Электронный каталог

81
Т 25
Ташмуханбетова, Ж. А.
    Ағылшын тілі сабағында оқушылыардың ақпараттық дүниетанымын қалыптастыру жүзеге асыру [Электронный ресурс] / Ж. А. Ташмуханбетова // Қазіргі кезеңде шет тілін оқыту : мәселелер мен келешегі атты аймақтық ғылыми - тәжірибелік конференцияның материалдары. - 2012. - Б. 7-15
ББК 81

Рубрики: тіл білімі

Кл.слова (ненормированные):
Ағылшын тілі -- Ақпарат -- Earth
Аннотация: Ағылшын тілі сабағында оқушылыардың ақпараттық дүниетанымын қалыптастыру жүзеге асыру.
Держатели документа:
БҚМУ

28
K12
Kaczmarek, S.
    Soil microarthropods – biodiversity, ecosystem services and impact on human economy and health. [Текст] / S. Kaczmarek, T. Marquardt // BULLETIN WKU. - 2021. - №4. - Р. 234-242
ББК 28

Рубрики: Биология

Кл.слова (ненормированные):
microarthropods -- soil environment -- edaphone -- soil food web -- organic matter decomposition
Аннотация: The soil system, as a part of terrestrial ecosystems, is a place of crucial ecological processes that ensure the continuum of biological processes on Earth. The soil microarthropods are very diverse in terms of form and function, depend on the soil type, and influence the soil processes mainly through feeding, thus directly or indirectly influence the dead organic matter decomposition. Particular groups of soil microarthropods provide important ecosystem services; however, can have both positive and negative ecological and economical effects. In this paper we discussed the role of particular soil microarthropods in the context of their position within the soil food web, and other non-trophic influences on the soil ecosystem, humaneconomy and health. We also emphasized the possibilities of practical use of soil fauna.
Держатели документа:
ЗКУ
Доп.точки доступа:
Marquardt, T.

26.82
М 22
Мамирова, К. Н.
    Цифровые технологии в географическом образовании [Текст] / К. Н. Мамирова // Вестник ЗКУ. - 2025. - №1. - С. 380-391.
ББК 26.82

Рубрики: География

Кл.слова (ненормированные):
цифровые технологии -- географическое образование -- мобильные приложения -- интерактивное обучение -- Google Earth: StudyGe -- Quizizz -- Kahoot -- Quizlet -- цифровизация образования
Аннотация: Цифровые технологии играют важную роль в модернизации образовательного процесса. В данной статье рассматривается применение мобильных приложений в преподавании географии, их влияние на уровень знаний, мотивацию и вовлечённость студентов. Исследование показывает, что использование инструментов, таких как Google Earth, StudyGe, Quizizz, Kahoot и Quizlet, способствует не только лучшему усвоению учебного материала, но и развитию практических навыков, включая пространственное мышление и анализ данных. В статье подчеркивается необходимость сбалансированного подхода к цифровизации образования, а также представлены рекомендации по эффективному внедрению цифровых технологий в учебный процесс
Держатели документа:
ЗКУ

26.82
К 27

    Картирование растительности Восточно-Казахстанской области с помощью машинного обучения на основе спутниковых снимков Landsat [Текст] / Н. Ф. Денисова, Г. К. Жусупова, О. А. Петрова [и др.] // Вестник ЗКУ. - 2025. - №2. - С. 418-431.
ББК 26.82

Рубрики: Физическая география

Кл.слова (ненормированные):
Восточно-Казахстанская область -- Landsat -- Машинное обучение -- Классификация растительности -- Google Earth Engine -- Random Forest
Аннотация: Целью данного исследования является разработка подхода к картографированию растительности Восточно-Казахстанского региона с использованием методов машинного обучения на основе спутниковых снимков Landsat 8. В статье рассматриваются этапы предобработки данных, выбор оптимальных алгоритмов классификации и оценка их эффективности для различных типов растительности. Процесс предварительной обработки и классификации данных выполнялись на облачной платформе Google Earth Engine. Помимо 17 вспомогательных слоев, содержащих информацию о рельефе местности, в процессе сбора данных были сформированы обучающие выборки, распределенные по 10 классам: широколиственные деревья, хвойные деревья, травянистая растительность, кустарники, открытые земли, сельскохозяйственные угодья, водно-болотные территории, застроенные земли, снег и лед, водные объекты. В рамках исследования были применены и сравнены различные алгоритмы машинного обучения, такие как метод опорных векторов (SVM), деревья решений (CART), градиентный бустинг деревьев (GTB) и случайный лес (RF). Алгоритмы GTB и RF показали наилучшие результаты с Общей точностью 92% и коэффициентом Каппа 91%, что свидетельствует о высоком качестве интеграции данных дистанционного зондирования с методами машинного обучения. Полученные результаты исследования подчеркивают потенциал методов машинного обучения для мониторинга состояния экосистем, планирования природоохранных мероприятий, управления природными ресурсами и чрезвычайными ситуациями в регионе
Держатели документа:
ЗКУ
Доп.точки доступа:
Денисова, Н.Ф.
Жусупова, Г.К.
Петрова, О.А.
Чепашев, Д.В.
Даумова, Г.К.
Темирбаева, К.А.