Искать по свойству

На этой странице предоставлен простой интерфейс просмотра для нахождения сущностей по описанным свойствам и именованным значениям. Другие доступные интерфейсы поиска включают в себя страницу поиск свойств и построитель поисковых запросов.

Список результатов

• School Choice ABM  + (Модель "School Enrollment" представляет со … Модель "School Enrollment" представляет собой модель, которая иллюстрирует систему школьного образования в Чили, основанную на рыночных принципах. В этой модели студенты могут выбирать между различными типами школ: государственными, частными с ваучерами и частными платными. Модель изображает город, в котором расположены школы и студенты. </br>: schools-own - enrollment achievement traffic-lights-color is-private? </br>: students-own - target enrolled? income years-in-school school-achievement</br>Есть версии, когда имеют дополнительные атрибуты, такие как географическое положение, сектор (государственная или частная), стоимость обучения, уровень достижений студентов, максимальная вместимость, год открытия и закрытия, а также вероятность того, что о ней узнают ученики.</br>* http://digida.mgpu.ru/images/f/f4/School_achivements.jpgmgpu.ru/images/f/f4/School_achivements.jpg)
• Urban Suite - Economic Disparity  + (Модель "Urban Suite - Economic Disparity" … Модель "Urban Suite - Economic Disparity" представляет упрощённую городскую экономическую систему, где агенты с различным социально-экономическим статусом конкурируют за землю в городском пространстве. Модель исследует процессы пространственной сегрегации и формирования экономического неравенства в городской среде. В модели есть фиксированные рабочие места (серые квадраты), распределённые по городской территории. Агенты стремятся минимизировать расстояние до ближайшего места работы.ать расстояние до ближайшего места работы.)
• Wolf-Sheep Predation  + (Модель "Волки и овцы" — это классическая м … Модель "Волки и овцы" — это классическая многоагентная модель, которая исследует устойчивость экосистемы хищник-жертва. Она демонстрирует, как популяции волков и овец колеблются друг относительно друга, и показывает условия, при которых такая система остается устойчивой (не ведет к вымиранию видов).</br></br>Модель иллюстрирует один из фундаментальных принципов в экологии и теории систем: сложные динамики могут возникать из простых локальных взаимодействий.икать из простых локальных взаимодействий.)
• Модель NetLogo  + (Модель - многоагентная симуляция какого-либо процесса, написанная на языке NetLogo. Используется в качестве социального объекта в целом ряде сетевых сообществ для взаимодействия студентов, преподавателей и исследователей.)
• DigCompOrg  + (Модель DigCompOrg была разработана европей … Модель DigCompOrg была разработана европейскими исследователями и экспертами в области образования. Одна из задач, которую ставили перед собой разработчики, — за счет регулярного самооценивания изменений помочь образовательным организациям в обновлении образовательного процесса, развитии цифровых компетенций, для описания которых может быть использован свод компетенций гражданина в цифровую эпоху DigComp. Впоследствии был разработан свод компетенций педагогов DigCompEdu.тан свод компетенций педагогов DigCompEdu.)
• Minority Game  + (Модель Minority Game (Игра меньшинства) — … Модель Minority Game (Игра меньшинства) — это упрощённая модель экономического рынка, в которой агенты конкурируют, пытаясь оказаться в меньшинстве. На каждом временном шаге каждый агент выбирает одну из двух сторон (0 или 1). Побеждают те агенты, которые оказались в меньшинстве — на стороне, выбранной меньшим числом участников. За каждую победу агент получает очко. Каждый агент располагает набором предопределённых стратегий (например, пять стратегий). Стратегия — это правило, которое на основе истории прошлых результатов предсказывает, какая сторона будет в меньшинстве. Важно: агенты видят только историю победивших, а не количество агентов, выбравших каждую сторону. История прошлых выборов кодируется в двоичное число и используется как индекс для поиска в таблице стратегии. Каждая стратегия отслеживает свои собственные виртуальные очки — как она бы предсказывала на каждом шаге. Агент всегда использует стратегию с наибольшим количеством виртуальных очков. наибольшим количеством виртуальных очков.)
• Language Change  + (Модель «Language Change» (Изменение языка) … Модель «Language Change» (Изменение языка) представляет собой агентную симуляцию, в которой каждый агент (житель сетки) владеет одной из нескольких языковых форм (например, вариантов произношения или лексических единиц). На каждом шаге моделирования:</br>* Каждый агент выбирает одного случайного соседа из своих четырёх или восьми соседних клеток. </br>* Агент «усваивает» языковую форму соседа с заданной вероятностью (параметр перехода), что моделирует влияние контакта и заимствования. </br>При этом может происходить «ошибка передачи» (мутация), когда форма изменяется случайным образом с малой вероятностью. </br>По мере итераций формируются языковые «облака» и кластеры, отражающие процессы диалектообразования, распространения новаций и угасания старых вариантов.нения новаций и угасания старых вариантов.)
• Rumor Mill  + (Модель «Rumor Mill» (Распространение слуха … Модель «Rumor Mill» (Распространение слуха) описывает, как информация (слух) распространяется в пространственной сети агентов, где близость играет ключевую роль. Каждый агент расположен на клетке (patch) в сетке. «Соседями» считаются либо четыре смежные по сторонам клетки, либо восемь (включая диагонали) — этот выбор задаёт переключатель EIGHT-MODE?.</br>На каждом такте моделирования каждый агент, знающий слух, случайным образом выбирает одного из своих соседей и сообщает ему слух.ного из своих соседей и сообщает ему слух.)
• Dawkins Weasel  + (Модель «Weasel» иллюстрирует принцип кумул … Модель «Weasel» иллюстрирует принцип кумулятивного отбора, демонстрируя, как последовательные мутации и отбор ближайших по сходству к целевой фразе строк приводят к её быстрому «эволюционному» воспроизведению. Модель представляет нематериальный «вид» строк фиксированной длины, состоящих из заглавных букв английского алфавита и пробелов. При запуске:</br>* Генерируется случайная строка-родитель длины целевой фразы (например, «METHINKS IT IS LIKE A WEASEL»).</br>* Каждый шаг родитель порождает фиксированное число потомков. При копировании каждого символа имеется шанс мутации, при котором символ заменяется случайной буквой или пробелом.</br>* Из всех потомков выбирается тот, чья строка наиболее похожа на целевую фразу (по количеству совпадающих символов). Этот потомок становится родителем следующего поколения</br>* Процесс повторяется, пока не будет получена строка, идентичная целевой фразе, после чего выводится число поколений до успеха. чего выводится число поколений до успеха.)
• Economic Disparity  + (Модель «Экономическое неравенство» предста … Модель «Экономическое неравенство» представляет собой симуляцию городской среды, в которой две категории населения — богатые и бедные — выбирают место жительства, учитывая три ключевых параметра: стоимость земли, качество территории и близость к рабочим местам. Модель иллюстрирует процессы пространственной сегрегации по доходам, формирование кластеров услуг в более состоятельных районах и динамическое изменения характеристик территории под влиянием социально-экономического состава населения. Она служит инструментом для изучения взаимосвязи социально-экономических факторов и распределения населения, а также демонстрирует принципы гедонистического выбора и положительную обратную связь в городской экономике. Каждый агент действует согласно собственным правилам и целям, что делает модель более реалистичной по сравнению с подходами, основанными на оптимизации общесистемных критериев. Изучение эмерджентных свойств. Модель показывает, как индивидуальные предпочтения агентов приводят к крупномасштабным структурам - сегрегации населения по доходам и кластеризации услуг в более состоятельных районах. Это демонстрирует концепцию эмерджентности в сложных системах.нцепцию эмерджентности в сложных системах.)
• Piaget-Vygotsky (model)  + (Модель «обучения через игру» была создана … Модель «обучения через игру» была создана для следующих целей: </br>#продемонстрировать жизнеспособность агент-ориентированного моделирования для изучения социально-психологических феноменов развития; </br># проиллюстрировать потенциал ABM как платформы, позволяющей общаться и сотрудничать между психологами с различными теоретическими взглядами; и, в частности,</br># визуализировать взаимодополняемость объяснений Пиаже и Выготского о том, как люди учатся.</br>* http://digida.mgpu.ru/images/thumb/5/56/Piage_Vyg.png/120px-Piage_Vyg.pngumb/5/56/Piage_Vyg.png/120px-Piage_Vyg.png)
• Модель акторов  + (Модель а́кторов — математическая модель па … Модель а́кторов — математическая модель параллельных вычислений, строящаяся вокруг понятия актора (англ. actor «актёр; действующий субъект»), считающегося универсальным примитивом параллельного исполнения. Актор в данной модели взаимодействует путём обмена сообщениями с другими акторами, и каждый в ответ на получаемые сообщения может принимать локальные решения, создавать новые акторы, посылать свои сообщения, устанавливать, как следует реагировать на последующие сообщения.дует реагировать на последующие сообщения.)
• Basketball analytics  + (Модель агентного моделирования (ABM) в бас … Модель агентного моделирования (ABM) в баскетболе, разработанная согласно протоколу ODD, исследует динамику игры как сложной адаптивной системы. В ней игроки принимают решения о бросках, передачах и дриблинге, основываясь на производительности своих товарищей по команде и различных игровых условиях, таких как оставшееся время и вероятность успешного броска. Модель учитывает влияние факторов, таких как "горячая рука" (hot-hand) и вера в главного игрока команды. Игроки взаимодействуют друг с другом и с окружающей средой, что позволяет моделировать реалистичные игровые ситуации. Результаты симуляции используются для анализа статистики и проверки гипотез о когнитивных искажениях в спортивной аналитике.</br>* http://digida.mgpu.ru/images/thumb/3/35/BasketABM.jpg/120px-BasketABM.jpgumb/3/35/BasketABM.jpg/120px-BasketABM.jpg)
• GenderDeSegregationSchool  + (Модель воспроизводит изменения в проценте … Модель воспроизводит изменения в проценте женщин-учителей в гимназиях федеральной земли Рейнланд-Пфальц в Германии с 1950 по 1989 год. Она начинается с данных о количестве мужчин и женщин-учителей в этих школах в 1950 году, которые считываются из файла school.txt, и отображает их на карте Рейнланд-Пфальца</br>* http://digida.mgpu.ru/images/thumb/1/1e/School_genderSegregation.jpg/120px-School_genderSegregation.jpgion.jpg/120px-School_genderSegregation.jpg)
• Модель данных  + (Модель данных — это абстрактное представление структуры информации, которое определяет, как данные организованы, связаны между собой и могут быть использованы в информационной системе.)
• Life (model)  + (Модель игры в жизнь. This particular cellu … Модель игры в жизнь. This particular cellular automaton is called The Game of Life. A cellular automaton is a computational machine that performs actions based on certain rules. It can be thought of as a board which is divided into cells (such as square cells of a checkerboard). Each cell can be either "alive" or "dead." This is called the "state" of the cell. According to specified rules, each cell will be alive or dead at the next time step.</br></br>Эмерджентность: в модели Life (model) эмерджентные явления играют ключевую роль. Они проявляются в виде неожиданных и сложно предсказуемых паттернов поведения, возникающих из простых правил взаимодействия между агентами. Эти паттерны могут включать сложные формы социального поведения, образование колоний или даже возникновение новых видов.</br></br>Адаптация: агентам в модели Life предоставляется возможность адаптироваться к меняющимся условиям среды. Это достигается путем модификации своих стратегий выживания и размножения на основе предыдущего опыта и наблюдений. Адаптации могут происходить как на уровне индивидуального агента, так и на популяционном уровне, что приводит к изменению генетической структуры популяции.</br></br>Обучение: агенты в модели способны обучаться на протяжении своего жизненного цикла. Они используют алгоритмы машинного обучения для анализа прошлых событий и выработки наиболее эффективных стратегий поведения. Обучение может осуществляться как индивидуально, так и через социальное взаимодействие, когда агенты передают свой опыт другим членам сообщества.</br></br>Прогнозирование: одной из ключевых функций модели является способность агентов к прогнозированию будущих состояний среды. На основании собранных данных и исторических тенденций агенты могут строить прогнозы относительно возможных изменений в среде обитания и соответствующим образом корректировать свое поведение.</br></br>Ощущение: агенты обладают способностью воспринимать окружающую среду через сенсоры, которые предоставляют им информацию о температуре, влажности, наличии пищи и других факторов. Эта информация используется для принятия решений и адаптации к текущим условиям.ия решений и адаптации к текущим условиям.)
• Модель компетенций  + (Модель компетенций (профиль компетенций) структурированный набор необходимых, идентифицируемых и измеряемых компетенций с индикаторами поведения)
• Leaders & Followers (model)  + (Модель лидеров (харизматиков) и их последователей - тех, кто за ними следует и устанавливает с ними связи. * http://digida.mgpu.ru/images/thumb/3/3b/Leaders_follow.png/120px-Leaders_follow.png)
• Модель межпредметных связей  + (Модель межпредметных связей представляет с … Модель межпредметных связей представляет собой образовательную технологию, которая направлена на интеграцию знаний из различных предметных областей. Основная идея заключается в том, чтобы учащиеся могли видеть взаимосвязь между различными областями знаний и применять знания из одной области в другой.</br></br>Эта модель предполагает, что учебный процесс должен быть организован таким образом, чтобы учащиеся могли применять знания из различных предметных областей для решения практических задач. Это помогает учащимся развивать критическое мышление, аналитические способности и умение решать сложные проблемы.</br></br>Модель межпредметных связей может быть реализована в различных формах. Например, можно проводить уроки, на которых учащиеся будут изучать одну тему с точки зрения различных предметных областей. Также можно проводить проекты, в которых учащиеся будут работать над решением реальной проблемы, используя знания из различных предметных областей.</br></br>Одним из преимуществ модели межпредметных связей является то, что она помогает учащимся лучше понимать взаимосвязь между различными областями знаний и применять знания из одной области в другой. Это способствует развитию критического мышления и аналитических способностей у учащихся.</br></br>Однако, реализация модели межпредметных связей требует от учителя высокой квалификации и умения работать с различными предметными областями. Также необходимо учитывать, что не все темы могут быть легко интегрированы в различные предметные области.</br></br>Модель межпредметных связей является эффективной образовательной технологией, которая помогает учащимся лучше понимать взаимосвязь между различными областями знаний и применять знания из одной области в другой.рименять знания из одной области в другой.)
• 1 ученик:1 компьютер  + (Модель мобильного обучения «1 ученик : 1 к … Модель мобильного обучения «1 ученик : 1 компьютер» («модель 1:1», eLearning 1:1) - это образовательная ситуация, в которой основным инструментом обучения школьника является компьютер, а в качестве методов обучения используются технологии и сервисы сетевого взаимодействия, информационного поиска и создания цифровых объектов. Оптимальным вариантом реализации модели является тот, при котором в распоряжении каждого учащегося и каждого учителя имеется собственный портативный, связанный с компьютерами других учащихся по беспроводной локальной сети, ноутбук, имеющий доступ к школьному или классному серверу (роль последнего может выполнять компьютер учителя) и имеющий выход в сеть интернет. учителя) и имеющий выход в сеть интернет.)
• Small group discussion  + (Модель обсуждения в малой группе. Модель * … Модель обсуждения в малой группе. Модель</br>* Различает роли студента и преподавателя — позволяет моделировать педагогические стратегии, а не только традиционные подходы к моделированию популяции агентов</br>* Агенты имеют убеждения о собственных состояниях и состояниях других агентов, которые изменяются в результате вербальных транзакций</br>* Учитывает конкуренцию и кооперацию как факторы, формирующие характер групповой дискуссии</br>* Предоставляет теоретическую перспективу для анализа индивидуального и группового развития вовлечённости в задачу (активность) и социальной вовлечённости с одноклассниками (дискурсивность) в независимых и модерируемых преподавателем малых группах модерируемых преподавателем малых группах)
• School Education Competition  + (Модель описывает роль образования в повыше … Модель описывает роль образования в повышении социального статуса и содействии социальной мобильности, подчеркивая, что семьи прилагают все усилия для получения лучших образовательных возможностей, особенно в странах с высокой конкурентностью в сфере образования (Китай).</br>* Эта модель позволяет исследовать динамику образовательной конкуренции и влияние различных факторов на качество образования и равенство возможностей среди студентов.</br>* http://digida.mgpu.ru/images/thumb/b/b4/Ed_competition_Model.jpg/120px-Ed_competition_Model.jpgn_Model.jpg/120px-Ed_competition_Model.jpg)
• Urban Suite - Awareness  + (Модель определяет теоретический уровень «о … Модель определяет теоретический уровень «осведомленности» человека в городской среде на основе случайного контакта человека с информационными центрами. В модели информационными центрами являются любые источники обмена позитивной информацией. В этой модели каждый человек обладает некоторой степенью «осведомленности», которая измеряется в «очках осведомленности». Существует дискретный набор «уровней» осознания, которых могут достичь люди. Человек может быть «неосведомленным» (0–5 баллов), «осведомленным» (5–10 баллов), «хорошо информированным» (10–15 баллов) или «активистом» (более 15 баллов).</br>Чтобы обрести осознанность, человек либо бежит в центр, где получает пять очков осознанности; или находится под влиянием хорошо информированного человека. Если одно из этих событий не произойдет в течение заданного временного шага (tick), человек потеряет одно очко осведомлённости (вплоть до нуля). Когда человек становится активистом (15 точек осознания), формируется новый центр. Новые информационные центры окрашены в синий цвет, а первоначальные информационные центры - в зеленый. Если никто не вступает в контакт с центром в течение заданного времени (см. ползунок НЕИСПОЛЬЗОВАНИЕ-ОГРАНИЧЕНИЕ), центр исчезает из мира. Если какой-либо информационный/рекламный метод или место не приносит результатов, в конечном итоге он будет закрыт.льтатов, в конечном итоге он будет закрыт.)
• Multi-mediator model  + (Модель позволяет проводить вычислительные … Модель позволяет проводить вычислительные эксперименты по изучению математических идей учениками средней школы. Модель посвящена проблема низкой успеваемости по математике у студентов с низким социально-экономическим статусом (SES). В Австралии 15-летние студенты с низким SES отстают на три года по уровню математической подготовки. Подобная же ситуация наблюдается и в США. Цель исследования - исследовать, может ли компьютерное моделирование помочь улучшить математическую успеваемость студентов с низким SES, чтобы преодолеть трехлетнее отставание. В модели используются данные по эффективности трех педагогических подходов из метаанализа 53 исследований (Sinha и Kapur, 2021):</br>* "Инструкция + решение задач" (I-PS)</br>* "Решение задач + инструкция" (PS-I, например, problem-based learning)</br>* «Продуктивная неудача» (PF)ed learning) * «Продуктивная неудача» (PF))
• Модель посещаемости студентов в учебное заведение в зависимости от негативных факторов  + (Модель посещаемости учащихся школы)

• Wandering Letters  + (Модель появления слов)

• Preferential Attachment  + (Модель предпочтительного присоединения - P … Модель предпочтительного присоединения - Preferential Attachment - Процесс предпочтительного присоединения - это любой из классов процессов, в которых некоторое количество, обычно некоторое форма богатства или кредита распределяется между несколькими людьми или объектами в зависимости от того, сколько они уже имеют, так что те, кто уже богат, получают больше, чем те, кто не богат. «Предпочтительная привязанность» - это лишь последнее из многих названий, которые были даны таким процессам. Они также упоминаются как «богатые становятся богаче». Процесс предпочтительного присоединения генерирует распределение «с длинным хвостом » после распределения Парето или степенной закон в его хвосте. Это основная причина исторического интереса к предпочтительной привязанности: распределение видов и многие другие явления наблюдаются эмпирически, следуя степенным законам, и процесс предпочтительной привязанности является ведущим механизмом для объяснения этого поведения. Предпочтительное прикрепление считается возможным основанием для распределения размеров городов, богатства чрезвычайно богатых людей, количества цитирований, полученных научными публикациями, и количества ссылок на страницы во всемирной паутине.</br>* http://digida.mgpu.ru/images/thumb/6/63/Pref_attachm.png/120px-Pref_attachm.png63/Pref_attachm.png/120px-Pref_attachm.png)
• Wealth Distribution  + (Модель распределения богатства в экономике … Модель распределения богатства в экономике. Данная модель представляет собой агентную вычислительную модель (Agent-based Model) распределения богатства, основанную на классической работе Эпштейна и Акстелла "Sugarscape". Модель демонстрирует механизм неравенства в распределении богатства, где "богатые становятся богаче, а бедные беднее", что соответствует закону Парето. беднее", что соответствует закону Парето.)
• Flocking (model)  + (Модель самопроизвольного формирования стаи … Модель самопроизвольного формирования стаи в результате действий множества участников (птиц, рыб, людей). Модель формирования стаи - это классическая агентно-ориентированная модель, основанная на оригинальных моделях Рейнольдса (1987). Модель демонстрирует, что стаи птиц могут возникать даже в отсутствии специальных птиц-вожаков, которые ведут всех за собой. Скорее, каждая птица следует общему же набору правил, и из выполнения всеми простых правил появляются стаи. Каждая птица следует трем правилам: «выравнивание», «разделение» и «сплоченность». </br># «Выравнивание» означает, что птица поворачивается так, что движется в том же направлении, что и ближайшие птицы. </br># «Разделение» означает, что птица поворачивается, чтобы не столкнуться с другой птицей. </br># «Сплоченность» означает, что птица движется к другим ближайшим птицам. </br></br>Правило «разделения» имеет приоритет над двумя другими, что означает, что если две птицы приближаются друг к другу, они всегда будут разделяться. В этом случае два других правила отменяются до тех пор, пока не будет достигнуто минимальное разделение. Эти три правила влияют только на направление птицы. Каждая птица всегда движется вперед с одинаковой постоянной скоростью. </br></br>Правила удивительно надежны и могут быть адаптированы к скоплению насекомых, стаям рыб и паттернам «V» стаи гусей (Stonedahl & Wilensky, 2010a). стаи гусей (Stonedahl & Wilensky, 2010a).)
• Футбольное поле с множеством мячиков  + (Модель сбора данных с поля, на котором множество игроков взаимодействуют со множеством мячиков. Модель используется для * обсуждения и пояснения понятия Социальный Объект * сбора данных с цифрового поля)
• Segregation (model)  + (Модель сегрегации ; Модель сегрегации Шел … Модель сегрегации </br>; Модель сегрегации Шеллинга </br>: – это агент-ориентированная модель, которая иллюстрирует, как индивидуальные тенденции в отношении соседей могут привести к сегрегации. Модель особенно полезна для изучения жилищной сегрегации этнических групп, где агенты представляют домовладельцев, которые переселяются в город. В модели каждый агент принадлежит к одной из двух групп и стремится жить в районе, где доля "друзей" достаточно высока: выше определенного порогового значения F. В зависимости от F, для групп равного размера, модель проживания по Шеллингу сходится либо к полной интеграции (случайное распределение), либо к сегрегации.</br></br>Принципы: </br>* Минимальная толерантность к различиям: Люди склонны предпочитать окружение, где большинство соседей принадлежат к той же группе, что и они сами. Однако они могут терпеть некоторую долю соседей другой группы. </br>* Пороговая толерантность: Существует пороговый уровень доли соседей другой группы, выше которого человек начинает чувствовать себя некомфортно и стремится переехать в район с большей однородностью.</br>* Переезд при превышении порога: Если доля соседей другой группы превышает установленный порог, человек решает переехать. Этот переезд приводит к тому, что районы становятся всё более сегрегированными.оны становятся всё более сегрегированными.)
• Потребительский выбор (модель)  + (Модель симулирует, как информационное и но … Модель симулирует, как информационное и нормативное социальное влияние вместе с привычками определяют динамику долей рынка двух конкурирующих продуктов переменного качества. Агенты могут:</br>* самостоятельно исследовать качество продукта;</br>* обмениваться информацией с друзьями;</br>* учитывать свою склонность действовать «как большинство». склонность действовать «как большинство».)
• Soccer Simulation  + (Модель симуляции футбола)
• Fireflies (model)  + (Модель синхронизации мигания светлячков : … Модель синхронизации мигания светлячков</br>: http://digida.mgpu.ru/images/thumb/d/d7/Firefly.png/120px-Firefly.png</br>По ночам самцы светлячков Photinus carolinus мигают для привлечения самок. При этом вспышки отдельной особи не периодичны. Но если несколько насекомых оказываются рядом, они начинают мигать синхронно. Несколько ярких вспышек в течение пары секунд повторяются через более длительные промежутки времени. Координироваться светлячкам помогает зрение: наблюдая за миганием других особей, они начинают подстраиваться под их ритм.</br>; Buck, John. (1988). Synchronous Rhythmic Flashing of Fireflies. The Quarterly Review of Biology, September 1988, 265 - 286.iew of Biology, September 1988, 265 - 286.)
• Термиты  + (Модель термитника (муравейника), когда туп … Модель термитника (муравейника), когда тупые, слабые и слабовидящие агенты перемещаются по полю и собирают на нём палочки. Есть версия "Термиты с журналом", когда все действия термитов над палочками записываются в лог-файл и потом можно построить графы команд, где в команду объединены термиты, носившие одни и те же палочки.ны термиты, носившие одни и те же палочки.)
• Школа самбы  + (Модель того, как может быть устроено учаще … Модель того, как может быть устроено учащееся сообщество.</br>''развито чувство принадлежности к данной группе людей, их объединяет общая цель. Многое из того, чему обучают в такой школе, хотя и происходит естественным образом, но делается вполне продуманно. Скажем, опытные танцоры собирают вокруг себя группу детей. От пяти до двадцати минут идет специфическое овладение танцем - через наблюдение. Внимание детей сосредоточивается на исполнении, затем им разрешается присоединиться к танцующим''м разрешается присоединиться к танцующим'')
• Teacher Satisfaction (model)  + (Модель удовлетворённости учителей — агентн … Модель удовлетворённости учителей — агентно-ориентированная симуляция рынка труда преподавателей в городской системе образования. Учителя выбирают работу по зарплате, качеству школы и расстоянию, их удовлетворённость (0-1) определяет текучесть кадров. Модель показывает стратификацию: хорошие школы заполнены (satisfaction 0.9), плохие пустеют (satisfaction 0.2), безработица минимальна.satisfaction 0.2), безработица минимальна.)
• Насосы и испарение  + (Модель физических процессов, в которой происходит испарение воды)
• Traffic jams  + (Модель формирования и рассасывания дорожно … Модель формирования и рассасывания дорожной пробки, реализованная в нескольких средах многоагентного моделирования</br>Принципы:</br>Эмерджентное поведение: Формирование пробки является результатом коллективного поведения агентов-автомобилей, а не предписанным поведением отдельного агента.</br>Непредсказуемость: Модель может быть стохастической, то есть случайные факторы, такие как непредсказуемое поведение водителей, могут влиять на формирование и рассасывание пробки.</br>Адаптация: Агенты-автомобили могут адаптироваться к изменяющимся условиям движения, например, меняя свою скорость или маршрут.например, меняя свою скорость или маршрут.)
• Модель формирования понятий Дж.Брунера  + (Модель формирования понятий Дж. Брунера — … Модель формирования понятий Дж. Брунера — образовательная технология, основанная на активном конструировании знаний через взаимодействие с окружающей средой. Ученики через опыт и рефлексию структурируют новую информацию, что способствует глубокому пониманию и применению знаний в различных контекстах.Джером Брунер, американский психолог и педагог, крупнейший специалист в области исследования когнитивных процессов, рассматривал мышление как перевод с одного языка на другой.Дж. Брунер (1956) отказался от использования искусственных слов. В его эксперименте непосредственной задачей испытуемых становится определение содержания задуманного экспериментатором «понятия».я задуманного экспериментатором «понятия».)
• Присвоение энергии жертвы  + (Модель, в которой драконы питаются жирафами)
• Принцессы скрываются в замках (модель)  + (Модель, в которой принцессы скрываются в замках от драконов)
• Охота морских коньков  + (Модель, которая показывает, каким образом увеличивается морской конек относительно того, сколько рыбы ему удастся съесть.)
• Технологии программирования (факультатив)/10.05.2023  + (Модульное программирование)
• Как построить диаграмму в App Inventor  + (Может быть несколько способов построения д … Может быть несколько способов построения диаграмм на основании внешних данных. Один из вариантов, данные считываются из внешнего датасета, используются внутри первого экрана на географической карте и затем передаются на второй экран, где превращаются в диаграмму численности населения городов. </br>* http://digida.mgpu.ru/images/thumb/1/15/Chart_geo_cities.jpg/120px-Chart_geo_cities.jpg_geo_cities.jpg/120px-Chart_geo_cities.jpg)
• Как добавить изображение на вики страницу  + (Можно добавить изображение загрузив файл в … Можно добавить изображение загрузив файл в формате png или jpg, или добавив изображение с внешнего ресурса. При загрузке изображений с внешних ресурсов можно пользоваться только разрешёнными источниками. Например, '''wikimedia.org, www.mgpu.ru, samsmu.ru'''''wikimedia.org, www.mgpu.ru, samsmu.ru''')
• Как узнать информацию о пингвинах  + (Можно создать много клонов разных пингвинов и узнать про них рост, вес и возраст на базе Snap!)
• Мозг – нейронная сеть  + (Мозг можно рассматривать как нейронную сет … Мозг можно рассматривать как нейронную сеть, состоящую из миллиардов взаимосвязанных нейронов (нервных клеток), которые обмениваются информацией с помощью электрических и химических сигналов через синапсы. Эта сеть обрабатывает информацию, регулирует функции организма, формирует эмоции и самосознание. Искусственные нейронные сети являются математическими моделями, которые имитируют принципы работы биологических нейронных сетей, но отличаются по масштабу, топологии и скорости работы. по масштабу, топологии и скорости работы.)
• Сообщество МЭШ  + (Московская электронная школа – одна из кру … Московская электронная школа – одна из крупных информационных образовательных систем для школьного образования в Российской Федерации. Библиотека Московской электронной школы (МЭШ) является уникальным хранилищем образовательных материалов, которое доступно каждому школьнику, учителю и родителю.пно каждому школьнику, учителю и родителю.)
• ГАОУ ВО МГПУ  + (Московский городской педагогический университет)
• Мотив (молекулярная биология)  + (Моти́в в молекулярной биологии — относител … Моти́в в молекулярной биологии — относительно короткая последовательность нуклеотидов или аминокислот, слабо меняющаяся в процессе эволюции и, по крайней мере предположительно, имеющая определённую биологическую функцию. Под мотивом иногда подразумевают не конкретную последовательность, а каким-либо образом описанный спектр последовательностей, каждая из которых способна выполнять определённую биологическую функцию данного мотива.нную биологическую функцию данного мотива.)