SCI Библиотека

Вниманию читателя предлагается второй выпуск сборника «Археология Арктики», представляющий собой научное издание трудов ведущих российских и зарубежных учёных: археологов, этноархеологов, археолозоологов.
Издание смогло стать реальностью в результате действия в ЯНАО многолетней целевой программы «Развитие научной деятельности в области археологии в рамках государственной программы ЯНАО «Развитие научной, научно-технической и инновационной деятельности в 2014 — 2020 гг.»», финансируемой из бюджета округа.
Хронологические рамки опубликованных статей охватывают период от верхнего палеолита до этнографической современности, территориальные — от Курильских островов до севера Западной Европы.
Завершается сборник материалами в честь двух выдающихся исследователей Арктики: Ф. де Лагуны (биографические мемуары В. В. Фитцхью) и В. Н. Чернецова (Отчёт по экспедиции 1929 г., публикация Е. Лярской).

В сборник под ред. Крушанова А. И. вошли статьи, отражающие итоги археологических исследований за последние годы.
На основании анализа археологических данных с памятников самой глубокой древности до эпохи средневековья дается характеристика не только массовым бытовым материалам, предметам художественного творчества, но и затрагиваются вопросы хозяйства и быта.
Сборник представляет интерес для историков, археологов, а также для тех, кто интересуется древней и средневековой историей советского Дальнего Востока

В книге рассматривается древняя история аборигенного населения Латинской Америки: заселение региона, формирование производящей экономики, развитие древних цивилизаций вплоть до контактов с европейцами.
Вместе с ведущими советскими американистами в сборнике принимают участие видные археологи Мексики, Колумбии, Эквадора, Венесуэлы, Кубы.
Для археологов, историков, читателей, интересующихся древней историей Латинской Америки.

Научная актуальность исследования. В эпоху стремительного увеличения объемов данных, генерируемых пользователями социальных сетей, анализ текстовых данных, таких как комментарии, становится одной из ключевых задач современной науки. Комментарии представляют собой ценный источник информации, позволяя выявлять общественные настроения, анализировать мнения пользователей и отслеживать социальные тренды. Однако из-за слабо структурированного или полностью неструктурированного характера этих данных их обработка требует применения инновационных подходов. Целью данного исследования является разработка интеллектуальной системы для обработки слабоструктурированных данных, получаемых из комментариев на видео в социальных сетях, с использованием алгоритмов структуризации, ориентированных на различные отрасли. Исследование направлено на создание эффективного метода анализа тональности, кластеризации и извлечения ключевых тем из комментариев с целью оценки воздействия видео-контента на аудиторию. В результате исследования будет предложен подход к автоматическому выделению и структурированию данных по отраслям, что позволит более точно и глубоко анализировать восприятие контента и его влияние на различные социальные и профессиональные сферы. Методы: Разработка интеллектуальной системы для анализа слабоструктурированных данных требует применения инновационных методов и подходов, сочетающих в себе обработку естественного языка (NLP), алгоритмы машинного обучения и методы анализа больших данных. Эти методы включают: автоматическое извлечение данных через API, предварительную обработку, адаптированную для трех языков (французского, английского и русского), глубокий анализ настроений с помощью продукта Bert и вероятностного алгоритма для статистических расчетов, а также кластеризацию с помощью алгоритмов K-Means, DBSCAN и Agglomerative. Материалы основываются на комментариях из социальных сетей (TikTok, Instagram, Twitter, Facebook, YouTube, Reddit, ВКонтакте) на русском, английском и французском языках. Для предобработки применялись библиотеки SpaCy и NLTK, а модель Hugging Face Transformers работала с предобученными моделями для анализа настроений. Использованы методы машинного обучения, включая кластеризацию и обработку естественного языка. Данные структурированы с помощью тематического моделирования и языковых моделей, реализованных с помощью Python-библиотек. Результаты исследования. Разработка интеллектуальной системы для обработки слабо структурированных данных позволила улучшить анализ комментариев к видеороликам в социальных сетях благодаря комбинации различных моделей машинного обучения и алгоритмов. Результаты исследования позволили нам разработать прототип инструмента для анализа комментариев, который эффективно собирает и структурирует данные из различных социальных сетей. Эта структуризация данных привела к лучшей организации и повышенной доступности информации, что облегчило их использование. Используя методы обработки естественного языка (NLP), мы выявили ключевые темы и эмоции комментариев, проводя анализ настроений, который освещает основные эмоциональные тренды. Методы кластеризации, такие как K-средние, сгруппировали комментарии по схожим темам. Кроме того, мы создали визуализации, показывающие распределение настроений, что позволяет пользователям быстро интерпретировать данные. Интеграция методов визуализации преобразует сложные аналитические результаты в интуитивно понятные графики, что облегчает понимание взаимодействия пользователей с контентом. Таким образом, наша система оказывается эффективной для предоставления ценных инсайтов и оптимизации стратегий взаимодействия с аудиторией. Заключение. Результаты исследования показали, что предложенный подход значительно улучшает точность классификации и структурирования слабо структурированных данных, особенно когда речь идет о комментариях, извлеченных из видеороликов в социальных сетях. Разработанная система использует алгоритмы обработки естественного языка для анализа данных с учетом их отраслевой принадлежности, что позволяет автоматически структурировать комментарии в зависимости от их содержания и проводить подробный анализ тональности. Эффективность данного подхода была подтверждена на примере анализа комментариев с различных социальных платформ, что продемонстрировало его способность извлекать и структурировать релевантную информацию, а также оценивать влияние видеороликов через реакции пользователей.

В данной работе рассматривается роль искусственного интеллекта (ИИ) в развитии цифровой экономики. Проанализированы ключевые направления использования ИИ в различных отраслях: от прогнозирования рыночных тенденций и оптимизации производственных процессов до повышения эффективности логистики и финансовых операций. Особое внимание уделено моделям машинного обучения, позволяющим анализировать большие объемы данных для принятия стратегических решений. Также затронуты вызовы, связанные с внедрением ИИ, включая вопросы кибербезопасности, утраты рабочих мест и этических аспектов. В работе представлены практические примеры использования ИИ для анализа рынка и оценки влияния автоматизации на занятость. Итогом исследования стало обобщение, что грамотное внедрение ИИ способствует повышению конкурентоспособности стран, ускорению инноваций и устойчивому экономическому росту в условиях глобальной цифровизации. Материалы и методы. Для анализа рынка с использованием искусственного интеллекта можно применить несколько простых методов на Python, включая анализ данных с помощью библиотек, таких как pandas для обработки данных и scikit-learn для машинного обучения. Один из самых простых вариантов — это анализ трендов с использованием метода регрессии. Вот пример простого кода для анализа рынка с использованием линейной регрессии. Результаты. В конечном итоге мы создаем модель, которая прогнозирует объем продаж на основе цены товара. Мы используем простую линейную регрессию для анализа зависимости между ценой и количеством проданных единиц товара. Код также визуализирует зависимость между ценой и объемом продаж, а также выводит коэффициенты модели. Заключение. Применение методов искусственного интеллекта, таких как линейная регрессия, позволяет эффективно анализировать рыночные тенденции и выявлять зависимости между ключевыми показателями, например, ценой и объемом продаж. Использование библиотек Python, таких как pandas и scikit-learn, упрощает обработку данных и построение прогнозных моделей. Визуализация результатов помогает лучше интерпретировать полученные зависимости, что может быть полезным инструментом для принятия обоснованных управленческих решений и оптимизации маркетинговых стратегий.

В условиях глобализации проблема интеграции малочисленных народов Дальнего Востока России в международное культурное пространство приобретает особую значимость. Исторически данные этносы сохраняли свою самобытность, однако, современные процессы урбанизации, экономические вызовы и языковая ассимиляция ведут к постепенному размыванию и деградации традиционной культуры. В статье анализируются ключевые аспекты социальной интеграции коренных малочисленных народов региона, рассматриваются проблемы сохранения национальной идентичности и предлагаются механизмы включения этих этносов в глобальные культурные процессы.

Цель: определить ключевые проблемы интеграции малочисленных народов Дальнего Востока России в международное культурное пространство и предложить возможные пути их решения.

Методы: анализ научных публикаций, сравнительный метод, систематизация данных о традиционных культурах коренных народов региона.

Результаты: выявлены основные барьеры интеграции, предложены направления для их преодоления, включая развитие образовательных и культурных программ, поддержку традиционной экономики и трансграничного сотрудничества.

Выводы: эффективная интеграция требует комплексного подхода, включающего сохранение культурного наследия, юридическую защиту прав коренных народов, развитие этнотуризма и цифровизацию культурного контента.

Целью исследования является разработка методов реализации многоагентной системы сетевого предприятия в рамках микросервисной архитектуры цифровой платформы. В этой связи предлагаются методы реализации агентов с помощью сервисов, автоматизирующих функции производственных и бизнес-процессов, и сервисов, исполняющих функции цифровой платформы. В основе построения программных агентов положена структура административных оболочек активов, используемых в активном и проактивном режимах. Материалы и методы исследования. В качестве метода исследования предлагается использовать усовершенствованный метод функционального проектирования на основе архитектурных фреймворков консорциума промышленного интернета (IIRA) и платформы индустрии четвертого поколения (RAMI), российских государственных стандартов («Цифровые двойники», «Цифровая фабрика», «Умное производство»), а также метода анализа возможностей предприятия. Результаты. Основными результатами исследования являются построение схемы компонентного состава концептуальной модели цифровой платформы, алгоритмы формирования запроса на производство компонентов продукта и его оценки программными агентами цифровой платформы в форме диаграмм последовательности, Заключение. Полученные результаты позволяют повысить интероперабельность и гибкость конфигурации цепочек создания стоимости на основе сервисной реализации многоагентной системы.

Цель. Целью статьи является обоснование применения разработанной модели диагностики познавательной активности в системе среднего профессионального образования при освоении обучающимися учебной дисциплины «Информатика». Материал и методы исследования. Идея исследования связана с применением разработанной модели диагностики познавательной активности в системе среднего профессионального образования при освоении студентами программы общеобразовательной дисциплины «Информатика». Реализация разработанной модели диагностики базируется на синтезе высокоформализованных и низкоформализованных методик в целях получения максимально достоверной картины об уровне познавательной активности контингента на занятиях по информатике. Разработанная модель диагностики познавательной активности позволяет получить педагогически значимую информацию, которая характеризует динамику изменения уровня познавательной активности при выполнении специальных психолого-педагогических тестов, а также учебных заданий и составить достоверную картину о результативности учебного процесса в исследуемых группах студентов системы среднего профессионального образования с учетом когнитивного, педагогического, социального критериев, а также с учетом уровня начальной подготовки по информатике. Модель диагностики уровня усвоения учебного материала по информатике и познавательной активности включает в себя оценивание полученных знаний, выработку профессиональных умений и навыков и стимулирование студентов на постоянное совершенствование и применение профессиональных навыков на регулярной основе. При этом, рубежный контроль является индикатором уровня знаний содержания учебного материала, промежуточный контроль является демонстрацией овладения практическими навыками, а стимулирующие баллы вводят компонент мотивации, что оказывает влияние на уровень познавательной активности обучающегося. Познавательная активность в контексте исследования определена, как когнитивно-психолого-социальный отклик на познавательный процесс, определяющий личностно-мотивационный интерес к осознанному усвоению знаний и умений предметной области и является структурным компонентом результативности учебного процесса по информатике. Результаты. На основе выявленной сущности познавательной активности в предметной подготовке составлена, обоснована и апробирована в реальном учебном процессе модель диагностики познавательной активности студентов системы среднего профессионального образования на занятиях по информатике, позволяющая составить достоверную картину о результативности учебного процесса в исследуемых группах учетом когнитивного, психологического и социального критериев, а также уровня начальной подготовки по информатике. Заключение. Применение разработанной модели диагностики познавательной активности при помощи покомпонентной экспертной оценки интеллектуальной инициативы в контексте результативности обучения информатике способствует персонифицированной и групповой идентификации студентов системы среднего профессионального образования, а также позволяет проводить сравнительные оценки итоговых рейтинговых показателей в каждой из отдельных групп студентов с целью корректировки и дополнения избранных методов и средств обучения. Материалы статьи могут быть полезны для преподавателей системы среднего и высшего профессионального образования.

Рассматриваются социальное и градостроительное значение и основы проектирования общественных зданий и сооружений, их конструктивные системы, инженерно-техническое оснащение, экономика проектирования и в целом архитектурно-композиционные решения. Настоящее издание обновлено и дополнено главами, посвященными функциональным особенностям и архитектурно-строительной стандартизации общественных зданий и сооружений. В соответствии с новой учебной программой рассматривается проектирование комплексов НИИ, вузов, выставочно-музейных и административных зданий.

Для студентов архитектурных вузов и факультетов.

В монографии приводятся результаты исследования в 2018 году майкопского поселения Чекон в Западном Предкавказье (Анапский район Краснодарского края). Исследовано свыше 6 тысяч кв. метров культурного слоя поселения позднемайкопского времени (33 — 28 вв. до н. э.).
Изучены остатки хозяйственных и жилых построек, получена представительная коллекция изделий из керамики, камня и кости. Стали известны новые данные о характере металлургического производства и хозяйстве майкопского населения и его культурных контактах.
Серия захоронений на территории поселения значительно отличается от подкурганных и дополняет сведения о социальных взаимоотношениях жителей поселения Чекон.
Приводятся результаты комплексных естественнонаучных определений. Книга предназначена для специалистов, студентов и всех интересующихся древнейшей историей.