Search the digital library catalog

Abstract: Nogomet je eden najbolj priljubljenih športov na svetu, ki že v zgodnjem otroštvu pritegne številne otroke. V začetnih fazah vključevanja otrok v nogometni trening ima pomembno vlogo predvsem igrivost, saj igra predstavlja naravno okolje učenja in razvoja. Otroci med igro pridobivajo osnovne gibalne izkušnje, razvijajo socialne veščine, se učijo pravil ter vzpostavljajo pozitiven odnos do gibanja in športa nasploh. Pri najmlajših nogometaših, starih med 5 in 8 let, je ključno, da vadbeni proces temelji na načelih celostnega razvoja. Otroci v tem obdobju namreč še niso zreli za sistematično učenje kompleksnih tehničnih in taktičnih elementov igre, zato mora biti vadba prilagojena njihovim razvojnim, fizičnim in umskim značilnostim. Osrednji del vadbenih vsebin pri najmlajših tako predstavljajo različne elementarne, štafetne in druge igre. Te prek zabave in gibanja omogočajo razvoj osnovnih motoričnih, socialnih in psiholoških sposobnosti. Cilj diplomske naloge je predstaviti pomen in uporabnost elementarnih, štafetnih ter drugih oblik iger pri delu z najmlajšimi nogometaši. Poudarek je na vlogi trenerja, primerni strukturi vadbenega procesa, ciljih vadbe in razvoju otrok v tem starostnem obdobju. Poleg tega so v diplomski nalogi z grafičnimi prikazi in opisi predstavljene elementarne, štafetne in druge igre za doseganje različnih ciljev pri delu z mladimi nogometaši.
Keywords: otrokova igra, nogometna igra, nogometni trener, gibalna vsestranost, elementarne, štafetne in druge igre
Published in DKUM: 29.10.2025; Views: 0; Downloads: 3
Full text (5,00 MB)

Abstract: Korporativna obveščevalna dejavnost je vrsta poslovne dejavnosti, ki se izvaja v gospodarski sferi. Njen namen se uresničuje skozi pridobivanje podatkov, ki predstavljajo podporo pri strateškem odločanju in posledično pri ustvarjanju konkurenčne prednosti na poslovnem trgu. V magistrskem delu je bilo ugotovljeno, da ima ta dejavnost zelo pomembno vlogo pri poslovanju podjetij, predvsem na globalni ravni. Ugotovljeno je bilo, da je postala celo nepogrešljivo orodje za uspešno pozicioniranje podjetij in bo v prihodnosti imela še večjo vlogo in pomen, delno tudi zaradi tehnoloških sprememb znotraj le te. Magistrsko delo se osredotoča tudi na resnično izvajanje dejavnosti v slovenskih podjetjih in njen vpliv na poslovno uspešnost. Pri tem je bilo ugotovljeno, da se pri izvajanju dejavnosti uporabljajo številne programske opreme, ki v veliki meri olajšajo izvajanje, hkrati pa povečujejo potrebo po ustrezno usposobljenem kadru. V magistrskem delu so identificirane prednosti in slabosti, ki se pojavljajo pri praktičnem izvajanju omenjene dejavnosti, hkrati pa tudi izzivi in omejitve, na katere naleti dotični kader. Ugotovitve imajo podlago v intervjujih s posamezniki, ki se v slovenskih podjetjih ukvarjajo z danim področjem. Intervjuvanci prepoznavajo to dejavnost kot pomembno orodje za spremljanje konkurenčnega okolja in pridobivanje relevantnih podatkov za sprejemanje boljših poslovnih odločitev. Korporativna obveščevalna dejavnost je v primerjavi z globalnim trgom, v Republiki Sloveniji še vedno v povojih, vendar se stvari v zadnjih letih spreminjajo. Zaradi pomena, ki ga ima omenjena dejavnost za ustvarjanje konkurenčne prednosti in potenciala, ki ga lahko doseže v prihodnosti, je o njej smiselno govoriti, vsaka raziskava pa odpira številna nova področja in možnosti za nadaljnje raziskovanje.
Keywords: korporativna obveščevalna dejavnost, konkurenčna prednost, magistrska dela
Published in DKUM: 22.10.2025; Views: 0; Downloads: 6
Full text (1006,07 KB)

Abstract: Spatio-temporal forecasting is a rapidly evolving field, accelerated by the increasing accessibility of sensoring infrastructure and computational hardware, capable of processing the large amount of sampled data. Applications of spatio-temporal forecasts range from traffic, weather, air pollution forecasting and others. Emerging technologies employ deep learning architectures, such as graph, convolutional, recurrent and transformer neural networks. While the state-of-the-art methods provide accurate time series predictions, they are typically limited to providing forecasts only for the direct locations of sampling, whereas coverage of the entire area is often desired by the applications. In this work, we propose a method that addresses this challenge and improves on the shortcomings of related works, which have already tackled the task. The proposed graph convolutional recurrent neural network based method provides forecasts for arbitrary geolocations without available measurement data, formulating predictions based on contextual information of target geolocations and the time series data of nearby measurement geolocations. We evaluate the method on three real-world datasets from meteorological, traffic and air pollution domains, and gauge its performance against the state-of-the-art spatio-temporal forecasting methods. The proposed method achieves 12.26 %, 66.97 % and 42.89 % improvements in the mean absolute percentage errors on the three aforementioned datasets, compared to the best performing state-of-the-art method GConvGRU.
Keywords: spatio-temporal forecasting, graph recurrent neural networks, sparse geospatial sensor networks
Published in DKUM: 25.07.2025; Views: 0; Downloads: 2
Full text (5,19 MB)

Abstract: V magistrskem delu preučujemo kockovne komplemente posplošenih Fibonaccijevih kock Q_h^C(f). Ti grafi nastanejo tako, da najprej iz hiperkocke Q_h odstranimo vsa vozlišča, ki vsebujejo niz f. Ce je G induciran podgraf od Q_h, potem je kockovni komplement grafa G graf, induciran z množico vozlišč grafa Q_h, ki niso v G. Kockovni komplement posplošene Fibonaccijeve kocke je tako podgraf od Q_h, induciran z množico vseh vozlišč, ki vsebujejo niz f. Osrednji del magistrskega dela je namenjen analizi povezanosti teh grafov. Z upoštevanjem struktur binarnih nizov, kot je parameter simetrije r(f) in podobnost začetka in konca niza π(f), podamo pogoje, pod katerimi so ti grafi povezani ali nepovezani. V nadaljevanju nas zanima tudi, kdaj ti grafi zadoščajo pogojem za delne kocke in medianske grafe, kar raziskujemo z uporabo teorije marjetičnih kock ter ustreznih karakterizacij.
Keywords: posplošena Fibonaccijeva kocka, Fibonaccijeva kocka, kockovni komplement, hiperkocka, binarni niz, delna kocka, medianski graf, graf, povezanost grafov, Hammingova razdalja
Published in DKUM: 19.06.2025; Views: 0; Downloads: 12
Full text (1,35 MB)

Abstract: For a given graph G, the general position problem asks for the largest size of a set of vertices M ⊆ V(G) such that no three distinct vertices of M belong to a common shortest path in G. A relaxation of this concept is based on the condition that two vertices x, y ∈ V(G) are M-visible, meaning there exists a shortest x, y-path in G that does not pass through any vertex of M \ {x, y}. If every pair of vertices in M is M-visible, then M is called a mutual-visibility set of G. The cardinality of the largest mutual-visibility set of G is called the mutual-visibility number of G. Some wellknown variations of this concept consider the total, outer, and dual mutual-visibility sets of a graph. We present results on the general position problem and the various mutual-visibility problems in Sierpi ´nski triangle graphs.
Keywords: general position, mutual visibility, Sierpinski triangle graph
Published in DKUM: 29.05.2025; Views: 0; Downloads: 2
Full text (580,63 KB)