <p>type - type of electronic edition (newspaper, magazine, TV program, internet resource)</p> <p>period - frequency of publication</p> <p>positive - the number of unique positive words from the RuSentiLex2017 dictionary</p> <p>negative - the number of unique negative words from the RuSentiLex2017 dictionary</p> <p>neutral - the number of unique neutral words from the RuSentiLex2017 dictionary</p> <p><strong>Data collection methodology: </strong></p> <p>The aggregator of publications of Russian-language digital mass media <a href="https://vk.com/away.php?to=http%3A%2F%2Fpublic.ru&cc_key=">public.ru was used</a>. The selection of publications was limited to the time period from May 10, 2006 (Russian President Vladimir Vladimirovich Putin first announced the maternity capital programme in his message to the Federal Assembly, as one of the mechanisms to stimulate fertility and overcome the demographic crisis) to June 30, 2019 (until this date, the programme allowed full uploading of media publications without losses during the period of uploading publications from 01.08.2021 to 15.08.2021).</p> <p>Key words used to select articles on maternity capital: “maternal capital”, “maternity capital”, “family capital”, “paternal capital”. The publication had to repeat at least two phrases from the request, while the distance between the phrases had to be no more than 4 sentences. This excluded publications in which the topic of maternity capital was mentioned incidentally, indirectly.</p> <p>Duplicate articles were removed from the database. Duplicates related to publications that included a full repetition of the text of the publication itself, the publishing house and the municipality (location) of the publishing house. Duplications (reprints) of articles in other publishing houses or in other regions were not excluded. </p> <p>After lemmatization of the text (as well as after reducing the text to lower case, removing unnecessary spaces, numbers and punctuation), according to the RuSentiLex2017 dictionary (Loukachevitch N., Levchik A. Creating a General Russian Sentiment Lexicon. In Proceedings of Language Resources and Evaluation Conference LREC-2016, 2016.) unique positive, negative and neutral words and phrases (variables) were counted. Repetitions of tonal words (stances) are <strong>not counted.</strong></p>
IBERIFIER Digital Media Dataset
<p><strong>IBERIFIER Digital Media Dataset</strong> collects more than 5,000 digital media from Spain and Portugal. This dataset has been produced by the IBERIFIER - Iberian Digital Media Research & Fact-Checking project ( <a href="http://www.iberifier.eu">www.iberifier.eu</a> ; ref. 2020-EU-IA-0252), funded by the European Commission. Coordinated from the University of Navarra, this project is made up of 23 institutions from Spain and Portugal.</p> <p>As regards the data from <strong>Spain</strong>, this dataset is based on the work carried out in several R+D+i projects financed by the Ministry of Science and Innovation of Spain: USPRINME (2016-2018), ref. CSO2015-64662-C4-1-R ; DIGINATIVEMEDIA (2019-2021), ref. RTI2018-093346-B-C31; and DIGINATIVEMEDIA II (2022-2024), ref. PID2021-122534OB-C22.</p> <p>Regarding the data from <strong>Portugal</strong>, this dataset is based on the directory of Portuguese media compiled by ERC - Entidade Reguladora para a Comunicação Social (version: Jan. 3th, 2021).</p>
Datos del estudio "Generación de red hidrográfica densa de República Dominicana a partir de modelo digital de elevaciones de resolución media"
<p><strong>Datos para el manuscrito “Generación de red hidrográfica densa de República Dominicana a partir de modelo digital de elevaciones de resolución media”</strong></p> <p>José Ramón Martínez Batlle, Universidad Autónoma de Santo Domingo (UASD) jmartinez19@uasd.edu.do</p> <p>Michela Izzo Gioiosa, Guakia Ambiente, michela.izzo@guakiambiente.org</p> <p>Este repositorio contiene datos geoespaciales resultantes de ejecutar el código reproducible de R y GRASS GIS del <a href="https://github.com/geofis/red-hidrografica-densa-rd">repositorio de GitHub asociado</a>, como apoyo al manuscrito contenido en dicho repo.</p> <p>Los datos se distribuyen en dos archivos ZIP comprimidos, los cuales pueden descargarse de forma separada desde Zenodo.</p> <p>Archivo <code>gpkg-shp.zip</code>.</p> <p>Este comprimido contiene versiones en formato GeoPackage y ESRI-Shapefile (vectoriales) de los principales mapas generados en GRASS GIS. Constituye una alternativa rápida para disponer de los datos hidrográficos sin necesidad de abrir la base de datos de GRASS GIS, muy recomendado si sólo se necesitan los productos hidrográficos más importantes. Los archivos incluidos son los siguientes:</p> <ul> <li> <p><code>cursos_mas_largos*</code>: cursos más largos de 35 ríos seleccionados de la República Dominicana basados en orden de red y representatividad territorial. Se priorizaron ríos de orden seis o superior. En áreas del sur y sudoeste, se incluyeron ríos de orden cinco de notable longitud.</p> </li> <li> <p><code>desembocaduras_rios_grandes*</code>: puntos de desembocaduras (<em>outlet</em>) de ríos grandes, seleccionados para extraerles sus cursos más largos.</p> </li> <li> <p><code>mascara.gpkg</code>: máscara de visualización, la cual encierra el territorio dominicano limitado por sus costas y la frontera domínico-haitiana. Esta máscara sólo tiene fines de visualización, pues los análisis de hecho se realizaron empleando una máscara ligeramente más grande, expandida aproximadamente 1 km hacia el oeste en la frontera.</p> </li> <li> <p><code>rstream_cuencas_strahler_terminal_umbral_540_todos_cleaned</code>: cuencas hidrográficas exorreicas (cuya red desemboca en en el mar) de República Dominicana delimitadas en forma de polígonos, generadas para un umbral de acumulación de 540 celdas (aproximadamente 8 hectáreas), con indicación del orden de red de Strahler máximo de la cuenca y el área en metros cuadrados.</p> </li> <li> <p><code>rstream_cuencas_strahler_umbral_540_orden_*</code>: representaciones de las cuencas según órdenes de red de Strahler para el umbral de acumulación de 540 celdas (aproximadamente 8 hectáreas), tanto las cuencas terminales (exorreicas) como las que cuya red desemboca en lagos interiores o en otros ríos, extraídas con el complemento <code>r.stream.basins</code>.</p> </li> <li> <p>Archivos <code>rstream_orden_de_red_umbral_540_cleaned*</code>: red de drenaje de República Dominicana, generada para un umbral de acumulación de 540 celdas (aproximadamente 8 hectáreas), incluyendo los siguientes campos:</p> <ul> <li> <p><code>cat</code> entero: categoría;</p> </li> <li> <p><code>stream</code> entero: número de corriente, usualmente igual a cat;</p> </li> <li> <p><code>next_stream</code> entero: corriente a la que contribuye la corriente actual (aguas abajo);</p> </li> <li> <p><code>prev_streams</code>; dos o más corrientes contribuyentes (aguas arriba);</p> </li> <li> <p><code>strahler</code> entero: Orden de corriente de Strahler;</p> </li> <li> <p><code>horton</code> entero: Orden de corriente de Horton;</p> </li> <li> <p><code>shreve</code> entero: Magnitud de corriente de Shreve;</p> </li> <li> <p><code>hack</code> entero: Corrientes principales de Hack o orden de Gravelius;</p> </li> <li> <p><code>topo_dim</code> entero: Orden topológico de corrientes;</p> </li> <li> <p><code>scheidegger</code> entero: Enteros Asociados Consistentes de Scheidegger;</p> </li> <li> <p><code>drwal</code> entero: Jerarquía de corrientes de Drwal;</p> </li> <li> <p><code>length</code> precisión doble: longitud de la corriente;</p> </li> <li> <p><code>stright</code> precisión doble: longitud de la corriente como línea recta;</p> </li> <li> <p><code>sinusoid</code> precisión doble: dimensión fractal: longitud de la corriente/longitud de la corriente recta;</p> </li> <li> <p><code>cum_length</code> precisión doble: longitud de la corriente desde la fuente;</p> </li> <li> <p><code>flow_accum</code> precisión doble:</p> </li> <li> <p><code>out_dist</code> precisión doble: distancia desde el inicio de la corriente actual hasta la salida;</p> </li> <li> <p><code>source_elev</code> precisión doble: elevación del inicio de la corriente;</p> </li> <li> <p><code>outlet_elev</code> precisión doble: elevación de la salida de la corriente;</p> </li> <li> <p><code>elev_drop</code> precisión doble: diferencia entre source_elev y outlet_elev + caída de la salida;</p> </li> <li> <p><code>out_drop</code> precisión doble: caída en la salida de la corriente;</p> </li> <li> <p><code>gradient</code> precisión doble: caída/longitud;</p> </li> </ul> </li> </ul> <p>Archivos <code>grassdata##</code>.</p> <p>Estos archivos son las 17 partes de un archivo ZIP (<code>##</code> son números del 00 al 16), las cuales, al concatenarse, producirán un único ZIP conteniendo la base de datos exhaustiva de GRASS GIS (ver instrucciones de concatenación en el siguiente apartado). Esta base de datos incluye todos los mapas del flujo de trabajo íntegro, que incluye los subproductos generados desde el preprocesamiento del DEM, hasta las salidas obtenidas por hidrología computacional. Las fuentes ráster tienen resolución máxima de 12.5 metros, y la extensión máxima de la base de datos tiene los siguientes límites en el sistema WGS 84 / UTM zone 19N: norte 2214300, sur 1919000, oeste 180300, este 580700. Por su gran tamaño, se recomienda usar esta base de datos sólo para fines de reproducibilidad. Se recomienda abrir esta base de datos con GRASS GIS directamente o, alternativamente, a través de QGIS. Los mapas más relevantes son los siguientes:</p> <ul> <li> <p><code>areas_prospeccion_###_km2</code> vectoriales: un área encerrada por un círculo imaginario de superficie <code>###</code> kilómetros cuadrados, que rodea a una estación meteoclimática existente o propuesta, creado con el objetivo de evaluar, de manera flexible, la idoneidad de instalar una estación hidrométrica. El mapa <code>areas_prospeccion_todas</code> las reúne a todas con independencia de su tamaño superficial.</p> </li> <li> <p><code>buffers</code> vectorial: áreas de influencia en torno a tramos de río idóneos para monitoreo por estación hidrométrica.</p> </li> <li> <p><code>calizas_con_depresiones</code> vectorial y ráster: áreas de calizas con depresiones delimitadas a partir del Mapa Geológico de República Dominicana escala 1:250,000.</p> </li> <li> <p><code>dem*</code> rásters: el modelo digital de elevaciones en todas sus versiones a lo largo del preprocesamiento, desde el original (<code>dem</code>), hasta el tallado (<code>dem_tallado</code>).</p> </li> <li> <p><code>depresiones*</code> vectorial y rásters: delimitación manual y asistida—con el complemento <code>r.geomorphon</code> de GRASS GIS—de las depresiones detectadas en áreas con calizas.</p> </li> <li> <p><code>egm2008_*</code> rásters: altura de geoide de La Española a 1 arco-minuto de resolución espacial (original EGM2008), e interpolado a 50 m.</p> </li> <li> <p><code>escenario_###_km2</code> vectoriales: distribución de puntos de estaciones meteoclimáticas propuestas en el estudio complementario titulado “Selección de sitios para el establecimiento de una red de estaciones meteoclimáticas en República Dominicana usando decisión multicriterio y análisis de vecindad”, donde <code>###</code> son las densidades de 100, 150 y 250 kilómetros cuadrados por estación.</p> </li> <li> <p><code>estaciones_*</code> vectoriales: estaciones meteoclimáticas, en estado “bueno”, de INDRHI y ONAMET.</p> </li> <li> <p><code>geomorfonos</code> ráster: mapa de geomórfonos de República Dominicana, derivado del DEM pseudo-ortométrico usando el complemento <code>r.geomorphon</code> de GRASS GIS.</p> </li> <li> <p><code>litologia_recodificado</code> ráster y vectorial: polígonos de las litologías extraídos del Mapa Geológico de República Dominicana, escala 1:250,000.</p> </li> <li> <p><code>mascara*</code> vectoriales: máscaras de país, que incluye la máscara por defecto, con área <em>buffer</em> de 1 km, y con área <em>buffer</em> de 1 km sólo en la frontera.</p> </li> <li> <p><code>prioridad*</code> vectoriales y rasters: prioridad, original y reescalada, a nivel global y para cada escenario de densidad, de instalacion de estaciones hidrometricas.</p> </li> <li> <p><code>puntos_para_areas_prospeccion_###_km2</code> vectoriales: Mapas de puntos conteniendo los centroides de las áreas de prospección para el establecimiento de estaciones hidrométricas.</p> </li> <li> <p><code>red_mtn50k_cleaned</code> vectorial: red de drenaje, aparentemente extraída desde el mapa topográfico nacioanal escala 1:50,000. No usada en el estudio, almacenada para fines de consultas posteriores. El sufijo “cleaned” hace referencia a que se aplicó una corrección de topología mediante la herramienta <code>v.clean</code> de GRASS GIS.</p> </li> <li> <p><code>red_mtn50k_cleaned_largos</code> vectorial y ráster: red de cursos largos usada para el tallado del DEM. Esta red se compone de una selección de ríos largos y permanentes, extraídos desde imágenes satelitales (Google; Airbus, CNES; Airbus, Landsat; Copernicus; Maxar Technologies; U.S. Geological Survey, 2023), el mapa topográfico nacional escala 1:50,000 (Instituto Cartográfico Militar (ICM), 1989) y OpenStreetMap contributors (2017). Los ríos que llenan embalses, se representan mediante trazados históricos para así mantener la continuidad hidrológica.</p> </li> <li> <p><code>rstream_cuencas_strahler_*</code> vectoriales y rásters: representaciones de las cuencas según órdenes de red de Strahler y umbrales de acumulación (180, 540 y 900 celdas), tanto las cuencas terminales (exorreicas) como las que cuya red desemboca en lagos interiores o en otros ríos, extraídas con el complemento <code>r.stream.basins</code>. Los archivos que no incluyen indicación de <code>orden</code>, y en su lugar aparece la palabra <code>todos</code>, contienen una relación exhausitva de todas las cuencas para el umbral en cuestión.</p> </li> <li> <p><code>rstream_direccion_umbral_*</code> rásters: dirección de flujo de cada umbral de acumulación (180, 540 y 900 celdas).</p> </li> <li> <p><code>rstream_orden_de_red_umbral_*</code> y <code>rstream_orden_strahler_*</code> rásters y vectoriales: red de <em>talwegs</em> segregadas en función del orden de red de Strahler y del umbral de acumulación. Cuando no se especifica <code>orden</code> (e.g. rstream<em>orden_de_red_umbral</em>*`), se trata de un vectorial que incluye todos los órdenes de forma comprehensiva.</p> </li> <li> <p><code>rstream_orden_horton_*</code> rásters: red de <em>talwegs</em> según orden de jerarquía de Horton y umbrales de acumulación de 180, 540 y 900 celdas.</p> </li> <li> <p><code>rstream_talwegs_umbral_*</code> rasters y vectoriales: red <em>talwegs</em> según umbrales de acumulación de 180, 540 y 900 celdas, obtenidos mediante el complemento <code>r.stream.extract</code>.</p> </li> <li> <p><code>rvb_fondo_de_valle_pais</code> ráster: “índice múltiresolución de planitud de fondos de valle” MrVBF, obtenido mediante el complemento <code>r.valley.bottom</code>.</p> </li> <li> <p><code>rwshed_acum</code> ráster: mapa de acumulación de flujo obtenido a través del complemento <code>r.watershed</code>.</p> </li> <li> <p><code>topologia_orden*</code> rásters: dimensión topológica de los cursos obtenida por medio del complemento <code>r.stream.order</code>.</p> </li> </ul> <p>Instrucciones para concatenar las partes ZIP de la base de datos de GRASS GIS</p> <p>La base de datos de GRASS GIS está comprimida un archivo ZIP que hemos tenido que segmentar en pequeñas partes para facilitar la subida a Zenodo. Los archivos <code>grassdata##</code>, donde <code>##</code> corresponden a los números del 00 al 16, son las 17 partes de un archivo ZIP. Si concatenas las partes obtendrás un ZIP único que podrás descomprimir para acceder a la base de datos exhaustiva de GRASS GIS. A continuación te explicamos cómo hacer la concatenación, tanto en Linux como en Windows.</p> <p>Concatenar en Linux</p> <p>Coloca todas las partes <code>grassdata##</code> en un directorio vacío. Desde la terminal, en dicho direcotiro, usa el siguiente comando:</p> <pre><code>cat grassdata* > grassdata.zip</code></pre> <p>Concatenar en Windows</p> <ul> <li> <p>En el símbolo de sistema (<em>command prompt</em>), con el comando <code>copy</code>:</p> </li> </ul> <pre><code>copy /b grassdata00+grassdata01+...+grassdata16 grassdata.zip</code></pre> <p>Reemplaza <code>...</code> con el resto de tus archivos en orden. Por ejemplo, <code>grassdata00+grassdata01+grassdata02+grassdata03+grassdata04+<br> grassdata05+grassdata06+grassdata07+grassdata08+grassdata09+<br> grassdata10+grassdata11+grassdata12+grassdata13+grassdata14+<br> grassdata15+grassdata16</code></p> <ul> <li> <p>En la interfaz gráfica (GUI), usando 7-Zip</p> <ul> <li> <p>Si aún no tienes 7-Zip instalado, puedes descargarlo desde <a href="https://www.7-zip.org/">su sitio web oficial</a>.</p> </li> <li> <p>Instala el programa como cualquier otro software en Windows.</p> </li> <li> <p>Ubica los archivos divididos en una carpeta.</p> </li> <li> <p>Haz clic derecho en el primer archivo de la serie (<code>grassdata00</code>).</p> </li> <li> <p>En el menú contextual, pasa el cursor sobre “7-Zip” y selecciona “Extraer aquí” o “Extraer en grassdata.zip”.</p> </li> </ul> </li> </ul> <p>Si los archivos están correctamente secuenciados, 7-Zip los unirá automáticamente y extraerá el archivo original.</p> <ul> <li> <p>Otras herramientas de GUI:</p> <ul> <li> <p><strong>HJSplit</strong>: Es una aplicación gratuita que permite dividir y unir archivos. Tiene versiones tanto para Windows como para otros sistemas operativos.</p> </li> <li> <p><strong>File Splitter and Joiner</strong>: Es otra aplicación gratuita para Windows que permite dividir archivos grandes en pequeñas porciones y luego unirlas.</p> </li> </ul> </li> </ul>
Descriptive Study on Nursing Students' Interest in Using Digital Communication and Social Media in their Field after Covid-19
<p>This paper is about Descriptive study of nursing students' interest in using Digital communication in their field after Covid 19. Digital communication and social media have massive social interaction among community users that generate an extensive amount of data. The study was conducted in the faculty of nursing at Najran University, King Dome of Saudi Arabia (KSA). A descriptive correlational research design was followed in this study Sample: 300 nursing students. The first tool: is the interview sheet. Include two parts: Part (1) student personal data. Part (2) the nursing students' interest in Digital communication and social media. The second tool: - a questionnaire to Measure nursing students' knowledge about using Digital communication and social media in their field. Results: (74.7%) of nursing students were interested in Digital communication, and more than half (55.3 %) knew about Digital communication and social media, there's a statistical association between the academic level and students' interest. Provide special education about Digital communication to improve students' knowledge in the health field for using after covid 19, In-service Training for Various Digital communication and social media platforms. dissemination of the findings of this research study to the public and private healthcare organizations</p>
(Digital) Humanities and Media Labs Around the World
<p>The dataset presents a list of laboratories set up in the humanities, digital humanities, and media studies within universities across the world in 1983-2018. The data are collected and organized in an interactive map designed in the digital StoryMapJS tool, creating a valuable visible representation of the laboratory concept from a geographical and historical perspective. Based on the interactive map, I analyze the history of the laboratory in the humanities within a global context from the 1980s to 2018. The dataset includes 214 laboratories.</p> <p>Data collection</p> <p>I identified laboratories by using different resources such as universities’ websites, articles, and research projects. Besides, I sent a questionnaire to the most relevant networks in October 2018 to identify even more labs created in (digital) humanities and media studies at universities.</p> <p>Data organization</p> <p>I collected data about each lab based on its website and other resources. I extracted the following data: year established, year ended (if applicable), lab’s name, university, city, country, affiliation and location (if provided), disciplines and keywords (based on labs’ statements and projects and aiming to situate a lab), selected projects (if provided), purpose (a short quotation of a lab’s statement published on its website), website, and geographical latitude and longitude. I organized all the data in chronological order according to year established in Google Sheets. Next, I used StoryMapJS, a free tool designed by the Northwestern University’s Knight Lab, to map my data.</p>
Data for: The public sphere as a normative ideal for public communications: From mass media to digital platforms
<p><span>Public sphere is a normative concept that has long been associated with traditional media; however, its validity and feasibility is tested under the digital media age. Implications needs to be valued under the growing concern over trust or mistrust against the social media, where 'mediasphere' became more relevant than 'public sphere'. This study employs systematic literature review as the main research approach, sampling from 7449 papers to 535 corpus, to investigate discussions of public sphere under the relevance of trust communications. Findings suggest that the term 'public sphere' has increased since 2017, with an explicit correlation with trust in media more broadly. </span></p>
A Music and Visual Arts Digital Intervention in Teenagers to Promote Healthy Engagement With Social Media.
ClinicalTrials.gov study NCT06402253. IPD Sharing: YES. Countries: 1. Publications: 22.
Data for: The public sphere as a normative ideal for public communications: From mass media to digital platforms
Open the record for dataset details and reuse information.
Data Leveraging Digital Innovation: Enhancing Tourist Intentions through Social Media, Websites, and Mobile App Experiences
Open the record for dataset details and reuse information.
The Potential of Digitalization and Social Media in Emerging Countries: Study in Indonesia and Montenegro
<p>This study analyse the adoption of e-commerce and social media in Indonesia and Montenegro. Eventhough these countries cannot be compared in terms of monetary value in e-commerce due to diffrenet in number of population, how ever the similarities in customer behaviors in the online market accross the globe are worth to be investigated for developing better strategies in online business.</p>
Pounds Off Digitally (POD): The Use of Podcasting and Mobile Media to Promote Weight Loss
ClinicalTrials.gov study NCT01139255. IPD Sharing: Not stated. Countries: 1. Publications: 1.
Examining the Efficacy of a Digital Media Intervention to Increase Recruitment Rates
ClinicalTrials.gov study NCT07284329. IPD Sharing: UNDECIDED. Countries: 1. Publications: 11.
Digital Variance Angiography for Contrast Media Dose Reduction in Carotid Artery Stenting
ClinicalTrials.gov study NCT04792255. IPD Sharing: NO. Countries: 1. Publications: 4.
Digital Media for Cancer Control (to Prevent Vaping and Smoking Behavior)
ClinicalTrials.gov study NCT04867668. IPD Sharing: NO. Countries: 1. Publications: 2.
Digital Parenting Education: Impact on Mothers' Social Media Use and Children's Tech Attitudes
ClinicalTrials.gov study NCT07008651. IPD Sharing: NO. Countries: 1. Publications: 7.
Digital Media Usage With Impulsivity and Attention Deficit in Children
ClinicalTrials.gov study NCT05428085. IPD Sharing: NO. Countries: 1. Publications: 9.
Digital media visibility of US National Parks
Open the record for dataset details and reuse information.
Dataset of the study "Bridging cultural studies and learning science: An investigation of social media use for Holocaust memory and education in the digital age"
<p>This Zenodo item contains the dataset of the study: Manca, S. (2020). “Bridging cultural studies and learning science: An investigation of social media use for Holocaust memory and education in the digital age".</p> <p>Abstract</p> <p>Along with advances in communication technology that are making new forms of historical memorialization and education available, social media are researched as valuable tools for supporting forms of digital memory and for engaging students and teachers about historical knowledge and moral education. This study aims to map the current state of Holocaust remembrance and Holocaust education and to identify main topics of research in the two areas. It adopts a mixed-method approach that combines qualitative analysis with bibliometric approaches to review publications that use social media for digital memory and history education about the Holocaust. Results based on 28 publications reveal several research topics and that, despite some common theoretical references, the two subfields mostly rely on separate conceptual backgrounds. While Holocaust remembrance is a well-established research field, there are few studies and a lack of theoretical elaboration about social media use for teaching and learning about the Holocaust.</p>
Misogini dalam Media Digital: Ujaran Kebencian Terhadap Girl Group Korea
Open the record for dataset details and reuse information.
Sample data for tech savvy digital media
Open the record for dataset details and reuse information.
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.