id int64 18 21.1k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 16:54:39 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 16:54:39 | doc_name stringclasses 1 value | input stringlengths 11 9.24k | output stringlengths 0 738 | is_personal bool 2 classes | is_sentence bool 2 classes | is_corrected bool 2 classes |
|---|---|---|---|---|---|---|---|---|
807 | 2026-02-23T10:44:11.165000Z | 2026-02-23T10:44:11.165000Z | Lec. | Экспериментальные результаты продемонстрировали, что при ранге адаптации указанный метод обеспечивает: | false | true | false | |
806 | 2026-02-23T10:44:09.358000Z | 2026-02-23T16:57:04.240000Z | Lec. | В ходе исследования был применен метод низкоранговой адаптации LoRA (Low-Rank Adaptation of Large Language Models) [22], позволяющий существенно повысить эффективность процесса обучения при работе с крупными языковыми моделями | В ходе исследования был применен метод низкоранговой адаптации LoRA (Low-Rank Adaptation of Large Language Models) [22], позволяющий существенно повысить эффективность процесса обучения при работе с крупными языковыми моделями | false | true | true |
805 | 2026-02-23T10:44:07.594000Z | 2026-02-23T10:44:07.594000Z | Lec. | Распределение кодов ГРНТИ первого уровня | false | true | false | |
804 | 2026-02-23T10:44:06.138000Z | 2026-02-23T10:44:06.138000Z | Lec. | Несбалансированное распределение данных способствует систематической недооценке моделями редко встречающихся классов, снижая общую эффективность классификации [21] | false | true | false | |
803 | 2026-02-23T10:44:04.501000Z | 2026-02-23T10:44:04.501000Z | Lec. | Аналогичная ситуация характерна для второго и третьего уровней классификации | false | true | false | |
802 | 2026-02-23T10:44:02.655000Z | 2026-02-23T10:44:02.655000Z | Lec. | В результате анализ распределения данных для первого уровня ГРНТИ была выявлена из несбалансированность (рис. 3) | false | true | false | |
801 | 2026-02-23T10:44:00.735000Z | 2026-02-23T16:44:33.007000Z | Lec. | Для обучения модели был использован русскоязычный датасет, содержащий тексты аннотаций, названий статей и кодов ГРНТИ классифицированных научных статей различных тематик | Для обучения модели был использован русскоязычный датасет, содержащий тексты аннотаций, наименования статей и коды ГРНТИ классифицированных по ГРНТИ научных статей различных тематик. | false | true | true |
800 | 2026-02-23T10:43:59.045000Z | 2026-02-23T10:43:59.045000Z | Lec. | Количество рубрик. 1. 67. 2. 862. 3. 2000+ | false | false | false | |
799 | 2026-02-23T10:43:57.284000Z | 2026-02-23T10:43:57.284000Z | Lec. | Таблица 1— Распределение рубрик ГРНТИ | false | true | false | |
798 | 2026-02-23T10:43:55.668000Z | 2026-02-23T10:43:55.668000Z | Lec. | Корпус текстов ВИНИТИ не сбалансирован по отношению к кодам ГРНТИ, в результате чего количество уникальных рубрик на каждом уровне велико (таб. 1) | false | true | false | |
797 | 2026-02-23T10:43:53.892000Z | 2026-02-23T10:43:53.892000Z | Lec. | Такая многоуровневая структура обеспечивает детализированное и систематизированное описание научной информации | false | true | false | |
796 | 2026-02-23T10:43:52.217000Z | 2026-02-23T15:53:40.079000Z | Lec. | Государственный рубрикатор научно-технической информации (ГРНТИ) представляет собой трехуровневую иерархическую систему классификации | Государственный рубрикатор научно-технической информации (ГРНТИ) представляет собой трехуровневую иерархическую систему классификации. | false | true | true |
795 | 2026-02-23T10:43:50.612000Z | 2026-02-23T13:35:45.710000Z | Lec. | Исследования, проводимые ранее, подтверждают высокую эффективность BERT для решения задач научной классификации [20] | Исследования, проводимые ранее, подтверждают высокую эффективность BERT — для решения задач научной классификации [20]. | false | true | true |
794 | 2026-02-23T10:43:48.770000Z | 2026-02-23T13:49:30.153000Z | Lec. | Эффективно идентифицирует тематическую принадлежность статей с детализацией до подразделов научных дисциплин | Эффективно определяет тематическую принадлежность статей с детализацией до подразделов научных дисциплин. | false | true | true |
793 | 2026-02-23T10:43:46.845000Z | 2026-02-23T10:43:46.845000Z | Lec. | Способна адаптироваться к профессиональной терминологии различных научных областей; | false | true | false | |
792 | 2026-02-23T10:43:45.136000Z | 2026-02-23T13:28:27.644000Z | Lec. | Допускает специализированное обучение на корпусах научных текстов; | Допускает специализированное обучение на корпусах текстов научных. | false | true | true |
791 | 2026-02-23T10:43:43.392000Z | 2026-02-23T10:43:43.392000Z | Lec. | Данная модель обладает потенциалом для обработки научных публикаций, поскольку: | false | true | false | |
790 | 2026-02-23T10:43:41.827000Z | 2026-02-23T10:43:41.827000Z | Lec. | Среди лидирующих по популярности моделей данной архитектуры следует выделить BERT (Bidirectional Encoder Representations from Transformers) [19] | false | true | false | |
789 | 2026-02-23T10:43:40.177000Z | 2026-02-23T13:39:04.787000Z | Lec. | Трансформерные архитектуры демонстрируют исключительную эффективность при решении задач текстовой классификации, что обусловлено их способностью анализировать сложные семантические связи и долгосрочные зависимости между языковыми единицами в тексте [18] | Трансформерные архитектуры демонстрируют исключительную эффективность при решении задач текстовой классификации, что обусловлено их способностью анализировать сложные семантические связи и долгосрочные зависимости между языковыми единицами в тексте [18]. | false | true | true |
788 | 2026-02-23T10:43:38.201000Z | 2026-02-23T10:43:38.201000Z | Lec. | Архитектура transformer [17] | false | false | false | |
787 | 2026-02-23T10:43:36.545000Z | 2026-02-23T15:57:26.324000Z | Lec. | Skip connections: вид связи между слоями нейросети, при котором выход слоя пропускает несколько слоев, идущих в нейросети последовательно, и передается на вход слоя, следующего позже | Skip connections: вид связи между слоями нейросети, при котором выход одного из слоев напрямую передается на вход другого слоя, не обязательно последовательного. | false | true | true |
786 | 2026-02-23T10:43:34.756000Z | 2026-02-23T10:43:34.756000Z | Lec. | Layer normalization: слой нейросети, который производит нормализацию выхода из предшествующего слоя для каждой последовательности | false | true | false | |
785 | 2026-02-23T10:43:33.123000Z | 2026-02-23T10:43:33.123000Z | Lec. | Feed-forward network (FFN): двухслойная нейросеть, которая применяется независимо к каждому эмбеддингу токена | false | true | false | |
784 | 2026-02-23T10:43:31.476000Z | 2026-02-23T17:13:45.833000Z | Lec. | Также в трансформер входят следующие компоненты [17]: | Также в трансформере входят следующие компоненты: [17] | false | true | true |
783 | 2026-02-23T10:43:29.950000Z | 2026-02-23T13:24:54.539000Z | Lec. | Multi-head attention — позволяет параллельно обрабатывать различные участки входной последовательности; | Multi-head attention — позволяет параллельно обрабатывать различные участки входной последовательности. | false | true | true |
782 | 2026-02-23T10:43:28.183000Z | 2026-02-23T10:43:28.183000Z | Lec. | Механизм внимания — определяет части входной последовательности для решения задачи, которые являются самыми релевантными; | false | true | false | |
781 | 2026-02-23T10:43:26.634000Z | 2026-02-23T10:43:26.634000Z | Lec. | Ключевые особенности данной архитектуры (рис. 2): | false | true | false | |
780 | 2026-02-23T10:43:24.775000Z | 2026-02-23T16:19:52.385000Z | Lec. | В последнее десятилетие в области NLP (Natural Language Processing) получили распространение модели на основе архитектуры трансформер [17] | За последнее десятилетие в области NLP получили распространение модели на основе архитектуры трансформер [17]. | false | true | true |
779 | 2026-02-23T10:43:23.019000Z | 2026-02-23T10:43:23.019000Z | Lec. | Алгоритм сопоставления строк демонстрирует лучшие результаты для отдельных классов, где характеристики DDC в большей степени релевантны | false | true | false | |
778 | 2026-02-23T10:43:21.441000Z | 2026-02-23T13:44:36.780000Z | Lec. | Метод опорных векторов с линейным ядром в среднем превосходит другие алгоритмы; | Метод опорных векторов с линейным ядром в среднем превосходит другие алгоритмы; это подтверждается исследованиями. | false | true | true |
777 | 2026-02-23T10:43:19.868000Z | 2026-02-23T10:43:19.868000Z | Lec. | Результаты показали, что: | false | true | false | |
776 | 2026-02-23T10:43:17.650000Z | 2026-02-23T16:22:51.918000Z | Lec. | Другое исследование [16] оценивало эффективность шести алгоритмов машинного обучения и алгоритма сопоставления строк на основе характеристик десятичной классификации Дьюи (DDC) | Другое исследование [16] оценивало эффективность шести алгоритмов машинного обучения и алгоритма сопоставления строк на основе характеристик десятичной классификации Дьюи (DDC) | false | true | true |
775 | 2026-02-23T10:43:15.748000Z | 2026-02-23T18:02:18.056000Z | Lec. | Многослойный персептрон (MLP) [15] | Многослойный персептрон (MLP) [15] | false | true | true |
774 | 2026-02-23T10:43:13.610000Z | 2026-02-23T16:50:53.823000Z | Lec. | Метод k-ближайших соседей (k-NN) [14]; | Метод k-ближайших соседей [14]. | false | true | true |
773 | 2026-02-23T10:43:11.764000Z | 2026-02-23T13:45:40.703000Z | Lec. | Метод опорных векторов (SVM) [13]; | Метод опорных векторов (SVM) [13] — это алгоритм машинного обучения. | false | true | true |
772 | 2026-02-23T10:43:10.268000Z | 2026-02-23T10:43:10.268000Z | Lec. | Наивный байесовский классификатор (NB) [12]; | false | true | false | |
771 | 2026-02-23T10:43:08.503000Z | 2026-02-23T10:43:08.503000Z | Lec. | Логистическая регрессия (LR); | false | true | false | |
770 | 2026-02-23T10:43:06.900000Z | 2026-02-23T10:43:06.900000Z | Lec. | В работе [11] проведено сравнение эффективности различных алгоритмов обучения с учителем для классификации по рубрикам УДК: | false | true | false | |
769 | 2026-02-23T10:43:05.037000Z | 2026-02-23T10:43:05.037000Z | Lec. | В частности, полносвязные нейронные сети использовались для автоматической классификации статей по рубрикам универсального десятичного классификатора (УДК) [8—10] | false | true | false | |
768 | 2026-02-23T10:43:03.277000Z | 2026-02-23T16:11:34.825000Z | Lec. | Прогресс в области глубокого обучения привел к внедрению архитектур нейронных сетей, способных анализировать структуру текста и семантические связи между словами | Прогресс в области глубокого обучения привел к внедрению архитектур нейронных сетей, способных анализировать структуру текста, и семантических связей между словами. | false | true | true |
767 | 2026-02-23T10:43:01.517000Z | 2026-02-23T10:43:01.517000Z | Lec. | С развитием вычислительных технологий в классификации стали применяться традиционные алгоритмы, включая логистическую регрессию [7] | false | true | false | |
766 | 2026-02-23T10:42:59.731000Z | 2026-02-23T10:42:59.731000Z | Lec. | В дальнейшем были разработаны превосходящие по сложности классификаторы, использующие такие методы, как прямое и совместное цитирование, библиографические комбинации и гибридные подходы | false | true | false | |
765 | 2026-02-23T10:42:57.962000Z | 2026-02-23T13:27:45.411000Z | Lec. | Первые подобные системы основывались на анализе шаблонов цитирования | Первые подобные системы основывались на анализе шаблонов цитирования. | false | true | true |
764 | 2026-02-23T10:42:56.232000Z | 2026-02-23T17:53:18.087000Z | Lec. | Разработка автоматизированных систем научной классификации ведется на протяжении длительного времени [6] | Разработка автоматизированных систем научной классификации ведется уже давно. Ведение этой работы продолжается. | false | true | true |
763 | 2026-02-23T10:42:54.383000Z | 2026-02-23T13:39:15.510000Z | Lec. | В связи с чем возрастает актуальность автоматизированных методов анализа текстов и технологий машинного обучения для обработки массивов данных [5] | В связи с этим возрастает актуальность автоматизированных методов анализа текстов и технологий машинного обучения для обработки массивов данных [5]. | false | true | true |
762 | 2026-02-23T10:42:52.629000Z | 2026-02-23T15:53:08.508000Z | Lec. | Согласно исследованиям, ежегодный прирост научных публикаций составляет 4,10%, а период удвоения их количества — 17,3 года [4] | Согласно исследованиям, ежегодный прирост научных публикаций составляет 4,10%, а период удвоения их количества составляет примерно 17,3 года [4]. | false | true | true |
761 | 2026-02-23T10:42:51.037000Z | 2026-02-23T17:02:10.130000Z | Lec. | График динамики изменения количества публикаций научных статей по медицинской тематике за последнее десятилетие [3] | График динамики изменения количества публикаций научных статей по медицинской тематике за последнее десятилетие.[3] | false | true | true |
760 | 2026-02-23T10:42:49.286000Z | 2026-02-23T17:07:04.085000Z | Lec. | Объем цифровой информации, включая количество научных статей, продолжает расти экспоненциально (рис. 1; пример из области медицины [2]), что делает методы ручной обработки данных малоэффективными | Объем цифровой информации, включая количество научных статей, продолжает расти экспоненциально (рис. 1; пример из области медицины [2]), что делает методы ручной обработки данных малоефективными. | false | true | true |
759 | 2026-02-23T10:42:47.517000Z | 2026-02-23T16:01:39.024000Z | Lec. | Современное информационное пространство содержит десятки миллионов научных публикаций (как в открытом доступе, так и ограниченных [1]), что существенно осложняет их классификацию и анализ | Современное информационное пространство содержит десятки миллионов научных публикаций (как в открытом доступе, так и ограниченных [1]), что существенно осложняет их классификацию и анализ. | false | true | true |
758 | 2026-02-23T10:42:45.739000Z | 2026-02-23T10:42:45.739000Z | Lec. | Содержание. 1 Введение 3. 2 Исследование данных для обучения 5. 3 Реализация модели машинного обучения 5. 3.1 LoRA 5. 3.2 Warmup Steps 6. 3.3 Binary Cross-Entropy with Logits Loss 6. 3.4 AdamW 7. 3.5 Процесс обучения 7. 4 Эксперимент по использованию словаря сокращений ВИНИТИ РАН 8. 4.1 Подготовка данных 8. 4.2 Результаты 9. 5 Эксперимент по использованию методов дообучения BERT для классификации по 1-му уровню ГРНТИ 11. 6 Эксперимент по использованию иерархического и плоского классификатора для 2-го уровня ГРНТИ 12. 6.1 Подготовка данных 12. 6.2 Плоский классификатор 15. 6.3 Иерархический классификатор 15. 6.4 Результаты 15. 7 Dual Contrastive Learning 16. 8 Заключение 17. 9 Библиографический список 18 | false | false | false | |
757 | 2026-02-23T10:42:43.319000Z | 2026-02-23T10:42:43.319000Z | Lec. | Москва, 2025 | false | false | false | |
756 | 2026-02-23T10:42:41.629000Z | 2026-02-23T10:42:41.629000Z | Lec. | Дата 26.03.25 | false | false | false | |
755 | 2026-02-23T10:42:39.972000Z | 2026-02-23T10:42:39.972000Z | Lec. | Практика пройдена с оценкой ______________ | false | true | false | |
754 | 2026-02-23T10:42:37.532000Z | 2026-02-23T10:42:37.532000Z | Lec. | Ответственный за организацию практики:. (Фамилия И.О., должность, подпись) | false | true | false | |
753 | 2026-02-23T10:42:35.697000Z | 2026-02-23T10:42:35.697000Z | Lec. | Ю., доцент, НИУ ВШЭ,. (Фамилия И.О., должность и место работы, подпись) | true | false | false | |
752 | 2026-02-23T10:42:34.047000Z | 2026-02-23T10:42:34.047000Z | Lec. | Руководитель практики: Романов А | true | true | false | |
751 | 2026-02-23T10:42:32.107000Z | 2026-02-23T10:42:32.107000Z | Lec. | МПМИИ231. (Фамилия И.О.) номер группы | true | false | false | |
750 | 2026-02-23T10:42:30.476000Z | 2026-02-23T10:42:30.476000Z | Lec. | Студент: Аношин В | true | true | false | |
749 | 2026-02-23T10:42:28.853000Z | 2026-02-23T10:42:28.853000Z | Lec. | Тема задания: Изучение подходов к классификации научных статей по кодам ГРНТИ уровня | false | false | false | |
748 | 2026-02-23T10:42:26.660000Z | 2026-02-23T10:42:26.660000Z | Lec. | О Т Ч Е Т. о прохождении. производственной практики. (нужное оставить) | false | true | false | |
747 | 2026-02-23T10:42:24.721000Z | 2026-02-23T13:48:18.398000Z | Lec. | Образовательная программа «Прикладные модели искусственного интеллекта» | Образовательная программа «Прикладные модели искусственного интеллекта» | false | true | true |
746 | 2026-02-23T10:42:22.933000Z | 2026-02-23T15:40:49.108000Z | Lec. | Направление подготовки 01.04.02 «Прикладная математика и информатика» | Направление подготовки «01.04.02 «Прикладная математика и информатика» | false | true | true |
745 | 2026-02-23T10:42:20.884000Z | 2026-02-23T10:42:20.884000Z | Lec. | Департамент прикладной математики | false | true | false | |
744 | 2026-02-23T10:42:19.143000Z | 2026-02-23T10:42:19.143000Z | Lec. | А.Н.Тихонова | true | false | false | |
743 | 2026-02-23T10:42:17.624000Z | 2026-02-23T10:42:17.624000Z | Lec. | Московский институт электроники и математики им | false | false | false | |
742 | 2026-02-23T10:42:15.833000Z | 2026-02-23T16:51:06.590000Z | Lec. | Федеральное государственное автономное образовательное учреждение. высшего образования "Национальный исследовательский университет "Высшая школа экономики" | "Национальный исследовательский университет - Высшая школа экономики" | false | true | true |
741 | 2026-02-23T10:42:14.161000Z | 2026-02-23T10:42:14.161000Z | Lec. | URL: https://citationstyles.org/. | false | false | false | |
740 | 2026-02-23T10:42:12.518000Z | 2026-02-23T10:42:12.518000Z | Lec. | Citation Style Language [Электронный ресурс] | false | false | false | |
739 | 2026-02-23T10:42:10.910000Z | 2026-02-23T10:42:10.910000Z | Lec. | URL: https://api.crossref.org/swagger-ui/index.html. 12 | false | false | false | |
738 | 2026-02-23T10:42:09.179000Z | 2026-02-23T10:42:09.179000Z | Lec. | Crossref API [Электронный ресурс] | false | false | false | |
737 | 2026-02-23T10:42:07.077000Z | 2026-02-23T10:42:07.077000Z | Lec. | P. 5207–5227. 11 | false | true | false | |
736 | 2026-02-23T10:42:05.405000Z | 2026-02-23T10:42:05.405000Z | Lec. | RuCoLA: Russian Corpus of Linguistic Acceptability // Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing. 2022 | false | false | false | |
735 | 2026-02-23T10:42:03.507000Z | 2026-02-23T10:42:03.507000Z | Lec. | Mikhailov V., Shamardina T., Ryabinin M., Pestova A., Smurov I., Artemova E | true | false | false | |
734 | 2026-02-23T10:42:01.843000Z | 2026-02-23T10:42:01.843000Z | Lec. | URL: https://mera.a-ai.ru/ru/tasks/22. 10 | false | false | false | |
733 | 2026-02-23T10:41:59.955000Z | 2026-02-23T13:43:30.793000Z | Lec. | MaMuRAMu [Электронный ресурс] | MaMuRAMu [Электронный ресурс] | false | true | true |
732 | 2026-02-23T10:41:57.870000Z | 2026-02-23T10:41:57.870000Z | Lec. | URL: https://www.tbank.ru/about/news/20072024-t-bank-opened-access-its-own-russian-language-language-model-weight-category-of-7-8-billion-parameters/. 9 | false | false | false | |
731 | 2026-02-23T10:41:56.207000Z | 2026-02-23T15:43:40.736000Z | Lec. | Модель T-lite [Электронный ресурс] | Модель T-lite [Электронный ресурс]. | false | true | true |
730 | 2026-02-23T10:41:54.320000Z | 2026-02-23T10:41:54.320000Z | Lec. | URL: https://yandex.ru/dev/speller. 8 | false | false | false | |
729 | 2026-02-23T10:41:53.037000Z | 2026-02-23T17:21:09.863000Z | Lec. | Яндекс Спеллер [Электронный ресурс] | Яндекс.Спеллер [Электронный ресурс] | false | true | true |
728 | 2026-02-23T10:41:51.294000Z | 2026-02-23T10:41:51.294000Z | Lec. | URL: https://languagetool.org/. 7 | false | false | false | |
727 | 2026-02-23T10:41:49.691000Z | 2026-02-23T10:41:49.691000Z | Lec. | LanguageTool: Free Grammar Checker [Электронный ресурс] | false | false | false | |
726 | 2026-02-23T10:41:48.010000Z | 2026-02-23T10:41:48.010000Z | Lec. | URL: https://www.grammarly.com/. 6 | false | false | false | |
725 | 2026-02-23T10:41:46.091000Z | 2026-02-23T17:32:27.392000Z | Lec. | Grammarly: Free AI Writing Assistance [Электронный ресурс] | Grammarly: бесплатная помощь по написанию текстов с помощью искусственного интеллекта [Электронный ресурс] | false | true | true |
724 | 2026-02-23T10:41:43.678000Z | 2026-02-23T10:41:43.678000Z | Lec. | URL: https://huggingface.co/. 5 | false | false | false | |
723 | 2026-02-23T10:41:42.178000Z | 2026-02-23T13:48:23.075000Z | Lec. | Hugging Face: text classification models [Электронный ресурс] | Hugging Face: text classification models.[Электронный ресурс] | false | true | true |
722 | 2026-02-23T10:41:39.925000Z | 2026-02-23T10:41:39.925000Z | Lec. | Рудаков; Нац. исслед. ун-т «Высшая школа экономики». – М.: НИУ ВШЭ, 2021. - 44 с. 4 | true | false | false | |
721 | 2026-02-23T10:41:37.987000Z | 2026-02-23T10:41:37.987000Z | Lec. | Кирюшина, В | true | true | false | |
720 | 2026-02-23T10:41:36.357000Z | 2026-02-23T10:41:36.357000Z | Lec. | Анализ преподавательской деятельности в российских вузах: практика, принципы, тенденции: информационный бюллетень / М | false | false | false | |
719 | 2026-02-23T10:41:33.728000Z | 2026-02-23T10:41:33.728000Z | Lec. | Acceptability // Reference Module in Social Sciences. 2024 | false | false | false | |
718 | 2026-02-23T10:41:32.054000Z | 2026-02-23T10:41:32.054000Z | Lec. | P. 219–248. 2 | false | false | false | |
717 | 2026-02-23T10:41:30.348000Z | 2026-02-23T10:41:30.348000Z | Lec. | A comparison of informal and formal acceptability judgments using a random sample from Linguistic Inquiry 2001–2010 // Lingua. 2013 | false | false | false | |
716 | 2026-02-23T10:41:28.398000Z | 2026-02-23T10:41:28.398000Z | Lec. | T., Almeida D | true | false | false | |
715 | 2026-02-23T10:41:26.598000Z | 2026-02-23T10:41:26.598000Z | Lec. | Sprouse J., Schütze C | false | false | false | |
714 | 2026-02-23T10:41:24.671000Z | 2026-02-23T13:43:33.736000Z | Lec. | Список литературы. 1 | Список литературных источников. | false | true | true |
713 | 2026-02-23T10:41:22.860000Z | 2026-02-23T10:41:22.860000Z | Lec. | Практическая значимость проекта заключается в автоматизации рутинных процессов проверки, что способствует повышению объективности оценивания и улучшению качества оформления студенческих работ | false | true | false | |
712 | 2026-02-23T10:41:21.183000Z | 2026-02-23T10:41:21.183000Z | Lec. | Это, в свою очередь, будет способствовать повышению уровня подготовки студентов и улучшению качества научно-исследовательских работ | false | true | false | |
711 | 2026-02-23T10:41:19.307000Z | 2026-02-23T13:35:52.862000Z | Lec. | Разработанная система автоматической проверки студенческих отчетов позволит значительно сократить время, затрачиваемое преподавателями на проверку НИР, и повысить качество обратной связи для студентов | Разработанная система автоматической проверки студенческих отчетов позволит значительно сократить время, затрачиваемое преподавателями на проверку НИР, и повысить качество обратной связи для студентов. | false | true | true |
710 | 2026-02-23T10:41:17.351000Z | 2026-02-23T10:41:17.351000Z | Lec. | Помимо этого во время проверки все найденные ошибки отображаются пользователю в веб-версии разработанного приложения в режиме реального времени | false | true | false | |
709 | 2026-02-23T10:41:15.703000Z | 2026-02-23T10:41:15.703000Z | Lec. | На финальном этапе проверки формируется отчет в формате PDF, который содержит информацию о лингвистической приемлемости документа, корректности стилей оформления библиографических ссылок в документе и стилей оформления самого документа | false | true | false | |
708 | 2026-02-23T10:41:13.906000Z | 2026-02-23T10:41:13.906000Z | Lec. | Кроме того, модуль проверки оформления стилей, извлекаемых из документов формата docx, позволяет выполнять проверку на соответствие используемых шрифтов, размера шрифта и полей, цвета текста, используемых межстрочных интервалов, отступов, выступов и многих других элементов оформления принятому в организации стандарту описания НИР | false | true | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.