Научные конференции

Scientific articles foto2

Если Вы хотите напечататься в ближайшем номере, не откладывайте отправку заявки.
Потратьте одну минуту, заполните и отправьте заявку в Редакцию.


linecolor

Информационное письмо о научной конференции




Kasimova S.R. 

Kasimova Sevda Rasim - PhD in physico-mathematics Sciences, Associate Professor,

ENGINEERING PHYSICS AND ELECTRONICS DEPARTMENT,

АZERBAIJAN TECHNICAL UNIVERSITY,

BAKU, REPUBLIC OF AZERBAIJAN

Abstract: the dependences of the wave reflection coefficient on the layer thickness of a liquid absorbing dielectric and a magnet in free space and in a TE waveguide are studied. The functional relationships between the position and the magnitude of the extreme of these dependences and the values of the dielectric or magnetic properties of the substance are determined.

Keywords: dielectric loss, dielectric constant, liquid and solid substances.

Касимовa С.Р. 

Касимовa Севда Расим гызы - кандидат физико-математических наук, доцент,

 кафедра инженерной физики и электроники,

Азербайджанский технический университет,

г. Баку, Азербайджанская Республика

Аннотация: исследованы зависимости коэффициента отражения волны от толщины слоя жидкого поглощающего диэлектрика и магнетика в свободном пространстве и в ТЭ волноводе. Определены функциональные зависимости между положением и величиной экстремума этих зависимостей и величинами диэлектрических или магнитных свойств вещества.

Ключевые слова: диэлектрические потери, диэлектрическая проницаемость, жидкие и твердые вещества. 

References / Список литературы

  • Poley J.Ph. The Computation of the Complex Dielectric Constant from Micro-wave Impedance Measurements. // Appl.Sci.Res., 1955. V. № 5. Р. 337.
  • Kasimov M., Kasimova S.R. Nonreflective passage of electro­­magnetic radiation on its incidence at an angle on the absorbing layer of a dielectric // Journal of Engineering Physics and Thermophysics. New-York, USA, 2011. Vol. 84. Is.4. Рp. 787-793.
  •  Kasimova S.R. Measurements of the Dielectric Properties of Strongly Absorbing Substances at Microwave Frequencies // Measurement Techniques. USA, New-York, 2016. Volume 58. Issue 12. Рp. 1372-1375.
  • Kasimova S.R. Аpplication of the method of pulse sounding the substance for identifying and measuring the dielectric properties of polar liquids // Paradigmata Poznání. Prague, Czech Republic. № 3, 2017. Р. 59-62.

Ссылка для цитирования данной статьи

scientific conference copyright    

Ссылка для цитирования. Kasimova S.R. METODS OF MEASURING THE DIELECTRIC COEFFICIENTS OF HIGHLY ABSORBING SOLID AND LIQUID SUBSTANCES [МЕТОДЫ ИЗМЕРЕНИЯ ДИЭЛЕКТРИЧЕСКИХ КОЭФФИЦИЕНТОВ СИЛЬНО ПОГЛОЩАЮЩИХ ТВЕРДЫХ И ЖИДКИХ ВЕЩЕСТВ]// XXVI INTERNATIONAL SCIENTIFIC REVIEW OF THE TECHNICAL SCIENCES, MATHEMATICS AND COMPUTER SCIENCE Свободное цитирование при указании авторства: https://scientific-conference.com/grafik/2022.html (Boston.USA. - December, 2022). с. {см. сборник}

scientific conference pdf

Karnaukhov A.V. 

Karnaukhov Arseniy Viktorovich – undergraduate Student,

DEPARTMENT OF APPLIED MATHEMATICS,

NATIONAL RESEARCH UNIVERSITY HIGHER SCHOOL OF ECONOMICS, MOSCOW

Abstract: this article analyzes the game of Go that has long been considered the most difficult of the classic computer games because of its huge space of possible positions, as well as the difficulty of evaluating them. The breakthrough in the field of computer Go was made by the AlphaGo program. AlphaGo was the first program to beat a professional player in Go. It was developed by the Google DeepMind in 2015 and described in the article [1]. The purpose of this paper is to give the reader a clear understanding of how the AlphaGo algorithm works and what ideas it uses.

Keywords: AlphaGo, network, Go, move, position.

Карнаухов А.В. 

Карнаухов Арсений Викторович – студент бакалавриата,

кафедра прикладной математики,

Национальный исследовательский университет «Высшая школа экономики, г. Москва

Аннотация: в данной статье анализируется игра Го, которая долгое время считалась самой сложной из классических компьютерных игр из-за огромного пространства возможных позиций, а также сложности их оценки. Прорыв в области компьютерного го совершила программа AlphaGo. AlphaGo была первой программой, обыгравшей профессионального игрока в го. Она была разработана Google DeepMind в 2015 году и описана в статье [1]. Цель этой статьи — дать читателю четкое представление о том, как работает алгоритм AlphaGo и какие идеи он использует.

Ключевые слова: AlphaGo, сеть, Go, ход, позиция.

References / Список литературы

1. Silver David et al. Mastering the game of Go with deep neural networks and tree search. [Electronic Resource]. URL: https://doi.org/10.1038/nature16961/ (date of access: 07.11.2022).

Ссылка для цитирования данной статьи

scientific conference copyright    

Ссылка для цитирования. Karnaukhov A.V. HOW ALPHAGO WORKS - THE FIRST PROGRAM TO BEAT A HUMAN IN THE GAME OF GO [КАК РАБОТАЕТ АЛЬФАГО - ПЕРВАЯ ПРОГРАММА, ПОБЕЖДАЮЩАЯ ЧЕЛОВЕКА В ИГРЕ ГО]// XXVI INTERNATIONAL SCIENTIFIC REVIEW OF THE TECHNICAL SCIENCES, MATHEMATICS AND COMPUTER SCIENCE Свободное цитирование при указании авторства: https://scientific-conference.com/grafik/2022.html (Boston.USA. - December, 2022). с. {см. сборник}

 scientific conference pdf

Shahulov N.R. 

Shahulov Nikita Renarievich - Member Russian Space Society, American Geophysical Union, Specialist in geoinformation systems and geomarketing,

INNOVATIVE AND EDUCATIONAL CENTER FOR SPACE SERVICES

JSC "RPC "RECOD", VOLGOGRAD

Abstract: the development of an accurate assessment of the position of the onboard camera is one of the main tasks of satellite systems, and attempts to improve the accuracy of the position of the remote sensing camera never stop. The camera position can be restored by aligning the captured 2D image and the 3D digital surface model of the corresponding scene. This article proposes a new method for estimating the camera position from captured images using more well-known 3D real scene products to improve the accuracy of determining the position of a remote sensing camera. The purpose of this assessment is to determine the camera position solely from an image based on a known 3D model, where 3D products with very high spatial resolution are projected onto the image space by a virtual camera system with the initial parameters of the external orientation contained in the errors, and whether the camera position can be determined. exactly depends on the result of 2D–3D registration. The process consists of two stages: feature extraction and measurement, and similarity registration. In addition, the proposed method revises the rotation matrix and the displacement vector using a formulation based on the quaternion representation of rotation, respectively. I am evaluating the method on complex simulation data, and the results show that acceptable accuracy of the camera position can be achieved.

Keywords: satellite, physics, mathematics, astrophysics, 3D models, satellite images, quaternion, photogrammetry, computer vision, AR, VR.

Шахулов Н.Р. 

Шахулов Никита Ренарьевич - Член Русского Космического Общества, Американского геофизического союза, специалист по геоинформационным системам и геомаркетингу,

Инновационный-образовательный Центр космических услуг

ОАО «НПК «РЕКОД», г. Волгоград

Аннотация: разработка точной оценки положения бортовой камеры является одной из основных задач спутниковых систем, и попытки улучшить точность положения камеры дистанционного зондирования никогда не прекращаются. Положение камеры может быть восстановлено путем выравнивания захваченного 2D-изображения и 3D-цифровой модели поверхности соответствующей сцены. В этой статье предлагается новый метод оценки положения камеры по захваченным изображениям с использованием более известных 3D-продуктов real scene для повышения точности определения положения камеры дистанционного зондирования. Целью этой оценки является определение положения камеры исключительно по изображению, основанному на известной 3D-модели, где 3D-продукты с очень высоким пространственным разрешением проецируются на пространство изображения системой виртуальной камеры с содержащимися в ошибках начальными параметрами внешней ориентации, и можно ли определить положение камеры. точно зависит от результата 2D–3D регистрации. Процесс состоит из двух этапов: извлечение признаков и измерение, и регистрация сходства. Кроме того, предлагаемый способ пересматривает матрицу вращения и вектор перемещения, используя формулировку, основанную на кватернионном представлении вращения, соответственно. Я оцениваю метод на сложных данных моделирования, и результаты показывают, что может быть достигнута приемлемая точность положения камеры.

Ключевые слова: спутник, физика, математика, астрофизика, 3D-модели, спутниковые снимки, кватернион, фотограмметрия, компьютерное зрение, AR, VR.

Список литературы / References

  1. Ли К., Ван К., Ли Х.: Изучение взаимосвязи между 2D / 3D сверткой для сверхразрешения гиперспектральных изображений. IEEE Trans. Геосци. Дистанционное зондирование. 59(10), 8693-8703 (2021).
  2. Мегахед Ю., Шейкер А., Ян У.Ю.: Основанный на фазовой конгруэнтности подход к абстракции сцен для 2d-3d регистрации аэрофотоснимков и лидарных изображений. IEEE J. Sel. Верхний. Приложение. Земной шар. Дистанционный датчик 14, 964-981 (2021).
  3. Фролих Р., Тамас Л., Като З.: Оценка абсолютной позы центральных камер с использованием плоских областей. IEEE Trans. Узор Анального секса. Мах. Интеллект. 43(2), 377-391 (2021).
  1. Шугуров И., Павлов И., Захаров С. и др.: Уточнение позы объекта с несколькими видами с помощью дифференцируемого средства визуализации. Робот IEEE. Автом. Салат Латук. 6(2), 2579-2586 (2021).
  2. Юнг Дж., Сон Г., Банг К. и др.: Сопоставление аэрофотоснимков с 3D-моделями зданий с использованием контекстно-ориентированного геометрического хеширования. Датчики 16(6), 932 (2016).
  3. Куяма Т., Канемура А., Като С. и др.: Определение ориентации спутника и картографическая проекция на основе надежного сопоставления изображений. Дистанционный датчик 9(1), 90 (2017).
  4. Фукс К., Гюльх Э., Ферстнер В.: Исследование OEEPE по 3D-моделям городов. Официальная публикация, Европейская организация экспериментальных фотограмметрических исследований. 9-124 (1998).
  5. Лян Х., Ван Х., Лю Ю.Х. и др.: Стабилизация позы неголономных мобильных роботов с помощью действительно некалиброванной верхней камеры на основе чистого изображения. IEEE Trans. Робот. 36(3), 724-742 (2020).
  6. Чжоу Ю., Ли Х., Кнейп Л.: Кэнни-во: Визуальная одометрия с камерами rgb-d на основе геометрического выравнивания краев 3-d-2-d. IEEE Trans. Робот. 35(1), 184-199 (2018).
  7. Авбель Дж., Иващук Д., Стилла У.: Сопоставление 3D-моделей каркасных зданий с особенностями изображений из инфракрасных видеопоследовательностей, снятых вертолетами или беспилотниками. В V: III симпозиум Комиссии ISPRS по фотограмметрическому компьютерному зрению и анализу изображений. Париж, Франция, 1(3), стр. 149-154 (2010).
  8. Авбель Дж., Иващук Д., Мюллер Р. и др.: Уточнение сорегистрации гиперспектральных изображений и DSM: объектно-ориентированный подход с использованием спектральной информации. ISPRS-J. Фотограмма. Дистанционный датчик 100, 23-34 (2015)
  9. Лю Л., Стамос И.: Системный подход к регистрации 2D-изображений в 3D-диапазоне в городских условиях. Вычислить. Визави. Изображение под стр. 116(1), 25-37 (2012) Чанг и др. 11.
  10. Cai X., Ye P.: Исследование спутникового датчика ориентации с использованием информации об изображениях дистанционного зондирования. Подбородок. Космическая наука. Технол. 25, 8–13 (2005).
  11. Ян Б., Чен К.: Автоматическая регистрация последовательных изображений с БПЛА и данных лидара. ISPRS-J. Фотограмма. Дистанционный датчик 101, 262-274 (2015).
  12. Кампосеко Ф., Коэн А., Поллефейс М. и др.: Оценка положения гибридной камеры. В: Труды Конференции IEEE по компьютерному зрению и распознаванию образов (CVPR), стр. 136-144. Солт-Лейк, Юта, США (2018).
  13. Замир А.Р., Хаким А., Гул Л.В. и др.: Крупномасштабная визуальная геолокализация. Чам, Швейцария: Издательство Springer International Publishing (2016).
  14. Зейсл Б., Саттлер Т., Поллефейс М.: Голосование за позу камеры для крупномасштабной локализации на основе изображений. В: Труды Международной конференции IEEE по компьютерному зрению (CVPR), стр. 2704-2712. Сантьяго, Чили (2015).
  15. Саттлер Т., Лейбе Б., Коббелт Л.: Эффективное и эффективное согласование приоритетов для крупномасштабной локализации на основе изображений. IEEE Trans. Узор Анального секса. Мах. Интеллект. 39(9), 1744-1756 (2017).
  16. Торий А., Тайра Х., Сивич Дж. и др.: Действительно ли крупномасштабные 3D-модели необходимы для точной визуальной локализации? IEEE Trans. Узор Анального секса. Мах. Интеллект. 43(3), 814-829 (2021).
  17. Саттлер Т., Лейбе Б., Коббелт Л.: Быстрая локализация на основе изображений с использованием прямого сопоставления 2d и 3d. В: Труды Международной конференции IEEE Конференция по компьютерному зрению (ICCV), стр. 667-674. Барселона, Испания (2011).
  18. Лю Л., Ли Х., Дай Ю. Эффективное глобальное сопоставление 2d и 3d для локализации камеры на крупномасштабной 3d-карте. В: Труды Международной конференции IEEE Конференция по компьютерному зрению (ICCV), стр. 2391-2400. Венеция, Италия (2017).
  19. Чжао Ю., Ван Ю., Цай Ю.: регистрация 2d-изображения в 3d-диапазоне в городских условиях с помощью категоризации сцен и комбинации измерений сходства. В: Материалы Международной конференции IEEE по Робототехника и автоматизация (ICRA), стр. 1866-1872. Стокгольм, Швеция (2016).
  20. Кромбез Н., Сеулин Р., Морель О. и др.: Мультимодальное преобразование 2D-изображения в 3D-модель посредством взаимного выравнивания разреженных и плотных визуальных объектов. В: Труды Международной конференции IEEE по робототехнике и автоматизации (ICRA), стр. 6316-6322. Брисбен, Квинсленд, Австралия (2018).
  21. Ли Дж., Ян Б., Чен К. и др.: Автоматическая регистрация последовательности панорамных изображений и данных мобильного лазерного сканирования с использованием семантических признаков. ISPRS-J. Фотограмма. Дистанционный датчик 136, 41-57 (2017).
  22. Liu, Y., Dong, Y., Song, Z. и др.: регистрация набора точек 2d-3d на основе поиск по глобальной ротации. IEEE Trans. Обработка изображений. 28(5), 2599-2613 (2019).
  23. Кэмпбелл Д., Петерссон Л., Кнайп Л. и др.: Глобально-оптимальная максимизация набора входных данных для оценки положения камеры и соответствия. IEEE Транс. Узор Анального секса. Мах. Интеллект. 42(2), 328-342 (2018).
  24. Кендалл А., Граймс М., Чиполла Р.: Posenet: Сверточная сеть для перемещения камеры с разрешением 6 кадров в секунду в реальном времени. В: Труды международной конференции IEEE по компьютерному зрению (ICCV), стр. 2938-2946. Сантьяго, Чили (2015).
  25. Ву Дж., Ма Л., Ху Х.: Углубляясь в сверточные нейронные сети для перемещения камеры. В: Труды Международной конференции IEEE по робототехнике и автоматизации (ICRA). Стр. 5644-5651. Сингапур (2017).
  26. Моу Ю., Хуан З., Лин Л. и др.: Сеть позирования с геометрическим контролем для точной оценки позы на полках магазинов. IEEE Trans. Инд. Сообщить. 17(4), 2357-2364 (2021).
  27. Цзоу У., Ву Д., Тянь С. и др.: Сквозная оценка позы 6DoF по монокулярным изображениям RGB. IEEE Trans. Потребление. Электрон. 67(1), 87-96 (2021).
  28. Кендалл А., Чиполла Р.: Функции геометрических потерь для позы камеры регрессия с глубоким обучением. В трудах конференции IEEE по компьютерному зрению и распознаванию образов (CVPR), стр. 6555-6564. Гонолулу, Калифорния, США (2017).
  29. Виджаянарасимхан С., Рикко С., Шмид С. и др.: Sfm-net: Изучение структуры и движения по видео. Препринт arXiv arXiv: 1704.07804 (2017). [Электронный ресурс]. Режим доступа: https://scholar.google.com/scholar?cluster=13638061021599838030&hl=zh-CN&as_sdt=0,5/ (дата обращения: 31.08.2022).
  30. Фатиан К., Рамирес-Паредес Дж.П., Дусетт Э.А. и др.: Quest: основанный на кватернионах подход к оценке движения камеры с минимальной характерные точки. Робот IEEE. Автом. Салат Латук. 3(2), 857-864 (2018)
  31. Дин Ю., Ян Дж., Понс Дж. и др.: Оценка относительной позы в минимальном случае на основе гомографии с известным направлением силы тяжести. IEEE Trans. Узор Анального секса. Мах. Интеллект. 44(1), 196-210 (2022).
  32. Саурер О., Вассер П., Бутто Р. и др.: Оценка эгомоции на основе гомографии с общим направлением. IEEE Trans. Узор Анального секса. Мах. Интеллект. 39(2), 327-341 (2017).
  33. Домокос С., Немет Дж., Като З.: Нелинейная регистрация формы без соответствий. IEEE Trans. Узор Анального секса. Мах. Интеллект. 34(5), 943-958 (2012).
  34. Ding Y., Yang J., Ponce J. и др.: Минимальные решения для оценки относительной позы с двух точек зрения, имеющих общее направление с неизвестным фокусным расстоянием. В: Материалы конференции IEEE/CVF по компьютерным Зрение и распознавание образов (CVPR), стр. 7043-7051. Сиэтл, Вашингтон, США (2020).
  35. Суини К., Флинн Дж., Терк М.: Решение для относительной позы с частично известным вращением является квадратичной задачей на собственные значения. В: Труды Конференции IEEE по 3D-видению, стр. 483-490. Токио, Япония (2014).
  36. Гейгер А., Ленц П., Уртасун Р.: Готовы ли мы к автономному вождению? Набор тестов kitti vision. В: Труды конференции IEEE по компьютерному зрению и распознаванию образов (CVPR), стр. 3354-3361. Провиденс, Калифорния, США (2012).
  37. Мэддерн У., Паско Г., Линегар С. и др.: 1 год, 1000 км: набор данных oxford robotcar. Инт. Дж. Робот. Резолюция 36(1), 3-15 (2017).
  38. Мэддерн У., Паско Г., Гэдд М. и др.: Кинематическая достоверность в реальном времени для набора данных Oxford RobotCar. Препринт arXiv arXiv: 2002.10152 (2020). [Электронный ресурс]. Режим доступа: https://scholar.google.com/scholar?hl=zh-CN&as_sdt=0%2C5&q=Real‐time+kinematic+ground+truth+for+the+Oxford+RobotCar+dataset&btnG=/ (дата обращения: 31.08.20220).
  39. Нистер Д.: Эффективное решение проблемы относительной позы из пяти пунктов. IEEE, пер. Узор, Анальный. Мах. Интеллект. 26(6), 756-770 (2004).
  40. Стевениус Х., Энгельс К., Нистер Д.: Последние разработки в области прямой относительной ориентации. ISPRS-J. Фотограмма. Дистанционный датчик 60(4), 284-294 (2006).
  41. Кукелова З., Буйнак М., Пайдла Т.: Полиномиальные решения на собственные значения для задач относительной постановки 5-pt и 6-pt. В: Труды британской Конференции по машинному зрению, стр. 565-574. Лондон: Британское машинное зрение Ассоциация (2008).
  42. Сенсефлай. маленькая деревня. [Электронный ресурс]. Режим доступа: https://www.sensefly.com/education/datasets/ (дата обращения: 22.06.2022).
  43. USGS. Исследователь Земли. [Электронный ресурс]. Режим доступа: https://earthexplorer.usgs.gov/ (дата обращения: 08.2016).
  44. Чанг Х., Ву Г., Чианг Х.: Регистрация изображений дистанционного зондирования на основе модифицированного просеивания и группировки уклонов объектов. IEEE Geosci. Дистанционный датчик. Салат Латук. 16(9), 1363-1367 (2019).
  45. Чен С., Чжун С., Сюэ Б. и др.: Итеративное масштабно-инвариантное преобразование признаков для регистрации изображений дистанционного зондирования. IEEE Trans. Геосци. Дистанционный датчик 59(4), 3244-3265 (2021).

Ссылка для цитирования данной статьи

scientific conference copyright    

Ссылка для цитирования.Шахулов Н.Р.  ОПРЕДЕЛЕНИЕ ПОЛОЖЕНИЯ В КОСМОСЕ НА ОСНОВЕ СОПОСТАВЛЕНИЯ ИЗОБРАЖЕНИЯ С 3D-ЦИФРОВОЙ МОДЕЛЬЮ ПОВЕРХНОСТИ [DETERMINATION OF THE POSITION IN SPACE BASED ON THE COMPARISON OF THE IMAGE WITH A 3D DIGITAL MODEL OF THE SURFACE]// LXXXVI International Scientific and Practical Conference «International Scientific Review of the Problems and Prospects of Modern Science and Education Свободное цитирование при указании авторства:https://scientific-conference.com/grafik.html (Boston, USA - 30 August, 2022). с. {см. сборник}

scientific conference pdf

 

Schukina A.V., Belozerov O.I.

Schukina Alena Viktorovna – Student;

Belozerov Oleg Ivanovich - PhD in Technics, Associate Professor,

DEPARTMENT OF COMPUTER ENGINEERING AND COMPUTER GRAPHICS,

NATURAL SCIENCE INSTITUTE FAR EASTERN STATE TRANSPORT UNIVERSITY, KHABAROVSK

Abstract: the article deals with issues related to the introduction of gaming teaching methods in the educational process. The analysis of several successful educational resources using gamification has been carried out. Using the example of three online services, it is considered what specific specific tasks gamification solves, what game mechanics are used and how it improves learning. The choice of gamification as the main method for working with students allowed the described educational platforms not only to increase attendance, but also to increase the interest of participants in the learning process.

Keywords: learning, learning platform, gamification.

Щукина А.В., Белозеров О.И. 

Щукина Алена Викторовна — студент;

Белозеров Олег Иванович - кандидат технических наук, доцент,

кафедра вычислительной техники и компьютерной графики, Естественно-научный институт

Дальневосточный государственный университет путей сообщения,

г. Хабаровск

Аннотация: в статье рассматриваются вопросы, связанные с внедрением игровых методов обучения в учебный процесс. Проведен анализ нескольких успешных образовательных ресурсов, использующих геймификацию. На примере трёх онлайн-сервисов рассмотрено, какие конкретные специфические задачи решает геймификация, какие игровые механики используются и как это улучшает обучаемость. Выбор геймификации, в качестве основного метода для работы с учениками, позволил описанным образовательным платформам не просто поднять посещаемость, но и увеличить заинтересованность участников в процессе обучения.

Ключевые слова: обучение, учебная платформа, геймификация.

Список литературы / References

  1. Куликов В.П. Игровые элементы геймификационной системы / В.П. Куликов, С.Д. Байжуманов, К.Р. Кусманов // Вестник Алматинского университета энергетики и связи, 2019. № 4(47). С. 250-255. DOI 10.51775/1999-9801_2019_47_4_250. EDN QINYYN.
  2. Разбор сервиса для изучения иностранных языков Memrise [Электронный ресурс]. Режим доступа: https://www.gamification-now.ru/cases/memrise-obrazovatelnaya-platforma/ (дата обращения: 09.06.2022).
  3. Елисеева Е.В. Технология геймификации в современном вузе / Е.В. Елисеева, С.Н. Злобина, В.В. Ерохин // Актуальные проблемы развития вертикальной интеграции системы образования, науки и бизнеса: экономические, правовые и социальные аспекты: материалы IV Международной научно-практической конференции, Воронеж, 22–23 октября 2015 года. Воронеж: Воронежский центр научно-технической информации, 2015. С. 190-194. –EDN VQRXBL.
  4. Демченко Т.С. Геймификация в системе высшего образования: актуальность исследования / Т.С. Демченко // Новое поколение, 2016. № 9. С. 55-60. EDN VXNGWJ.
  5. Tsitavets T.Y. Gamification in higher education: contemporary issues / T.Y. Tsitavets // Университет – территория опережающего развития: Сборник научных статей Международной научно-практической конференции, посвящённый 80-летию ГрГУ им. Янки Купалы, Гродно, 19–20 февраля 2020 года / Редколлегия: Ю.Я. Романовский (гл. ред.) [и др.]. Гродно: Гродненский государственный университет имени Янки Купалы, 2020. С. 256-257. EDN HSNILP.
  6. Разбор сервиса Castle Quiz. [Электронный ресурс]. Режим доступа: https://www.gamification-now.ru/cases/castle-quiz-intellektualnye-igry-dlya-podgotovki-k-ege-oge-i-samorazvitiya/ (дата обращения: 04.06.2022).
  7. Биджиева С.Х. Геймификация образования: проблемы использования и перспективы развития / С.Х. Биджиева, Ф.А.А. Урусова // Мир науки. Педагогика и психология, 2020. Т. 8. № 4. С. 14. EDN FDZEAM.
  8. Сулеймен А. Сравнительное исследование геймификации в образовании и обучение на основе игр / А. Сулеймен // Аллея науки, 2019. Т. 3. № 6(33). С. 857-863. EDN WGKLZF.
  9. Широколобова А.Г. Геймификация в условиях цифровой трансформации образования / А.Г. Широколобова // Вестник Самарского государственного технического университета. Серия: Психолого-педагогические науки, 2022. Т. 19. № 1. С. 5-20. DOI 10.17673/vsgtu-pps.2022.1.1. EDN EHWBZE.
  10. Климкович Е.В. Развитие геймификации образования в процессе реализации программ высшего и дополнительного образования / Е.В. Климкович // Современное педагогическое образование, 2021. № 8. С. 23-26. EDN LWUELE.
  11. Козлова Ю.Б. Геймификация в системе современного высшего образования: теоретические основы и практическая значимость / Ю.Б. Козлова // История и педагогика естествознания, 2022. № 1. С. 19-22. DOI 10.24412/2226-2296-2022-1-19-22. EDN JQYNSY.
  12. Разбор кейса онлайн-квеста «Путь волонтёра». [Электронный ресурс]. Режим доступа: https://www.gamification-now.ru/cases/dobro-ru-put-volontyora-kulturi/ (дата обращения: 01.06.2022).
  13. Разбор сервиса Lingualeo. [Электронный ресурс]. Режим доступа: https://www.gamification-now.ru/cases/lingualeo/ (дата обращения: 09.06.2022).

Ссылка для цитирования данной статьи

scientific conference copyright    

Ссылка для цитирования.Schukina A.V., Belozerov O.I. ONLINE EDUCATIONAL SERVICES USING GAMIFICATION AS THE MAIN TOOL OF THE EDUCATIONAL PROCESS [ОБРАЗОВАТЕЛЬНЫЕ ОНЛАЙН-СЕРВИСЫ, ИСПОЛЬЗУЮЩИЕ ГЕЙМИФИКАЦИЮ, КАК ОСНОВНОЙ ИНСТРУМЕНТ ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА]// XXVI INTERNATIONAL SCIENTIFIC REVIEW OF THE TECHNICAL SCIENCES, MATHEMATICS AND COMPUTER SCIENCE Свободное цитирование при указании авторства: https://scientific-conference.com/grafik/2022.html (Boston.USA. - 30 July, 2022). с. {см. сборник}

scientific conference pdf

Яндекс.Метрика Рейтинг@Mail.ru

Контакты в России

Мы в социальных сетях

Внимание

Как авторам, при выборе журнала, не попасть в руки мошенников. Очень обстоятельная статья. >>>