Search

تهدف هذه الدراسة إلى الكشف تاثير اسلوبي التمايز التنافسي( المباشر وغير المباشر )واسلوب العروض التوضيحية (التقليدي) في تعلم بعض المهارات الهجومية فى كرة اليد، و مقارنة نتائج اسلوبى التمايز التنافسي ( المباشر وغير المباشر) واسلوب العروض التوضيحية (التقليدي) في تعلم بعض المهارات الهجومية فى كرة اليد . استخدم الباحثون المنهج التجريبى لملائمته لطبيعة البحث ، تحدد مجتمع البحث بطلاب السنة الدراسية الثانية بكلية التربية الرياضية في جامعة دهوك للعام الدراسي 2014- 2015 والبالغ عددهم 65 طالب موزعين على ثلاث شعب دراسية اما عينة البحث فقد تكونت من 42 طالبا يمثلون ثلاث شعب دراسية ،بواقع 14 طالبا لكل مجموعة تم اختيارهم بطريقة عشوائيا بعد استبعاد عدد من افراد مجتمع البحث وذلك لعدم تجانسهم مع بقية افراد العينة ، وبعد التكافؤ بين مجموعتي عينة البحث تم وضع برنامجين تعليميين للمهارات المختارة قيد البحث و تم اعتماد البرنامجين التعليميين للتطبيق بلغت مدة البرنامج 6 اسابيع وبواقع وحدتين تعليميتين اسبوعيا لكل مجموعة اي 12 وحدة تعليمية لكل مجموعة ، كان زمن الوحدة التعليمية الواحدة 90د تم توزيعها وفقا لمحتوى الوحدة وتمت معالجة البيانات إحصائيا باستخدام برنامج (spss) وتوصل الباحثون إلى ما يأتي: كان لاسلوبي( التمايز المباشر وغير المباشر) واسلوب العروض التوضيحية ( التقليدي) تاثير ايجابي في تعلم بعض المهارات الهجومية بكرة اليد. .2حققت المجموعة التجريبية الثانية التي استخدمت الاسلوب التنافسي المباشر مستوى افضل من المجموعة التجريبية الاولى التي استخدمت الاسلوب التنافسي غير المباشر والمجموعة الثالثة التي استخدمت الاسلوب العروض التوضيحية ( التقليدي ) في تعلم بعض المهارات الهجومية بكرة

Many challenges still need to be overcome in the context of autonomous vehicles. These vehicles would be over-actuated and are expected to perform coupled maneuvers. In this paper, we first discuss the development of a global coupled vehicle model, and then we outline the control strategy that we believe should be applied in the context of over-actuated vehicles. A gain-scheduled H ∞ controller and an optimization-based Control Allocation algorithms are proposed. High-fidelity co-simulation results show the efficiency of the proposed control logic and the new possibilities that could offer. We expect that both car manufacturers and equipment suppliers would join forces to develop and standardize the proposed control architecture for future passenger cars.

Purpose: The modern researcher is confronted with hundreds of published methods to interpret genetic variants. There are databases of genes and variants, phenotype-genotype relationships, algorithms that score and rank genes, and in silico variant effect prediction tools. Because variant prioritization is a multifactorial problem, a welcome development in the field has been the emergence of decision support frameworks, which make it easier to integrate multiple resources in an interactive environment. Current decision support frameworks are typically limited by closed proprietary architectures, access to a restricted set of tools, lack of customizability, Web dependencies that expose protected data, or limited scalability., Methods: We present the Open Custom Ranked Analysis of Variants Toolkit 1 (OpenCRAVAT) a new open-source, scalable decision support system for variant and gene prioritization. We have designed the resource catalog to be open and modular to maximize community and developer involvement, and as a result, the catalog is being actively developed and growing every month. Resources made available via the store are well suited for analysis of cancer, as well as Mendelian and complex diseases., Results: OpenCRAVAT offers both command-line utility and dynamic graphical user interface, allowing users to install with a single command, easily download tools from an extensive resource catalog, create customized pipelines, and explore results in a richly detailed viewing environment. We present several case studies to illustrate the design of custom workflows to prioritize genes and variants., Conclusion: OpenCRAVAT is distinguished from similar tools by its capabilities to access and integrate an unprecedented amount of diverse data resources and computational prediction methods, which span germline, somatic, common, rare, coding, and noncoding variants.

Cancer sequencing studies are increasingly comprehensive and well powered, returning long lists of somatic mutations that can be difficult to sort and interpret. Diligent analysis and quality control can require multiple computational tools of distinct utility and producing disparate output, creating additional challenges for the investigator. The Cancer-Related Analysis of Variants Toolkit (CRAVAT) is an evolving suite of informatics tools for mutation interpretation that includes mutation mapping and quality control, impact prediction and extensive annotation, gene- and mutation-level interpretation, including joint prioritization of all nonsilent mutation consequence types, and structural and mechanistic visualization. Results from CRAVAT submissions are explored in an interactive, user-friendly web environment with dynamic filtering and sorting designed to highlight the most informative mutations, even in the context of very large studies. CRAVAT can be run on a public web portal, in the cloud, or downloaded for local use, and is easily integrated with other methods for cancer omics analysis. Cancer Res; 77(21); e35-38. ©2017 AACR ., (©2017 American Association for Cancer Research.)