[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"blog-article-ai-analiz-laboratornykh-danykh":3},{"uuid":4,"title":5,"subtitle":6,"content":7,"preview":344,"date_published":349,"date_pinned":349,"img":350,"alias":351,"is_published":352,"is_pinned":353,"type":13,"category":354,"category_name":355,"category_alias":356,"background_color":357,"preview_icon":13,"category_value":358,"external_link":13},"6701b46c-7fe2-44b5-abca-ad566ee0d302","Як використовувати AI для аналізу лабораторних даних без вигадування результатів","Як використовувати AI для лабораторного аналізу: зберігати первинні вимірювання, перевіряти перетворення, обчислення, невизначеність і походження висновків.",{"type":8,"content":9},"doc",[10,18,23,31,36,41,46,52,57,69,74,80,85,98,103,109,114,125,130,136,141,146,151,157,162,175,180,186,191,196,201,207,218,223,228,234,239,244,250,255,260,266,271,276,282],{"type":11,"attrs":12,"content":14},"paragraph",{"align":13},null,[15],{"text":16,"type":17},"AI може пояснити метод, допомогти підготувати обчислення й знайти можливу невідповідність у таблиці. Проте він не має права перетворювати відсутнє вимірювання на правдоподібне число або описувати експеримент, якого не було. У лабораторній роботі потрібно зберігати шлях від первинного спостереження до висновку. Якщо цей зв'язок губиться, акуратний графік або переконливий звіт може приховати вигадані дані, непогоджене виключення або невідтворюваний розрахунок, який інша людина не зможе перевірити за фактично отриманими матеріалами та умовами проведеної роботи.","text",{"type":11,"attrs":19,"content":20},{"align":13},[21],{"text":22,"type":17},"Нижче наведено авторський процес для освітнього аналізу. Він не замінює методику конкретного експерименту й предметного викладача. Усі числові приклади умовні та не є результатами реальних вимірювань. Мета — визначити допустиму роль AI, зберегти первинний набір і перевіряти кожне змістове перетворення. Студент має розуміти, які числа спостерігали, які обчислили, які припущення використали та що залишається невідомим. Саме така прозорість дозволяє відрізняти корисну допомогу від автоматичного створення науково схожого тексту без достатньої емпіричної основи.",{"type":24,"attrs":25,"content":28},"heading",{"align":13,"level":26,"id":27},2,"heading_2_1",[29],{"text":30,"type":17},"Визначте питання й роль помічника",{"type":11,"attrs":32,"content":33},{"align":13},[34],{"text":35,"type":17},"Почніть із того, що має встановити лабораторна робота. Вимірювання величини, перевірка залежності та порівняння умов потребують різного аналізу. Не просіть AI просто знайти «цікавий результат», якщо методика визначає конкретне питання. Спочатку запишіть змінні, спосіб отримання даних і потрібний висновок. Це допоможе вибрати доречні перетворення й не підмінити мету після перегляду результатів. Для дослідницького пошуку можна залишати нові гіпотези, але їх потрібно відокремлювати від перевірки, яку планували до фактичного отримання вимірювань у лабораторному занятті.",{"type":11,"attrs":37,"content":38},{"align":13},[39],{"text":40,"type":17},"Установіть допустиму допомогу. AI може пропонувати план, пояснювати статистичне поняття або готувати чернетку коду. Студент перевіряє метод, запускає аналіз у фактичному середовищі та звіряє результат. Якщо інструмент не виконував обчислення, його відповідь є планом або міркуванням, а не журналом запуску. Не приймайте повідомлення про готовий файл без самого перевіреного файла. Для завершення потрібні конкретні дані й відтворювані кроки, які дозволяють іншій людині отримати той самий аналітичний результат за погодженим способом і встановленими умовами.",{"type":11,"attrs":42,"content":43},{"align":13},[44],{"text":45,"type":17},"Не доручайте моделі створювати відсутні спостереження. Для тренування можна використати синтетичний набір, але його походження має бути явно позначене. Він не підтверджує реальну фізичну або іншу експериментальну залежність лише тому, що виглядає правдоподібно. Якщо фактичне вимірювання не вдалося, зафіксуйте це й дійте за методикою курсу. Чесно описане обмеження дає навчальну підставу для аналізу причини. Вигаданий успішний рядок створює іншу історію експерименту, яка не відповідає виконаній роботі та може непомітно вплинути на всі подальші висновки.",{"type":24,"attrs":47,"content":49},{"align":13,"level":26,"id":48},"heading_2_2",[50],{"text":51,"type":17},"Збережіть первинний набір і журнал",{"type":11,"attrs":53,"content":54},{"align":13},[55],{"text":56,"type":17},"Працюйте з копією даних, залишаючи вихідний матеріал відповідно до правил вашої лабораторії або курсу. Для кожного запису має бути зрозуміле походження: прилад, ручне спостереження, імпорт або інше визначене джерело. Збережіть дату, умови та потрібні параметри вимірювання. Не обов'язково створювати складну систему для короткої навчальної роботи, проте визначальні відомості не повинні залишатися лише в пам'яті студента. Якщо число змінилося під час перенесення, команда має мати змогу встановити попереднє значення й причину виправлення.",{"type":11,"attrs":58,"content":59},{"align":13},[60,67],{"text":61,"type":17,"marks":62},"NIST у власних стандартах якості інформації",[63],{"type":64,"attrs":65},"link",{"href":66,"title":13},"https:\u002F\u002Fwww.nist.gov\u002Fdirector\u002Fnist-information-quality-standards",{"text":68,"type":17}," описує ведення лабораторних записів і зв'язок результатів із вихідними даними. Це приклад інституційного підходу, а не твердження про однакові юридичні вимоги до всіх навчальних лабораторій. Для вашого процесу корисний прозорий журнал: що отримано, як оброблено та хто перевірив. Автоматичне резюме може допомагати навігації, але не має замінювати первинне спостереження. Саме оригінал дозволяє повернутися до спірного місця й не покладатися лише на акуратно відредагований підсумковий текст.",{"type":11,"attrs":70,"content":71},{"align":13},[72],{"text":73,"type":17},"Відокремте виміряні й обчислені колонки. Для кожної похідної величини запишіть правило та використані входи. Не називайте прогноз моделі вимірюванням. Якщо застосовано калібрування або погоджене виправлення, збережіть і початкові, і скориговані значення з підставою. Не змінюйте назву файла так, щоб походження стало неясним. Простий зрозумілий порядок версій допомагає уникнути ситуації, коли студент аналізує одну копію, викладач перевіряє іншу, а графік у звіті побудований за третьою без видимого зв'язку між ними та фактично виконаними перетвореннями.",{"type":24,"attrs":75,"content":77},{"align":13,"level":26,"id":76},"heading_2_3",[78],{"text":79,"type":17},"Перевірте структуру перед статистикою",{"type":11,"attrs":81,"content":82},{"align":13},[83],{"text":84,"type":17},"Опишіть колонки, типи величин, одиниці та значення спеціальних позначок. Перевірте десятковий роздільник, формат часу й порядок рядків. Число, яке система прочитала як текст або дату, може не потрапити в обчислення так, як очікує студент. AI здатний запропонувати список перевірок, але потрібно переглянути фактичний результат імпорту. Не вважайте успішне відкриття файла підтвердженням правильності всіх значень. Для невеликого набору звірте рядки вручну, для більшого визначте контрольні кількості й вибіркові зіставлення з первинним матеріалом.",{"type":11,"attrs":86,"content":87},{"align":13},[88,90,96],{"text":89,"type":17},"Перевірте одиниці до об'єднання даних. Загальну основу подає ",{"text":91,"type":17,"marks":92},"BIPM у SI Brochure",[93],{"type":64,"attrs":94},{"href":95,"title":13},"https:\u002F\u002Fwww.bipm.org\u002Fen\u002Fpublications\u002Fsi-brochure",{"text":97,"type":17},". Однаковий заголовок не гарантує однаковий масштаб у різних файлах. Для перетворення потрібне явне правило. Не дозволяйте AI вгадувати одиницю за правдоподібністю числа, якщо вона не зазначена в джерелі. За відсутності потрібної інформації залиште невизначеність і уточніть її. Зручне припущення може дати красивий результат, але не відновлює фактичних умов вимірювання та не стає достовірним через гладке пояснення його можливого походження.",{"type":11,"attrs":99,"content":100},{"align":13},[101],{"text":102,"type":17},"Не плутайте незалежні повтори з кількома похідними колонками одного спостереження. Збільшення числа рядків після перетворення не обов'язково означає збільшення обсягу емпіричних даних. Потрібно знати, що саме є одиницею спостереження. Якщо дані пов'язані між собою, метод аналізу має враховувати відповідний дизайн. Не робіть із цієї статті універсальної статистичної інструкції: для конкретної роботи перевірте припущення за методикою та предметним джерелом. AI може допомогти поставити потрібне питання, але не повинен непомітно встановлювати незалежність лише за виглядом таблиці або кількістю заповнених клітинок.",{"type":24,"attrs":104,"content":106},{"align":13,"level":26,"id":105},"heading_2_4",[107],{"text":108,"type":17},"Обробляйте пропуски та нетипові значення відкрито",{"type":11,"attrs":110,"content":111},{"align":13},[112],{"text":113,"type":17},"Пропуск може означати відсутнє вимірювання, технічний збій або непридатний запис. Це не автоматично нуль. Для кожної позначки потрібне правило методики. Не заповнюйте порожні клітинки числами лише для зручності обчислення. Якщо застосовується допустимий спосіб оцінювання відсутнього значення, він має бути обґрунтований, позначений і відокремлений від спостереженого. Для багатьох навчальних лабораторних задач правильним результатом буде аналіз наявних даних із явним обмеженням або повторне вимірювання, якщо це можливо й відповідає погодженому порядку роботи.",{"type":11,"attrs":115,"content":116},{"align":13},[117,123],{"text":118,"type":17,"marks":119},"NIST у матеріалі про викиди",[120],{"type":64,"attrs":121},{"href":122,"title":13},"https:\u002F\u002Fwww.itl.nist.gov\u002Fdiv898\u002Fhandbook\u002Feda\u002Fsection3\u002Feda35h.htm",{"text":124,"type":17}," розрізняє виявлення підозрілого спостереження та рішення про його природу. Незвичне число не слід просто видаляти, якщо не встановлено, що воно помилкове. Воно може відображати реальну варіацію або потребувати іншої моделі аналізу. Для вашої роботи позначте випадок і перевірте походження. AI може звернути увагу на відмінність, але не має права оголошувати її збоєм приладу без фактичних даних. У звіті потрібна причина рішення, а не лише посилання на автоматичну рекомендацію.",{"type":11,"attrs":126,"content":127},{"align":13},[128],{"text":129,"type":17},"Якщо значення справді перенесено неправильно, виправте його за джерелом і збережіть запис зміни. Якщо причину не встановлено, розгляньте допустимі варіанти аналізу з викладачем. Не обирайте виключення лише тому, що після нього залежність краще відповідає очікуваній теорії. Для порівняння можна показати чутливість висновку до рішення, якщо це відповідає методиці. Потрібно зберігати різницю між дослідженням даних і прихованим добором результату. Саме ця прозорість дозволяє перевіряти висновок, навіть коли набір невеликий і частина спостережень викликає предметні сумніви.",{"type":24,"attrs":131,"content":133},{"align":13,"level":26,"id":132},"heading_2_5",[134],{"text":135,"type":17},"Визначте метод і перевірте припущення",{"type":11,"attrs":137,"content":138},{"align":13},[139],{"text":140,"type":17},"Попросіть AI пояснити, які умови потрібні для запропонованого методу та що саме він оцінює. Не приймайте складну назву як доказ доречності. Для простого опису може бути достатньо зрозумілого обчислення й графіка. Для перевірки конкретної гіпотези потрібен відповідний дизайн. Не змінюйте метод багато разів лише в пошуку бажаного висновку без опису цього пошуку. Якщо робота має дослідницьку частину, позначте її й відокремте від перевірки, яку було визначено до фактичного отримання даних у лабораторному процесі.",{"type":11,"attrs":142,"content":143},{"align":13},[144],{"text":145,"type":17},"Збережіть версію формул або коду. Для кожного перетворення має бути можливість відтворити результат із вихідного набору. AI може підготувати чернетку, але студент перевіряє відповідність колонок, фільтри, одиниці й очікуваний вихід. Попросіть пояснити визначальні рядки та назвати випадок, де неправильний вибір був би помітний. Не оцінюйте аналіз лише за відсутністю технічної помилки. Код може успішно виконатися й обробити не ту колонку або відкинути важливі записи за непогодженим правилом, про яке звіт потім нічого не повідомляє.",{"type":11,"attrs":147,"content":148},{"align":13},[149],{"text":150,"type":17},"Для перевірки використайте невеликий умовний набір, де результат можна встановити вручну. Це тест обчислення, а не додаткове вимірювання. Позначте його окремо від лабораторних даних. Якщо ви перевіряєте середнє, оберіть числа з прозорою сумою. Якщо перетворення одиниць — перевірте один відомий випадок. Така опора допомагає знайти помилку реалізації до аналізу фактичного матеріалу. Водночас вона не підтверджує правильність усіх статистичних припущень або предметної інтерпретації, які потребують окремого розгляду відповідно до мети та умов конкретної роботи.",{"type":24,"attrs":152,"content":154},{"align":13,"level":26,"id":153},"heading_2_6",[155],{"text":156,"type":17},"Розберіть умовний набір із трьох спостережень",{"type":11,"attrs":158,"content":159},{"align":13},[160],{"text":161,"type":17},"Нехай навчальний приклад містить значення 9,8, 10,0 і 10,2 в однаковій одиниці. Їхнє середнє дорівнює 10,0. Ці числа вигадані для пояснення арифметики й не є реальною лабораторною серією. Якщо AI додає четверте значення, щоб набір здавався повнішим, воно не стає спостереженням. Якщо інструмент округлює всі три значення до 10 перед аналізом, частина інформації про розкид зникає. Для фактичної роботи правила точності й округлення мають відповідати методиці та характеристикам отриманих даних.",{"type":11,"attrs":163,"content":164},{"align":13},[165,167,173],{"text":166,"type":17},"Середнє саме по собі не описує всієї невизначеності вимірювання. Потрібні відомості про процес, прилад, калібрування й інші визначальні компоненти відповідно до задачі. ",{"text":168,"type":17,"marks":169},"BIPM публікує посібники серії GUM",[170],{"type":64,"attrs":171},{"href":172,"title":13},"https:\u002F\u002Fwww.bipm.org\u002Fen\u002Fcommittees\u002Fjc\u002Fjcgm\u002Fpublications",{"text":174,"type":17}," щодо вираження невизначеності та використання моделей вимірювання. Для конкретної роботи оберіть належну чинну версію й предметну процедуру. Не просіть AI оцінити відсутні характеристики приладу за трьома числами або назвою експерименту. Автоматично підібрана правдоподібна точність не має фактичної підстави й може суттєво змінити те, наскільки сильний висновок допускає отриманий результат.",{"type":11,"attrs":176,"content":177},{"align":13},[178],{"text":179,"type":17},"Якщо в іншому рядку з'явилося нетипове значення, спочатку перевірте запис і умови. Не підставляйте значення 10 лише тому, що воно ближче до очікування. Дайте студентові пояснити, яку інформацію потрібно отримати для рішення. Це повноцінна навчальна дія. У висновку можна чесно сказати, що певний запис потребує уточнення й обмежує аналіз. Звіт має відображати фактичний стан роботи, а не виглядати ідеальним за рахунок прихованого редагування первинного матеріалу або додавання вимірювань, які система вигадала для завершеного оформлення.",{"type":24,"attrs":181,"content":183},{"align":13,"level":26,"id":182},"heading_2_7",[184],{"text":185,"type":17},"Перевірте графік і текст висновку",{"type":11,"attrs":187,"content":188},{"align":13},[189],{"text":190,"type":17},"Графік має відповідати фактичному набору після явно описаних перетворень. Звірте кількість точок, підписи, одиниці та масштаб. Якщо показані інтервали або похибки, поясніть, що саме вони означають і як отримані. Не додавайте їх автоматично як декоративну ознаку науковості. AI може написати код візуалізації з типовими параметрами, але студент повинен перевірити відповідність своїй задачі. Правильна форма команди не гарантує правильного змісту рисунка, який читач використає як підставу для висновку про результати конкретного лабораторного вимірювання.",{"type":11,"attrs":192,"content":193},{"align":13},[194],{"text":195,"type":17},"Текст має розрізняти спостереження, обчислення та інтерпретацію. Наприклад, дані можуть бути сумісними з певною залежністю за визначених умов, але не доводити універсальне правило для всіх випадків. Не посилюйте висновок лише через впевнений стиль редакції. Попросіть AI позначити твердження, для яких бракує опори, а потім перевірте їх самостійно. Якщо інструмент пропонує пояснення причини, встановіть, чи дизайн справді дозволяє такий висновок. Схожий графік або статистичний зв'язок не дає права довільно приписувати причинність без належної предметної основи.",{"type":11,"attrs":197,"content":198},{"align":13},[199],{"text":200,"type":17},"Після автоматичного редагування порівняйте версії. Чи не зникла умова, не змінилася одиниця й не з'явилося повідомлення про додатковий експеримент? Чи відповідають усі числа фактичному виходу? Не покладайтеся на загальне схвалення моделі, яка сама готувала текст. Для приймання відкрийте вихідні дані й результати. Якщо іншій людині потрібно повторити аналіз, пакет має містити достатні кроки без необхідності вгадувати, що саме студент і AI робили між початковим набором, чернеткою графіка та остаточним формулюванням звіту.",{"type":24,"attrs":202,"content":204},{"align":13,"level":26,"id":203},"heading_2_8",[205],{"text":206,"type":17},"Збережіть відтворюваний пакет роботи",{"type":11,"attrs":208,"content":209},{"align":13},[210,216],{"text":211,"type":17,"marks":212},"Профіль NIST щодо генеративного AI",[213],{"type":64,"attrs":214},{"href":215,"title":13},"https:\u002F\u002Fnvlpubs.nist.gov\u002Fnistpubs\u002Fai\u002FNIST.AI.600-1.pdf",{"text":217,"type":17}," допомагає тримати ризик недостовірного результату видимим. Для лабораторного аналізу потрібні первинний набір, журнал перетворень, код або формули, фактичні результати та обмеження. Позначте роль AI відповідно до правил курсу. Це не замінює предметної перевірки, але робить походження допомоги зрозумілим. Не потрібно зберігати зайві персональні або конфіденційні відомості там, де вони не потрібні для навчальної мети. Для реальних даних перевірте погоджений спосіб передавання в зовнішній інструмент до їх використання в автоматичному аналізі.",{"type":11,"attrs":219,"content":220},{"align":13},[221],{"text":222,"type":17},"Якщо LMS платформа WeStudy використовується в курсі, подайте методику, умови допустимої допомоги й спосіб передавання результату доступним у вашій конфігурації способом. Не припускайте автоматичного запуску будь-якого аналітичного інструмента або перевірки наукової достовірності без окремого підтвердження. Студент має знати, який пакет потрібен викладачу та як повідомити про невдале вимірювання. Для оцінювання важливий не лише красивий звіт, а й здатність пояснити походження чисел, обґрунтувати метод і відтворити визначальний розрахунок за фактичними матеріалами лабораторної роботи.",{"type":11,"attrs":224,"content":225},{"align":13},[226],{"text":227,"type":17},"LMS платформа WeStudy може бути середовищем організації навчальних матеріалів за наявних функцій, а наукову якість забезпечують студент і викладач. AI корисний, коли допомагає поставити питання, перевірити крок і зробити аналіз зрозумілим. Межа залишається чіткою: спостереження мають фактичне походження, перетворення — видиме правило, а висновок — достатню опору. Завершена робота може містити невизначеність або невдалий фрагмент експерименту. Вона лишається придатною для навчання, коли чесно показує, що було зроблено, що встановлено та що потрібно перевірити далі без вигаданих результатів.",{"type":24,"attrs":229,"content":231},{"align":13,"level":26,"id":230},"heading_2_9",[232],{"text":233,"type":17},"Перевірте об'єднання файлів за ідентифікатором",{"type":11,"attrs":235,"content":236},{"align":13},[237],{"text":238,"type":17},"Коли дані надходять із кількох джерел, рядки не можна поєднувати лише за поточним порядком. Визначте надійну ознаку відповідності й перевірте її унікальність у потрібній рамці. Якщо одному запису відповідають кілька рядків, потрібне предметне рішення, а не автоматичний вибір першого. AI може підготувати код об'єднання, який технічно виконається й водночас створить неправильні пари значень. Перед основним аналізом звірте контрольні випадки та кількості. Якщо однозначного зв'язку немає, позначте обмеження й не створюйте його за припущенням лише для завершення таблиці.",{"type":11,"attrs":240,"content":241},{"align":13},[242],{"text":243,"type":17},"Після сортування або фільтра перевірте, що пов'язані колонки залишилися разом. Втрата відповідності може непомітно змінити графік і висновок, хоча кожне окреме число взяте з реального джерела. Для відтворення збережіть правило та вихідний набір. Не підміняйте цю перевірку загальним повідомленням, що пропусків не знайдено. Повнота й правильна відповідність є різними властивостями. У лабораторному звіті потрібно знати, які величини належать до одного спостереження та за яким фактичним правилом вони були поєднані перед обчисленням похідного результату або оцінкою потрібної залежності.",{"type":24,"attrs":245,"content":247},{"align":13,"level":26,"id":246},"heading_2_10",[248],{"text":249,"type":17},"Розрізняйте виправлення запису й зміну результату",{"type":11,"attrs":251,"content":252},{"align":13},[253],{"text":254,"type":17},"Якщо первинний журнал підтверджує, що десятковий знак перенесли неправильно, можна зробити обґрунтоване виправлення з видимою причиною. Якщо число просто не збігається з очікуванням, такої підстави немає. Попросіть студента назвати, звідки відомий правильний варіант. Посилання на красивішу криву або відповідь моделі недостатнє. Для кожної зміни зберігайте походження. Навіть невелика редакція може вплинути на середнє, розкид або інтерпретацію, тому її не слід приховувати всередині загального слова «очищення», яке не дозволяє іншому читачеві відтворити фактичні кроки оброблення лабораторних вимірювань.",{"type":11,"attrs":256,"content":257},{"align":13},[258],{"text":259,"type":17},"Для пропозицій AI залиште статус до перевірки. Система може помітити можливу друкарську помилку, але не встановлює її самою впевненістю. Якщо джерело недоступне, не обирайте зручне значення. Залежно від методики можна залишити запис невизначеним, відкласти фрагмент аналізу або виконати повторне вимірювання. Конкретне рішення погоджують за предметними правилами курсу. Важливо зберегти різницю між відсутнім фактом і помилковим фактом. Обидва обмежують аналіз, але потребують різних дій та різного пояснення в підсумковому звіті, який описує реально виконану студентом лабораторну роботу.",{"type":24,"attrs":261,"content":263},{"align":13,"level":26,"id":262},"heading_2_11",[264],{"text":265,"type":17},"Звірте числовий висновок із фактичним виходом",{"type":11,"attrs":267,"content":268},{"align":13},[269],{"text":270,"type":17},"Перед завершенням відкрийте остаточний результат обчислення й перевірте кожне важливе число у звіті. Під час кількох редакцій текст може зберегти значення з попереднього набору, а рисунок — походити з іншої версії. Для приймання позначте, який файл є актуальним, і відтворіть визначальний крок. Не вважайте новішу дату файла достатнім доказом. Потрібна відповідність джерельного набору, методу та виходу. Такий короткий контроль особливо корисний, коли код, графік і пояснення готувалися різними інструментами або кількома людьми під час спільної роботи над навчальним експериментом.",{"type":11,"attrs":272,"content":273},{"align":13},[274],{"text":275,"type":17},"Залиште короткий перелік невирішених питань. Наприклад, бракує характеристики приладу або не встановлено причину нетипового спостереження. Не дозволяйте редакції зробити ці межі менш помітними заради впевненого стилю. Успішна лабораторна робота не завжди закінчується бажаним підтвердженням теорії. Вона може показати, що потрібно повторити, уточнити або змінити в наступному досліді. AI допомагає оформити цей висновок, коли опора залишається фактичною. Студент має вміти пояснити, що саме встановлено, а що поки лише припускається та потребує нових даних або належної предметної перевірки.",{"type":24,"attrs":277,"content":279},{"align":13,"level":26,"id":278},"heading_2_12",[280],{"text":281,"type":17},"Джерела",{"type":283,"attrs":284,"content":286},"ordered_list",{"order":285},1,[287,300,311,322,333],{"type":288,"content":289},"list_item",[290],{"type":11,"attrs":291,"content":292},{"align":13},[293,298],{"text":294,"type":17,"marks":295},"NIST: Information Quality Standards",[296],{"type":64,"attrs":297},{"href":66,"title":13},{"text":299,"type":17},".",{"type":288,"content":301},[302],{"type":11,"attrs":303,"content":304},{"align":13},[305,310],{"text":306,"type":17,"marks":307},"BIPM: SI Brochure",[308],{"type":64,"attrs":309},{"href":95,"title":13},{"text":299,"type":17},{"type":288,"content":312},[313],{"type":11,"attrs":314,"content":315},{"align":13},[316,321],{"text":317,"type":17,"marks":318},"NIST: Detection of Outliers",[319],{"type":64,"attrs":320},{"href":122,"title":13},{"text":299,"type":17},{"type":288,"content":323},[324],{"type":11,"attrs":325,"content":326},{"align":13},[327,332],{"text":328,"type":17,"marks":329},"BIPM: JCGM Publications — Guides in Metrology",[330],{"type":64,"attrs":331},{"href":172,"title":13},{"text":299,"type":17},{"type":288,"content":334},[335],{"type":11,"attrs":336,"content":337},{"align":13},[338,343],{"text":339,"type":17,"marks":340},"NIST: Generative Artificial Intelligence Profile",[341],{"type":64,"attrs":342},{"href":215,"title":13},{"text":299,"type":17},{"type":8,"content":345},[346],{"type":11,"content":347},[348],{"text":6,"type":17},1790603522,"https:\u002F\u002Fcloud.cs3.westudy.ua\u002Ffile?path=westudy_online%2Fpublic%2Fwestudy%2Ffe535f87-d225-4be9-b635-cedfebcce5d2.webp","ai-analiz-laboratornykh-danykh",true,false,"1b99e450-3354-427e-b207-30fcb06cad9c","AI для математики, STEM та програмування","math-stem-programming","light","news.articles"]