Japanese General Social Survey|社会调查数据集|日本社会数据集
收藏
- 首次发表,标志着日本社会科学研究进入了一个新的阶段,为后续的社会调查奠定了基础。
- 首次应用,数据集被用于分析日本社会的结构和变迁,为政策制定提供了科学依据。
- 数据集进行了重大更新,引入了更多关于社会态度和价值观的调查项目,进一步丰富了研究内容。
- 数据集的国际化应用开始显现,被多个国际研究机构引用,推动了跨文化社会科学研究的发展。
- 数据集在应对社会重大事件中发挥了重要作用,特别是在分析东日本大地震后的社会心理影响方面。
- 数据集的在线平台正式上线,为全球研究者提供了便捷的访问途径,促进了数据的广泛应用和共享。
- 1The Japanese General Social Survey: A Tool for Studying Social Change in Contemporary JapanInstitute of Social Science, University of Tokyo · 2006年
- 2Social Stratification and Social Mobility in Japan: Findings from the Japanese General Social SurveyInstitute of Social Science, University of Tokyo · 2018年
- 3Changing Attitudes towards Work and Family in Japan: Evidence from the Japanese General Social SurveyInstitute of Social Science, University of Tokyo · 2019年
- 4The Impact of Aging on Social Trust in Japan: Insights from the Japanese General Social SurveyInstitute of Social Science, University of Tokyo · 2020年
- 5Religion and Social Capital in Japan: Evidence from the Japanese General Social SurveyInstitute of Social Science, University of Tokyo · 2021年
中国区域交通网络数据集
该数据集包含中国各区域的交通网络信息,包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。
data.stats.gov.cn 收录
中国空气质量数据集(2014-2020年)
数据集中的空气质量数据类型包括PM2.5, PM10, SO2, NO2, O3, CO, AQI,包含了2014-2020年全国360个城市的逐日空气质量监测数据。监测数据来自中国环境监测总站的全国城市空气质量实时发布平台,每日更新。数据集的原始文件为CSV的文本记录,通过空间化处理生产出Shape格式的空间数据。数据集包括CSV格式和Shape格式两数数据格式。
国家地球系统科学数据中心 收录
中国高分辨率高质量PM2.5数据集(2000-2023)
ChinaHighPM2.5数据集是中国高分辨率高质量近地表空气污染物数据集(ChinaHighAirPollutants, CHAP)中PM2.5数据集。该数据集利用人工智能技术,使用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值,结合地基观测、大气再分析和排放清单等大数据生产得到2000年至今全国无缝隙地面PM2.5数据。数据十折交叉验证决定系数R2为0.92,均方根误差RMSE为10.76 µg/m3。主要范围为整个中国地区,空间分辨率为1 km,时间分辨率为日、月、年,单位为µg/m3。注意:该数据集持续更新,如需要更多数据,请发邮件联系作者(weijing_rs@163.com; weijing@umd.edu)。 数据文件中包含NC转GeoTiff的四种代码(Python、Matlab、IDL和R语言)nc2geotiff codes。
国家青藏高原科学数据中心 收录
LibriSpeech
LibriSpeech 是一个大约 1000 小时的 16kHz 英语朗读语音语料库,由 Vassil Panayotov 在 Daniel Povey 的协助下编写。数据来自 LibriVox 项目的已读有声读物,并经过仔细分割和对齐。
OpenDataLab 收录
Obstacle-dataset OD
该数据集用于十五种障碍物检测,包含VOC格式和YOLO训练的.txt文件,数据集中的图像来自VOC数据集、COCO数据集、TT100K数据集以及作者团队实地收集的图片。
github 收录