120 page text. -- Transcription of Otto Dempwolff's Bermerkungen uber die Sia-sprache zu den auf zeichnungen von Missionar Michael Stoltz [translated by L. Wagner and G. Schmutterer on August 1, 1936]. Short grammatical statement with a short comparative vocabulary of Sia and Graged (Gedaged), followed by an extensive German - Sia vocabulary. Dempwolff noted (p. 10) that Sia was a mixed language based on Papuan with an Austronesian overlay, and that it stood linguistically between the Graged speech of the west and the Jabem speech of the east [compiler's translation]. This text was acquired by Capell when in London working on his PhD. Dempwolff was a major influence on Capell's Oceanic work. Unfortunately,this copy has some pages where words have been shaved off from the right edge.; (Typological analysis). Language as given: Sia (Sio), Graged (Gedaged)

Eine Lesefassung findet sich unter: https://www.deutschestextarchiv.de/dresden_hofdiarium_1674.

Das Hofdiarium dokumentiert die Hälfte des Jahres 1673 am Dresdner Hof mit besonderem Fokus auf die Festtage und der dabei gespielten Musik.

Es wurde im Rahmen eines Forschungsstipendiats an der SLUB Dresden mittels eines teilautomatisierten Workflows ediert: Nach der Linesegmentation in Transkribus wurde anhand von 15 Trainingsseiten ein Modell in scriptorium trainiert (finetuning, Grundmodell: german_handwriting_20230512). Die Transkriptinsfehler der HTR wurden durch eine LLM (Claude 3.7 Sonnet) korrigiert und die Transkription mittels der gleichen LLM in TEI:XML ausgezeichnet. Sämtliche Ergebnisse dieses Workflows wurden anhand der Digitalisate händisch auf Korrektheit überprüft. Aufgrund dieser Vorgehensweise wurden keine typographischen Besonderheiten (Fettschrift, Schriftartwechsel, etc.) ausgezeichnet, da sie nicht von der HTR erkannt werden können.

Die Transkription folgt weitestgehend den Vorgaben des DTABf-M (Deutsches Textarchiv Basisformat, Manuskripte), ist aber aufgrund der Verwendung von HTR und die Korrektur der Transkription durch eine LLM nicht immer zeichengenau, sondern sinnerhaltend:

• Alle Satzzeichen wurden so gut wie möglich wie geschrieben erfasst, es erfolgt keine Normalisierung nach heutigen Standards
• I und J Majuskel werden nicht unterschieden
• u und v werden vorlagengetreu wiedergegeben (z.B. vnd)
• Schaft-s (ſ) und rund-s (s) werden so gut es geht unterschieden
• sz Ligatur wird bei Kurrentschriften als ß wiedergegeben, bei Antiquaschriften als sz ("Libusza"), da hier keine Ligatur erkennbar war
• ij Ligatur wird als y wiedergegeben
• andere Ligaturen werden, soweit sie überhaupt auftreten, aufgelöst
• r Grapheme werden in ihrer heute gebräuchlichen Form als r wiedergegeben
• Abbrechungszeichen zur zeitgenössischen Kennzeichnung von Abkürzungen wurden nach Möglichkeit als Einzelbuchstabe aufgenommen und nicht gesondert ausgezeichnet (Vgl. auch Capelli, 1928, Lexicon abbreviaturarum I, S.X)
• Diakritika beim u wurden nicht ausgezeichnet
• Bei ungewisser Groß- oder Kleinschreibung wird eine Annäherung über die Buchstabengröße angestrebt
• Bei Verweisen auf Anhängen (No.1) Einheiten- und Währungszeichen wird die doppelte Durchstreichung nicht umgesetzt (z.B. lb. Für Pfund)
  

Listen innerhalb von Listen die zumeist über geschweifte Klammern erscheinen wurden über ein extra

Einzelne Tagebucheinträge sind als

Approximately 71 percent of smartphone owners who had used a ride-hailing app and were surveyed in Brazil in 2021 stated to have used Uber. An app called 99 – owned by Beijing-based company Didi Chuxing – ranked second at 21 percent. The most popular food delivery app in Brazil was iFood's.

Taxi Market Outlook

According to our latest research conducted in early 2025, the global taxi market size reached USD 244.3 billion in 2024, demonstrating robust expansion across both developed and emerging economies. The industry is projected to grow at a CAGR of 7.8% from 2025 to 2033, with the market expected to reach approximately USD 482.6 billion by the end of the forecast period. This significant growth is primarily propelled by increasing urbanization, evolving consumer preferences toward convenient mobility solutions, and the widespread adoption of digital platforms for transportation services.

One of the most influential growth factors for the taxi market is the rapid expansion and penetration of ride-hailing and ride-sharing platforms. Companies like Uber, Lyft, Didi Chuxing, Ola, and Grab have transformed the traditional taxi landscape by offering seamless, app-based booking experiences, real-time tracking, and transparent pricing models. These innovations have not only enhanced user convenience but also increased trust and reliability in taxi services, attracting a broader customer base. Furthermore, the integration of advanced technologies such as artificial intelligence, machine learning, and big data analytics has enabled service providers to optimize fleet management, reduce wait times, and personalize offerings, thereby significantly improving operational efficiency and customer satisfaction.

Another crucial driver is the shifting demographic and socio-economic trends, particularly the rise in disposable incomes and the growing middle-class population in emerging markets. As urban populations swell, traffic congestion and limited parking availability have made personal vehicle ownership less attractive, fueling demand for alternative mobility solutions like taxis. The proliferation of smartphones and internet connectivity has further facilitated the adoption of app-based taxi services, especially among millennials and Gen Z consumers who prioritize convenience and flexibility. Additionally, the increasing emphasis on sustainability and environmental concerns has prompted many taxi operators to incorporate electric and hybrid vehicles into their fleets, aligning with global efforts to reduce carbon emissions and promote eco-friendly transportation.

The taxi market is also benefiting from supportive regulatory frameworks and government initiatives aimed at modernizing urban transportation infrastructure. Many cities worldwide are implementing policies to encourage shared mobility, reduce traffic congestion, and enhance public safety, such as dedicated pick-up and drop-off zones, cashless payment mandates, and stricter vehicle emission standards. These measures not only create a conducive environment for taxi operators but also foster healthy competition and innovation within the industry. Moreover, partnerships between public transit authorities and private taxi companies are emerging as a strategic approach to address last-mile connectivity challenges, further boosting market growth.

From a regional perspective, Asia Pacific continues to dominate the global taxi market, driven by its large urban population, rapid economic development, and the presence of leading ride-hailing giants. North America and Europe also represent significant markets, characterized by high adoption rates of digital taxi services and a strong focus on regulatory compliance and sustainability. Meanwhile, Latin America and the Middle East & Africa are witnessing steady growth, supported by improving transportation infrastructure and increasing smartphone penetration. Overall, the regional outlook for the taxi market remains highly positive, with each region contributing uniquely to the industry's evolution and expansion.

Service Type Analysis

The service type segment of the taxi market is broadly categorized into ride-hailing, ride-sharing, radio taxis, and others. Ride-hailing services, led by globally recognized brands such as Uber, Didi, and Ola, have become the dominant force in urban mobility, accounting for a su

La popularidad de Uber no ha dejado de crecer en los últimos años y cada vez son más los que recurren a este servicio de ride-sharing. Prueba de ello es el incremento constante del número de usuarios mensuales activos en su aplicación. En el cuarto trimestre de 2023, estos ya eran *** millones, alcanzando así un nuevo récord.

The autonomous ride-sharing services market is poised for substantial growth, driven by increasing urbanization, rising demand for convenient and efficient transportation, and advancements in autonomous vehicle technology. The market, currently experiencing a significant surge, is projected to expand rapidly over the forecast period (2025-2033). While precise figures are unavailable from the provided text, a conservative estimate, based on typical growth rates in emerging tech sectors and considering the substantial investment in autonomous vehicle development, suggests a 2025 market size of approximately $5 billion USD. A Compound Annual Growth Rate (CAGR) of 25% over the forecast period is reasonable, considering the ongoing technological advancements and increasing adoption. This implies a market value exceeding $30 billion by 2033. Key growth drivers include decreasing costs associated with autonomous vehicle technology, improvements in sensor technology leading to enhanced safety and reliability, and increasing regulatory support in several regions. The passenger vehicle segment currently dominates, though the commercial vehicle segment is anticipated to show significant growth driven by logistics companies seeking to enhance efficiency and reduce operational costs. Major restraints include technological hurdles in achieving fully autonomous operation in all driving conditions, safety concerns related to unforeseen events and potential malfunctions, and complex regulatory landscapes varying across different geographical locations. The market is highly competitive, with established players like Uber and Lyft, alongside emerging companies such as Waymo, vying for market share. Regional variations in adoption are expected, with North America and Asia-Pacific leading the way due to higher technological maturity and greater investment in autonomous driving technologies. Europe will follow closely, while other regions may demonstrate slower growth due to a combination of infrastructural limitations, regulatory barriers, and lower initial investment in this burgeoning sector. The strategic partnerships between established ride-sharing companies and autonomous vehicle developers will play a crucial role in shaping the market landscape in the years to come.

Universal Named Entity Recognition (UNER) aims to fill a gap in multilingual NLP: high quality NER datasets in many languages with a shared tagset.

UNER is modeled after the Universal Dependencies project, in that it is intended to be a large community annotation effort with language-universal guidelines. Further, we use the same text corpora as Universal Dependencies.

Get key insights from Market Research Intellect's A2p Application To Person Sms Messaging Service Market Report, valued at USD 9.80 billion in 2024, and forecast to grow to USD 20.50 billion by 2033, with a CAGR of 8.70% (2026-2033).

Uncover Market Research Intellect's latest Enterprise Application To Person A2p Sms Market Report, valued at USD 6.8 billion in 2024, expected to rise to USD 12.5 billion by 2033 at a CAGR of 8.5% from 2026 to 2033.

Gründe für das erloschene Interesse an der Teilnahme am Bildschirmtext-Feldversuch in Düsseldorf.

Themen: 1. Telefoninterview. a) Interesse am BTX: Fernsehgerätebesitz; Kenntnis des BTX-Versuchs; Person, die seinerzeit bei der Post Informationen über Bildschirmtext erbeten hat; Grund für das BTX-Interesse; Kenntnis über Erfahrung Dritter mit BTX; detaillierte Begründung für die Nichtbeteiligung am BTX; derzeitiges Teilnahmeinteresse.

b) Einzelheiten zum Fernsehbesitz und zur Telefonbenutzung; Art und Alter der Fernsehgeräte im Haushalt; TV-Kaufabsicht; private oder berufliche Nutzung des Telefonanschlusses; Informiertheit über die Möglichkeiten von BTX; Einstellung zu verschiedentlich geäußerten Einwänden gegen Bildschirmtext.

c) Inanspruchnahme von Postdiensten: Häufigkeit der Inanspruchnahme von Ansagediensten der Post; mögliche Nutzung von Ansagediensten oder sonstigen Informationen für den Haushalt über Bildschirmtext; Auswahl von möglicherweise interessierenden BTX-Angeboten; Kosten-Nutzen-Vergleich der BTX-Informationen.

1. Mündliche Befragung: Grund für die Nichtteilnahme am BTX-Versuch; Enttäuschung über die Nutzungsmöglichkeiten von BTX; Informationsquellen über BTX; Art der eigenen Informationssuche; ausreichende Kenntnisse über die technischen Voraussetzungen für die Teilnahme am BTX; Informationsbemühungen beim Handel über BTX-taugliche Fernsehgeräte; Lieferschwierigkeiten im Handel; persönliche oder technische Gründe für die Beendigung des Interesses am BTX; mögliche Anwendungsgebiete für Bildschirmtext; Beurteilung der Wirtschaftlichkeit von BTX; unbekannte Anwendungsmöglichkeiten bei Absage; Meinungsunterschiede im Haushalt bei der geplanten Anschaffung; Einschätzung der Nützlichkeit von Bildschirmtext für Kinder; befürchtete Interessenskonflikte bei der Benutzung von Telefon, Fernsehen und BTX innerhalb der Familie; alternative Kaufentscheidungen bei der BTX-Entscheidung; mögliche Revision der Ablehnungsentscheidung.

Demographie: Alter (klassiert); Geschlecht; Schulbildung; Beruf; Branche des Betriebes; Haushaltseinkommen; Haushaltsgröße; Haushaltszusammensetzung.

Interviewerrating: Datum des Interviews.

Zusätzlich verkodet wurde: Intervieweridentifikation.