Título:HUMANkobelg202020-12-24T23:26:00Z2020-12-24T23:26:00Z2020-12-24T23:26:00Z13396121787181512569716<data data-version="3" zotero-version="4.0.29.16"><session id="qReS2mE2"/><style id="http://www.zotero.org/styles/apa" locale="es-ES" hasBibliography="1" bibliographyStyleHasBeenSet="1"/><prefs><pref name="fieldType" value="Field"/><pref name="storeReferences" value="true"/><pref name="automaticJournalAbbreviations" value="true"/><pref name="noteType" value=""/></prefs></data>

Modelo evaluativo de la preparación física de las exalonistas escolares

en la

zona oriental

Evaluative model of the physical preparation of the school exa

lon

athletes

the

eastern zone

Jorge Luis Pichardo-Videaux

, Miguel Pons-Soa

, Francisco Sánchez-Montes de Oca

3__________________________________________________________________

M.Sc

Profesor

Asistente

Facultad de Cultura Física,

Universidad de Guantánamo. Cuba.

jorgeluispv@cug.co.cu

Lic.

Profesor de Atletismo. Dirección de Deportes del municipio Guantánamo, Cuba.

mpons52@gmail.com

Lic.

Profesor asistente. Dirección de Deportes del municipio Guantánamo, Cuba.

franciscosm@gmail.com

Fecha de recepción:

septiembre

de 20

Fecha de aceptación:

noviembre

de 20

20__________________________________________________________________RESUMENEl trabajo tiene como objetivo elaborar un modelo evaluativo que contribuya al perfeccionamiento del proceso evaluativo de la preparación física de las exalonistas escolares del atletismo cubano en la zona oriental. Se emplearon diferentes métodos de investigación: análisis-síntesis, la modelación, el enfoque sistémico, el método de medición y la escala de relaciones de medición. Las normas definidas para los diferentes niveles de preparación física por exalón, responden a las Demandas Tecnológicas declaradas por la Comisión Nacional de Atletismo.Palabras clave: Modelo evaluativo; Preparación física; Exalonistas escolares; AtletismoABSTRACTThe objective of the work is to elaborate an evaluative model that contributes to the improvement of the evaluation process of the physical preparation of the school exathlon athletes of Cuban athletics in the eastern zone. Different research methods were used: analysis-synthesis, modeling, the systemic approach, the measurement method and the scale of measurement relationships. The rules defined for the different levels of physical preparation by exathlon respond to the Technological Demands declared by the National Athletics Commission./9j/4AAQSkZJRgABAQEA3ADcAAD/2wBDAAIBAQIBAQICAgICAgICAwUDAwMDAwYEBAMFBwYHBwcG BwcICQsJCAgKCAcHCg0KCgsMDAwMBwkODw0MDgsMDAz/2wBDAQICAgMDAwYDAwYMCAcIDAwMDAwM DAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAz/wAARCABhAgMDASIA AhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQA AAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3 ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWm p6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEA AwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSEx BhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElK U1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3 uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwDx74Wf 8FS/2k/2EPH2oaDZ+K/EEFppl26SeG/FNs93BAoY4jEU/wC9gX2iZK+5P2ff+DqTTbmOC1+Kfwxv LSQYEuo+F7tZkY+otrgqVH/bZj/X72j1D9mz/gp94Skt2b4efFO3tlKtDKkcmo6cM4PysFubY57/ ACGvlT9oL/g2E+DvxAknuvAPifxT8PbuTJS2lI1fT4/QBJCs35zGvjY5fmeHXNgqynHs/wDg3X3N H9KVuLuB83l7DifLpYWut5RTWvd8qjJvylCXqe+fB7/guD+zF8ZI4lt/idpvh+7kxutvEFvNpZiP oZJVEJ/4DIRX0Z4D+NXg34pwLL4Y8W+GfEkTjKvpeqQXikeoMbGvww+MP/Bsj8evA8ksvhbVvBPj i0XPlpDfPp92/wBUnURj8JTXzl48/wCCRv7TPwvnb+0Pg143meE53aVajVAMdwbVpAfwqv7czKjp iMPf0v8AnqjL/iFnBWZe9lGcqN9lNwb+5unL8D+oKiv5V/8AhHf2ifhT+5+wfGnw15XGzydTs9n4 YXFH/C7f2iZf3P8Awl3xpbts/tXUz+m6j/W1L4qLXz/4Af8AEvU5a0cypyXfl/yk/wAz+qiuP+IX 7QvgH4SxPJ4q8ceEPDSRjLHVdYt7Pb/38cV/MP8A8IB+0T8Xv3P9ifGjxR5vGz7Hqd7v/DDZrsPh 9/wRz/ac+J0qDT/g54ttPMP3tWSLSgPc/anjxR/rPXnpRw7f3v8AJB/xAvK8L72ZZxTgl5Rj+Mqn 6H7cfGP/AILvfsw/B2OVG+Icfii9izi18PWM1+ZPpKFEH5yCvjb9oP8A4OpWaOe1+Ffww2MciLUf FN3nH1tbc/8Atf8ACvIfg7/wbBfG3xnJFL4v8TeCPBVo+N6LPLqd5H/2zjVYj/3+r7J/Z8/4Nlvg f8NJILrxvrHin4j3seC8Msw0vT3I/wCmUB838DMR7UvbZ5idIxVNfd+d3+Af2d4WZH71etPGTXRN tfLlUIfJyZ+bOh/8FJv2jP28f2oPA2k6z4u8TarYXHiGxkbw/wCH4GtbPyVuYy2+C3AMqKMkmXeQ Opr+kSvBo/F37Ov/AATustP8NWtx8PPhrNq80NrbaXZRxRX+oyOwSMmKMGeYlmA3sG68mvea9jKM FPD86q1eebtfy/G/5H5z4icT4bOHhpYDA/VaEFJQ0SU7tXekUtLK9nLfVhRRRXsn5sFFFFABRRRQ AUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFAB RRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQB/IRc+IL/wALePLnUdLvrzTd QtLySSC5tZmhmhbefmV1IKn3Br6r/Z9/4Lv/ALSv7P8AHBbDxuPGmmQYAs/FNsNRLAes+VuDx/01 r5I8SHPiLUD63Mn/AKEapV+MUcXWoycqMnH0Z/plmGQZbmdCNLMaEKqt9qKdvRtXXyP2M+D3/B1f GY4oPiB8JJFcY8y88P6sCD64t50GPxmNfRnw/wD+Dkf9mbxjHGdS1Hxl4TZvvDVNCeXZ/wCArTfp X889FexR4ox8NHJS9V/lY/Nsx8CeE8U26dOdK/8AJN/lPmR/TZoH/Ba39lvxJGrW3xh8PxBun2q1 u7Q/lLCuK2W/4K4fs0rHvPxo8DY9r3J/LGa/l6orsXGGJ6wj+P8AmfOT+jjkjfuYmql58j/9tR/T N4i/4Lc/sseGI2a5+L+izBe1pYXt2T9PKhavJ/iH/wAHKv7Nvg+OT+ypPHPiyRfuf2dovkqx+tzJ EQPw/Cv58aKzqcXYyXwxivk/8ztwn0eOG6bvWq1Z+TlFL8IJ/ifr78Yv+Dq6/mjlg+H/AMJbS2fn y7zxDqrTA+mbeBU/SavjX9oP/gt9+0n+0RHPbXnxBu/C+lz5BsfDMQ0tFB6jzU/fkEcYaUivkyiv KxGdY2srTqO3lp+Vj73J/DHhjLGpYXBwcl1leb9U5uVn6WO//Z01O51r9qTwFd3lxPd3dz4p06SW aaQySSsbuPLMx5JPqa/rRr+Sn9l4Z/aY+HQ9fE+m/wDpXFX9a1fU8HP93V9V+p+EfSSSWKwCX8s/ ziFFFFfZn8zBXzRpn/BWD4T6t/wUFl/Znhk8R/8ACzIXdGVtOAsMpYG/Yedv/wCeAP8AD97ivpev ww8Cf8rj99/19Xf/AKiT0DSP3PooooEfNH7UH/BWD4T/ALIn7Vfgj4N+L5PEa+MviAtk+lCz04T2 uLu7e0h8yTeNv72Ns8HAwa+l6/DD/gvX/wArBf7LX/XDwt/6kd3X7n0DaCivmK//AOCtvwk0X9vn WP2dNSl13SvGuhWTaheajewQwaLDCunrqDM1w0uVC27ZJZAAVPOBmvL/ABn/AMHCPwXPi290P4ae F/i58db7TnMVxJ4A8KyajaxOO3mu0e4ejIGU9QSOaAsfdtFfn14c/wCDkD4K6Z8QrHwz8TfBvxj+ COo6gQIpfG3hc2dvyQAxMcjyKuSMsYwo6kgc1996Jrdl4m0Wz1LTbu21DTtQhS5tbq2lWWG5idQy SI6khlZSCCDggg0BY+ev+ChH/BU/4V/8Ey7bwnL8TZPEKDxo12umjStP+1k/ZhD5pfLLtx58ePXJ 9K9h+AXxt0P9pL4K+F/H3hlrt/D/AIv06HVNPNzD5MxhlUMu9Mna2DyMmvlD/gob/wAFOvgV+zj8 QdQ8N/F74RePfF9t4SjhnbWT4Ei1bRbUXKRsPLuZmCKSWjRsY+YBeSBX0F+wx+034G/bA/Zc8MeP vhtp13pPgrVFnttMs7myjsntktriS2ZBDGzIih4m2hTjGOnSgD1uivlB/wDgsf8ACfSf2+h+zhrt j4z8L/ECe8+xWk+q6fDDpd+7R+ZAYp1mYssy4EZKDczBThuK+r6BBRUV/fwaVYz3V1NFbWttG0s0 srhI4kUZZmY8AAAkk8AV82/sG/8ABVf4b/8ABR3xf4y074aaZ4zudN8EusV5rl/p0dtply7OyxpC /ms7s6ozgFFwgy20kAgH0vRXm37UX7YHw0/Yt+HbeKvif4v0nwjoxYxwvdMzzXkgGTHBCgaSZ8c7 Y1YgcnA5r5I0b/g4P8IfEuFrv4b/AAA/ag+JujBiF1bQPAxnsZgD1R/O3H/gSqaBpH6AUV8M/DP/ AIOD/gP4i+I1t4Q8e2XxF+B3iS7IWK0+Inh59IRiTgZkVpEjXP8AHKUX3r7is7yHUbSK4t5Yp7ed BJHJGwZJFIyGBHBBHIIoESUV82/tyf8ABU/4Z/8ABPn4jfD3wx49t/FEt/8AEqeS30uTS7KO4hhK SwxM0xaVCo3Tp90McA8cc8N+0h/wXq/Zv/Zv+Itz4Pl8Uat438V2MjRXWmeENLk1aS2dThkaRcQ7 wcgqJCykEEA0DsfZdFebfso/tRaF+198B9K+Iegab4j0PRtWe4SO28QWP2C+h8mZ4mMke5goJQkH JypB9q+YfiP/AMHB3wL0L4m33g3wDpXxM+OPiLTmZLi3+HnhxtXjRgcHEjPGsig/xxb1PYmgR9z0 V8EXP/BeW18Np5/iT9lf9r3w9p45a8ufh/8Auox6sTMMD6Zr7I+Afxp0z9or4N+HfHGi2es2Gk+J 7Nb60g1WzNpeJGxO0yREkqSBkc8gg96APnf9vL/gtZ8E/wDgnL8X9O8D/EaXxUuuanpMetRDTNK+ 1Qi3kmmhUli64bdA/AB4x619Y6bqEWradb3cBLQ3UayxkjBKsARx9DX56ftpf8Fgf2Z/g/8AFDWL T4ufBXx/ql34Y1KXw8uvar8O7e5sbh4pJMJbXVw4DxsVkdNuNwywHWvur4J/FXSfjp8GvCXjbQUu Y9D8YaNaa1p6XEYimW3uYUmjDqCQrBHXIBIB7mgbOnorD+JHxN8O/B3wTqHiXxZrmk+G/D+lR+de ajqV0ltbWy5xlncgDJIA55JAHJr4i1n/AIOLfglrnim70b4ZeE/jN8bryzbZI3gfwhLeQqfrM0T4 9CEIPbI5oCx98k45r5O/4Jj/APBXnwL/AMFTNQ8eW3gzw34t8Pv4AazW8OtJbqLj7SbgJ5flSv0+ zPndj7y4zzjza4/4L76H4VjM3jD9mr9rLwbYjlr3UfABW2jHqzecCB9Aa+O/+DOudbnxB+0jKuds h8PsMjBwW1Q0BY/b6iqmv6uvh/Qr2/eG5uUsYHuGit4zJNKEUsVRR95jjAHc4FfCdv8A8F8tE8VL 5nhH9mn9rTxfan7t3p/w/LW7j1DecTj6gUAkfe9Ffn3qH/Bxf8LvhrrNnZ/FX4U/tCfBqK+kEcd7 4t8FtbWpPtskaRsDnCxk4r7f+D/xj8LfH/4b6V4w8Fa9pviXwzrcXn2Wo2MokhnXJBGeoZWBVlID KwIIBBFAWOlops88drA8srpFFEpZ3YhVUAZJJPQAV8TfG3/g4H/Zz+FHj6Twn4f1bxP8WvFUTtG2 meAdHfWHLDqFl3JDJz/zzkbHfFAj7br5O0b/AIK8+Bdb/wCCn17+ytH4b8WJ4zslZm1Zkt/7Lbbp wvzg+b5v+rO37n3vbmvN/wDh/JFYR/atS/ZP/bD07TDz9rf4fZRV/vHMwAH4mvgL9iT9ofRf2rf+ DqU+P/D1jrum6R4ghu2htdZsjZ30Bi8N+Q6yxEnYweNuMnIwe9A0j99qKKKBBRRXzJ+2X/wWD/Z/ /YT1xtD8ceOIZvFY248O6NbvqWqAsMqrxxArCWBBAlZMgjGaAPpuvk7/AIKYf8FefAv/AAS813wD p/jLw34s1+X4gtdrZNoyW7LbfZ2t1fzPNlTqbhMbc/dbOOM+a2v/AAXsttdhW80X9lT9r/WNIYbk vrf4f7o5F/vLiYgj8RX5h/8ABwr/AMFCvDX7d/xD+BqaJ4O+JfgnUPCM2pLqGn+MtC/sq6H2iSx8 sou9w4/cvnB449aBpH9G9FFeW/tXftqfC79iDwAviX4peMdK8J6ZMzJbLOWlur5wMlIIIw0srDIy EU4BBOBzQI9Sor8/9F/4OCvC/wASbb7b8PP2eP2pfiNohPyavofgXzrGdf7yOJskfUA10Hwk/wCD gf4B+OPiVb+DfGkfjz4J+KrplSKw+Imgto+5mOADKGkjjBP8UrIPfPFA7H3BRTYZkuIkkjdZI5AG VlOQwPQg9xRQI/j98QnOv3x9biT/ANCNU6t6+f8Aie3v/Xd//QjVSvxB7n+pNNe4vQKKK6X4PfB3 xN8fviVpHg/wdo95r3iPXJxBZ2VsoLyNjJJJwFVVBZmYhVUEkgAmiMXJqMVdsVatClCVWrJRjFNt t2SS3bb2SOaor9yf2Jf+DZvwF4C0Wy1f416nc+NvEEirJJounXElppNoeuxpE2zTkH+INGvUbSOT 7l+2T8R/2a/+CPHwYs9ah+FfguLW9Ud7fQtI0zSLaK+1WVACzPOyF1jTcu+RixG5QAxIB+kp8M1l SdbEzVOK76v+vmfi2M8cctqY6OW5Hh54urJ2XLaMW/Ju7st23FK2t7an85FvZTXefKhllx/cQt/K mzQvbuVkR42HZgQa/SHxJ/wc9/HK41GQaD4Q+F2h6YG/cWx067uJEXsGf7QqsfcIv0Fe/fsKf8HE tj+0p8T9G+H/AMcvAvhexj8TXKafaazp0bNYRzyMEjS4t5zIVRmIHmCQhSRlQuWXko4DA1JqnHEN N94WX5n0GYcV8VYPDSxdXKIyjFXajiE5JLfT2avbsm32Pxeor+nH9of/AII2/s5/tIaXdRan8NtE 8PajcAldT8NwrpN1E/8Af/dARu3/AF0Rwe4r4ttf+DUjQh4ru5Z/jPq50Myk21snh2MXax9g8xn2 Fh0yIwD1wOldeI4VxsJWp2kvJ2++9vwufPZR4+8M4qk5YxzoSXRxcr+jgn+Kifk3+y1z+038OR6+ KNM/9K4q/rVr4E+CP/BuN8Avg34h0jWpb3x54i1jRruG/gmvdUjijWaJw6EJDEny7lHBJ+tffdfU cO5XXwcJqtb3rban4R4ycd5ZxLicNPLOZqkpJuSte7Vrat9Otgooor6M/GAr8MPBbC2/4PILwSER l7q6A3cZz4RbH51+59fkD/wW0/YG+LPwV/bw8H/tlfArw/c+LtT8PvaTeJdFs4Wnut9snk+cIk+e SCW1AgkEYLoF3dGJQGj9fqK/P34C/wDBy5+y98UvDUDeLPEur/C/xKihL7Rte0i6ka1mHDqs0Ebx sobIBYoxHVFOQNX4uf8AByN+yR8LvD093ZfEO88ZX8aFotN0LRLyWe4PZQ8sccKkn+9IKAsz4c/4 LzMJ/wDg4S/ZaiQh5BD4VG0cnJ8R3eBX7oV+KX7Cn7LfxZ/4K2/8FXbT9rf4o+DNS+H/AMM/CdxB d+FtN1KNo5777KD9hjhDhWeNJD9okm2hGfKpkE7P2toBn8837cn7K1j+2x/wdMav8MdWurq00TxL e6Y2qm3kMck1nb+Hba6nhDDlTJHAyZ7Fwe1fvx8K/hN4Y+B3gLTvC3g7QdK8NeHdJiENpp+nW6wQ QqB2VRyT1LHJJySSTmvxlj/5XLT/ALh/9Qyv27oBs+Iv+DiH4P6D8VP+CTnxPu9X0+2ub/wnBbaz pNy8YMtjcJdRKWjbqu6NpI2x1VzWb/wbY+ONT8b/APBIj4d/2ndS3b6Pdalplu8jFmWCO9l8tMns ittA7KqjoK7r/guz/wAokPjj/wBgJP8A0qgry7/g2F/5RFeD/wDsM6v/AOlklAdDtv8Ag4Y/5Q5f Gn/r003/ANO1lWJ/wbYf8obfhT/131r/ANPF7W3/AMHDH/KHL40/9emm/wDp2sqxP+DbD/lDb8Kf +u+tf+ni9oDoee/8HHP/AATVvP2mvgRZfGjwBBcW/wAVfg/H9uSSyyt1qOmxv5zohX5jLbtmePBz /rVALOuPoT/gjn/wUPs/+CkP7Feg+Lp5rdfGejAaP4rtEwpiv40GZgo6RzKVlXHA3suSUNfVLKGU ggEHgg9DX4k/G37T/wAG4v8AwVRufiHpWl6hdfs3/HSGcX+maegI0u7XdJ5MakhQ8Mrb4gcAwTyo MlCQAj6D/wCDiH9tTxDp3g3wx+y78KRNqPxW+OsqWFxBaviWy0uRzGysf4PtDBkLHgRR3BOODX17 /wAE3v2FvD//AATs/ZK8NfDXQ/Jubqyj+163qKptbVtRkA8+4PfGQEQHlY40XnGa+LP+CFX7MXiX 9pr4xeMv23fi/Zk+L/iXPND4LsZgWXRdL/1XmxhuQGjVYIjwfKR25E2a/UmgGfzp/tCftJaZ+1p/ wcDeK734seCviJ8VPh/8HtW1DR9O8G+FdFbWZSmnSm3Uvbb1Bge6HnSkkhtyoQVIA/UGx/4LleGd Msoba2/Zm/a8t7a3QRxRRfDEokSAYCqBPgAAYAHSvlT9tf8AZF+LP/BK3/gq5dftc/CnwVqXxJ+H Piuae48XaLpSNLfWP2lR9tDIoL+W8g+0JKFKq42ybVAL/Xvwd/4OG/2Tfi5ocNxN8TI/B+okf6Rp niPTrixubRu6O2xoWIPHySMPegbPnL/gpn+3b4B/4KEfsh+LfAeo/st/tVz+IJ7CabwzqF58MmU6 TqaoTbyiUTM8aGQKsm0EtGzjBzivZP8Ag2v1H4oWv/BOceGfiloPirQL/wAFeIrrSNGh8QafPZXT ab5NvNEAsyq7RpJNMinoFQKOEwPRvGf/AAXo/ZF8C2L3F38bfDd0qDITTrW71CRvYLBC5r6f+F/x I0f4x/Dbw/4u8PXf27QPFGnW+radcbGjM9vPGssblWAZSUYHBAI6EA0Cufij/wAHfumz6z8Xf2dL O2cR3F3b6vDE+SNrtPYAHI6YJr9cP2M/2JPh5+wn8GdK8G+APD2naXDZW0cV7qCW6re6xMqgPcXE uN0js2TycLnaoCgAfk//AMHaH/JxH7MP+/qX/pTp9ft3QD2OT+PfwuHxw+BfjTwUdRuNIHjDQr7R Pt8AzLZfabd4fOQZGWTfuHI5HWvyK/4J4eDP2kv+CCFr4z8G+If2cdV+MfgXxBqw1RfFXgCZb3UP liWLBgCmZ4gqbljkWLYzyEMwbj9dvjn8bvDH7Nvwh8QeO/GeqR6L4X8L2bX2o3jo0nlRrgYCqCzs zEKqqCWZgACSK+cfC/8AwXi/ZF8XWK3Fr8b/AAxAjDO29t7uykH1WaFGz+FAI5H4Uf8ABxH+zb45 8WReHvFWqeLfhF4ilYJ/Z/jrQpdMaNicYeVDJDGOvzSOo96+3tG1qz8R6Ra6hp13bX9hfRLPbXNv KssNxGwDK6OpIZSCCCDgg1+P3/BbX/gqL+zb+25+zBqXwl+HFjP8cfipr0kUfhv+w9BuJ5NFuBKj GeOdowxJRWXZBvL7trYUk19mf8ELf2ZPiD+yR/wTc8F+D/iWZ7fxHHNdXy6bNL5r6LbzymSO1Ygk BgCXKg/K0hXtQDR85f8AB3N/yjX8H/8AZRrD/wBNup19uf8ABMv/AJRw/AH/ALJz4f8A/Tbb18R/ 8Hc3/KNfwf8A9lGsP/Tbqdfbn/BMv/lHD8Af+yc+H/8A0229AH5U/wDBXHxPrX/BSn/gu18Ov2Ud S1e/034a+GrqzbULK2lMYvZXsf7Rupz2Mv2UiGMkHyzuIHztn9nvg98F/Cf7Pvw807wn4J8PaV4Y 8OaTGIrWw0+3WGKMAY3EDlnPVnbLMckkkk1+Wn/BZn/gnx8XPhD+354Q/bK+BHh+fxtq/h97SXxJ 4etY2lvJTbR+R5qRr88sUtriB1jBkTbuAIJKe/8AwD/4OOv2ZfitpEcPizxNqXwp8VQgJf6F4o0y 4iks5R99fOjRomAPQsysRglF6ABn3mehr8RP+DPP/kZ/2lP9/QP/AEPVa/Q7Wv8AguL+yZoVm00/ xz8FyIozi3ea5f8A75jjZj+Vfnf/AMGdsq3HiD9pGVCWjkbw+ytjAI3aoaAR+z/xP+KXhz4KeAdU 8VeLtb0zw54c0WE3F9qOoTrBb2yZAyzNxkkgAdSSAASQK+Gn/wCDib4Z/ELxDeaZ8H/hZ8ePji9l IY5L3wl4RklsgfdpGWVfX5ohxWR/wc4fswfEv9pv9gbS4fhzp2q+IP8AhFvEUWsa1o2nI0tze2q2 80YkSJfml8p3ViignBLY+SqP/BM7/gtl+yj4O/ZK8C+Br3xLpvwh17wjpFvpep+HtX0+ayFvdRRq k0glCGKTzJQ7li3mEsS6hiaASMj9sr/gqBqfx6/ZS+IPg/xr+xZ+0zDoevaBeW8lxdeE1uLaxfyW Mdy5yPLEThZPM6oU3DkVyX/BoN4lvtQ/Yq+JWmT3MstjpvjLzLWJmJWAy2cG/b6AlAcDjOT1Jr6O /aq/4LPfstaj+zn490uz+Nngy/1DVfDuoWdpb2ksty800ltIiIBGh5LEDnjmvmP/AIM+v+TSPix/ 2N8X/pFFQPoXP+DsT9sfxT8HvgN4A+E/he+udMi+Kc97Lrc9u5jkuLO18hRabh/yzlkuAXA6iEKc qzA/eP8AwTp/4J7+BP8Agnd+zxonhHwpo2nxaz9jiOv60IV+2a3ebQZZZJMbim/dsTO1FwAOpPzp /wAHC3/BK3xD/wAFHv2efD2reAVhuPiH8Np7m506wllWEaxazrH59ursQqy5hidCxC5VlJG7I5H9 jr/g4h8D+FPB+k+A/wBqDTPFfwX+K+g20dlqb61od19i1WRFCfaFKRtJEXxuYOgQE/K7CgXQ/Tav xF+H/wDyuMa//wBc5v8A1FEr9E3/AOC3P7J0dmJz8dfAxQjOBPIX/wC+Qm79K/L79kn47eE/2mv+ DsG68ceBNZh8ReFNbiumsdQhikjjuBH4a8lyBIqsAJI3XkDOMjIINAI/eiiiigR8z/8ABYf9rHWf 2KP+CcnxM+IPhxxD4ksLKGw0qYqG+y3N3cRWqTgHgmLzjIAcglACCDivkT/g2V/YO8KWP7Ktp+0T 4nsofFHxP+JOo39zDrOpj7VdabbxXUtu3ls+SssssUsjyg72DqCcA5+7/wDgoL+yJY/t3/sc+O/h TfXg03/hK7FUtLwpvWzu4pUnt5WA5KrNFGWAwSu4d6/Lv/gmt/wUI8U/8EPvB8v7Pv7VfgPxZ4X8 LaRqVxL4Z8Y2FhJf6UY5pWlkj3xj97EZGeRWi3SAylXjUjgGtj9qK/EX/g73/wCSkfszf9dNb/8A Rul1+huif8FyP2S/EGnJdW/xz8GRxONwW5ae1k/FJI1cH2Ir8mP+DlX9ur4S/tq/E/4Cx/Czxtpn jQ+F5dUXU2sY5glqZ5bDyhudFDbvJk+6TjbzjIyDS1P6FK/nJ8QftN6R+1p/wXu8c+Lvi74D+JHx c8F/DDUNRsdE8JeFdBOuNFDY3P2W2M1tvUC38wmeTJIaV1VgyuRX9G1fi/8AtNfst/Fb/gjd/wAF XNc/al+HHgfVviV8IfHsl3J4q07RozLfaWl5Is12jIoJVBcIs8cmPLG3y3KcMwJH1vb/APBdDw3a W8cMP7NP7X0UUShERPhkyqigYAAE/AA7V83/APBVf9tXwN/wUY/ZA8TeCpv2XP2qH8XR2z3PhXVL 74ZOh0rUFw0beasrOkbkbJNoOUY/KSBj6m+Ef/Bwl+yX8WdDhuj8U7XwveOo87TvEOn3Nhc2rd0Z ihiYj/YkYe9anjb/AIL3fsi+ArB7i7+Nfh682jIj020vNQkc+gEML/rgUAj85v2G/wBvj9sv9nD9 lLwb4Gj+D/xD1ODwzbSWVvNqXhS9e5EInkMUZLR52xxlUUHoiKBwKK/cTwL40034keCdG8RaNci8 0fX7GDUbGcKVE8E0ayRvg4IyrA4IzzRQFz+Q3WznWbw+s7/+hGqtWNXOdWuj6zP/AOhGq9fh7P8A UmHwoK/Vr/g1X8G6Dqnxz+K2u3fkP4k0jRbK201XwXW3nmlNy6j2aG3UkdA+O9flLXpf7JH7WPjL 9ir44aV4+8D3yWur6dmOWGZS9tqFu2PMt5kBG6NsDuCCFYEMoI78rxUMNioVqiuk/wDgfhufKcd5 DiM5yHE5ZhZ8s6kdG9rpp2flK3K/Jn9YtfhT/wAHTUuoH9szwBHLJIdLXwYjWyZO1ZjfXXmke5UQ 5+gr75/YE/4LtfCb9tW90vw3qCX/AIG+IF/iMaTextPa3cmOfIuUXaV9pRG3YA9a2P8Agr9/wSpt P+Ck3wy0qbSNStNB+IHhLzTpF5dBja3cUmDJbT7QWVSyqyuAxQg/KQxr9BzRLMcBJYSSls/u6evk z+PeA6lTg7i2jLiGlKirSi21tzJpSTV0430bjdWufzaU+3uJLS4jlid45YmDo6nDKQcgg9iDX1h4 6/4IbftR+A9bkspPhZqOqorbY7rTL61u4Jh/eBWTKg/7YU+wr6a/4Jxf8G6fxC134raL4q+N9nZe FfCmjXMd62g/aoru/wBYKMGWJ/KZo4oWIG/LFyMqFGdy/A0MnxlSoqaptebTSXzP64zTxG4bwWDl jJ4ynNJXSjOMpS8lFNu722sutj9sPBN9c6n4M0i5vFZLy5soZZ1IwVdo1LD8ya8q/wCCjHh+z8Sf sH/F2G+vJdOjtfCt/fxXccxhe0nt4GnhlVgQQVljQ8HnGO9bvx+/bJ+Ff7LOlSXXxA8e+GfC4iTe La6vFN5KMf8ALO3XMsh9kQmvxg/4LAf8F13/AGyfCt38M/hfaaho3w+uZF/tXU7tfKvdfCMGWMIC fKt9wDEE73wuQg3K36NmuZ4fDUJRqSvJpq3V/wCR/GXAHA+cZ3mlGthKThSjNSdRpqMUmno3pJ9k r672V2eH/sTf8FTv2g/hr8ZfB2hWPxV8VX2i6prNlY3Flq866rEYZJ0R0T7SJDH8pPKFSO1f0tV/ JJ+zWdv7RfgA+niPTv8A0qjr+tuvI4Rr1KlOopybs1a7vbc/RfpEZZg8LjcHPC0owc4z5nGKXNZx teyV7X6hRRRX15/OQUUUUAch4/8A2e/APxXuvP8AFPgfwf4lnxjzNV0a2vHx6ZkRjVTwT+y78M/h pqKXnhv4deBPD93EdyT6boFpaSKfUNHGCKi+MH7Vnwy/Z+IXxx8QfBvhOYruWDVNXgtp5B/sxuwd vwBryh/+Cxf7MSXJhPxl8IlwcZDylf8AvoJj9a56mLowfLOaT82kethMgzPFQ9phsNUnHvGEmvvS Z9LUV5X8I/25Pg38etYg03wb8UPAviLVbnPlWFnrMD3kuASdsG7zDgAnhe1eqVrTqQmuaDTXkcWK weIw0/Z4mm4S7STT+52Mr/hBdD/4Sf8Atz+xtK/trGPt/wBkj+1Y27MeZjd935evTjpWrRRVnMV9 W0i01/TZrO/tba9s7hdssE8SyxSD0ZWBBH1qPQPDmneFNMSy0uwstNs4ySkFrAsMSknJIVQAMmrl FAFXWdEsvEemTWWo2drf2VwAJYLiJZYpACCAysCDyAefSk0PQLDwvpcVjpljaadZQZ8u3toVhijy SThVAAySTx3NW6KACs7xP4P0jxtp62etaVpur2iOJFhvbZLiMOAQGCuCMgE8+5rRooAisbGDTLKG 2toYre2t0EcUUSBEjUDAVQOAAOAB0qWiigAri/Hn7Nvw6+Kd+114n8A+CvEd0/3ptU0O1vJD9WkQ mu0ooA4Hwn+yl8LfAV6lzoXw18AaLcxnKy2Hh60tnU+oKRgiu+oooAyvEfgXQ/GE9vLq+jaVqstm SYHvLSOdoScZKlgdvQdPQVq0UUAR3lnDqFrJBcRRTwTKUeORQyOD1BB4IrznWv2Mvg94kumn1H4U fDW/nc5aS58MWUrk+pLRE11nxK+KPhv4NeDrvxD4t17SPDWhWOPPv9SuktreLJwAXcgZJ4A6k8Cu E+D37dnwe/aC8X/2B4H+InhjxVrPltKbTTLoXEiovVyF6KPU8VnKtCMlBySb6X1Oyjl2Lq0ZYilS lKEd5KLaXq0rL5nbfD/4PeEfhPbyQ+FfC3hzwzDKMOmlabDZK49xGq5ro6KK0OMz/EnhPSvGVgtp rGmafq1qjiRYby3SeMOAQGCuCMgEjPuat2NjBpllDbW0MVvbW6COKKJAiRIBgKoHAAAwAOlS0UAF cz49+Cngz4q7f+Eo8I+GPEm0bR/amlwXmB6fvFbiumooA8y039if4M6NcCaz+EfwxtJlOQ8Phaxj YH6iLNeg6F4e0/wvp6WemWNnp1pH92G1hWGNfoqgAVcooAK5Dx/+z74B+LFz5/irwP4Q8SzYx5mq 6NbXrY9MyIxrr6KAPN9E/Y3+EPhmcS6b8Kvhvp8qnIe28M2UTD8VjFd/pWj2eg2SW1jaW1lbJ92K CJY0X6BQAKs0UAFZXi7wJofxA037Fr+jaTrlnnPkX9pHcxZ/3XBFatFAHly/sO/BRLkzr8H/AIWr MTnzB4UsA2fXPlZruPB/w48O/Dy2aDw/oOi6FCwwY9PsorVSPoigVs0UAFFFFABUOo6bbaxYy2t3 bwXVtOu2SKZA8cg9Cp4I+tTUUAeZan+xT8GtbvGuL34SfDK8uGOTLN4XsZHJ9cmLNdB4K+AfgT4b TpL4c8FeEtAlT7r6bo9vasv0MaDFdbRQAUUUUAcR45/Zl+G3xP1B7vxL8PfA/iK7kOWm1PQrW7kY +7SISaj8H/stfDH4e3qXOgfDnwHodzGcpLp+gWls6n1BSMEV3dFABRRRQB/HxrMTQ6xdo6lXSZ1Y HqCGPFVq99/4Kgfs23n7Kn7dnxG8KXFu8Fi2rS6npTFcLLY3LGaAqe+1X2Ej+KNh2rwKvxSvSlTq Spy3TaP9Pcqx9LG4OljKDvGpGMl6NJhX7S/sGf8ABtR4MuPAvh/xb8ZPEGp+Ib/VrOG/Ph7SpDZ2 VsJEDiKacZllIBGTGYwDkAsOT+LVfp1/wTw/4OM/E/7PXgHRPAfxK8K3Xj3RtHijsdO1PTpxFq0E CgLHE6ONlwVUBVO6NsAZLHmvVyOpgY1n9dV106q/mv6R+f8AinheKK2WwXDE+WSb50mlNxtpyydr W1vZpvSz6P74/bj8H+N/+CeX7Ndlb/sh/BLw9JqN/M1vqt1pWlLdX+nwhAUlEI/e3cjNkbnMm3aM q24EfjN8ZPEv7XnxL8eNrvjKL48za3Ex2PNYalaC0yeVijRFSIZ/hRVHtX9Cn7LH7auh/tY6PHea T4Q+J3hlJk8xP+El8K3WnRyDGflmIaFv+AyHPavTvEXjvQ/B4B1fWdK0sEZH2u7jgyP+BEV9pjco hjEp06zjDol8P3aH80cNeIeJ4cnPDYzLoVsQ2+ac7uo79HJ81100su93dn80GifGb9smwjW3sPE3 7SiovCxx3utMF+gzxUPjPxd+2F4ssHh1/UP2kb+0cfNHey6y8RHurfLX9Ip/aT+HQcqfH3goMO39 uWuf/Q6ni/aC8BTkCPxv4Qcnpt1i2P8A7PXD/q4mrfWX/XzPqV401Iz51ktNPvbX7+Q/k38X+CfE fhe7eTX9I1vTp5mJZtQtZYXdj1JLgEmsWv6/dN17RvG9hItne6ZrFq42yCGaO4jYHscEgj614B+0 5/wSR+AP7VujXUWv/DzRNI1W4U7NZ0G3TTNQic/xl4gFlI9JVdfauKvwfO16NVP1Vvxuz6XLPpHY Z1FTzHBSprq4yUrf9uuMfzP5uP2ZrWS+/aR+H0EKF5pvEunIijksxuowB+df1s1+Jf7Mn/BDbxZ+ zl/wV+8E6TqMreIPh54c3eNLPXhD5a3EdrIvkwSLyFnW5aAMoJBQ7hxkD9tK9ThbBVcPTqqsrO9v uX/BPhvHjifL83xeCll9RVIqm5XX996J9U1y6p6q+oUUUV9SfggV+Mf/AAWZ/wCC3HjG9+L+rfBf 4Iald6PbaRdHStY13TcnUdSvA2x7W1dfmjRH+QumHdwQpCj5/wBktcluINFvHtED3aQO0KnozhTt H54r+Y3/AIJR29p4q/4Kg/CNvEzef5/imO5la55aS7XfJEWz1YzhOvevmeI8XVh7LDUpcvtHZvy0 X6n7f4M5BgMQ8dnWPpqqsJDmjB6pyam7tdbKFle6u77pH6KfsR/8G1+j614atPFv7Qmu67q/ibV1 F3PoFheGKO1Z/mKXNzzJLLz83lsgDZG5+tfWln/wQu/ZTsbFbdfhHp7ooxuk1jUXkP8AwI3Gf1r6 0or08Pk2DpRUVTT82k2/mz4nNvEniXH13XqYypC+0YSlCKXRKMWlp53fds+Y/wBnv/gj38Af2WPj pZfEPwN4OuNH8QabBNDaCTVbq8gtjKmx5EWd3IfYWUHOAHbjpj6cr83P+CmP/BeXWP2A/wBqq++H Nj8NtM8S29jYWt6b6fWHtnk85N+3YImAx0zk5r9Cvhz4rbx58PdB11oBatrWnW98YQ+8RGWJX25w M43YzgZxVYKvhOeeHwyScXqkra/dboYcT5XxAsPhs2zuUpxrx/dylNTbitbbuSXvXs7bnlPir/gp N8CvA/xcm8B6t8S/Dtj4vt71dOk0yRpPOS4ZgqxEhdoYlgMZ717fX82/7bv/ACnG8Sf9lJs//SiC v6SK58qzKeKnVjNJckrK3z/yPW494LwuRYXL6+HnKTxNJTlzW0douyslpr1ucP8AH79pTwJ+yz4M t/EXxC8Tad4V0W6u1sIbu8LBJJ2R3WMbQSWKxuenRTTvgJ+0d4G/ah8FS+I/h/4l07xTokF09jJd 2ZYxpOqozRncAQwV0PTowr4P/wCDo/8A5MB8If8AY/2f/pu1Krn/AAbA/wDKPPxB/wBjzff+kdjT WZT/ALR+p2XLy3v1B8F4VcGLiXnl7X2vJy6ctu+17/M+6Pjf+0N4G/Zr8Jxa74+8VaJ4S0iecWsV zqV0sCTSlWYRpnln2qx2rk4UntXgWpf8Fxf2VdKuTFL8XtKdwcZh0vUJl/76SAj9a9U/bU+Hvwc+ IvwUkt/jknhk+B9PvIr4ya5ffYreG4QMEYSB0O/DOoUHLBiuCCRXwb4i/as/4JkfD5306Dwr4E1o w/Iz2ngq5uwPpNJCN31Vj9aePxdajO0Z04r+83f80Z8KcPZfmOGcquFxdaom7+wjFwS6auMnfunY +3fgl/wUq+Av7RWtwaX4P+KnhHVNVumCW9jJdfY7u4Y/wxxThHc+ygmvcK/mz/4KreIv2VPG194Z 1/8AZuS/0XUpZZo9e0v7FdW1qFAUwzxCbhGzvUqhwflO0EEn9nf+CJXxy8Q/tBf8E2vh/rnim/n1 XWrUXely3s7l5rpLa5kiiZ2PLP5aoCxyWKkkkk1z5ZnEsRiJYapytpXTi7prT/M9jjjw4pZRlFDP MI6kYVJcjp1oqNSL95pu2jT5X0Wln109V/aB/bt+EP7K3iex0X4h+PdD8KarqVsLy2tr1nDywl2T zPlU4XcrDJ9DWl8ZP2wfhb+z34Wsda8bePfC/hvT9UhW4sWvb5EkvoyAQ0Med8owQfkU1+OH/B01 /wAnneAP+xLj/wDS67r6H/4JY/8ABGTwR8dvgD4X+L3x4Oq/EjxP4w06C606x1DUZxZ6Xp4QLaph GVpD5IU4Y7FVlUJ8u4xHNcVUxlTCUYJ8uzbaSXnvfySOqrwBkWD4cwXEOY4mpFVr3hGMZSlK7soX sopJNycm+iSuz6o0T/gtt+yz4g1ZbK3+MGhxzM20Nc2N7aw595JIVQD3JxX0r4M8b6N8RvDFnrfh 7VtM13RtQTzLW+0+5S5trhc43JIhKsM9wa/Pn/gqL/wRh+BMX7F/j/xV4M8E2HgrxT4J0S512zvN MkljSZbWNppIZYixR1dEYZxuBIIOMg/NH/BrF8b9ei+NvxD+HL3s83hq50L/AISGO1dy0dtdRXEE DOg6KXScBsdfLTPQVUMzxNLGQwuKjH39nG/43OfEcEZJmHDmIz/IKtVPDtKcKqjdp21i4WWzvre9 mtNGfqz+13+2v8Of2HvhtJ4m+IevwaXA4ZbKxjxLf6pIB/q7eEHLnkZPCrkFmUc18A/sT/8ABwXZ ftC/tl+KJPiJrHh/4XfCey8PyjQ7G9dWlubz7VbhZJp9uWlMXm/Im1FGRhiNx+nf+CqX7E/wr+Jv 7NHxd+IviDwXpereNtG8E6lPY6tcNI89o8FlK0JQbtq7WAYADGcnkk1+UH/BvN+zJ4B/an/aw8Ya H8QvC+m+K9JsPCct9b216GKRTi8tUEg2kc7XYf8AAjXNmeMxsMdSoU2kpbLXX/F/kj2uCOHOGcRw pj81xkKk6lJJSdo+7ez/AHabav0cpa9kj9w/gP8AtwfCT9p7xLeaN8PvH/h3xZqlhbG8uLWwuPMk ihDqhkIwPl3Ooz6sK0P2gP2tvhn+yvZWM/xE8beH/CC6p5hsk1C5Ect35e3eY0GWfbvTO0HG4eor J/Z//YS+EP7K/ie81r4eeAdC8KarqFqbK4ubJHEksJdXMZLMeNyKfqormv2/fh9+zv4r8GaJqv7Q yeDxo/h+4lm0qXXb5rbbK6gSJEqurSlgq5jAbO1TtyAR7kp4iNBym4qa9eX/AD2Py2lh8nrZrClh 41pYd9EoOq3bol7r1t8vM/Oj9rnxh+zB+298brXW/iv+2TrmteHLC5Mln4Y0jwveWWn2MefuROIp VDEcNKwZyONwGMfff/BPr4nfss6T4Th8G/ADxB8P40C730/T7kJql6VHMsqzYuJmA6u+7A4yBxXy L4h/bB/4JkeHw+nw+DvBmqRr8hltPAtyfykeFWP1B/Gvzg/4KO+JPgJZftAaF4n/AGYb/WdH0mS2 W6urbZd2raRqEcpKyW7zfvFDLtYBWIVlOCAQB8tPMFg5PEJ05tvXlbcvk22fvWG4QqcR0IZNOONw 1OMXye0pwVFNa+9GEKer6N3bfW71/p0rx34mf8FAvgx8G/i6ngLxT8Q/D+ieL5HgjGmXLusoaYKY gSF2jcGUjJ7ip/2Cvi1qvx2/Ys+FvjDXZRPrfiDw1ZXd/MAF8+cwqJJMDgbmBbA4Ga/Cr/g4OvZd N/4KueMrmCRop7ey0mSN14ZGFjCQR7givbzbNZYXCxxNNX5mt+zTZ+W+H3AVLPc9r5Ljajh7OM3e NvijJR6p6avzP3c/aC/bh+EX7KsiRfEH4heGPDF5InmJZXN2HvXT+8LdN0pX3C4rzPwZ/wAFof2X vHmsR2Fj8YvDkM8rbVbUILrTos+8lxEiAe5avFv2Jf8AghV8Mbf4b6b4z+Ndhe/FL4n+K4E1XWbv Wb+eSC2nmUO0SorjzCuQrPLvLMCRtBCjyT/guV/wSQ+Dfwi/Yv1r4ofD3wra+C9e8IXVmbiOwlkF tqNvPcx2xRomYqrK0yuGUKcKQc5GM8Ri8xhReIUIKKV7Nu9vXRXOzKOH+DMRmNPJp4ivKrOSgqkY wVNybsrRd58reibs+tkj9XNJ1a017TLe+sbq3vbK7jWaC4gkEkUyMMq6suQykcgjg1g/Fz4zeE/g J4Kn8R+NfEWkeF9CtnWOS+1K5W3hDscKm5jyxPQDk1+aP/BrN8b9e8afBH4m+B9SvZ7zR/Bd/YXe lJK5f7It4tz5sSZ+6m+2DhRwGkc9zX6I/tUeA/ht8SfgXrek/FyPQn8AyiObUjrF59jtIxHIro7T b0KEOqkEMPTvg9+ExrxOEWIppJtPfa601fa58pxDwzHJOIZ5Ni5OcYTim4JczjJKS5U9Obla0btf S/U8W1n/AILffsr6FcGKf4v6PI6nGbfTr+5X/vqOBh+tdb8I/wDgqh+zv8c9ag03w38W/CFzqN0w SC2u7htPmnY9FRbhYyzH0XJr428SftJ/8EyPhLK+mQ+G/h/rkkHyMbPwjc6kPwneIq/1VzXw7/wV Z8Y/sc/FDwHo+ufs9Wt34f8AGkWprDqWmxabd2djd2TRSEyhZB5aOkixgBNuRI2QcAjxcRnVejFz c6UrdE3f5as/TMn8M8rzKvDDRwuOo8+iqThFwXZySjFped/nbU/oqrzH9on9s/4W/smS6TH8R/Gm keEpNdErWC3pfN0IygkKhVPC70zn+8K+X/8Ag3W+OviL43/8E7oI/EmoXOqT+D9fuvD9ncXDmSU2 scNvNGjMeTs88oueioo6AV8rf8HX3/I0/A7/AK9da/8AQ7GvQxeauGX/AF6kuidn5tI+PyDgGGI4 w/1Xx1RpKU4uUbXfLGUk1dO17LR7XP1G+If7bPwk+E3wz0Xxj4l+IfhXRvDniO0S+0m7ub5F/tOF 1Dq8CfflBVgflUkZ5ryvw1/wWt/Zb8Wa0lha/GHQIp5G2Bry0vLKDPvLNCkYHuWxXxh/wRY/4JJe Cf2lf2ctB+MPxohvfH11qsb2HhvSb+8lNlpWn2kj26AorDcS0cm1CfLVdp27iSOh/wCC5X/BKP4M /DP9h/X/AIleA/B2m+C/EfgyezkY6Xuhgv4JrqK2aKSLJTIMwcMAGymMkEiueWPzB4b63CEVG17N tu1r300Xex7NDhPhCnna4exGIrzqup7PngoKmpuXKlZ3k7PRy01u0rH6V+MPjd4N+H3w6Hi/XfFf h3SPCrRLMur3eoxRWMiOMoyyltjbh93BO7tmvnuX/gt7+yvDq5sW+L+jmZW27l06+aHP/XQQbMe+ 7Ffld/wQ5/Yjs/8AgpL4j1bTfihr3iHWfhn8IIoZNP8ADI1KWK2e5vpJmIG1sxx4gkZ/LKszMnzA ZB/T34zf8EMP2bvid8LtS0LTPh3pfhXUprZ47DV9MlmjurGbadkhJciQA4ysgYEZ78isNj8di6Kr 4eEUn/M227b7WtrormWccJcK8P5lLKc5xFapUTV3SjCMYKWsb87bk+Vpuysr2TbR9LfCD45eDf2g fCSa94H8UaF4r0d22fa9LvI7mNHxko20nY4BGVbBHpXVV/O5/wAG9vxd8QfCj/gpx4c8K2d7NHpP jSC/0vWLQOTDP5NpPcROV6FkkhGG6gO4HDHP7E/8FdP2zdS/YX/Yh8ReMdBEQ8T300OjaK8qB0gu py374qeCY40lcAggsigjBNbZdnMcRg5YqouXlvf5K+n3nncY+G9bKeIqOQ4Op7X26i6bemkpOPvd NGndrprboeq/Hb9rv4X/ALMdtHJ8QPHvhfwm8y74oNQv447mdfVIc+Y491U14rb/APBcX9lW61AW yfF7ShITjc+l6gkf/fZgC/jmvzA/4Ikf8E+dL/4KbfGLxz8SvjNfav4t0rw9cQrNBdX0vm65fzB2 LTzBvMMcaICVDAsXQZ2qVP61al/wSe/Zs1Xw+2mS/BX4fpbMmwvDpiQ3GMdpkxKD7hs+9ZYTG4/F 0/b0YxjF7c12391rHbxBwzwpw9jHleZVq9avBLndJU4wi2k7Ln5m2k/L77pep/Br9obwJ+0RoDap 4E8YeHPF1jHgSyaVfxXXkE9FkCklG9mANdjX88P/AAUy/Zx1f/gjB+3joet/BzxHrGhaXrNkNZ0V vtBklswJSk1lKT/r4QVU4kB3JIFbcQWP7nfsV/tFx/ta/sp+BPiMltHZy+KtKjurm3Qkpb3AJjnR SeSqyo4BPOAK3y7NJV6s8NWjy1Ib21TXdHlcZcC0srwOGzrLqzq4TEfC2uWUX/LJXavo9V1TVtm/ UKKKK9g/OQooooAKKKKACiiigD4j/wCC0v8AwSsj/wCChPwltdc8LpbW3xR8Hwv/AGW8jCNNXtyS zWUjnhSWy0bNwrlgcB2Yfzv+NvBGsfDbxbqOgeINMvtF1rSZ2tryxvIWhntpFOCrq2CDX9flfOX7 dn/BLT4S/wDBQPSN/jDR30/xPbxeVZ+I9LKwajbgfdVmIKzRg/wSBgMnbtJzXy+ecPLFP29B2n17 P/Jn7v4W+MMsgprK80i54a/utayp3306xvrbda2vsfzGeE9Ltdc8U6ZZX19HplleXcUFxeOu5bWN nCtKR3Cgk49q/qP/AGOP2BPg7+x94G0yL4d+FtFFwbZGPiGSOO61LUwVB81rogsQ+dwVCEG75VAr 8cf2pf8Ag2y+N/wcu7m78BT6R8UNEQloxayrp+pqv+3BM2wn2jlcn0HSuM+Av7fH7W//AASqtYvD +o6N4ns/C1k22PQvGeiXLWEIz0gkbY8a9cCKQISc4NeFlM3llWTxtF67Ste36fcz9W4/w8OOcBSX DOYwfLdypOXLz3ta6+JNWdlKNtd11+0f+DlX9qb4z/Ba48F+G/B9/r3hb4ea9YySahrGlO9u9/e+ YwNm86YZFWJVcICvmeY2dwTA/FW/1C41W8kubqea5uJm3SSyuXdz6knkmv190D/g5/8AC/xG8KS6 F8UvgTBqunXieXeRWmpRX1pdDuDbXEIGPZnavNPFn7Wn/BN34vzPc6p8B/iP4XvpTln0hFtIUJ/u xwX4jx/2zFTmsKGNrOtSxC16SuremhtwDiM24Zy6GWY7JqnNG96lH2c+e7bvL3k79N3otlsfmRRX 6FXer/8ABNmVzKmlfH6IdfKjeIj6fNIf516X8FfhN+x/8SrqH/hX/wCyl+038UZGIMc9wksGn+xe eO8VFHu3FeZTylzfLGrB+jb/ACTPt8V4hU8PTdSrgMRFd5QhBffOpFfifl94M1zW/DviazuvDt5q lhrKyKtrLp0skV0HJ4CNGQ24npjmv6Rv+CMGq/HfWP2PYJvj2mpDWzfN/Yr6suzV5dP8tNjXQPzb 9/mYMn7wrgt2Jt/sXfs1SfDW6gv9G/Z3+GHwOtVHMz3sWs+IJl7o7QRqqAjubqTHPyV9V19lkOSy wsnVlUbv0s0vnfV/cj+avFfxOoZ9SWX0sLGPK0+dyjOat0TheKT62lK/kFFFFfUH4UFFFFABX4N/ 8Ff/APgk149/ZE/aG1D40/CfT9SvvBV1qf8AwkCy6VGZLrwleiTziWRQSIBIN6SAbUHytjCl/wB5 KK87M8tp42nyTdmtU1umfZ8EcbYzhrGvFYaKnCa5ZwltKPbya6PW2ujTaf5ofsPf8HJPwv8Aid4M 0/S/jG1x4C8X28axXOoR2ct1pGouBjzFMQaSEseSjrtXPDnt9YWf/BVT9m+/sRcR/Gz4dLGwziTW Yo5P++GIb9Km+NX/AAS//Z9/aE1Ga98V/Cfwje6hcktNeWtsdOup2P8AE8tsY3Y+5JNeSy/8G+H7 KUlyZB8PNQjUnPlr4l1Pb+s+f1rlpwzWmuW8J26u6fztdHu4vE8BYyo66p4nDt6uEPZzgvKLk4yt 6/gfkJ/wXQ+OnhD9on/goLrfiXwPr+n+JdBl0qwtkvrJi8LyRw4dQSBnB4yOK/oe/Z4/5IB4G/7F +w/9Jo68G8E/8ESv2WvAN1HPZfCDQ7qSM5H9pXt5qKH6pcTOp+mK+o9N0630fT7eztIIbW0tY1hh hiQJHEijCqqjgAAAADgAVOVZbXoV6teu1eetlfTfv6mvH/GuV5tlmAyrK4VFDCpx5qnKnJWilpFt fZ1P55P+C2XwU8Ufsmf8FR9U+IE+mTS6H4l1a18UaHeMp+z3bxiJpYSw4DpMjAr1CsjYwwr9i/gJ /wAFef2ePj74GsNYtvil4P8ADl1dQq8+meIdTh0q8s5CPmiZZ2UMVORuQspxkEivdfih8JPC3xt8 IT+H/GPh3RfFGiXJBksdUs47qBmHRtrggMM8MOR2Ir5d8T/8EEv2U/FF49w/wvFjLIct9i13UYE/ BBPsA+gFZ0stxWFr1KmFcXGbu1K6s/Jq/c68dxpkWfZVhMFn8KtOrho8kZ0uSSlGyXvRk42dorZ7 3fWy+Xf+DkL9q/4X/Gr9i7wroHg34i+CPF2tW/jW1vpbLRdbtr+aKBbG/RpGWJ2KqGkQZPdh616X /wAGwP8Ayjz8Qf8AY833/pHY16t4c/4IH/speHLhZR8L/tsinI+2a/qUy/8AfJuNp/EV9J/A79n3 wT+zT4KPhzwF4Z0nwrojXDXTWlhD5cckzKqtI3dnKogLEk4UelVhsuxP1942u4rS1k2/zSM864xy RcKLhnKlVl+85+eooR9VaMpH4if8HN2p+O5P22dHtNbfUV8DR6HBJ4aQ7hZs5z9qZf4TN5mA38QT ys8ba+9/2BvEX7Deh/s9+GW8K3vwVsrw6dD9ubxDLYRa40/ljzPtBusTFt+7p8n9z5cV9m/Fz4Je D/j74Rk0Dxt4Y0PxVo0rbzaapZpcxK2MB1DA7XGeGXBHY18weI/+CBX7KfiO9e4Pwyexkc5YWev6 lCh+ieftH0AFZvK8RSxdTE0uWfP/ADXuvRpP+rHUuPMox/D+FyTMPbYd4fS9HlcZ+c4uUNeu71bf XT4W/wCDjPxj8EfEnwz+HMPwv1P4W6hrMOrXTaivhaexluUh8lQpm+zksF3Zxu4znFfaP/Bu7/yi z8G/9hLVf/S2Wt/w1/wQX/ZT8MzLKnwsjvZV6G813Up1/wC+WuNp/Kvpn4O/Bbwp+z74BtPC3grQ dP8ADfh6xZ3gsbKPZFGzsWc49SxJJPUmtMFluIhjpYytyq6taN/Lul2OXifjXKcRwvR4cy72s3Tq c/PVUVde/paMpfzaeSPxP/4Omv8Ak87wB/2Jcf8A6XXdfrR/wTP/AOUeHwP/AOxH0j/0jipf2nv+ CcnwW/bL8W6fr3xL8EW/ifVtLtBY21w+oXls0UAdnCYhlQEbnY8gnmvVfh18PtH+E3gLRfC/h6xT TdB8PWUWnafaK7OttBEgSNAzEsQFAGSSeOTWuDy2pSx1XEyatPbv89DzuI+NMHmHC+X5JRhJVMO3 zNpcrvf4Wm316pHmn/BRb/lH78cv+xA13/03z1+QX/BrV/yfR43/AOxEuP8A04WFfuX4/wDAmk/F HwLrXhnX7NNR0PxFYz6bqNqzsi3NvNG0csZZSGAZGYZUgjPBFeS/sx/8E3vgp+xt40vvEXw18D2/ hnWdSsm0+4uU1G8uWkt2kSQx4mldQC8aHIAPy9aeNy2pWxtHExatDfv8tA4a40weXcMZhklaEnUx FuVpLlVrfFdp/cmbf7dXhTUPHf7E/wAXtF0m1lvtU1bwZq9paW0SlpLiV7KVURR3ZmIAHqa/Dn/g 3j/ac8Ffswfts63cePdf07wtpfiPwxcaVBqGozCC1iuftNtMqSSNhYwVik+ZiBkAZ5Ff0N185/HH /gkj+zl+0X4nudb8VfCvQbjV71zLc3dhLcaXLcyE5LyG1kj3uTyWbJJ6mpzLLa1avSxNBrmh0d7P 7jXgnjXLsuynG5HmtObpYm3vU+Xmi15SaT6Pfp56el/DT9rT4WfGjxY2g+DviR4E8Wa0ls141lo2 u2t/OsKsqtIUidiFBdRk/wB4V+Bv/BafU/Ed7/wVh8QQ/FZ9bHha11K0XT403bU0I7Dm0B+XlfMJ K/8ALXfnkGv2y/Zl/wCCWnwI/Y88fjxV8O/AiaB4hFvJafbW1a+u3ET43pieZ1wcDtnivRvjv+zD 8PP2nvD0el/EHwb4f8W2cBJgGo2iyyWxPUxSffjJ7lGBNTmOXYjG4ZU6jUZJ30u0/J7M14O4yyjh jO5YvBU6lWjODg3JRjUi20242co9Lbq9911+ff2fvFf7D2ifDvTx4I1H9nux0owLsE82nRXpGOPP +0EXG/HXzfm9a/L/AP4OKPFHwm8TfHD4ft8Kb/4e6hawaNcLqbeFJrOWJJjONomNsSN+3pu5xX6Y av8A8G/n7KWrXbTL8NrmzLHJS38R6mqfkbg4/CtXwr/wQo/ZU8IyrJD8KLO7lX+K+1jULsH6rJOV /SubG5djcTQeHcacVpqm+nZcp7vDPGXDWS5ss4jXxdaS5vdnGnrzJr3pe01tfe252v8AwSi/5Rt/ BX/sVLP/ANAr8Tf+Dhv/AJSoeN/+wfpX/pDDX9D/AIE8CaN8MPBumeHfD2m2mj6Ho1utrZWVsmyG 2iUYVFHYAV4l8f8A/glb8Av2o/ihdeNPHnw9tdf8TXqRRz3r6nfQGVY0CICkUypwqgfd7V0ZrlVX E4KGGptJxtve2it2PF4C49wOScS4nOsXTnKnVVRJRSclzzUle7S0S11PcPBP/ImaR/15Q/8Aota+ UP8Agvj/AMonPit9NK/9O1lX19Z2ken2kVvCgSGBBGijnaoGAPyrl/jl8DPCn7Sfwt1XwV430iPX vDGtCIXti80sKz+XKkqfNGyuMSRo3DD7vpXq4ujKrh50o7yTX3qx8Fw/mVPA5vhswqpuNKpCbS3a jJSaV2ley01XqflN/wAGnf8Ax7/Hn/e0D+WpVzP/AAdP6n47T4u/DizlfUU+Gj6Q0tqqbhaSasJp RNvxwZBB5G3dyFZ9vVq/VD9lj9hX4U/sUQ63H8MPCMHhZfEZgOpbL26ujdeT5nlZM8jkbfNk+7j7 3OeK7/4jfDHw58YPCV1oHivQdI8SaJegCew1O0jureXHQlHBGR1BxkHpXjxyao8sWBlK0u623v5H 6NV8SsJDjifFNGg50pW92VlJfu4wbVnJJppta6rTS+n54/8ABJ3XP2KdG/ZK8GPDd/B+08bDS4P+ EibxU9lHrB1DYPtHN3h/K8zds8v93t24715f/wAHCfjj4B+IP2OtEtfhxq3wjvvFq+LLWSWPw3ca fLqC2otbsOWFuS4i3mPOflyV74r668Wf8EF/2VPF189zJ8L0sJpDlvsGt6jbR/hGs+wD6KKi8P8A /BAz9lLw/Oso+GBvZFOQbvX9TlX/AL5+0bT+IrKpl2MlhnheSmla11f77cp3YPjDhqhncc9dfFzk p8/JJU2u/K5e027abHkn/Br1/wAo+/E3/Y93v/pDYV4R/wAHX3/I0/A7/r11r/0Oxr9Y/gP+zp4H /Zh8FP4c+H/hnS/CuiS3LXklpYoVSSZlVGkbJJZiqIMk5worlP2pv2CvhJ+2rNosnxP8HweKZPDy zLp7PfXVqbYSlDIB5EqZ3eWn3s/d4xzXRXyqpLLFgotc1kr620aZ5GWcfYKhxxLierTn7JynLlVn K0oSit2lu9ddjy7/AIIb/wDKKv4Rf9eV5/6cLqqX/Bef/lE78Wv+uel/+nayr6V+C/wX8Mfs8fDH SfBng3So9E8M6Gjx2NkkskqwK0jSMN0jM5y7seSetM+OHwP8K/tIfC3VfBXjbSI9d8Ma2I1vbF5p IVnEcqSp80bK4xJGjcMPu+ldzwk/qP1a6vycvle1vuPlocQUFxQs85X7P6x7W2nNy+057b2vbTe1 +p+U/wDwaff8eXx2/wB/Qv5ajX7Bnoa8l/ZZ/YW+FP7FMGtx/DDwlB4WTxEYW1HZe3V0bkw+Z5eT PI5G3zZPu4+9znivWqWU4OeFwsKFRptX221bZfiBxHh89z/EZrhYyjCpy2UrJ+7CMXeza3XfY/m5 /wCCJv8AymJ+G/8A2EdX/wDTbe1+0H/BZH9jrWP22/2FfEPhbw3Gtx4o0m5h13SLYsFF5PBuDQgn gM8UkqrnA3FckDJrf+DX/BKP9n79nz4v2Pj3wf8ADu00Xxbpkkstrfrqd9MYWljeOQhJJmj5SRx9 3jdxjivoeuHK8nlQwlTC12nzt7dmkuq30PquOvEelmfEOEz3KYyg6EIJKaWsoylLaMneLvbdPc/B 3/ggj/wUH8NfsD/E3x18Nfi09z4PsPEtzDJHe39vJGNJv4N8bw3K43Rh1YDcRhGj+bAbI/YTUv8A goD8CdJ8PNqs/wAZfhcunqm8Sr4nsn3DHRQshLH2AJPpR+0X+wN8Gv2s5xcfEL4d+HPEd+FEf294 Db3+0DAX7TCUm2jsN+BXh1v/AMG/H7KNvfic/De7kQHIhfxJqhj+n/HxnH40YPB4/CU/YUnGUVs3 dP52TDiLiHhPiHGvNcdGvQrTS5401TnBtJK8XKUGrpdU1+N/yy/4K3/tSP8A8Faf27PDvh74O6Tq nijTtFsxoei+TbMsurTNK0k1yFYAxw8qNz7cLEXbaDx+4n7C/wCzm/7JP7IngD4dTTxXV54Y0mOC 8ljyY5LlyZZymedvmu+M84xWl+z9+yJ8Mf2VtMltPh54G8O+E1uFCTzWVooubkDoJJmzJIB/tMa9 GrbLsslRqzxNeXNOe9tkuyPM4z45oZll+FyPK6LpYXD/AA8zTnKWvvStonq9F1b8kiiiivZPzYKK KKACiiigAooooAKKKKACquu/8gS8/wCuL/8AoJoopMqHxI/EH/gpr/yNmo/77fzr4A0//kaV/wB/ +tFFfl2a/wC8fM/u/wAP/wDkUR/wn6jf8El/+Rs0r/rov86/YEdBRRX2+Rf7ufy34rf8jh+gUUUV 7Z+ZBRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUU UUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRR QB//2R==

Revista Cultura Física y Deportes de Guantánamo

ISSN: 2519-9455

RNPS: 2286

Vol.

, Número Especial (20

)

Publicada en línea: 17 de diciembre de 20

famadeportes.cug.co.cu__________________________________________________________________/9j/4AAQSkZJRgABAgEAYABgAAD/4Qm4RXhpZgAATU0AKgAAAAgABwESAAMAAAABAAEAAAEaAAUA AAABAAAAYgEbAAUAAAABAAAAagEoAAMAAAABAAIAAAExAAIAAAAbAAAAcgEyAAIAAAAUAAAAjYdp AAQAAAABAAAApAAAANAAAABgAAAAAQAAAGAAAAABQWRvYmUgUGhvdG9zaG9wIENTIFdpbmRvd3MA MjAxNjowMzoyMSAwODoxODo1NwAAAAAAA6ABAAMAAAAB//8AAKACAAQAAAABAAAAWaADAAQAAAAB AAAAHgAAAAAAAAAGAQMAAwAAAAEABgAAARoABQAAAAEAAAEeARsABQAAAAEAAAEmASgAAwAAAAEA AgAAAgEABAAAAAEAAAEuAgIABAAAAAEAAAiCAAAAAAAAAEgAAAABAAAASAAAAAH/2P/gABBKRklG AAECAQBIAEgAAP/tAAxBZG9iZV9DTQAC/+4ADkFkb2JlAGSAAAAAAf/bAIQADAgICAkIDAkJDBEL CgsRFQ8MDA8VGBMTFRMTGBEMDAwMDAwRDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAENCwsN Dg0QDg4QFA4ODhQUDg4ODhQRDAwMDAwREQwMDAwMDBEMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwM DAwM/8AAEQgAHgBZAwEiAAIRAQMRAf/dAAQABv/EAT8AAAEFAQEBAQEBAAAAAAAAAAMAAQIEBQYH CAkKCwEAAQUBAQEBAQEAAAAAAAAAAQACAwQFBgcICQoLEAABBAEDAgQCBQcGCAUDDDMBAAIRAwQh EjEFQVFhEyJxgTIGFJGhsUIjJBVSwWIzNHKC0UMHJZJT8OHxY3M1FqKygyZEk1RkRcKjdDYX0lXi ZfKzhMPTdePzRieUpIW0lcTU5PSltcXV5fVWZnaGlqa2xtbm9jdHV2d3h5ent8fX5/cRAAICAQIE BAMEBQYHBwYFNQEAAhEDITESBEFRYXEiEwUygZEUobFCI8FS0fAzJGLhcoKSQ1MVY3M08SUGFqKy gwcmNcLSRJNUoxdkRVU2dGXi8rOEw9N14/NGlKSFtJXE1OT0pbXF1eX1VmZ2hpamtsbW5vYnN0dX Z3eHl6e3x//aAAwDAQACEQMRAD8ANh4f1cw/q3j9X6xj0Wm2iu/IyL2Nuuttub69n6S31L7br7nv /wAJ/wBt1MVfC6Z1nrQGV0j6rdLxcB+tNnUKmhz2/m2NbV6b2tf/AMXZX/wtibpmC3rXWfqt0jKG 7AxOl09QtqPD3bfSa17fzm766v8Arfqf6Rb3Tvrt9YM/Eu69T06h31eofdv/AEpblCqhrrXZO136 F/0f5ln6T1P0f83+lSU8/cK+iWsr+tn1awsXHuO1nUMSmuykO/dsbtse3/tz1P8AgrFvP+r31fLQ +vp+GWPAc1zaayCHfRc121Wuj5vXfrVgtHWem4v7C6rQ8h1dhNtYnbU21lrffa/6ddlH83/Ofo7f 0ayfqQ7I/Yl+DkO3u6Xl3YTX+Latrm/+fXs/4tAoLnHAxs45tnS+mdPp6f0wPOb1LLoDqx6Qc+6r Gox6/WyH1ta71Hs/9J+oh06jBbh39U6V063p3Utn2PqWLSG1zY31aGZNGRX61DrWfn/za1OmX3H/ ABW5mJ03IOF1PpVdwytji22t9NjsrI97P0jXZdLbPTf/AML/ACEup33D/Fbh4vUsg53UurV0jFL3 F1j33WNysf3O97n4lL6/Uf8A8EiloZWD05/UKej9K6Rh5PUr2l8WV1sqqYP8Ne709/5rvZX+ksQT 0h1NORmMwejdXxcFxZnswKtt1RYN9rmtyG2MvZWz9z+c/wC3Ff6Z0ronUOv9YxOqUufm2105HTyx +y1zGV+la3GdurZ61d1X0H/+evUQug5nWeiNzcjDwvV6V0+sVZLuoMqxchvpbnOwqsmr2ZDKN36N 99f6T1v0XpoKR5lf1cowacujpmPlOy9rcOmuivda5/uYxv6P2fv2P/waH/zfyPW+zij6vftGf+SY Hr8b/R9b+Z+0bP8Ag/TUfq4+np+V9WszOZ9nxC7LY0vMCp2Vufg7v3P0Ps3/AODVjL6c89Oyeg0Y GXb123P9WvNtoa0MBe237T9ux/Z6Ozd7/wDSW/zVdXp11pQa12P0i7ouflUdPr6f1Hp7bS5rGNqv x8jHHqtc2+j03tcx7Wvreyz9L/4GvW15X1nIozMv62ZuJD8d2OKPWb9F9tOPY3Jc3/i91TN69URU /wD/0KeJ1SvCr6B9a8A/aqemY1fT+r1Vg762bNu7Y/8A0b3Wv3/zdlno/wCDsXYdJ+qH1Qzo6l02 63IwLbHXtw23OOILHt2WO+y/mv2O2enZ/wAX6fpfo15L9UrOv151lnRqhftrJy6rC0Uuq8Mg2urq /qfpPU/cWvi5P1cycl78LD6tg5gMXVdGsZbWT+8yxp+j/wAS30klPb9QxPqv9QmDqDL8i/MrrsZ0 zp1t7nhptPubRR+ZS9/87ZZv/t2+msjo/U+m/VfpTMbrmUKepZz35uRVte9zXW7f51tTbNj9jW/T 9P8ASf8AFrBw87plGd6XQem35XW3fzeR1e2ttjHf8HU6yuuy7/MuXJ9V/aP7Rv8A2pv+3b/0/q/S 3eaSnvsv6wfVG7LOdjdUvwMwgB+RiC6p72j6Lbv0NjLW/wBetRx+v/VGvL+3ZPVL8/MALWZGWLrX Mafzam+jXXU3/i61kdJyL2/UXLpGNfZQb8o2XAAY0mnD2tybbMluPVdU5rH0Nyum5d2Tc+qnpF+J 1D9Zqzeuv6i7DpF7HMexwb1Vw9Pc/Om19Nmb6Dn3faP2e6ur9d9K77bX1b/tb+1LHpT1vUPrJ9Te oNYbsxzLaTuovqZdXbW796q1le9qr2db+q+SWftLreb1Oqsgsoyza+rc36Ln1Mx62Wv/AOM9Rcx9 XLrKaesOZRXkA4H6RlxYKhW3JwrLfW9Wyh/6RrPQp+yv+3fabqfs36f9NXt9Qvfb0/J+zY2TjY1e NR6rd1D2WVu6fg1YTer3ud6VTMb0vtfSH24nrZ2Xk24/T6+ndS3+ilOzk/W36n5VDsbIyRZS8bXM NNsR/wBtqj+2/q36H2T/AJxdR+xcfZfUu9PZ/od32f1/R2ezZ6i4bp4ac/FBc1jTawbnNre1vuHv sry304j2/vMy7a8f/T/oV31XUcurq9z8npmbkPe7DGQzPNtb29Pacv8AaD/Ry89+RT02xzqvXZnZ 2f0T1q329R9D1cTGqSlsv6y/VRnQ8rp2BeGB2PbXRU2q0AuexzWt3Pr/AD3u+nYvY18r6RqvqhJT /9n/7Q6CUGhvdG9zaG9wIDMuMAA4QklNBCUAAAAAABAAAAAAAAAAAAAAAAAAAAAAOEJJTQPtAAAA AAAQAGAAAAABAAIAYAAAAAEAAjhCSU0EJgAAAAAADgAAAAAAAAAAAAA/gAAAOEJJTQQNAAAAAAAE AAAAHjhCSU0EGQAAAAAABAAAAB44QklNA/MAAAAAAAkAAAAAAAAAAAEAOEJJTQQKAAAAAAABAAA4 QklNJxAAAAAAAAoAAQAAAAAAAAACOEJJTQP1AAAAAABIAC9mZgABAGxmZgAGAAAAAAABAC9mZgAB AKGZmgAGAAAAAAABADIAAAABAFoAAAAGAAAAAAABADUAAAABAC0AAAAGAAAAAAABOEJJTQP4AAAA AABwAAD/////////////////////////////A+gAAAAA/////////////////////////////wPo AAAAAP////////////////////////////8D6AAAAAD/////////////////////////////A+gA ADhCSU0EAAAAAAAAAgAAOEJJTQQCAAAAAAACAAA4QklNBAgAAAAAABAAAAABAAACQAAAAkAAAAAA OEJJTQQeAAAAAAAEAAAAADhCSU0EGgAAAAADTQAAAAYAAAAAAAAAAAAAAB4AAABZAAAADABpAG0A ZwBfAGwAaQBjAGUAbgBjAGkAYQAAAAEAAAAAAAAAAAAAAAAAAAAAAAAAAQAAAAAAAAAAAAAAWQAA AB4AAAAAAAAAAAAAAAAAAAAAAQAAAAAAAAAAAAAAAAAAAAAAAAAQAAAAAQAAAAAAAG51bGwAAAAC AAAABmJvdW5kc09iamMAAAABAAAAAAAAUmN0MQAAAAQAAAAAVG9wIGxvbmcAAAAAAAAAAExlZnRs b25nAAAAAAAAAABCdG9tbG9uZwAAAB4AAAAAUmdodGxvbmcAAABZAAAABnNsaWNlc1ZsTHMAAAAB T2JqYwAAAAEAAAAAAAVzbGljZQAAABIAAAAHc2xpY2VJRGxvbmcAAAAAAAAAB2dyb3VwSURsb25n AAAAAAAAAAZvcmlnaW5lbnVtAAAADEVTbGljZU9yaWdpbgAAAA1hdXRvR2VuZXJhdGVkAAAAAFR5 cGVlbnVtAAAACkVTbGljZVR5cGUAAAAASW1nIAAAAAZib3VuZHNPYmpjAAAAAQAAAAAAAFJjdDEA AAAEAAAAAFRvcCBsb25nAAAAAAAAAABMZWZ0bG9uZwAAAAAAAAAAQnRvbWxvbmcAAAAeAAAAAFJn aHRsb25nAAAAWQAAAAN1cmxURVhUAAAAAQAAAAAAAG51bGxURVhUAAAAAQAAAAAAAE1zZ2VURVhU AAAAAQAAAAAABmFsdFRhZ1RFWFQAAAABAAAAAAAOY2VsbFRleHRJc0hUTUxib29sAQAAAAhjZWxs VGV4dFRFWFQAAAABAAAAAAAJaG9yekFsaWduZW51bQAAAA9FU2xpY2VIb3J6QWxpZ24AAAAHZGVm YXVsdAAAAAl2ZXJ0QWxpZ25lbnVtAAAAD0VTbGljZVZlcnRBbGlnbgAAAAdkZWZhdWx0AAAAC2Jn Q29sb3JUeXBlZW51bQAAABFFU2xpY2VCR0NvbG9yVHlwZQAAAABOb25lAAAACXRvcE91dHNldGxv bmcAAAAAAAAACmxlZnRPdXRzZXRsb25nAAAAAAAAAAxib3R0b21PdXRzZXRsb25nAAAAAAAAAAty aWdodE91dHNldGxvbmcAAAAAADhCSU0EKAAAAAAADAAAAAE/8AAAAAAAADhCSU0EEQAAAAAAAQEA OEJJTQQUAAAAAAAEAAAAAjhCSU0EDAAAAAAIngAAAAEAAABZAAAAHgAAAQwAAB9oAAAIggAYAAH/ 2P/gABBKRklGAAECAQBIAEgAAP/tAAxBZG9iZV9DTQAC/+4ADkFkb2JlAGSAAAAAAf/bAIQADAgI CAkIDAkJDBELCgsRFQ8MDA8VGBMTFRMTGBEMDAwMDAwRDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwM DAwMDAENCwsNDg0QDg4QFA4ODhQUDg4ODhQRDAwMDAwREQwMDAwMDBEMDAwMDAwMDAwMDAwMDAwM DAwMDAwMDAwMDAwM/8AAEQgAHgBZAwEiAAIRAQMRAf/dAAQABv/EAT8AAAEFAQEBAQEBAAAAAAAA AAMAAQIEBQYHCAkKCwEAAQUBAQEBAQEAAAAAAAAAAQACAwQFBgcICQoLEAABBAEDAgQCBQcGCAUD DDMBAAIRAwQhEjEFQVFhEyJxgTIGFJGhsUIjJBVSwWIzNHKC0UMHJZJT8OHxY3M1FqKygyZEk1Rk RcKjdDYX0lXiZfKzhMPTdePzRieUpIW0lcTU5PSltcXV5fVWZnaGlqa2xtbm9jdHV2d3h5ent8fX 5/cRAAICAQIEBAMEBQYHBwYFNQEAAhEDITESBEFRYXEiEwUygZEUobFCI8FS0fAzJGLhcoKSQ1MV Y3M08SUGFqKygwcmNcLSRJNUoxdkRVU2dGXi8rOEw9N14/NGlKSFtJXE1OT0pbXF1eX1VmZ2hpam tsbW5vYnN0dXZ3eHl6e3x//aAAwDAQACEQMRAD8ANh4f1cw/q3j9X6xj0Wm2iu/IyL2Nuuttub69 n6S31L7br7nv/wAJ/wBt1MVfC6Z1nrQGV0j6rdLxcB+tNnUKmhz2/m2NbV6b2tf/AMXZX/wtibpm C3rXWfqt0jKG7AxOl09QtqPD3bfSa17fzm766v8Arfqf6Rb3Tvrt9YM/Eu69T06h31eofdv/AEpb lCqhrrXZO136F/0f5ln6T1P0f83+lSU8/cK+iWsr+tn1awsXHuO1nUMSmuykO/dsbtse3/tz1P8A grFvP+r31fLQ+vp+GWPAc1zaayCHfRc121Wuj5vXfrVgtHWem4v7C6rQ8h1dhNtYnbU21lrffa/6 ddlH83/Ofo7f0ayfqQ7I/Yl+DkO3u6Xl3YTX+Latrm/+fXs/4tAoLnHAxs45tnS+mdPp6f0wPOb1 LLoDqx6Qc+6rGox6/WyH1ta71Hs/9J+oh06jBbh39U6V063p3Utn2PqWLSG1zY31aGZNGRX61DrW fn/za1OmX3H/ABW5mJ03IOF1PpVdwytji22t9NjsrI97P0jXZdLbPTf/AML/ACEup33D/Fbh4vUs g53UurV0jFL3F1j33WNysf3O97n4lL6/Uf8A8EiloZWD05/UKej9K6Rh5PUr2l8WV1sqqYP8Ne70 9/5rvZX+ksQT0h1NORmMwejdXxcFxZnswKtt1RYN9rmtyG2MvZWz9z+c/wC3Ff6Z0ronUOv9YxOq Uufm2105HTyx+y1zGV+la3GdurZ61d1X0H/+evUQug5nWeiNzcjDwvV6V0+sVZLuoMqxchvpbnOw qsmr2ZDKN36N99f6T1v0XpoKR5lf1cowacujpmPlOy9rcOmuivda5/uYxv6P2fv2P/waH/zfyPW+ zij6vftGf+SYHr8b/R9b+Z+0bP8Ag/TUfq4+np+V9WszOZ9nxC7LY0vMCp2Vufg7v3P0Ps3/AODV jL6c89Oyeg0YGXb123P9WvNtoa0MBe237T9ux/Z6Ozd7/wDSW/zVdXp11pQa12P0i7ouflUdPr6f 1Hp7bS5rGNqvx8jHHqtc2+j03tcx7Wvreyz9L/4GvW15X1nIozMv62ZuJD8d2OKPWb9F9tOPY3Jc 3/i91TN69URU/wD/0KeJ1SvCr6B9a8A/aqemY1fT+r1Vg762bNu7Y/8A0b3Wv3/zdlno/wCDsXYd J+qH1Qzo6l0263IwLbHXtw23OOILHt2WO+y/mv2O2enZ/wAX6fpfo15L9UrOv151lnRqhftrJy6r C0Uuq8Mg2urq/qfpPU/cWvi5P1cycl78LD6tg5gMXVdGsZbWT+8yxp+j/wAS30klPb9QxPqv9QmD qDL8i/MrrsZ0zp1t7nhptPubRR+ZS9/87ZZv/t2+msjo/U+m/VfpTMbrmUKepZz35uRVte9zXW7f 51tTbNj9jW/T9P8ASf8AFrBw87plGd6XQem35XW3fzeR1e2ttjHf8HU6yuuy7/MuXJ9V/aP7Rv8A 2pv+3b/0/q/S3eaSnvsv6wfVG7LOdjdUvwMwgB+RiC6p72j6Lbv0NjLW/wBetRx+v/VGvL+3ZPVL 8/MALWZGWLrXMafzam+jXXU3/i61kdJyL2/UXLpGNfZQb8o2XAAY0mnD2tybbMluPVdU5rH0Nyum 5d2Tc+qnpF+J1D9Zqzeuv6i7DpF7HMexwb1Vw9Pc/Om19Nmb6Dn3faP2e6ur9d9K77bX1b/tb+1L HpT1vUPrJ9TeoNYbsxzLaTuovqZdXbW796q1le9qr2db+q+SWftLreb1Oqsgsoyza+rc36Ln1Mx6 2Wv/AOM9Rcx9XLrKaesOZRXkA4H6RlxYKhW3JwrLfW9Wyh/6RrPQp+yv+3fabqfs36f9NXt9Qvfb 0/J+zY2TjY1eNR6rd1D2WVu6fg1YTer3ud6VTMb0vtfSH24nrZ2Xk24/T6+ndS3+ilOzk/W36n5V DsbIyRZS8bXMNNsR/wBtqj+2/q36H2T/AJxdR+xcfZfUu9PZ/od32f1/R2ezZ6i4bp4ac/FBc1jT awbnNre1vuHvsry304j2/vMy7a8f/T/oV31XUcurq9z8npmbkPe7DGQzPNtb29Pacv8AaD/Ry89+ RT02xzqvXZnZ2f0T1q329R9D1cTGqSlsv6y/VRnQ8rp2BeGB2PbXRU2q0AuexzWt3Pr/AD3u+nYv Y18r6RqvqhJT/9k4QklNBCEAAAAAAFMAAAABAQAAAA8AQQBkAG8AYgBlACAAUABoAG8AdABvAHMA aABvAHAAAAASAEEAZABvAGIAZQAgAFAAaABvAHQAbwBzAGgAbwBwACAAQwBTAAAAAQA4QklNBAYA AAAAAAcACAAAAAEBAP/hGTtodHRwOi8vbnMuYWRvYmUuY29tL3hhcC8xLjAvADw/eHBhY2tldCBi ZWdpbj0n77u/JyBpZD0nVzVNME1wQ2VoaUh6cmVTek5UY3prYzlkJz8+Cjx4OnhtcG1ldGEgeG1s bnM6eD0nYWRvYmU6bnM6bWV0YS8nIHg6eG1wdGs9J1hNUCB0b29sa2l0IDMuMC0yOCwgZnJhbWV3 b3JrIDEuNic+CjxyZGY6UkRGIHhtbG5zOnJkZj0naHR0cDovL3d3dy53My5vcmcvMTk5OS8wMi8y Mi1yZGYtc3ludGF4LW5zIycgeG1sbnM6aVg9J2h0dHA6Ly9ucy5hZG9iZS5jb20vaVgvMS4wLyc+ CgogPHJkZjpEZXNjcmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6NzdiMzhjOTctZWY2Ny0xMWU1LThh NzctYzlkOTI0NTRjMzEwJwogIHhtbG5zOmV4aWY9J2h0dHA6Ly9ucy5hZG9iZS5jb20vZXhpZi8x LjAvJz4KICA8ZXhpZjpDb2xvclNwYWNlPjQyOTQ5NjcyOTU8L2V4aWY6Q29sb3JTcGFjZT4KICA8 ZXhpZjpQaXhlbFhEaW1lbnNpb24+ODk8L2V4aWY6UGl4ZWxYRGltZW5zaW9uPgogIDxleGlmOlBp eGVsWURpbWVuc2lvbj4zMDwvZXhpZjpQaXhlbFlEaW1lbnNpb24+CiA8L3JkZjpEZXNjcmlwdGlv bj4KCiA8cmRmOkRlc2NyaXB0aW9uIHJkZjphYm91dD0ndXVpZDo3N2IzOGM5Ny1lZjY3LTExZTUt OGE3Ny1jOWQ5MjQ1NGMzMTAnCiAgeG1sbnM6cGRmPSdodHRwOi8vbnMuYWRvYmUuY29tL3BkZi8x LjMvJz4KIDwvcmRmOkRlc2NyaXB0aW9uPgoKIDxyZGY6RGVzY3JpcHRpb24gcmRmOmFib3V0PSd1 dWlkOjc3YjM4Yzk3LWVmNjctMTFlNS04YTc3LWM5ZDkyNDU0YzMxMCcKICB4bWxuczpwaG90b3No b3A9J2h0dHA6Ly9ucy5hZG9iZS5jb20vcGhvdG9zaG9wLzEuMC8nPgogIDxwaG90b3Nob3A6SGlz dG9yeT48L3Bob3Rvc2hvcDpIaXN0b3J5PgogPC9yZGY6RGVzY3JpcHRpb24+CgogPHJkZjpEZXNj cmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6NzdiMzhjOTctZWY2Ny0xMWU1LThhNzctYzlkOTI0NTRj MzEwJwogIHhtbG5zOnRpZmY9J2h0dHA6Ly9ucy5hZG9iZS5jb20vdGlmZi8xLjAvJz4KICA8dGlm ZjpPcmllbnRhdGlvbj4xPC90aWZmOk9yaWVudGF0aW9uPgogIDx0aWZmOlhSZXNvbHV0aW9uPjk2 LzE8L3RpZmY6WFJlc29sdXRpb24+CiAgPHRpZmY6WVJlc29sdXRpb24+OTYvMTwvdGlmZjpZUmVz b2x1dGlvbj4KICA8dGlmZjpSZXNvbHV0aW9uVW5pdD4yPC90aWZmOlJlc29sdXRpb25Vbml0Pgog PC9yZGY6RGVzY3JpcHRpb24+CgogPHJkZjpEZXNjcmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6Nzdi MzhjOTctZWY2Ny0xMWU1LThhNzctYzlkOTI0NTRjMzEwJwogIHhtbG5zOnhhcD0naHR0cDovL25z LmFkb2JlLmNvbS94YXAvMS4wLyc+CiAgPHhhcDpDcmVhdGVEYXRlPjIwMTYtMDMtMjFUMDg6MTg6 NTctMDU6MDA8L3hhcDpDcmVhdGVEYXRlPgogIDx4YXA6TW9kaWZ5RGF0ZT4yMDE2LTAzLTIxVDA4 OjE4OjU3LTA1OjAwPC94YXA6TW9kaWZ5RGF0ZT4KICA8eGFwOk1ldGFkYXRhRGF0ZT4yMDE2LTAz LTIxVDA4OjE4OjU3LTA1OjAwPC94YXA6TWV0YWRhdGFEYXRlPgogIDx4YXA6Q3JlYXRvclRvb2w+ QWRvYmUgUGhvdG9zaG9wIENTIFdpbmRvd3M8L3hhcDpDcmVhdG9yVG9vbD4KIDwvcmRmOkRlc2Ny aXB0aW9uPgoKIDxyZGY6RGVzY3JpcHRpb24gcmRmOmFib3V0PSd1dWlkOjc3YjM4Yzk3LWVmNjct MTFlNS04YTc3LWM5ZDkyNDU0YzMxMCcKICB4bWxuczpzdFJlZj0naHR0cDovL25zLmFkb2JlLmNv bS94YXAvMS4wL3NUeXBlL1Jlc291cmNlUmVmIycKICB4bWxuczp4YXBNTT0naHR0cDovL25zLmFk b2JlLmNvbS94YXAvMS4wL21tLyc+CiAgPHhhcE1NOkRlcml2ZWRGcm9tIHJkZjpwYXJzZVR5cGU9 J1Jlc291cmNlJz4KICAgPHN0UmVmOmluc3RhbmNlSUQ+dXVpZDo1Nzk2ZTA2ZS1lZjY3LTExZTUt OGE3Ny1jOWQ5MjQ1NGMzMTA8L3N0UmVmOmluc3RhbmNlSUQ+CiAgIDxzdFJlZjpkb2N1bWVudElE PmFkb2JlOmRvY2lkOnBob3Rvc2hvcDo1Nzk2ZTA2ZC1lZjY3LTExZTUtOGE3Ny1jOWQ5MjQ1NGMz MTA8L3N0UmVmOmRvY3VtZW50SUQ+CiAgPC94YXBNTTpEZXJpdmVkRnJvbT4KICA8eGFwTU06RG9j dW1lbnRJRD5hZG9iZTpkb2NpZDpwaG90b3Nob3A6NzdiMzhjOTYtZWY2Ny0xMWU1LThhNzctYzlk OTI0NTRjMzEwPC94YXBNTTpEb2N1bWVudElEPgogPC9yZGY6RGVzY3JpcHRpb24+CgogPHJkZjpE ZXNjcmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6NzdiMzhjOTctZWY2Ny0xMWU1LThhNzctYzlkOTI0 NTRjMzEwJwogIHhtbG5zOmRjPSdodHRwOi8vcHVybC5vcmcvZGMvZWxlbWVudHMvMS4xLyc+CiAg PGRjOmZvcm1hdD5pbWFnZS9qcGVnPC9kYzpmb3JtYXQ+CiA8L3JkZjpEZXNjcmlwdGlvbj4KCjwv cmRmOlJERj4KPC94OnhtcG1ldGE+CiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg CiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAK ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgIAo8P3hwYWNrZXQgZW5kPSd3Jz8+/+4ADkFkb2JlAGRAAAAAAf/bAIQAAQEB AQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQICAgICAgICAgICAwMDAwMD AwMDAwEBAQEBAQEBAQEBAgIBAgIDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMD AwMDAwMDAwMDAwMD/8AAEQgAHgBZAwERAAIRAQMRAf/dAAQADP/EAaIAAAAGAgMBAAAAAAAAAAAA AAcIBgUECQMKAgEACwEAAAYDAQEBAAAAAAAAAAAABgUEAwcCCAEJAAoLEAACAQMEAQMDAgMDAwIG CXUBAgMEEQUSBiEHEyIACDEUQTIjFQlRQhZhJDMXUnGBGGKRJUOhsfAmNHIKGcHRNSfhUzaC8ZKi RFRzRUY3R2MoVVZXGrLC0uLyZIN0k4Rlo7PD0+MpOGbzdSo5OkhJSlhZWmdoaWp2d3h5eoWGh4iJ ipSVlpeYmZqkpaanqKmqtLW2t7i5usTFxsfIycrU1dbX2Nna5OXm5+jp6vT19vf4+foRAAIBAwIE BAMFBAQEBgYFbQECAxEEIRIFMQYAIhNBUQcyYRRxCEKBI5EVUqFiFjMJsSTB0UNy8BfhgjQlklMY Y0TxorImNRlUNkVkJwpzg5NGdMLS4vJVZXVWN4SFo7PD0+PzKRqUpLTE1OT0laW1xdXl9ShHV2Y4 doaWprbG1ub2Z3eHl6e3x9fn90hYaHiImKi4yNjo+DlJWWl5iZmpucnZ6fkqOkpaanqKmqq6ytrq +v/aAAwDAQACEQMRAD8AE3qHqL+XJ0v/AC3OnPml82Omui971e8+i+rO6e4+4O6ut9n9092d29z9 2bJk7W3rI29OwRurs7sHsbtXsPcGRszZbUNR/wCLdjKE+/de6BXpn40fMf5z0lN2v8NP5DP8q/oz 4z7iQ1fXm9fnX0hs6h3TvvbqRpNgt24LA7AbaO58Ngtz02mURnD5fESCuIXJZBR5B7r3THu2Lb/w Q3VtjbX84v8Aki/CDo7qvf8Alk25t/5e/Fr4/dN9j9H4vcTNUGHFbzwS4DeO58FDYu1/4uuaIoSy 4vJLrIq/wmnWm4Hq2HL/AMvT+X9VYygze2vh78O8ht/cGGxmYxOWxHx96cyOMyGJz4/3CZjCZwbb 5U+0MhPdnpDKTVuqqajojrrv6r+Tu4fiP8Fv5dWwPi58LqLfeU+TPzZ+UXxvxu5OraJupsLuDcPZ uyelur+netH7H7c3BtLBYatOYyeMtrag0p6mxxyBh0v65xfHjY/QlD8dN/8Ay3+A/wDLl3t8VPmK etv9lz+anxl6B29tvrqbIdpbTXe3VO1u6uq+2+vpOzOp81vfb7LKmUF8QiOBIFdXC+690t+zujfj tnfkH1z8J/h//Lw+Gfb/AMtOz9s5LeAot8dQ9PbK6g6a2Jgzoi7I7SzP+jj+8x9WHr/9xWJ/3M5n 7E2uSAWM+uOt9BlN8RcjsbZ/bvdOA+LH8l3+YB1B8Ys1kdsfLDavwc6VO1O8emMpsfCw7i3xncJh O49u7s2z21t7aWAYAjG6GzLLe1hkT79U+vXuhK7fwf8ALj6+6N657h6/+EPx17zyXfNRtfA/HHrP r/47dPJubunce9aZ8rgcBhSeuR/AFWkdq/NZLn+DJQ6ACDb3ocek8VaLXpIp8A+w33metIupv+E5 X+zSrXeU/wAvlcLiH+Qoti/49/o2/wBJqoeuP9Ln93zbjC/wS/7l/H6vfuPS2M0IJ4dJjduwPiXv T4YfLDtrr34i9e/E/wCU/wATNudyVWXxO1dhbL6o7++L/wAnfjdhxv3BZjD9o9TDaG48Hm9rbkwd DlcLk8bltObB9Q+uN9qOmevoie/de6//0GD409HY/wCdnzJ/kK/DDteH+MfGnoj+VR0V87t9dfV7 pHQ9h7pGzI9hYXE5/AusqZ7BR7g2VgyiuhV8PXVw4+/JHuvdWx/Hj+dh/ME+Q3U/ZX8w3ZXwz6Iy X8rbrLdnf755F7kze3fmBg+nPj1sjcG+c53PNg85HJ1lnqV4sQIl2zjFOYbK/wCQllx6jK+/de6G L4edzfOX+b30dhqb5wfCb4tj+W/86uh+wMhR5br3tzO5PtrqSgizdTg9iYnfWA35gxFn9/bqidcr hcztYxDCNQLkGbHZRUx5q/wnrTcOq9/5JWT39H8J+0OhOy8wM/l/hN8ve9fh9h8+rErX7Z6oTb+d wzoT/ZeTe1fjLfRcNQUS/j2hl4k9IZuLdKb40b03dN/wlz+SXT/xg7gynxu+X3wU6070p+/ptpbj zu2u3etd/wDRPc+4++O3BJn9vNFurA535AdeYLNDC5UCMF88QJb0NaUMOl/XXya3ru+m/wCEtvxy 6l+UXb+V+S/y2+dvWnRVP0TV7t3Pmdydmdk7+707n253p1JfM52V9053PdAdc57DfxnJuJbtgPU9 6xC/uvdBd8afi18JfkZ8+f5kfTfy260zW4e/d89b9E9//Dmp2lvl9mdvbv2DsfpobD3xi+ks4Nx7 T2zH2LtDsfZIH8MypCKleS4/hYyLe0/W+kN8DO3/AJi/A3G/KDszpb4y0++/hb8TuvMX1n3jmfnl snoj4efJva/+iM53N5r40bG7v2Av92+4dvdXHOo2HyW68OUzT7h8eL+wQgNvr3QGfy585s/42dn/ AMkbu3vvbQ6s6Tm3P87dr4bJbor0xuK6d3N8x23BnviuMxMzLHgRJ1wP4WuSNkxAyFmZRz710xFT tp0L3bHxzzFZ8d+6f5ePX/xG+Wu9/wCZJvT58DsvZ/yh7O+OGydt4nr/AB2Z7Rwe/D3Wnyo6ej/u 4evZdtvXB8qzkDNZyr04vG4w0GOoNdLYviXps+ZW/wDZfd3bP/ChHvTp5sduLqzK/HDFdM/6RcEI 5ttdk9ydGfEvf2D7xyuGVGkjkfaZzuDxTZIErfH8Fgb+1PTHW/P7917r/9EuHUnyd250Pt3+Uh/O B+Otc3d+xvhf8ZerfgT/ADEev9jUeYTevWGxB1ocG2WfbufQOP7p7kzmbyf8UV4sPlsyMNYjG14K +691shfE/wDlFfyhu+nx3ym+L3YfaPbHxo3v2BufuLB/HHbfyE3jlvhfju0d77Rl2xvHNS9FokD4 Pc0m380cdUYfLOhiiP8ADZKBcYooB7r3Rb+/+qP5YP8AwnawtL8j8R2r8i+z++No7E7S2h8Ffhh2 N8l93b+w+38p2zlic9g+perI0gl2515uPcUanOZfKplEXlwa7K/YL7917quL4gfJn43fylvivtnq z58d/UHXXy2+T28N8/MHt3r59odlb13TtXdHaw2+ka73wPX+3d3/AMA3K228FQ2TKHEEZn70C/8A D7+/de6Lj2z/ADAv5Rm9+2p/kD1b87+//ir3xX0tFitw9v8AxVxfyX6j3nvrbuEWBcTiOzkfpXde 1uwMMRHHqGUw5dgq3BAt7917pt69+fH8pDbHbB+QPafzt78+VHflNTZbD7c7h+UWK+SfbO4djbcz IZ2w2yMKOldpbV2FgwZCf9xOI1Xfj629+690ru/f5j/8m/5GY/bFRvf5J7nwW9evMwdydWds9Y7D +S3W/bfVW51dG/i+x987e63/ALyYNQ6Kbci4Hv3XugjznzU/ld9qT7Xj+UX80X5rfM7Z2z6qhr9v dTfJ+u773z1Iu5MEf9w+c3BsTb3xy2pt3fWesbFsuMvqUm5IJ9+690Z3sr+bX/J97e2HnOsux+7M Tu/Yu4cYuIym2cj0T8gI6CpoY2Dxuki9cK8csbKCCLEEce/de6Kp/s7P8uH+5P8Aoc/4ec/mT/6A dX2H+gf/AElfJP8A0af3Fvp/0Zfxz/Zcf9J3+jv+7f8AuK/hf8Ytb37r3Sx7a/mVfypsH8IO9PjL 8d+2sVgKXK/HTubr7rDYO3enO/MdQ1m5969Z53A4vEJmty9dwB5dy7hzupsnl3XSOWKjn37r3X0n ffuvdf/S1c/5TWf+e+1+792bi+DuyKHsn+DbArqrv/YO/q/aOJ6S3d1BGGQ4/t7Idhbn2jsKgoqi F5nxnly9FlVCVH2M32zVCj3XurHesOzP5dPaHZG4M70Z8av5ufxg76pq6Wm7C2B/KJ7S6y7g6wrc kWlZ8ptbemDy01VJigdSpT7doaLA6dOhtPjPv3XunPpzvL4y7E70baX8vD4Sd893fzD8xO52f25/ NW7n6f2p2RsndHp/a2ZsLL9hbN2lvTsIpfwywvjNxD16Iz67+691r4fKn/Zim+QvazfLQbzi+RP9 7aj/AErp2Pd91f3k13mOQ8l4hT6SgVFY02kJpexW3uvdXbfEvsLfOK/kWfIPY9F0p35ufr6v7++a mR3b2ZQ0eHoPitS5jJ/HT4XUeNxXdO/d5/J7G9ObG7C2HlsPj8ptKg390l2BuLee5cnjcN1Jndp9 gMNxYr3XuiT/ADsy/wAhcp051vRdh7Wzu287t7PUOH+f+Yp6nqeo3Bvr+YNPX9pbj653X8l4OsNw Z7sOm7eovh/m8NgI4e0afCbmbtHD9sSmlfeT9pZCu917pn/l1bxzuzdp/wAx/LYDqjr3teiqfgHJ JvXbHa+S6touo6HrnBfND4Obu39D2NP2B2R1ZuISb1wu2Dtfbf8AcDI1Xa1PvTceIk209JnoYc1j vde6tM7/AN8ZXeHx97rbrHpP5NdO9TbX+MPx0m3xhI95fEzf2ye0+stx/wAn34F7B+MOL/mH9p5L ca7J2LtnpZ9iSdgfHfKZvrybcXaXYG9crgdgY3rzsqlrajEe691rq/H6ChrO9+jaesy+2Nt42t7T 64oWzm5NsdM7525t6J954eKbcO79m/IneXXXQG6cLSVrmetxvYO4cVtCqokMObq6bEM06+691tzb U+Q/bO1Plx2Rne0fg181u3c3uDP/AAKo+4MB83K/v/rXfm3P5amCz3y8PzBz0HXvyK/mA7h7g68+ Ee687lcHS7pxvava3bPxcqdy4WtyvYdZgaLK7S25i/de60vGaNYQJ0Mig2iZWYkoRUxSGmjlMNY9 N4nWWFlaOFNGiVJCb+/de6++x7917r//2aBGHfB3UgAATtKo5gAAAABY Vol.10, Número Especial (2020) RNPS: 2286Keywords: Evaluative model; Physical training; School exathlon athletes; AthleticsINTRODUCCIÓNDisimiles son los criterios de los especialistas sobre la conceptualización del entrenamiento deportivo. Fielder (1969), Harre (1973), Weineck (1978), Matveev (1983), Ozolin (1989), Sánchez (1993), Ranzola y Barrios (2000), Collazo & Betancourt (2006 p.8), entre otros, coinciden en afirmar que este es un proceso pedagógico, complejo, especializado y organizado, de enseñanza, formación, educación y perfeccionamiento de las potencialidades físicas (capacidades), técnico-tácticas, (habilidades), teóricas (conocimientos), psicológicas, educativas, de formación de valores (éticos y estéticos) y de las posibilidades funcionales de los deportistas, que se basa en leyes, principios científicos y reglas, donde las adaptaciones permanente a las cargas de trabajo físico, es la esencia de la preparación del deportista, que tiene como objetivo garantizar la obtención de la forma deportiva, a través de la selección y uso adecuado de métodos, procedimientos y medios, para encaminar a los deportistas al logro de máximos rendimientos competitivos en el deporte.Por tanto, de lo anterior se deduce la importancia que en la actualidad le conceden los especialistas del deporte a la dirección de la preparación del deportista; por ser considerada esta, un proceso multifacético, que aglutina un conjunto de medios, en función de asegurar, según Matveev (1966), “el logro y la elevación de la predisposición para alcanzar resultados deportivos”, a partir del desarrollo del estado físico, psíquico y el perfeccionamiento de la maestría técnica y táctica.Es criterio generalizado entre los especialistas el ver la dirección de la preparación del deportista como un sistema que conduce procesos encaminados a desarrollar las posibilidades adaptativas del organismo del deportista, que aglutina subprocesos o fases: planificación, ejecución, control y evaluación.En este tema, es incuestionable la importancia de la planificación, como “la elaboración sistemática de la ejecución, control y evaluación del entrenamiento de un atleta o equipo deportivo, a partir de los objetivos trazados a corto, mediano y largo plazo” (Silva, 1996), la cual se hace más efectiva “en la medida que pueda ser controlada” (Forteza, 2001), por tanto, controlar en el entrenamiento se considera “el registro de los rendimientos de cada estudiante mediante una medición, el conteo, la observación y evaluación en un deporte o disciplina” (Zatsiorski, 1989),“es la información sobre el deportista: la valoración de su capacidad de trabajo, del estado del organismo durante el entrenamiento, el nivel de desarrollo de las capacidades físicas, el grado de dominio de la técnica de los movimientos, la magnitud de la carga, el cambio de los resultados deportivos, etc.” (Absaliamov y Timakova, 1990)Controlar “es la actividad científico metodológico y práctica que se realiza para verificar la efectividad del proceso de entrenamiento” (Ranzola, 1990), “es la fuente de orientación para el entrenador” (Romero y Becali, 2014), cuyo objetivo es “constatar el efecto entrenador de cada una de las cargas o el estado de entrenamiento de cada deportista (Zatsiorski, 1989), “aseverar o modificar los contenidos en función del cumplimiento de los objetivos, normas y pronósticos de rendimientos” (Ranzola, 1990), una vez definidas las diferencias, por medio de la comparación “entre los resultados obtenidos con los planificados” Ruvalcaba y Loaiza (2001).Al igual que el control, la evaluación del entrenamiento deportivo tiene una gran importancia, dado el grado de reciprocidad de ambas fases de la dirección. Al evaluar, después de controlada una actividad, se está comprobando la eficiencia del trabajo en correspondencia con los objetivos propuestos. Como categoría didáctica “comprueba en qué medida los alumnos han alcanzado los objetivos pedagógicos” (Rapp, 1975), permite conocer, según considera García, citado por Arbona y Aguirre, “los cambios o aptitudes que posee o ha adquirido un sujeto por medio de la práctica de una actividad física o intelectual y que se manifiestan o encuentran presentes en su desarrollo biológico, físico y cognitivo”, es identificar, captar y aportar información, según (Yucra, 2001), para la toma de decisiones, retroalimentando a los responsables y participantes de los planteamientos, acciones y resultados de un programa al que se aplica, pudiendo ser esta “tanto una descripción cuantitativa (medición) como cualitativa de los resultados del aprendizaje”, (Rapp, 1975).Por tanto, la evaluación de la preparación del deportista en la actualidad comprende la valoración de los componentes de la preparación por Matveev (física, técnica, táctica, teórica y psicológica), así como de las direcciones del entrenamiento (funcional y/o físico-motriz), según (Forteza, 2001).Para Baumgartner y Jakson (1975); Kemper (1981); citado por Yucra (2001), “evaluar es el proceso de conferir significado a las mediciones juzgándolas con referencia a criterios o a normas estandarizadas”. En este sentido, la evaluación de la preparación física, se basa en resultados cuantitativos obtenidos a través de la medición, cuya valoración se realiza por medio de la comparación, ya sea a partir del propio resultado individual, o con una norma, la cual, según Zatsiorski (1989), es la “magnitud límite del resultado que sirve de base para incluir al deportista en uno de los grupos de clasificación”.Lo anteriormente abordado, constituye el punto de partida de la contradicción que se revela entre la necesidad del establecimiento de normas para evaluar la efectividad, en el orden pedagógico (físico), del proceso de preparación de las deportistas de la zona oriental del Atletismo cubano en la modalidad de exalón, y las limitaciones pedagógicas existentes, dada la ausencia de criterios evaluativos que han generado inseguridad en los especialistas, sobre cual pudiera considerarse el criterio adecuado de preparación física, para participar exitosamente en la competencia zonal de la categoría 13-14 años de este deporte.El analizar con profundidad la temática que nos ocupa se puede señalar que se han hallado investigaciones científicas en varias disciplinas deportivas, incluyendo el Atletismo, que tienen en común la descripción del algoritmo para la conformación de normas, pero ninguno ha sido aplicado en la creación de un modelo evaluativo a través de normas para el exalón femenino, como nueva propuesta de desarrollo del deportista, por medio de eventos múltiples en la categoría 13-14 años, implementada en Cuba en el año 2018. Es por ello, que el presente trabajo se ha propuesto revelar como aspecto importante, un modelo que contenga normas, que proporciona a los especialistas del deporte, un instrumento teórico que, contribuya con su aplicación, al perfeccionamiento del proceso evaluativo de esta modalidad, durante la temporada de preparación y competencia.La actualidad de la obra se evidencia a partir de su vínculo con el proyecto nacional del deporte de Atletismo 2017-2020, relacionado con el estudio de reserva deportiva en Cuba, como línea de investigación.Las intenciones anteriormente señaladas, sirvieron de guía para aplicar un diagnóstico, el cual consistió en la aplicación de las pruebas que formaron parte del programa de la competencia zonal de Atletismo en la modalidad de exalón, en la cual se evidenció la carencia del instrumento teórico, desconocimiento y la imposibilidad de desarrollar una evaluación, a partir de criterios científicos.MÉTODOSPara llevar a cabo este trabajo, se estudió una muestra intencional de 73 deportistas del sexo femenino participantes en la competencia por exalones del Atletismo cubano en la categoría 13-14 años, pertenecientes a la Escuela Integral Deportiva Escolar (EIDE), institución que concentra a los atletas de mayor nivel deportivo de cada territorio oriental, cuya representación por cada provincia es la siguiente: Guantánamo (16 atletas, constituye el 21.6%), Santiago de Cuba (15 atletas, constituye el 20.3%), Granma (15 atletas, constituye 20.3%), Holguín (14 atletas, constituye 18.9%) y las Tunas (14 atletas, constituye el 18.9%). Partiendo de la tabla #1, el promedio de concurrencia por exalón es de tres (3) atletas (Exalón: “A”, “B”, “C”, “D”, “E”, “F”), mientras que el promedio de participación por exalón y provincia es el siguiente: las provincias de Santiago de Cuba, Granma, Holguín y las Tunas es de dos atletas (2), siendo la de Guantánamo de tres atletas (3).Tabla #1. Participación por exalón y provincias de las exalonistas de la zona oriental de Cuba.ProvinciasExalónABCDEFGuantánamo323323Santiago de Cuba333222Granma224223Holguín332123Las Tunas232322Fuente: Elaboración propiaLa competencia de la zona oriental, tuvo como objetivo principal, seleccionar a los mejores competidores de esta zona para participar a la competencia nacional y se desarrolló dentro de la temporada competitiva en el séptimo mesociclo de la macroestructura.Las mediciones, se desarrollaron en la pista sintética ubicada en la ciudad de las Tunas, a través de las pruebas que conformaron cada exalón y se realizaron por un equipo especializado y preparado de jueces nacionales.Las pruebas realizadas, las cuales se muestran en la tabla #2, se desarrollaron determinándose los tres primeros lugares en las pruebas realizadas, ejecutándose tres intentos en los eventos de campo (saltos y lanzamiento) y solo uno para los eventos de pista (carreras y marcha deportiva).Tabla #2. Pruebas aplicadas por cada exalón programado en la competencia zonal oriental.ExalónABCDEF50 m/p50 m/p50 m/p50 m/p50 m/p50 m/p60 metros con vallas60 metros con vallas60 metros con vallas60 metros con vallas60 metros con vallas60 metros con vallasSalto de longitudSalto de longitudSalto de longitudSalto de longitudSalto de longitudSalto de longitudImpulsión de la bala Impulsión de la bala Impulsión de la bala Impulsión de la bala Impulsión de la bala Impulsión de la bala Salto de alturaSalto con pértigaLanzamiento de la jabalina Lanzamiento del disco Lanzamiento del martillo Marcha deportiva3 kms1200 m/p1200 m/p1200 m/p1200 m/p1200 m/p1200 m/pFuente: Elaboración propiaLas pruebas empleadas se aplicaron para medir los siguientes aspectos:50 metros planos con arrancada baja: se empleó para determinar el nivel de rapidez de traslación.60 metros con vallas con arrancada baja: se utilizó para determinar el nivel de rapidez de acción y coordinación.Los saltos (longitud, altura y pértiga), los lanzamientos (disco, martillo y jabalina) y la impulsión de la bala: se aplicaron para determinar el nivel de fuerza rápida.La marcha deportiva y la carrera de 1200 metros planos: se aplicaron para evaluar el nivel de resistencia aerobia.Las unidades de medidas utilizadas por cada prueba se comportan de la forma siguiente:Segundos: en la carrera de 50 metros planos y los 60 metros con vallas, ambas con arrancada baja.Minutos: en la marcha deportiva 3 kilómetros y en la carrera de 1200 metros planos.Metros: en los saltos (longitud, altura y pértiga), los lanzamientos (disco, martillo y jabalina) y en la impulsión de la bala.Las características de los implementos utilizados se resumen de la siguiente forma:Peso de la jabalina: 500 gramos.Peso de la bala: 3 kilogramos.Peso del martillo: 3 kilogramos.Peso del disco: 0.075 kilogramos.Altura de las vallas: 0.72 metros.Para cumplimentar las tareas propuestas se aplicaron diferentes métodos, técnicas y procedimientos, tanto del nivel teórico como empírico:Del nivel teórico: se empleó el método histórico-lógico, el análisis-síntesis, la modelación, y el enfoque sistémico. Del nivel empírico; se utilizó el método de medición y la escala de relaciones de medición. Para el procesamiento de los datos se aplicó el Programa Estadístico SPSS v.26 para determinar la media aritmética, el error estándar de la media aritmética, la desviación estándar, el coeficiente de variación y la exactitud. Se aplicó la prueba no paramétrica de los signos para establecer la diferencia entre el valor real y valor obtenido a través de las mediciones realizadas y la regla de las tres sigmas para excluir los resultados que estuvieran por debajo o por encima del valor 3*σ empleándose además los intervalos de confianza al 99.73%, para el cálculo de 4 niveles de evaluación, a través de la fórmula:

“R = X ± E”: Se adoptaron los siguientes criterios para definir los niveles de evaluación de los ejercicios donde los resultados se obtienen en longitud (metros):

Evaluación

Puntos

Criterio

MUY BUENO “MB”

R>=

X + E

BUENO “B”

R <= X + E

REGULAR “R”

X -

E < R < X

MAL “M”

R < X - EEn la investigación se adoptaron los siguientes criterios para definir los niveles de evaluación de los ejercicios donde los resultados se obtienen en segundos:

Evaluación

Puntos

Criterio

MUY BUENO “MB”

R>=

X - E

BUENO “B”

R <= X - E

REGULAR “R”

X +

E < R < X

MAL “M”

R < X + ERESULTADOS Una vez determinada la exactitud, a partir del producto del valor de la distribución normal por el error medio cuadrático de la media y posteriormente determinar los intervalos, según formula declarada anteriormente, se definieron las normas que conforman el modelo para evaluar la preparación física de las exalonistas escolares del Atletismo cubano, zona oriental, las cuales se reflejan en la tabla #4.Su estructuración obedece a niveles de calificación, con la aplicación de una escala de puntos. Si una exalonista muestra un resultado evaluado de MB (Muy Bien), por la escala de puntos, a esta se le otorga 5 puntos, procedimiento que se realiza con todas las demás calificaciones.Para la evaluación del resultado partiendo de las normas, se procede a tener presente los rangos establecidos, según las calificaciones y puntos a otorgar. Cada nivel parte de un valor inferior o igual a este, hasta un valor inferior del valor del nivel superior.Partiendo de la tabla no4, en el exalón A, en la carrera de 50 m planos con arrancada baja (s.), una exalonista alcanzaría la evaluación de MB (Muy Bien) con 5 puntos, si su resultado en esta prueba es igual o inferior a 6.72 segundo. Para otorgar la evaluación de B (Bien) con 4 puntos, el resultado debe situarse desde 6.97 s hasta 6.71 s. Para conceder la evaluación de R (Regular) con 3 puntos, el resultado debe ubicarse desde 7.21 s hasta 6.98 s Para otorgar la evaluación de M (Mal) con 2 puntos, el resultado debe ubicarse por debajo de 7.21 s Tabla #4. Normas para evaluar la preparación física de las exalonistas escolares del Atletismo cubano en la zona oriental.

EXALÓN

PRUEBAS

NORMAS

ptos

50 m planos con arrancada baja (s)

6.72

6.97

7.21

7.46

60 m con vallas (0.72 m) con arrancada baja (s)

9.07

9.70

10.33

10.96

Salto de longitud (m)

4.96

4.65

4.34

4.03

Salto de altura (m)

1.48

1.38

1.27

1.16

Impulsión de la bala de 3 kg (m)

8.67

7.71

6.74

5.77

1200 m planos (min.)

4.33.2

4.43.8

4.54.6

5.15.0

50 m planos con arrancada baja (s)

6.80

6.95

7.10

7.25

60 m con vallas (0.72 m) con arrancada baja (s)

9.34

9.84

10.34

10.85

Salto de longitud (m)

4.70

4.49

4.28

4.07

Salto con pértiga (m)

2.33

2.10

1.86

1.62

Impulsión de la bala de 3 kg (m)

7.89

7.33

6.77

6.21

1200 m planos (min.)

4.45.6

4.52.8

5.01.0

5.23.0

50 m planos con arrancada baja (s)

6.99

7.17

7.34

7.51

60 m con vallas (0.72 m) con arrancada baja (s)

9.70

10.31

10.92

11.52

Salto de longitud (m)

4.65

4.46

4.26

4.07

Impulsión de la bala de 3 kg (m)

9.09

8.72

8.35

7.98

Lanzamiento de la jabalina de 500 gramos

30.04

27.72

25.39

23.06

Carrera de 1200 m planos (min)

4.38.4

4.46.8

4.54.6

5.08.0

50 m planos con arrancada baja (s)

7.07

7.36

7.65

7.94

60 m con vallas (0.72 m) con arrancada baja (s)

10.39

11.24

12.08

12.93

Salto de longitud (m)

4.47

4.31

4.15

3.99

Impulsión de la bala de 3 kg (m)

10.18

9.23

8.28

7.34

Lanzamiento del disco de 0.075 kg

32.24

27.56

22.87

18.18

1200 m planos (min.)

5.06.2

5.20.3

5.33.4

5.46.5

50 m planos con arrancada baja (s)

6.91

7.29

7.66

8.04

60 m con vallas (0.72 m) con arrancada baja (s)

9.05

10.40

11.75

13.10

Salto de longitud (m).

5.05

4.50

3.95

3.40

Impulsión de la bala de 3 kg. (m)

9.08

8.37

7.66

6.96

Lanzamiento del martillo de 3 kg. (m)

34.48

30.38

26.29

22.19

1200 m planos (min.)

4.49.9

5.03.9

5.35.8

5.39.6

50 m planos con arrancada baja (s)

7.08

7.21

7.34

7.47

60 m con vallas (0.72 m) con arrancada baja (s)

9.93

10.16

10.39

10.63

Salto de longitud (m)

4.30

4.17

4.03

3.90

Impulsión de la bala de 3 kg. (m)

7.39

6.50

5.60

4.70

Marcha deportiva 3 km (min.)

16.57.3

17.54.6

18.54.0

19.51.6

1200 m planos (min.)

4.24.2

4.27.9

4.30.6

4.33.3Fuente: Elaboración propiaLa evaluación final de la exalonista, la cual se muestra en la tabla #5, se realiza primeramente a partir del promedio de los puntos acumulados en cada una de las pruebas que conforman el exalón y posteriormente consultando en la tabla #6 el promedio de puntos con la escala de calificación final de la exalonista.Tabla #5. Evaluación final de la exalonista, según la aplicación de las normas.ExalónEventos#Exalonista50 m/p60 m c/vSalto longitudImp. balaSalto altura1200 m/pPromedio de ptos.Fuente: Elaboración propiaTabla #6. Niveles de otorgamiento de la evaluación final de la exalonista.Evaluación cualitativaPuntos acumuladosMuy Bien (MB)5Bien (B)4-4.9Regular (R)3-3.9Mal (M)Menos de 3Fuente: Elaboración propiaDISCUSIÓN

La novedad de dicha propuesta se materializa en las nuevas relaciones que establece el modelo evaluativo, que posibilita la retroalimentación del cumplimiento de los objetivos de la preparación física de las exalonistas escolares del Atletismo cubano, zona oriental.

Se destaca, además, un sistema de normas con sus correspondientes criterios evaluativos que abarcan los

exalones

desde el Exalón A al Exalón F, que posibilitan la medición integral de la preparación física.

Ranzola

(2001) se asume la conceptualización del control de la preparación deportiva que precisa en su libro “Manual para el deporte de iniciación y desarrollo”, por coincidir los criterios de los autores de emplear esta actividad para evaluar en el orden científico-metodológico, la efectividad del entrenamiento deportivo dirigido a la participación en las competencias zonales en la modalidad de Exalón por vez primera en el Atletismo cubano en la categoría escolar.

Se concuerda con lo expresado por Romero y Becali (2014) en su libro “Metodología del entrenamiento deportivo, que el control es un instrumento que guía al entrenador en el proceso de dirección de la preparación deportiva, el cual, según el criterio de los autores, partiendo de las características de las estructuras de la planificación de la preparación deportiva, se ubica para evaluar los objetivos que se proponen.Se asume lo dispuesto por Zatsiorski (1989) en su libro Metrología Deportiva, al coincidir que el control contribuye a evaluar el efecto entrenador de las cargas de entrenamiento. En este sentido, se comparte la idea expresada por este autor, ya que la evaluación del efecto acumulativo de las cargas de entrenamiento solo es posible a partir de la implementación, en la preparación deportiva, de diferentes momentos de control que propicien la evaluación sistemática y periódica de las adaptaciones a las cargas de entrenamiento suministradas.Se comparte la idea expresada por Razola de emplear el control como la vía para mantener o modificar los contenidos de la preparación, según el cumplimiento

de los objetivos, las normas y los pronósticos de los rendimientos. Al tener en cuenta lo antes planteado, se puede expresar la importancia de sistematicidad de la evaluación de los componentes didácticos del proceso docente, como aspectos determinantes en la calidad de su cumplimiento.Se toma de Zatsiorski el criterio de que la evaluación de la preparación física, se basa en resultados cuantitativos obtenidos a través de la medición, cuya valoración se realiza por medio de la comparación, ya sea a partir del propio resultado individual, o con una norma, lo cual permite la inclusión del deportista en uno de los grupos de clasificación.Cabe destacar a juicio de los autores, la significación que cobra, a partir de lo planteado por este autor, el modelo evaluativo propuesto, el cual define pruebas y normas para los diferentes exalones, como resultado de un proceso previo de medición, procesamiento, análisis e interpretación de los datos, que permiten en diferentes momentos de la preparación, a través de la comparación individual y colectiva, determinar los logros y debilidades en la preparación de las exalonistas del deporte de Atletismo de la zona oriental del país.Consideran los autores de este trabajo la significación de la evaluación para la comprobación de los cambios en el desarrollo psicofuncional, biológico, que según Yucra (2001), son de suma importancia para la identificación, captación y aporte de información para la toma de decisiones relacionadas con la elaboración de los programas de enseñanza y planes de entrenamiento y la observación del progreso de las adaptaciones del entrenamiento, a partir de la comparación de los resultados de las pruebas, concepción que justifica la necesidad de la investigación que se presenta, dada la insuficiencia de normas para evaluar la preparación de las exalonistas dentro del proceso docente deportivo, tanto en el entrenamiento deportivo como en la actividad competitiva.

Partiendo de lo referido por los investigadores sobre la integralidad que debe de exigir en la evaluación de la preparación del deportista, los autores consideran que en estudios posteriores relacionados con esta temática se deban incluir pruebas con sus respectivas normas para evaluar otros aspectos relacionados con este aspecto. A modo de conclusión se puede señalar que se cumple uno de los objetivos de la investigación, mostrando un modelo evaluativo que responde a las nuevas tendencias y a la necesidad del perfeccionamiento del control y la evaluación de la preparación física de las exalonistas escolares del Atletismo cubano en la zona oriental.Los niveles de desarrollo diagnosticados se caracterizaron por un grado de dispersión pequeño y medio, apreciándose mayor homogeneidad en los resultados alcanzados por exalones en la carrera de 50 m planos con arrancada baja, donde el grado de dispersión osciló entre 0-10%.El modelo presentado representa las características en el orden físico de las exalonistas escolares del Atletismo cubano, zona oriental, las cuales se evaluarán, a partir de la definición estadística de las normas por diferentes niveles de preparación física por exalón, como instrumento teórico aportado por la investigación que posibilite la retroalimentación del cumplimiento de los objetivos del sistema de preparación del deportista.REFERENCIAS BIBLIOGRÁFICASCollazo, A. & Betancourt, N. (2006). Teoría y metodología del entrenamiento deportivo. La Habana: Científico-Técnica.Forteza, A. (2001). Entrenamiento deportivo, Ciencia e innovación tecnológica. La Habana: Científico-Técnica.Ranzola, A. & Barrios, J. (2000). Manual para el deporte de iniciación y desarrollo. La Habana: Deportes.Romero, R. & Becali, A. (2014). Metodología del entrenamiento deportivo. La Habana: Editorial Deportes.Yucra, J. (2001). La evaluación en el proceso de entrenamiento deportivo. Lecturas: Educación Física y Deportes (EFdeportes). Número 30 (Año 6).Zatsiorski, V. (1989). Metrología deportiva. Habana: Pueblo y Educación.Modelo evaluativo… Jorge L. Pichardo-Videaux, Miguel Pons-Soa, Francisco Sánchez-Montes de Oca____________________________________________________________________________________________________________________________________Vol. 10, No.19 (2020) RNPS: 2286