PL
 |
EN
Ten serwis zostanie wyłączony 2025-02-11.
Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 49

Liczba wyników na stronie
first rewind previous Strona / 3 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  inżynieria rolnicza
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 3 next fast forward last
1
Content available Modelowanie neuronowe w rozwiązywaniu wybranych problemów predykcyjnych inżynierii rolniczej
100%
Boniecki P. , Niżewski P.
Journal of Research and Applications in Agricultural Engineering
|
2010
|
tom Vol. 55, nr 1
16-19
PL
Proces prognozowania ma praktyczne zastosowanie w szerokim zakresie działalności ludzkiej, w tym również w rolnictwie. Jakość takich prognoz ma istotne znaczenie dla kolejnych etapów występujących w łańcuchu produkcyjno-dystrybucyjnym płodów rolnych. Celem pracy było wytworzenie neuronowego systemu informatycznego, pozwalającego na dokonanie prognozy wielkości plonu oraz zawartość skrobi w bulwach ziemniaków, na podstawie wybranych czynników agrotechnicznych.
EN
Forecasting process has practical applications in a wide range of human activity, including agriculture. The quality of such predictions is important for subsequent phases occurring in the chain of production and distribution of agricultural products. The purpose of this work, was to design, to do, and to test the informational system, which is based in technology of the artificial network of neurons, which allows to predict the size of the crops, and the contents of the starch in the potatos bulb on the basis of the chosen agro-technical factors.
2
Neural networks as an alternative to the classic analysis of empirical systems in agricultural engineering
100%
Boniecki P.
Prace Przemysłowego Instytutu Maszyn Rolniczych
|
2000
|
tom Vol. 45, nr 4
72-74
EN
Artificial neural networks, or neural networks for short, are a rapidly growing field of knowledge with applications in many areas of science. Their properties are ideal for many practical applicants. In order to demonstrate the scope for applications of neural networks in agricultural engineering, we have focused on one aspect of using such networks, which is to solve a regressive problem.
PL
Alternatywnym podejściem do opisu i analizy systemów empirycznych inżynierii rolniczej jest wykorzystanie technik neuronowych. Sztuczne sieci neuronowe stanowią intensywnie rozwijającą się dziedzinę wiedzy stosowaną w wielu obszarach nauki. Podstawą działania sieci są algorytmy uczące, umożliwiające zaprojektowanie odpowiedniej struktury sieci i dobór parametrów tej struktury, dopasowanych do problemu podlegającemu rozwiązaniu. Z wymienionych wyżej atutów sieci neuronowych na plan pierwszy wybija się zwłaszcza łatwość użycia omawianego narzędzia. W celu prezentacji możliwości zastosowania sieci neuronowych w inżynierii rolniczej zajęto się jednym z aspektów wykorzystania sieci jakim jest problem regresyjny.
3
Content available Aktualne problemy badawcze w inżynierii rolniczej w świetle XVII Kongresu Inżynierii Rolniczej w Quebek
100%
Kurpaska S.
|
|
tom R. 15, nr 1
129-135
PL
W pracy przedstawiono tematykę prac prezentowanych na Kongresie Inżynierii Rolniczej w Quebec w Kanadzie. Dokonano globalnego zestawienia tych prac wraz z syntetycznym omówieniem prezentowanej tematyki w poszczególnych sekcjach International Commission of Agritultural and Biosystems Engineering (CIGR). Przedstawiono również przemyślenia autora na temat kierunków intensyfikacji badań naukowych z zakresu inżynierii rolniczej w świetle wyzwań stojących przed nauką polską.
EN
The paper presents the subject of works presented during the Congress of Agricultural Engineering in Quebec, Canada. It contains global comparison of these works, including synthetic discussion of presented matter during individual sections of International Commission of Agricultural and Biosystems Engineering (CIGR). Moreover, the work demonstrates the author's reflections on trends in intensifying scientific research in the field of agricultural engineering in the aspect of challenges faced by Polish science.
4
Content available remote The use of neuron networks for the analysis of empirical data in linear problems of agricultural engineering
88%
Boniecki P.
Journal of Research and Applications in Agricultural Engineering
|
2001
|
tom Vol. 46, nr 4
41-47
EN
The information processing power of a neuron network results from the fact that the individual neurons can process information simultaneously. Since the outputs of the neurons in a certain layer depend only on the outputs of the neurons in the preceding layer, so the neurons in each layer are independent, and it is possible to apply parallel processing. The individual network layers can also perform calculations simultaneously, sending the results in cycles into the network. Therefore, information processing is a stream process, which significantly influences the efficiency of neuron processing. It is worth noticing that the information stored in a neuron network has a dissipated nature, i.e. it is almost impossible to say which part of the network reflects which network feature. As a consequence neuron networks have a very interesting property, namely their relatively high resistance to damage. There are many problems which cannot be solved (or for which a good solution cannot be obtained) with the use of linear methods. The strong non-linearity of an investigated problem usually manifests itself in neuron techniques in such a way that it is not possible to match the position of the previously mentioned discrimination hyperplane, which turns out to be a geometrical formation which is "too rigid" to be able to reflect the relationship being modelled In such n case the only solution is to use neuron networks with more complex structures, which in particular reflect the non-linearity of the investigated problem. However, there are problems in which the linear technique turns out to be very useful. Therefore, one must consider as groundless the omission of this simple technique and the direct use of more complex methods in a situation where no appropriate comparative research was performed. When solving a certain problem with the use of a neuron network it is always good to carry out the teaching of a linear network in the beginning, because it is often a satisfactory solution (and one can confine oneself to it). Even if it is not possible to obtain satisfactory results with the use of a linear network only, it is often a convenient point of reference, when comparison is made with more complex models.
PL
Komplementarnym podejściem do opisu i analizy systemów empirycznych inżynierii rolniczej jest wykorzystanie technik sztucznej inteligencji, a w szczególności metod opartych na sieciach neuronowych. Sztuczne sieci neuronowe, zwane w skrócie sieciami neuronowymi, stanowią intensywnie rozwijającą się dziedzinę wiedzy utylitarnej stosowaną w wielu obszarach nauki. Mają właściwości pożądane w wielu zastosowaniach praktycznych, m.in. dlatego, że stanowią uniwersalny układ aproksymacyjny, odizolowujący wielowymiarowe zbiory danych. Mają zdolność uczenia się i adaptacji do zmieniających się warunków środowiskowych. Są odporne na zakłócenia. Posiadają zdolność uogólniania nabytej wiedzy, stanowiąc pod tym względem system sztucznej inteligencji. W pracy omówiono nowoczesne techniki przetwarzania rozproszonego z wykorzystaniem liniowych sieci neuronowych. W szczególności zajęto się neuronowym przetwarzaniem danych empirycznych pochodzących z badań dotyczących zagadnień przepływu oraz kumulacji ciepła, zachodzących w kamiennym magazynie energii cieplnej. Analizie poddano szereg struktur liniowych sieci neuronowych. Następnie, wyselekcjonowano oraz przetestowano liniowy model neuronowy, opisujący proces ładowania kamiennego akumulatora. Dokonano weryfikacji wybranego modelu w stosunku do wyników uzyskanych metodami klasycznymi. Na koniec porównano adekwatność modelu z bardziej złożonymi strukturami neuronowymi, jakimi są nieliniowe sieci neuronowe.
5
Content available Ośrodek lubelski i jego twórcy w opinii krajowego środowiska inżynierii rolniczej
75%
Michałek R.
|
|
tom R. 15, nr 6
133-139
PL
Praca przedstawia drogę rozwojową Wydziału Inżynierii Produkcji Uniwersytetu Przyrodniczego w Lublinie w okresie 40-tu ostatnich lat. Ukazuje wpływ tego Ośrodka na rozwój krajowego środowiska inżynierii rolniczej a także sylwetki Profesorów: Janusza Hamana i Andrzeja Kwiecińskiego.
EN
The paper presents how the Department of Production Engineering of the University of Life Sciences has developed for the last forty years. It presents the influence of the Centre on the development of the national environment of agricultural engineering and profiles of the following professors: Janusz Haman and Andrzej Kwieciński.
6
Content available Przyszłość inżynierii rolniczej jako nauki i kierunku kształcenia
75%
Michałek R.
Inżynieria Rolnicza
|
2008
|
tom R. 12, nr 1(99)
297-302
PL
W roku 2007 trzy krajowe ośrodki inżynierii rolniczej obchodziły swoje jubileusze. Wśród nich 30-lecie Wydziału świętował Wydział Inżynierii Produkcji SGGW w Warszawie. Artykuł przedstawia krótką historię jego powstania i rozwoju. W dalszej części przedstawia jego pozycję w strukturze nauki krajowej inżynierii rolniczej.
EN
In 2007, three national agricultural engineering centres observed their anniversaries. Among them, the Faculty of Production Engineering at Warsaw University of Life Sciences (SGGW in Warsaw) was celebrating its 30-th anniversary. The article presents a brief history of its establishment and development. Further, it shows its position in the structure of Polish agricultural engineering science.
7
Content available Integracja Ośrodka wrocławskiego z krajowym środowiskiem inżynierii rolniczej
75%
Michałek R.
Inżynieria Rolnicza
|
2008
|
tom R. 12, nr 4(102)
7-12
PL
Praca przedstawia osiągnięcia i pozycję Ośrodka wrocławskiego w krajowym środowisku inżynierii rolniczej. W 2007 r. Ośrodek ten obchodził 40-lecie realizacji kierunku studiów o aktualnej nazwie "Technika rolnicza i leśna". W związku z powyższym organizatorzy postanowili uczcić swój jubileusz organizacją konferencji międzynarodowej, w trakcie której przedstawiono zarówno osiągnięcia badawcze i dydaktyczne własne jak i krajowego środowiska inżynierii rolniczej.
EN
The paper presents the achievements of the Wrocław Centre and its position in the national agricultural engineering circle. In 2007 the Centre celebrated the 40th anniversary of the realization of the line of studies currently called "Agricultural and Forestry Engineering". In this connection the organizers decided to celebrate this jubilee with an international conference during which scientific and didactic achievements of the Center and those of the national agricultural engineering circle were presented.
8
Content available remote Miejsce i zakres inżynierii rolniczej w strukturze nauki polskiej
75%
Michałek R.
|
2003
|
tom R. 7, nr 3, t. 2
7--14
PL
Wraz z rozwojem nauki stopniowo wyodrębniają się nowe dyscypliny w ramach dziedzin nauki, w obrębie dyscyplin powstają nowe specjalności. Nie ma jednoznacznych kryteriów podziału nauki i wszystkie próby systematyki budzą zastrzeżenia. Mimo to klasyfikacja jest niezbędna, choćby ze względu na dobór kompetentnych recenzentów przy ocenie wartościowej pracy. Artykuł podejmuje próbę określenia zakresu inżynierii rolniczej oraz jej miejsca w strukturze nauki w Polsce i w skali międzynarodowej.
EN
Along with the development of science still new branches of knowledge and within the branches new specialties emerge. There are no established criteria that can describe this growth and every attempt of systematizing can be questioned. In spite of this there is a need of such classification e.g. to posses a criterion of choosing appropriate referee in new discipline. In this paper we try to describe the role and place of agricultural engineering within the scope of Polish as well as international science.
9
Content available XVI Kongres CIGR
75%
Pawlak J.
Problemy Inżynierii Rolniczej
|
2006
|
tom R. 14, nr 4
113-114
10
Neural techniques in agricultural engineering
75%
Boniecki P.
Prace Przemysłowego Instytutu Maszyn Rolniczych
|
2001
|
tom Vol. 46, nr 1
80-83
EN
Neural technigues constitute an alternative to describing and analyzing empirical systems in agricultural engineering. Artificial neural networks, referred to as neural networks for short, are a rapidly growing field of knowledge with applications reaching into many areas of science. The properties of such networks are ideal for many practical applications. Neural networks constitute a universal approximation system for representing multi-dimensional data sets. They have an ability to learn and adapt to changing environments and generalize on the acquired knowledge, which makes them a system of artificial intelligence. At the heart of the network's operation are learning algorithms which allow for designing a proper network structure and selecting its parameters to best suit the problem at hand. Unfortunately, in studies on agricultural engineering phenomena, one is frequently left with no mathematical model to illustrate them in a precise manner. In effect, all we have to go on are findings of studies while our knowledge of the structure of the problem at hand usually remains fragmentary and incomplete. Of course, this is because agricultural engineering systems are highly complex in their structures. Research on such systems reguires a combination of natural (empirical) and technical (exact) sciences. For that reason, it seems appropriate to employ an alternative method of analyzing agricultural technology problems, namely neural networks.
PL
Wśród licznych zastosowań komputerów w inżynierii rolniczej, wynikających z ogólnego rozwoju informatyki oraz zapotrzebowania na nowoczesne technologie w rolnictwie, gwarantujące wysoką jakość produktu końcowego, trudno nie wspomnieć o klasycznym już dziś zastosowaniu, jakim są obliczenia. Szczególną pozycję w metodach obliczeniowych stosowanych w technice rolniczej zajmują techniki uwzględniania losowości, występującej w większości systemów empirycznych. Na skuteczność tych metod znaczący wpływ wywiera sposób generowania liczb pseudolosowych. Alternatywnym podejściem do opisu i ana1izy systemów empirycznych inżynierii rolniczej jest wykorzystanie technik neuronowych. Sztuczne sieci neuronowe zwane w skrócie sieciami neuronowymi, stanowią intensywnie rozwijająca się dziedzinę wiedzy stosowaną w wielu obszarach nauki. Mają właściwości pożądane w wielu zastosowaniach praktycznych: stanowią uniwersalny układ aproksymacyjny odwzorowujący wielowymiarowe zbiory danych, mają zdolność uczenia się i adaptacji do zmieniających się warunków środowiskowych, zdolność uogólniania nabytej wiedzy, stanowiąc pod tym względem system sztucznej inteligencji. Podstawą działania sieci są algorytmy uczące, umożliwiające zaprojektowanie odpowiedniej struktury sieci i dobór parametrów tej struktury, dopasowanych do problemu polegającemu rozwiązaniu. Niestety, w badaniach zagadnień inżynierii rolniczej często zdarza się, że nie dysponujemy modelem matematycznym, precyzyjnie opisującego dane zjawisko. Oznacza to, że posiadamy jedynie wyniki badań, podczas gdy nasza wiedza o strukturze badanego problemu jest zazwyczaj fragmentaryczna, a zatem niepełna. Wiąże się to niewątpliwie z ogromnie skomplikowaną strukturą, jaką reprezentują systemy inżynierii rolniczej, wiążącej w sobie elementy nauk przyrodniczych (empirycznych) i technicznych (ścisłych). W takim wypadku celowe wydaje się być skorzystanie z alternatywnej metody analizy zagadnień techniki rolniczej, jaką reprezentują sieci neuronowe.
11
Content available remote Neural networks as a tool in the analysis of agricultural engineering empirical systems
75%
Boniecki P. , Weres J.
Journal of Research and Applications in Agricultural Engineering
|
2001
|
tom Vol. 46, nr 3
73-76
EN
Of the numerous applications of computers in agriculture induced by the overall advancement in IT and produced in response to the demand for cutting-edge agricultural technologies required to secure high quality products, one application which has become a classic and which definitely deserves a mention is numerical processing. A special place among numerical processing methods applied in agricultural technology has been given to techniques of accounting for randomness, which is an element present in most empirical systems. The effectiveness of such methods is influenced largely by techniques of generating pseudo-random numbers. In studies on agricultural phenomena, one is frequently left with no mathematical. model to describe the phenomena precisely. In effect our knowledge of the structure of the problem at. Hand usually remains incomplete. This is because agricultural system s are highly complex in their structures. For that reason it seems appropriate to employ an alternative method of analyzing problems of agricultural technology, namely neural networks. The properties of neural network are ideal for many practical applications. Neural networks constitute a universal approximation system for representing multi-dimensional data sets. They have an ability to learn and adapt to changing environments and generalize on the acquired knowledge, which makes them a system of artificial intelligence. At the heart of their operation are learning algorithms which allow for designing a proper network structure and selecting its parameters to best suit the problem at hand. The objective of the paper was to analyze selected problem s of agricultural engineering, in which application of neural networks is highly recommended, and to discuss such applications in the following areas: a) time series predictions, e.g. prediction of crops, b) spatial approximation, e.g. geological and analysis, c) classification, e.g. entomological categorization of insects on the basis of characteristic features of an object, d) signal filtering (removal of noise from a corrupted signal), e.g. meteorological data analysis.
PL
Wśród licznych zastosowań komputerów w inżynierii rolniczej, wynikających z ogólnego rozwoju informatyki oraz zapotrzebowania na nowoczesne technologie w rolnictwie, gwarantujące wysoką jakość produktu końcowego, trudno nie wspomnieć o klasycznym już dziś zastosowaniu, jakim są obliczenia. Szczególną pozycję w metodach obliczeniowych stosowanych w technice rolniczej zajmują techniki uwzględniania losowości, występującej w większości systemów empirycznych. Na skuteczność tych metod znaczący wpływ wywiera sposób generowania liczb pseudo losowych. Alternatywnym podejściem do opisu i analizy systemów empirycznych inżynierii rolniczej jest wykorzystanie technik neuronowych. Sztuczne sieci neuronowe zwane w skrócie sieciami neuronowymi, stanowią intensywnie rozwijającą się dziedzinę wiedzy stosowaną w wielu obszarach nauki. Mają właściwości pożądane w wielu zastosowaniach praktycznych: stanowią uniwersalny układ aproksymacyjny odwzorowujący wielowymiarowe zbiory danych, mają zdolność uczenia się i adaptacji do zmieniających się warunków środowiskowych, zdolność uogólniania nabytej wiedzy, stanowiąc pod tym względem system sztucznej inteligencji. W pracy omówiono obszary możliwych zastosowań sieci neuronowych oraz zaprezentowano przykłady praktycznego wykorzystania sieci w wybranych obszarach inżynierii rolniczej.
12
Content available Zastosowanie modelu Gompertz'a w inżynierii rolniczej
75%
Hanusz Z. , Siarkowski Z. , Ostrowski K.
Inżynieria Rolnicza
|
2008
|
tom R. 12, nr 7(105)
71-77
PL
W pracy przedstawiono charakterystykę modelu Gompertz'a. Opisano znaczenie parametrów występujących w modelu. Pokazano typowe wykresy funkcji oraz przykłady zastosowania ich w rolnictwie. Zasygnalizowano możliwość wykorzystania modelu w optymalizujących systemach ekspertowych dla producentów rolnych.
EN
The paper presents characteristics of the Gompertz model. Definitions of parameters occurring in the model have been provided. Typical function graphs and examples of their application in agriculture are shown, and possibility to use the model in optimising expert systems for agricultural manufacturers is indicated.
13
Content available The Kohonen neural network in classification problems solving in agricultural engineering
75%
Boniecki P.
Journal of Research and Applications in Agricultural Engineering
|
2005
|
tom Vol. 50, nr 1
37-40
EN
During the adaptation process of the weights vector that occurs in the iteration presentation of the teaching vector, the Kohonen type neural network attempts to learn the structure of the data. Such a network can learn to recognise aggregates of input data occuring in the input data set regardless of the assumed criteria of similarity and the quantity of the data explored. Following identification of aggregates occurring in the data set, they can be named (labelled), and as a result the Kohonen network gains the ability to classify them in compliance with the inner logic included in the data set. The Kohonen type neural network can therefore be used for classification of data also when the output classes are not known (defined) in advance.
PL
Podczas procesu adaptacji wektora wag zachodzącego w trakcie iteracyjnej prezentacji wektora uczącego, sieć neuronowa typu Kohonena próbuje nauczyć się struktury danych. Sieć taka może nauczyć się rozpoznawania skupień występujących w zbiorze danych wejściowych bez względu na przyjęte kryteria podobieństwa oraz ilość eksplorowanych danych. Po identyfikacji skupień występujących w zbiorze danych można nadać im nazwy (zaetykietować je), skutkiem czego sieć Kohonena uzyskuje możliwość przeprowadzania ich klasyfikacji, zgodnie z wewnętrzną logiką zawarta w zbiorze danych. Sieć neuronowa typu Kohonena może zatem być użyta do klasyfikacji danych również wtedy, gdy klasy wyjściowe nie są z góry znane (zdefiniowane).
14
Content available Sztuczne sieci neuronowe w modelowaniu procesów z ograniczonym zbiorem danych w inżynierii rolniczej
75%
Trajer J.
|
|
tom R. 9, nr 2
173--180
PL
Celem pracy jest przedstawienie metody neuronowego modelowania procesów z ograniczonym zbiorem danych. W przykładzie wykorzystano bazę danych zmian cen przechowywanej marchwi. Podano koncepcję budowy modelu neuronowego, który pomimo ograniczonego zbioru danych posiadać może zadowalające własności uogólniające, w sensie rozszerzenia zasięgu jego stosowalności poza zbiór uczący.
EN
In this paper the analysis of the neural modeling of the agricultural engineering process was presented. The problems of effectiveness and quality neural networks in these processes was discussed.
15
Content available Metody prognozowania wybranych zagadnień inżynerii rolniczej z wykorzystaniem sztucznych sieci neuronowych
75%
Dejewska T. , Boniecki P. , Jakubek A.
Journal of Research and Applications in Agricultural Engineering
|
2009
|
tom Vol. 54, nr 2
228-31
PL
Celem pracy było omówienie neuronowych metod prognozowania oraz porównanie ich efektywności w wybranych zagadnieniach inżynierii rolniczej przy użyciu sztucznych sieci neuronowych. Wskazano przy tym topologie sieci, które w rozwiązaniu problemów predykcyjnych charakteryzowały się najlepszą skutecznością.
EN
The aim of the following thesis was the description of chosen methods of the prediction and the comparison of their efficiency in the field of agricultural engineering with the use of artificial neural networks. There were also pointed the typolgies of networks which turned out to be the most effective in the process of solving the prediction problems.
16
Content available remote Que venis quo vadis inżynierio rolnicza?
75%
Haman J. , Michałek R.
|
2003
|
tom R. 7, nr 9
29--38
PL
Artykuł jest odzwierciedleniem specjalistycznego seminarium przeprowadzonego pod kierunkiem autorów w czasie konferencji naukowej nt. „Postęp naukowo - techniczny i organizacyjny w rolnictwie - postęp przyjazny środowisku". Głównym celem seminarium było określenie miejsca, nazwy i zakresu badań aktualnej dyscypliny inżynierii rolniczej.
EN
The paper is a reflection of a specialist seminar conducted under the supervision of the authors during a scentific conference . „Scicntific and technical progress in agriculture - environment-friendly progress". The main objective of the seminar is to specify the place, name and scope of research for ihe current discipline of agricultural engineering.
17
Content available Polska terminologia w inżynierii rolniczej
75%
Zalewski P.
Inżynieria Rolnicza
|
2007
|
tom R. 11, nr 7 (95)
257-264
PL
Zmiany gospodarcze minionego dziesięciolecia i zmiany pokoleniowe fachowców wywierają wpływ na terminologię w technice rolniczej. W niektórych działach techniki odbiegamy, co do zasad, od nazewnictwa stosowanego w "starych" krajach UE. Proces przyjmowania nowych nazw przebiega spontanicznie, bez żadnych kompetentnych uzgodnień. Obserwuje się regionalizację terminologii na poziomie akademickim. Angielskie tłumaczenia tekstów fachowych wymagają większego zaangażowania autorów.
EN
Economic changes of the past decade and specialists generation changes affect terminology used in agricultural technology. As regards rules, in some divisions of technology we depart from nomenclature used in the "old" EU countries. The process of adopting new names proceeds spontaneously, without any competent consultations. Terminology regionalization is observed at academic level. English translations of professional texts require higher involvement of their authors.
18
Content available Internetowy system udostępniania zasobów czasopisma "Inżynieria Rolnicza"
75%
Morylewski K. , Molenda K. , Kuboń M. , Wacięga M.
Inżynieria Rolnicza
|
2007
|
tom R. 11, nr 9 (97)
173-179
PL
W pracy zaprezentowano projekt systemu udostępniania artykułów publikowanych w czasopiśmie Inżynieria Rolnicza poprzez sieć Internet. Projekt wymagał opracowania koncepcji oraz strony technicznej systemu, a następnie implementacji (przy pomocy PHP i popularnych technologii bazodanowych), a także wdrożenia przygotowanego rozwiązania. Podstawowa funkcjonalność działającego już systemu obejmuje: publikowanie artykułów (w formatach cyfrowych), indeksowanie (w formie metadanych) najważniejszych informacji o publikacjach oraz umożliwienie przeszukiwania zbiorów.
EN
The paper presents a design of the system allowing to make articles published in the "Inżynieria Rolnicza" ["Agricultural Engineering"] journal available through the Internet. The design required a concept and technical part of the system to be developed, and then a completed solution (using the PHP and popular database technologies) to be implemented. The basic functionality of already operating system includes: publishing of articles (in digital formats), indexing (in metadata form) of the most important information concerning the publications, and making it possible to search through the sets.
19
Content available Domena i krajowe środowisko inżynierii rolniczej
63%
Michałek R.
Inżynieria Rolnicza
|
2008
|
tom R. 12, nr 6(104)
7-12
PL
Praca przedstawia koncepcję zmian w klasyfikacji nauk i na przykładzie inżynierii rolniczej uzasadnienie tej propozycji. Druga część prezentuje zakres działalności badawczej inżynierii a trzecia krajowe środowisko inżynierii rolniczej.
EN
The paper shows the concept of changes in science classification and justification of this suggestion on the example of agricultural engineering. Second part of the paper presents the scope of engineering research activity, and the last part presents Polish of agricultural engineering environment.
20
Content available Nauczanie w inżynierii rolniczej - dzisiaj i jutro
63%
Dawidowski J. B. , Błażejczak D.
|
|
tom R. 16, nr 4, t. 1
29-44
PL
Celem opracowania było przedstawienie analizy procesów zachodzących w obszarze przebudowy programów nauczania inżynierii rolniczej w Polsce i zagranicą. Wynika z niej, że nadrzędnym celem wprowadzanych zmian jest zapobieżenie podupadaniu zawodu, czego dowodem jest malejące, niekiedy bardzo drastycznie, zainteresowanie podejmowaniem studiów w tym obszarze kształcenia. Przypadki wzrostu liczby kandydatów zdarzają się niezmiernie rzadko - są spowodowane szczególnymi uwarunkowaniami lokalnymi i nie oznaczają poprawy zatrudnialności absolwentów. Konieczne jest zintensyfikowanie dyskusji w całym środowisku inżynierii rolniczej w Polsce i opracowanie mapy drogowej wytyczającej szlaki do wdrażania niezbędnych, dostosowanych do współczesnych potrzebie oczekiwań zmian w nauczaniu inżynierii rolniczej, zwiększających atrakcyjność zawodu i sprzyjających poprawie zatrudnialności.
EN
The objective of the work was to present analysis of processes which take place in the area of reconstruction of programmes related to teaching agricultural engineering in Poland and abroad. The results of the analysis prove that preventing decline of the profession is the main purpose of the implemented changes. The decline is visible at the decrease, sometimes very drastic, in the interest in this type of education. Cases of the increase in the number of candidates are very rare - they result from special local conditions and do not stand for improvement in employing graduates. It is necessaryto intensify discussions within the whole society of agricultural engineering in Poland as well as to work out a map which would open a way for implementing indispensable changes in teaching agricultural engineering adjusted to modern demands and expectations and increasing attractiveness of the profession and influencing the improvement of employment.
first rewind previous Strona / 3 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.