This site uses cookies.
Some of these cookies are essential to the operation of the site,
while others help to improve your experience by providing insights into how the site is being used.
For more information, please see the ProZ.com privacy policy.
This person has a SecurePRO™ card. Because this person is not a ProZ.com Plus subscriber, to view his or her SecurePRO™ card you must be a ProZ.com Business member or Plus subscriber.
Affiliations
This person is not affiliated with any business or Blue Board record at ProZ.com.
Russian to English: Translation of a report on entrepreneurship activity General field: Social Sciences Detailed field: Economics
Source text - Russian Когнитивная модель содержит в себе некоторую гипотезу о функционировании системы (развитии процесса). С точки зрения формального описания, когнитивные модели чаще всего представляются в виде взвешенного ориентированного графа (рис. 3.1).
…
Технология когнитивного моделирования позволяет сроить модели проблемной ситуации или некоторого слабо формализуемого, сложного социально-экономического процесса через осуществление последовательности следующих шагов:
- выделение набора наиболее существенных факторов, описывающих проблемную ситуацию, процесс, систему (табл. 3.1);
- выделение целевых и управляемых факторов;
- установление причинно-следственных отношений между факторами;
- построение когнитивной карты процесса;
- построение матрицы весов взаимовлияния факторов;
- задание начальных условий и импульсных воздействий.
После этого осуществляется расчет прогнозных значений целевых факторов по заданному правилу распространения импульсного процесса, осуществляется моделирования сценариев развития процесса. В данном исследовании используется программа «Аналитик» (Свидетельство о государственной регистрации № 2010613755 от 12.04.2010 г., Федеральная служба по интеллектуальной собственности, патентам и товарным знакам).
К преимуществам использования когнитивного моделирования можно отнести тот факт, что для изучения динамики развития процесса нет необходимости знать точные количественные значения изучаемых факторов, поскольку метод дает прогноз изменения приращений к этим факторам.
В программе «Аналитик», реализующей технологию когнитивного моделирования, заложено аддитивное правило распространения в модели импульсного процесса.
Приращение значений характеристики с номером j за единицу времени будем называть импульсом в вершине j и обозначать:
Pj(t)=Uj(t)-Uj(t-1) (3.1)
где Uj(t), Uj(t-1) –значения характеристики с номером j в моменты времени t и (t-1) соответственно;
Формализованное правило развития в модели импульсного процесса (считаем, что импульс в вершине возникает мгновенно), задается следующим образом:
1. Изменения значений характеристик происходят только в дискретные моменты времени t, t = 0, 1, 2, …
2. Возникший в j-й вершине импульс Pj(t) в момент времени t передается за единицу времени и только в смежные вершины в момент t + 1. По дугам передаются только импульсы, а не полные значения характеристик.
3. Импульс Pj(t) в j-й вершине передается в смежные вершины с коэффициентом усиления, равным весу дуг, соединяющих смежные вершины.
4. Импульсы, одновременно пришедшие в i-ю вершину из смежных с нею вершин, складываются алгебраически, т.е. с учетом знаков:
Pi(t) = Pj (t - 1) (3.2)
где zji – вес дуги из вершины j, смежной с вершиной i, Pj (t – 1) – импульс в j-й вершине в момент t – 1; Gi – множество номеров вершин j, смежных с вершиной i; т.е. тех, из которых в i-ю вершину имеется дуга; соответственно
(3.3)
Расчеты в моделях опираются на теорему Робертса [3].
Величина вектора-импульса в орграфе определяется по формуле:
(3.4)
где P (0) – вектор-строка; Zt – t-я степень матрицы весов данного орграфа.
Translation - English A cognitive model contains a hypothesis on functioning of a system (development of a process). From the point of view of formal description, cognitive models are mainly represented as a weighted directed graph (Fig. 3.1).
…
The technology of cognitive modelling allows to build models for a problematic situation or some weakly formalisable, complex socioeconomic process by taking the following consequential steps:
- detecting a set of the most meaningful factors describing a problematic situation, process or system;
- detecting objective and controlled factors;
- detecting cause-effect relations among the factors;
- designing a cognitive map of a process;
- designing a weight matrix of factor interaction;
- setting initial conditions and impulse effects.
After that the predicted values of objective factors are calculated by the propagation rule set for an impulse process and modelling of scenarios for the process development is carried out. In the given study "Analyst" programme has been used (Certificate of state registration # 2010613755 of 12/04/2010, Federal Service for Intellectual Property, Patents and Trademarks).
The advantages of cognitive modelling include the fact that to study the dynamics of the process development it is not necessary to know the exact numerical values of the factors being studied, as the method allows to project a change of increments to these factors.
The "Analyst" programme, fulfilling the technology of cognitive modelling, implies an additive propagation rule in the model of impulse process.
We will name the increment to values of characteristic j per unit time an impulse at vertex j and denote it as:
Pj(t)=Uj(t)-Uj(t-1) (3.1)
where Uj(t), Uj(t-1) are the values of characteristic j at the moments of time t and (t-1) respectively.
A formalized propagation rule in the model of impulse process (accepting that an impulse emerges at the vertex instantaneously) is set as follows:
1. Changes of values of characteristics only occur at discrete instants of time t, t = 0, 1, 2, …
2. Impulse Pj(t) emerging at vertex j at the time instant t is transferred per unit time and only to adjacent vertices at the time instant t + 1. Only impulses, not full values of characteristics are transferred arcwise.
3. Impulse Pj(t) in vertex j is transferred to adjacent vertices with gain coefficient equalling the weight of arcs linking adjacent vertices.
4. Impulses simultaneously arriving to vertex i from the vertices adjacent to it, are added algebraically, i.e. taking signs into account:
Pi(t) = Pj (t - 1) (3.2)
where zji is the weight of the arc going from vertex j, adjacent to vertex i, Pj (t – 1) – impulse at vertex j at the time instant t – 1; Gi – a set of numbers of vertices j, adjacent to vertex i; i.e. those which the arcs go to vertex i from; correspondingly,
(3.3)
Calculations in the models are based on Roberts' Theorem [3].
The value of momentum vector in the directed graph is defined by the formula:
(3.4)
where P (0) is a row vector; Zt is degree t of the weight matrix of the given directed graph.
Russian to English: Translation of a scientific paper on pedagogy General field: Social Sciences Detailed field: Education / Pedagogy
Source text - Russian В нашем исследовании мы рассматриваем стиль учения как результат интеграции различных форм индивидуального опыта, что позволяет развести понятия когнитивного стиля и стиля учения. Стиль учения нельзя отождествлять с познавательным (или когнитивным) стилем, а также рассматривать его как частный либо общий случай познавательного (или когнитивного) стиля. Когнитивные стили — это высокоорганизованный механизм регуляции интеллектуальной деятельности, влияние которого обнаруживается в широком спектре ситуаций (в том числе учебных). Стили учения — это, скорее, учебные стратегии, которые характеризуют ответные действия индивидуума на требования конкретной учебной ситуации.
Стиль учения — это проявление персонального познавательного стиля ученика на данном уровне его сформированности в конкретной учебной ситуации, своеобразие которого, в свою очередь, зависит от особенностей организации индивидуального ментального опыта данного ученика. Именно поэтому решение задачи интеллектуального воспитания учащихся — в том числе создание условий для развития и сохранения уникальности склада ума каждого школьника — неотрывно связано с обогащением ментального опыта учащихся в процессе обучения [10]
Общий взгляд на исследования в области стилей учения позволяет отметить две важные особенности.
1. Было показано, что стили учения нестабильны во времени, поскольку возможно изменение стиля учения под влиянием самого процесса обучения, использования новых методов преподавания, мотивации ученика и прочих факторов.
2. Существуют эмпирические доказательства в пользу того, что в условиях реальной учебной деятельности ученики проявляют не столько определенный стиль учения, сколько полистилевой (смешанный, гетерогенный) подход к образовательным ситуациям. Так, по заключению Г. А. Берулава, « ...установлена универсальность и эффективность смешанного когнитивного стиля в учебной деятельности школьников» [11]. По данным R E Mayer. и L. J. Massa в важном для нашей работы студенческом возрасте (18-19 лет) наиболее значима склонность к визуальным либо вербальным способам обучения, которая включает три составляющие: высокий или низкий уровень пространственной способности; субъективную готовность использовать визуальные или вербальные способы мышления; предпочтения преподавания на основе образов или на основе слов [12]. В работах A. Miller были выделены стили с преимущественным использованием визуальных образов, вербальных символов, звуков, эмоциональных переживаний [13]. H. Reinert показал, что индивидуальные различия в стилях учения обусловлены существованием некоторого суперизмерения, полюса которого могут быть проинтерпретированы в терминах межполушарной специализации: на одном полюсе находится правополушарное мышление (переработка информации осуществляется в форме синтеза и одновременной интеграции разных воздействий), тогда как на другом — левополушарное мышление (логическая, линейная и последовательная ормы переработки информации) [14].
Существуют, по-видимому, сквозные механизмы взаимодействия всех указанных уровней стилевого поведения, начиная с уровня стилей кодирования информации и заканчивая стилями познавательного отношения к реальности. Результатом интеграции разных уровней стилевого поведения является персональный познавательный стиль [10].
Translation - English In our study, we consider a style of learning the result of integration of various forms of individual experience, which allows to separate the concept of a cognitive style from a concept of a learning style. A learning style can neither be equated with a cognitive style, nor considered as a special or general case of a cognitive style. A cognitive style is a complex mechanism for regulation of intellectual activity, the impact of which is detected in a wide range of situations (including learning ones). Learning styles are rather learning strategies that characterize an individual's response to the requirements of a particular learning situation.
A learning style is a manifestation of a student's personal cognitive style at a given level of its maturity in a specific learning situation. Its nature, in its turn, depends on the specifics of organization of a particular student's individual mental experience. That is why a solution to the problem of students' intellectual education, including creation of conditions for the development and preservation of each student's unique mindset, is inseparably connected with enrichment of students' mental experience in the learning process [10].
General view on the research in the field of the learning styles allows to single out two important features.
1. It has been shown that learning styles are not stable over time, as it is possible to change a style of learning under the influence of the learning process itself, the usage of new teaching methods, student's motivation and other factors.
2. There is empirical evidence that in real learning activity students demonstrate not so much a specific learning style, as a polystylistic (mixed, heterogeneous) approach to educational situations. Thus, in the conclusion by G. A. Berulava, "... universality and efficiency of a mixed cognitive style in educational activity of students is determined" [11]. According to R. E. Mayer and L. J. Massa, an aptitude for visual or verbal methods of learning in the student age (18-19 years), important to our research, is the most significant. It includes three components: a high or low level of a spatial ability; subjective readiness to use visual or verbal modes of thinking; and preference of image- or word-based teaching [12]. In the works by A. Miller styles using mainly visual images, verbal symbols, sounds and emotional experiences were identified [13]. H. Reinert showed that individual differences in learning styles are caused by the existence of a "super dimension", the poles of which can be interpreted in terms of a hemispheric specialization: at one pole is the right-hemisphere thinking (information processing is carried out in the form of synthesis and simultaneous integration of various actions), while at the other is the left-hemisphere thinking (logical, linear and consistent forms of information processing) [14].
There are, apparently, recurrent mechanisms of interaction among the mentioned levels of behavior styles, starting from the level of information coding styles and ending with the styles of a cognitive mindset. The result of the integration of different levels of behavior styles is a personal cognitive style [10].
Russian to English: Translation of a scientific paper (medicine-technology) General field: Medical Detailed field: Medical: Cardiology
Source text - Russian МОНИТОРИНГ И ДИСТАНЦИОННАЯ ДИАГНОСТИКА ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ СПОРТСМЕНОВ НА ОСНОВЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ И ТЕЛЕМЕТРИИ В УСЛОВИЯХ ЕСТЕСТВЕННОЙ ДЕЯТЕЛЬНОСТИ
…
Ключевые слова: функциональное состояние, информационные технологии, телеметрия.
Введение. Достижение успеха в спорте высоких достижений часто связано с черезмерной нагрузкой на физиологическую систему и является источником рисков развития заболеваний и профессиональных травм у высококвалифицированных спортсменов. Актуально развитие инструментальных методов для оценки и прогноза функционального состояния спортсмена в контексте тренировочной и соревновательной деятельности. В нашей работе представлены информационные и телекоммуникационные технологии, обеспечивающие оперативное обнаружение психофизиологических маркеров оптимальных и экстремальных состояний и позволяющие принимать прогностические решения об индивидуальных режимах профессиональной нагрузки спортсмена.
Материалы и методы
1. Компьютерная латерометрия. Основой измерений является метод дихотической стимуляции [1,2]. В обработке результатов использовались следующие показатели:
• Asmin=(tmin вправо-tmin влево)/( tmin вправо+tmin влево)
• Asmax=(tmax вправо-tmax влево)/( t max вправо+tmax влево)
• Asrash=(t rash влево-trash вправо)/(trash влево+trash вправо)
• AS= КОР.КВ.(Asmin2+Asmax2+Asrash2)
Измерение производилось до и после тренировочной нагрузки в тихом помещении.
2. Компьютерная кампиметрия. По этой методике измеряли дифференциальные пороги по шкале оттенков (пороги цветоразличения) в рамках цветовой модели HLS [1,2]. Для обработки результатов использовались следующие показатели:
• Rmax – максимальный диффернциальный порог в красном;
• Gmax – максимальный дифференциальный порог в зелёном;
• Bmax – максимальный дифференциальный порог в синем.
Измерение производилось до и после тренировочной нагрузки.
3. Беспроводная кардиография. Анализ регуляции сердечного ритма дает возможность получения прогностической информации о функциональном состоянии (ФС) и особенностях адаптивных реакций всего организма и активно используется в спортивной медицине. Запись сигнала производилась с помощью телеметрической системы BioHarness, которая представляет собой устройство регистрации кардиосигналов, вмонтированное в пояс. Сигнал передаётся от датчика на смартфон и со смартфона на компьютер по беспроводной сети Bluetooth. Измерение производилось в процессе тренировочной нагрузки в зале, а также до и после тренировки в покое – испытуемый сидел в кресле 5 мин. Для обработки данных использовались спектральные методы анализа вариабельности сердечного ритма: периодограмный метод, которым анализировали параметры: суммарную мощность спектра вариабельности сердечного ритма – TP (мс2), мощность спектра ритмограмм в области очень низких частот – VLF (мс2), мощность спектра ритмограмм в области низких частот – LF (мс2), мощность спектра ритмограмм в области низких частот – HF (мс2), соотношение мощностей спектра ритмограмм в области низких и высоких частот (коэффициент вегетативного баланса) – LF/HF; и метод непрерывного вейвлет-преобразования (анализировались вейвлет-спектрограммы).
В исследовании приняли участие 57 спортсменов, из которых 29 профессиональных спортсменов академической гребли, возраст 14-18 лет, 14 девушек и 15 юношей - воспитанники училища Олимпийского резерва, квалификация 1 разряд – мастер спорта, и 28 не профессиональных спортсменов, разных направленностей (баскетбол, волейбол, тяжёлая атлетика), возраст 17-24 лет, 6 девушек и 22 юноши.
Результаты и обсуждение. Исследование влияния физических нагрузок на уровень функциональной межполушарной асимметрии показало достоверное снижение уровня асимметрии после нагрузки по показателям Asmin (p=0,004), Asmax (p=0,016), AS (p=0,004) (Рис1).
Рис.1. Средние значения коэффициентов межполушарной асимметрии до и после нагрузки.
Такой эффект означает когнитивное напряжение во время тренировочной нагрузки и может выступать маркером неэффективного состояния. [3,4,5]
Показатели спектрального анализа вариабельности сердечного ритма достоверно снижаются после тренировочной нагрузки (p
Translation - English MONITORING AND DISTANT DIAGNOSTICS OF SPORTSMEN'S FUNCTIONAL STATE BASED ON INFORMATION TECHNOLOGIES AND TELEMETRY IN THE CONDITIONS OF NATURAL ACTIVITY
…
Key Words: functional state, information technologies, telemetry
Introduction Accomplishing high results in sports is often connected with excessive load on human physiological system, which causes risks of professional diseases and injuries experienced by highly qualified sportsmen. In this respect development of instrumental methods for assessment and forecast of a sportsman's functional state in the context of training and competitive activity appears acute. Our paper presents information and telecommunication technologies that provide concurrent detection of psychophysiological markers of optimal and extreme states and allow to make forecasting decisions concerning individual modes of a sportsmen's professional load.
Materials and Methods
1. Computer laterometry. The measurement is based on the method of dichotic stimulation [1,2]. The following data were used in result processing:
• Asmin=(tmin right-tmin left)/( tmin right+tmin left)
• Asmax=(tmax right-tmax left)/( t max right+tmax left)
• Asrash=(t rash left-trash right)/(trash left+trash right)
• AS= √ (Asmin2+Asmax2+Asrash2)
The measurements were carried out before and after the training load in a quiet room.
2. Computer campimetry. By this method differential thresholds were measured on the shade scale (chromatic thresholds) in the framework of HLS color model [1,2]. The following data were used in result processing:
• Rmax – maximum differential threshold in red;
• Gmax – maximum differential threshold in green;
• Bmax – maximum differential threshold in blue.
The measurements were carried out before and after the training load.
3. Wireless cardiography. Analysis of heart rate regulation allows to receive prognostic information about the functional state (FS) and specifics of adaptive reactions of the whole organism and is actively used in sports medicine. The signal was recorded with BioHarness telemetry system, a built-in-belt device for cardiosignal registration, which transmits the signal from the receiver to smartphone and from smartphone to computer through Bluetooth. The measurement was carried out in the process of the training load in the sports hall as well as before and after the training at rest (the testees were sitting in an armchair for 5 min.) Spectral methods of analysis of heart rate variability were used for data processing: periodogram method, used for analyzing the following parameters: aggregate capacity of heart rate variability spectrum – TP (msec2), capacity of rhythmogram spectrum in the area of very low frequency – VLF (msec2), capacity of rhythmogram spectrum in the area of low frequency – LF (msec2), capacity of rhythmogram spectrum in the area of high frequency – HF (msec2), correlation of capacities of rhythmogram spectrum in the areas of low and high frequency (the index of vegetative balance) – LF/HF; and the method of continuous wavelet transform (wavelet spectrograms were analyzed).
The examination involved 57 sportsmen, including 29 professional boat racing sportsmen aged 14-18 (14 females and 15 males, graduates of Olympic reserve school qualified first class – Master of Sports) and 28 non-professional sportsmen in various kinds of sports (basketball, volleyball, weightlifting) aged 17-24 (6 females and 22 males).
Results and discussion Research of influence of physical loads on the level of functional hemispheric asymmetry showed significant reduction of asymmetry level after the load by the Asmin (p=0,004), Asmax (p=0,016), AS (p=0,004) (Pic. 1).
Pic.1. Mean value of hemispheric asymmetry indices before and after the load.
This effect denotes cognitive tension during the training load and can perform as the marker of ineffective state [3,4,5].
The indices of spectral analysis of heart rate variability significantly reduce after the training load (p
More
Less
Translation education
Other - Nizhny Novgorod State Linguistic University
Experience
Years of experience: 21. Registered at ProZ.com: Mar 2018.
