LibreOffice/6.1.5.2$Linux_X86_64 LibreOffice_project/10$Build-2 0 0 14099 9999 true $(brandbaseurl)/share/palette%3B$(user)/config/standard.sob 0 $(brandbaseurl)/share/palette%3B$(user)/config/standard.soc $(brandbaseurl)/share/palette%3B$(user)/config/standard.sod 1270 false $(brandbaseurl)/share/palette%3B$(user)/config/standard.sog $(brandbaseurl)/share/palette%3B$(user)/config/standard.soh false false true true false false true false false false $(brandbaseurl)/share/palette%3B$(user)/config/standard.soe false 7 4 false 0 low-resolution false false 1 1 true 7 Resumen Las nociones básicas como la seriación y clasificación son constructos del pensamiento lógico-matemático que se deben desarrollar en los seres humanos durante la primera infancia, estableciéndolos mediante relaciones o diferencias de todo aquello que les rodea, como hechos, objetos y acciones. Esto se logró empleando herramientas que permitieron a los niños adquirir estas capacidades y constituir así la base para la comprensión de conceptos matemáticos posteriores y la resolución de problemas lógicos. Durante la pandemia de COVID-19, el uso de herramientas tecnológicas se convirtió en una fuente primaria para ejecutar actividades interactivas con propósitos académicos y pedagógicos. Esta investigación tuvo un enfoque mixto, con un diseño no experimental y un corte cuantita- tivo, siendo de campo y descriptiva con un análisis estadístico no paramétrico. Se obtuvieron datos a través de la plataforma Moodle Academy al evaluar a 71 niños de 4 años, utilizando dos bloques lógicos: clasificación y seriación, en un pre y post test TEMTU. Los resultados mostraron un impacto significativo al aplicar actividades interactivas en un curso virtual durante tres semanas, lo que lleva a la conclusión de que las nociones básicas se lograron consolidar al emplear herramientas tecnológicas como métodos de aprendizaje Palabras claves: Actividades Interactivas, Nociones Básicas, clasificación, seriación Abstract Basic notions such as seriation and classification are constructs of logical-mathematical thinking that should be developed in human beings during early childhood, establishing them through relationships or differences in everything that surrounds them, such as facts, objects, and actions. This was achieved by using tools that allowed children to acquire these abilities and thus lay the foundation for understanding later mathematical concepts and solving logical problems. During the COVID-19 pandemic, the use of technological tools became a pri- mary source for conducting interactive activities with academic and pedagogical purposes. This research had a mixed approach, with a non-experimental and quantitative design, being field-based and descriptive with non-parametric statistical analysis. Data were obtained through the Moodle Academy platform by evaluating 71 four-year-old children, using two logical blocks: classification and seriation, in a pre- and post-test TEMTU. The results showed a significant impact when applying interactive activities in a virtual course for three wee- ks, leading to the conclusion that basic notions were successfully consolidated by employing technological tools as methods of learning. Keywords: Interactive activities, basic notions, seriation, classification Estudio de aplicación de un curso virtual sobre nociones básicas matemáticas para niños de 4 años Application study of a virtual course on basic mathematical notions for 4-year-olds Recibido: 22-08-2022 Aceptado: 03-10-2022 Obando Mishell 1 ; Caizaluisa Noemí 2 ; Guerrón Ramiro 3 1 Departamento de Ciencias Humanas, Universidad de las Fuerzas Armadas ESPE, Quito, Ecuador (meobando7@espe.edu.ec) 2 Departamento de Ciencias Humanas, Universidad de las Fuerzas Armadas ESPE, Quito, Ecuador (nfcaizaluisa@espe.edu.ec) 3 Departamento de Ciencias Exactas, Universidad de las Fuerzas Armadas ESPE, Quito, Ecuador (erguerron@espe.edu.ec) ISSN: 2953-6324 https://journal.espe.edu.ec/ojs/index.php/investigacion-educativa/ REIE Vol. 3, Num 1 - mayo 2023 8 Revista Ecuatoriana de Investigación Educativa I. Introducción L a pandemia del Covid-19 ha generado un impacto sig- nificativo en la educación a nivel mundial, llevando a la transformación del estilo de vida de la humanidad, inclu- yendo la forma en que los estudiantes y docentes enfrentan la educación. Con el cierre temporal de las escuelas y la implementación de medidas de distanciamiento social, la enseñanza presencial se ha suspendido en muchos países, y la educación se ha canalizado a través de plataformas vir- tuales y herramientas tecnológicas (Oliva, 2020). En el contexto de la educación inicial, los niños han enfrentado una nueva realidad en la que se han tenido que adaptar a un contexto social crítico y a un método de ense- ñanza no tradicional. La educación inicial tiene como ob- jetivo desarrollar las habilidades cognitivas, emocionales, sociales y motoras de los niños, sentando las bases para su futuro aprendizaje (Currículo de Educación Inicial del Ecuador, 2014). Sin embargo, el acceso a la tecnología y la capacidad de utilizarla de manera efectiva pueden variar entre los niños de esta edad y pueden ser desafíos a abordar. A pesar de los desafíos, se ha reconocido que la tecnolo- gía puede ser una herramienta valiosa para apoyar la educa- ción de la primera infancia en el contexto de la pandemia. Las instituciones educativas de la primera infancia pueden jugar un papel importante en el proceso de aprendizaje al ofrecer a los estudiantes la interacción con la tecnología de manera igualitaria y responsable (De Deus Nascimen- to, 2020). Las actividades interactivas virtuales, como jue- gos educativos y aplicaciones de aprendizaje, pueden ser oportunidades educativas para enriquecer las experiencias de aprendizaje y promover el desarrollo del pensamiento lógico de los niños (Cascales et al., 2017). Sin embargo, es importante tener en cuenta que la in- tegración de la tecnología en la educación inicial debe ser cuidadosamente planificada y supervisada por los docentes y los padres. Los niños de la primera infancia requieren un enfoque equilibrado que combine la tecnología con otras formas de aprendizaje, como el juego, la exploración y la interacción social (De Deus Nascimento, 2020). Además, se deben considerar las desigualdades en el acceso a la tec- nología y la capacitación de los docentes para utilizarla de manera efectiva en el proceso de enseñanza-aprendizaje (Cascales et al., 2017). El objetivo de la investigación es analizar cómo la pandemia del Covid-19 afectó la educación en el nivel de educación inicial, en particular en el desarrollo de las no- ciones básicas matemáticas, y cómo se ha adaptado el uso de herramientas tecnológicas para el proceso de enseñan- za-aprendizaje. En conclusión, la pandemia del Covid-19 ha llevado a la transformación de la educación en todos los niveles, incluyendo la educación inicial. La tecnología ha sido utili- zada como recurso didáctico y metodológico en respuesta a la crisis sanitaria, y puede ofrecer oportunidades educativas para enriquecer las experiencias de aprendizaje de los niños en la primera infancia. Sin embargo, es necesario abordar los desafíos relacionados con el acceso a la tecnología, la capacitación de los docentes y la necesidad de un enfoque equilibrado que combine la tecnología con otras formas de aprendizaje en la educación inicial. II. Marco teórico 2.1. Educación en tiempos de pandemia La educación en tiempos de pandemia le da impulso a enfrentar lo desconocido dejando de lado la incertidumbre y temor que provoca esta crisis mundial, en efecto, el do- cente de Educación Inicial debe ser creativo y se le otorga el poder de motivar a sus estudiantes mediante actividades interactivas con estímulos atrayentes y de sumo interés del niño (Hurtado, 2020, p.179). Las actividades interactivas virtuales proporcionan el contacto con nuevas formas de descubrir, experimentar y crear aprendizajes, no limitados al espacio físico donde se encuentran, sino más bien con posible manejo de los recursos de Internet que pueden ofre- cer el mejoramiento, optimización y alcance del desarrollo integral de los estudiantes. Por otro lado, como menciona (Failache, et al., 2020) para llevar a cabo la educación virtual se deben considerar ciertos factores como los estudiantes, la participación del docente y el contexto familiar, quienes proporcionarán el uso apropiado de la tecnología en los procesos de apren- dizaje. La participación de la familia es primordial en este sentido, pues son quienes apoyan y acompañan a los niños en este método de enseñanza-aprendizaje virtual, tomando en consideración el nivel de formación académica, disponi- bilidad de tiempo, facilidad de acceso a recursos informá- ticos, estabilidad económica y laboral de los padres que les permita llevar a cabo la educación de sus hijos (Hurtado, 2020, p.182). La experiencia con las tecnologías permite que los ni- ños se unan en la búsqueda de la resolución de problemas, se estimula la interacción social y se constituyen como po- tencial factor para desenvolver las áreas de desarrollo in- tegral de los niños. (Bejumea, 2001, p.141 citado por Hur- tado, 2020, p.178). Al desarrollar las nociones básicas de clasificación y seriación en un curso virtual, las actividades que se realizan van acorde al contexto actual de pandemia donde cada niño se adapta a esta modalidad de estudio. 2.2. Nociones básicas en Educación Inicial La enseñanza en Educación Infantil plantea el desarro- llo integral de los niños en la que el área lógico matemática 9 Vol. 3 - 2023 consiste en trabajar la resolución de problemas mediante la indagación con elementos que permitan al niño experi- mentar las primeras creencias, sentidos y hábitos hacia la matemática (Fernandez, et ál., 2018), es decir, los primeros conocimientos se los plantea en este nivel, los contenidos matemáticos y las operaciones mentales se construyen a partir de las condiciones psicoevolutivas del pensamiento donde se desarrollan nociones básicas lógicas como: clasi- ficación, seriación, correspondencia, relaciones espaciales y temporales, etc., y se adquiere de acuerdo a la edad y fase del niño como lo manifiesta Piaget (1968) (citado por en Saldarriaga, et al.,2016) con los diferentes estadios cogniti- vos establecidos en el hombre: 1. Estadio sensoriomotor: de 0 a 2 años, el niño em- plea inicialmente sus reflejos, más adelante sus ca- pacidades sensoriales y habilidades motrices para conocer el mundo que lo rodea junto a la capacidad de representar el mundo mediante símbolos. 2. Estadio preoperatorio: entre los 2 a 7 años, con- tinúa el estado sensoriomotor e interioriza la in- formación para dar lugar a acciones mentales con hechos u objetos no perceptibles. Es intuitivo, se presenta la inteligencia y el razonamiento prelógi- co, mientras que la realidad la comprenden aparte de los esquemas mentales que tienen. 3. Estadio de Operaciones concretas: de 7 a 12 años, existe mayor razonamiento y no se dejan llevar por apariencias perceptivas. Se alude a las operaciones lógicas donde el pensamiento puede clasificar, se- riar, entiende el concepto de número o dar solución de problemas. 4. Estadio de operaciones formales: de 12 en adelan- te, se evidencia la inteligencia formal con capaci- dad de reversibilidad y organización, comprensión científica y razonamiento sin objetos presentes (López, et al., 2018). Son diversas nociones básicas lógicas que los niños de- ben adquirir gradualmente para lograr automatizar y utili- zarlas eficazmente en momentos posteriores. El Currículo de Educación Inicial del Ecuador (2014) en el ámbito de aprendizaje de Relaciones Lógico Matemáticas postula que los niños adquieran nociones básicas de tiempo, cantidad, espacio, textura, forma, tamaño y color (p.32), estas no- ciones se las empieza a presentar a niños de entre los 4 a 5 años de edad correspondiente al estadio preoperatorio don- de se razona intuitivamente y atraviesa un proceso mental prelógico, a esta edad el niño tiene la capacidad de adquirir y resolver problemas referentes a nociones básicas lógicas, inicialmente de clasificación y seriación (Piaget, 1968 cita- do por Saldarriaga et al., 2016). Al desarrollarlas, permite que el niño a los 7 años de edad realice ciertas tareas de: operaciones mentales, concepto de número o solución de problemas. Las primeras nociones en adquirir son la de clasifica- ción seguida por seriación, en cada período de desarrollo se caracteriza por estar relacionado con una estructura opera- tiva del pensamiento. La primera estructura operatoria que se construye como la más elemental de todas es el agru- pamiento o clasificación simple. Otras estructuras lógicas a las que Piaget (1981) mencionó es la seriación para el conocimiento del número y sigue al desarrollo de la lógica. Por lo tanto, la adquisición de estas competencias es gra- dual y secuencial. 2.3. Nociones básicas de clasificación y seriación Las nociones básicas de clasificación y seriación son de gran preeminencia porque estas dos nociones forman estructuras lógico matemáticas indispensables para la con- ceptualización del número y son la base de los saberes de tipo lógico. Piaget (1971, citado por Atencia, 2017, p.25) afirma que las nociones de clasificación y seriación son efecto de la acción y relación con el objeto y el sujeto, en la noción de clasificación da paso a comprender el número en cardinal, de igual manera, la seriación da lugar al número en ordinal. Es por esta razón la importancia de desarrollar estas nociones básicas en el niño de educación inicial y posterior logre construir y comprender cómo surge el nú- mero al aprender con acciones de su interés. 2.3.1. Clasificación Las capacidades de operacionalización de clasificación como las define Piaget e Inheler (1965) sirven para estable- cer semejanzas y diferencias entre objetos. El formar colec- ciones de objetos similares o elegir elementos adecuados para la clasificación, como también poseer la capacidad de comunicar las agrupaciones que se realiza. Estas nociones operativas Piaget las considera como una manera de activar el desarrollo intelectual (citado por Viego, 2016, p.09). La clasificación es aquella que relaciona a las semejan- zas de los objetos por su similitud o la diferencia del ele- mento por las discrepancias y se agrupa según un criterio. Esta agrupación va a depender de la percepción al identi- ficar esas características de los objetos para que se dé la estructura operatoria de clasificación. Al clasificar objetos se identifica las semejanzas y diferencias, de acuerdo a un criterio de lo que ha observado según: apariencia, forma, tamaño, color, etc. Queda claro que la base de la formación de los conceptos o atributos de un objeto está el proceso de clasificación, el cual dará lugar a estos después de verificar- se la abstracción Al clasificar el niño percibe las cualidades de los obje- tos y los agrupa o separa según como las distingue en las semejanzas o diferencias. Bruno et al., (2006) (citados por Hidalgo, 2018) distinguen dos tipos de actividades: • Escoger objetos semejantes entre sí (igual/diferen- te). • Identificar las características o cualidades de un conjunto y separa a los objetos que no correspon- dan a él (los objetos del conjunto no son semejan- tes entre sí). 10 Revista Ecuatoriana de Investigación Educativa Para que el niño pueda comprender, el objeto debe tener diferencias bien marcadas que se logre reconocer y abstraer ciertas propiedades para darle pertenencia a un grupo de di- cho objeto. Luego de este proceso surgen las agrupaciones, clases, variedades o categorías para organizar los objetos. 2.3.2. Seriación La seriación consiste en ordenar sistemáticamente las diferencias de una agrupación de objetos de acuerdo a un criterio o patrón, esto origina la posibilidad de ordenar los elementos de un grupo de mayor a menor o viceversa, for- mados por tres, cuatro y hasta diez elementos, esto servirá como preparación para desarrollar la sucesión numérica (Morales et al., 2015). Al niño se le debe proporcionar ob- jetos reales conocidos por él, que al percibir pueda realizar la seriación correspondiente por un criterio, puede ser por color, tamaño, grosor, forma, textura, etc, y se logre iden- tificar las diferencias o semejanzas que existen entre los objetos, para posteriormente ordenarlos según la serie en un patrón determinado. El gran aporte de Piaget nos manifiesta que gracias a la noción de seriación ayuda a que el niño pueda tener de manera progresiva el concepto del número en su aspecto ordinal y secuencial (Castro et al., 2002, p. 44 citado por Morales, 2017, p.4). Es decir, la seriación es una operación cognitiva en la cual se ordenan objetos o elementos según una determinada relación, esto conlleva a demostrarle al niño que una sucesión ordenada es igual a los números en su aspecto ordinal; mediante esta noción el niño logra uti- lizar el razonamiento transitivo que radica en descifrar que él es mayor o menor que otro niño u objeto. Para la enseñanza de estas dos primeras e importantes habilidades operativas lógicas, el aprendizaje debe ser de manera atractiva y divertida para el niño, que vea a las ope- raciones como un juego y no un contenido de aprendizaje, uno de los medios didácticos en la actualidad que a los ni- ños les atrae es la tecnología, con actividades interactivas virtuales donde las nociones de clasificación y seriación se logran desarrollar mediante la implementación de estrate- gias lúdicas virtuales con elemento u objetos que el niño re- conozca y estén en su medio, esto permite consolidar estas habilidades que van acorde al contexto de una educación online y la flexibilidad de acceder al conocimiento. 2.4. Actividades interactivas para el aprendizaje La incorporación de las nuevas tecnologías de informa- ción y comunicación al contexto educativo ha sido vista como la posibilidad de ampliar la gama de recursos, estra- tegias didácticas y las modalidades de comunicación que se pueden ofrecer para el mejoramiento, optimización y alcance del desarrollo educativo. La integración de la tec- nología deberá ser según Plowman et al., (2013, citados por Barreto et al., 2021) una integración del adecuado uso de la tecnología para el proceso de enseñanza-aprendiza- je parte del ambiente familiar y responsable del adecuado uso. Wartella y Jennings (2000) (citados por Hernández et al., 2017) revela que en la sociedad de hoy los niños están expuestos a las tecnologías desde que nacen, por tanto, son los adultos quienes dirigen el uso pertinente de este recurso tecnológicos con el fin de aprender. Las computadoras según Haugland (2000) (citado por Villegas et al., 2017) es una valiosa herramienta para el aprendizaje de los niños de preescolar, pero es necesario darles tiempo a los niños de explorar y experimentar con la supervisión de un adulto que conozca e induzca a la expe- rimentación positiva de la tecnología con el uso adecuado y enriqueciendo aprendizajes. Los niños en la primera in- fancia todavía necesitan sentir la dirección de los padres, el educador o algún adulto, quienes están disponibles para darles apoyo. De esta manera, su experiencia puede operar efectivamente al aprendizaje para áreas de desarrollo inte- gral del niño. Además de este factor, los padres o el adulto realizan la observación de las actividades de los niños con la computadora, donde se pueden plantear nuevas interac- ciones, preguntar a los niños, plantear nuevas dificultades para mejorar y difundir las experiencias enriquecedoras de los niños con las tecnologías. Para Jessen (2003) (citado por Pezo, et al., 2020) los juegos digitales y las tecnologías son una cultura nueva y propia del mundo en los niños, y una forma de relacionarse con los otros en sociedad. Los niños saben escoger sus pro- pios juegos y estos pueden o no ser los llamados tradiciona- les o los digitales, todo depende de su desarrollo social y la elección de los juegos que le atraen. Desde el punto de vista de Jessen (2018), este tipo de diversión y los propios juegos se aplican, también, a los juegos digitales e interactivos. Es por ello que se plantea en la educación inicial activida- des interactivas virtuales que son de interés para los niños con un propósito pedagógico y utilizado como elemento didáctico para el proceso de enseñanza-aprendizaje con la dirección de docentes, padres de familia y adultos a cargo de cuidar al niño. Las actividades interactivas virtuales proporcionan el contacto con nuevas formas de descubrir, experimentar y crear aprendizajes no limitados al espacio físico donde se encuentran, pero sí al posible manejo de los recursos y comunidades disponibles de Internet (Hurtado, 2020). Las actividades interactivas pueden enriquecer las experiencias y promover nuevos aprendizajes al nivel del desarrollo in- tegral de los niños en las áreas: social, emocional, lengua- je, lógico-matemático, físico motriz y de cultura universal. Las instituciones educativas de la primera infancia pueden desempeñar un papel esencial en el proceso de ofrecer a los niños, de manera responsable e igualitaria la interacción con la tecnología (Gómez, 2014). La experiencia con las tecnologías permite que los ni- ños se unan en la búsqueda de la resolución de problemas, estimula la interacción social y se constituyen como poten- cial factor para desenvolver las áreas de desarrollo integral de los niños. Estas herramientas responden a las necesi- 11 Vol. 3 - 2023 dades de cada uno tomando en cuenta la acción de jugar y aprender, estos son definidos como procesos que están íntimamente conectados y crean zonas de desarrollo poten- cial de razonamiento (I Basté et al., 2017). III. Metodología / aplicación Esta investigación es de enfoque mixto, diseño no expe- rimental y corte cuantitativo, siendo de campo, descriptiva y con un análisis estadístico no paramétrico. Población-Muestra Se trabajó con un muestreo intencional no probabilísti- co, considerada como una elección de los elementos que no dependen de la probabilidad sino del propósito de la inves- tigación (Hernández et al., 2014). Los participantes de esta investigación fueron 71 estudiantes con edad de 4 años, de ambos sexos 36 Masculino y 35 Femenino que cursan el nivel de Educación Inicial II del Sistema educativo ecua- toriano. Procedimiento La información recolectada fue mediante la aplicación de un pre y post Test TEMTU y un curso virtual con la par- ticipación de 71 niños distribuidos por grupos de 15 niños en diferentes horarios, se realizó actividades asincrónicas y sincrónicas mediante la plataforma Moodle Academy con fácil acceso para elaborar las secciones compuestas por tres módulos de aprendizaje, cada uno se distingue por atribu- tos diferentes asignaciones pertenecientes a las nociones de clasificación y seriación. El curso virtual inició con una evaluación diagnóstica con el fin de identificar las habilidades que mantenían los niños al respecto con el tema. Los datos recolectados se dieron a través de la aplicación de un pre-test de TEMT-U, la cual fue adaptada para aplicarlo de manera virtual, este instrumento permite evaluar a niños de 4 a 7 años de edad el nivel de competencia matemática temprana. El test TEMT-U se compone de 8 categorías, de las cuales sólo se evaluaron dos componentes: clasificación y seriación. Cada ítem correcto se puntúa con 1 y los errores con 0. Al obtener los resultados del pre-test se efectuó el desa- rrollo del curso virtual a través de la plataforma MOODLE ACADEMY que conformaban tres módulos que cuentan con juegos interactivos. El primer módulo se caracteriza por manifestar la noción básica clasificación de objetos de diferentes cualidades: alto/bajo, pequeño/grande y delga- do/grueso. En el segundo módulo se denota las actividades de discriminación por atributos, figura, color, tamaño, com- posición y objetos con pertenencia a conjuntos. El tercer y último módulo detalla acciones de orden: desde el más pequeño al más grande y viceversa, del más grueso al más delgado, orden por cantidad y correspondencia. Como lo menciona Martínez (2020) a través del juego se desarrollan cualidades fundamentales en el niño, como son la atención y la memoria activa, con una intensidad especial debido a que mientras juega, el niño se centra en lo que realiza y recuerda lo que ha vivido. Es decir, que las actividades desarrolladas en cada módulo, mantuvieron el enfoque de jugar y aprender en espacios virtuales. Finalmente, se aplicó un extracto del Post Test de TEMT-U de los dos componentes: clasificación y seria- ción. Cada ítem fue adaptado para evaluar de manera vir- tual mediante la plataforma Academy en un tiempo perti- nente. Cada ítem correcto se puntúa con 1 y los errores con 0. Esta evaluación fue aplicada de forma individual y en diferentes horarios a cada uno de los estudiantes, con el consentimiento tanto de autoridades y padres de familia. La información recabada de la investigación se analizó mediante el programa R. Se aplicó la prueba de Wilcoxon debido a que los datos no son normales en ningún com- ponente en estudio, lo cual se empleó una estadística no paramétrica para dos muestras independientes entre sí, la distribución de datos de la evaluación de ambas nociones lógicas matemáticas no sigue una distribución normal. IV. Resultados En el análisis de datos se hicieron en dos instancias, la primera donde se realizó un análisis descriptivo de las medidas de seriación, clasificación, y notas totales, tanto al inicio (Pretest) como final (Postest), además el análisis de la normalidad empleado la prueba de Kolmogorov-Smir- nov con la corrección de Lilliefors, obteniéndose los si- guientes resultados: Tabla 1 Resumen medidas Descriptivas Nota. Resultados de Pre y post test a niños de educación inicial. Las hipótesis de investigación que se analizaron con- juntamente con el análisis del tamaño del efecto fueron: H 0 : Las calificaciones obtenidas en la evaluación de Se- riación en las etapas inicial y final son iguales H 1 : Las calificaciones obtenidas en la evaluación de Se- riación en la etapa inicial es menor que en la etapa final. H 0 : Las calificaciones obtenidas en la evaluación de Clasificación en las etapas inicial y final son iguales H 1 iVBORw0KGgoAAAANSUhEUgAAAgQAAADxCAIAAAA7oDhCAAA0PUlEQVR4nO2dT48d1bX29yAK n+BmZPs0Hl3dOwAhoUi0ObRtAgyAEZLloDZuYQuhJKOIRBew09jAqwRlBAghN2rbR8SylFGS ARDA7YZGipCu7h0kyqjjpj0inyB3kvfhPOnF8t51qur8rV2nn58s63Sdqjp77X9rrV271vrO P//5zyCEEGJ/852mCyCEEKJ5pAyEEELsKYPv3nVXs+UQQggxY/7vH/+wz99JDwkhhNhvaJlI CCGElIEQQggpAyGEEEHKQAghRJAyEEIIEaQMhBBCBCkDMUH+69z5zRsbW59vNl2QjHh37dLN za3fXL087IUHDhz8+u9f//RnP/9/Fy9Mtkjfveuu3//hd4/+4NHJ3lZEjNz0TSFlMLdgav71 r36JD0+dOFmzR/7w1Gn8X/PkaOr/y1//3Ftfv317d6TCzgmohHvvuY+f33z7refOnB3qciiA c6vncdWHf/yws3A3K3OoRkmJpn7cDQWTJhjE4pHul1/+yR8p0ceo23l6Q0vKYD7BrARNwJ6K 8Y8//+Pf/7PyqqFmnGiE4P77XBNgBn/i8Sdt5sXMPqwysAq8tfNV5/Bhfh7TtIxmqxYZqo1A 44ZKfZ4m+jpIGcwnu7u37bMf/xZ3hHMWOv0jDz8GIxTWEI5sbG6F/ixvXkVwFi7c3p/86Mc8 iHHivWB/PocQZsYLr7yGD7Sz9sO4utK7BivSjO5INfraM2PT7FBWMv48/4uXoAl45m+vX/uf //3v3vvXw57q5dqR3cFa83v/9j37uegc/PnRxx/QFLDzfQG6R5fYdtNYkpob0h7OysT/99// fagQq/bQ2t4uZTCfYEp66sRJ9FS/RoT+isnF5gV2WfTgc6vnaRBRGYT+1MN5AXP6sytnME9B bWCGKuzlmOZ66+v8CmMGv8KJiQoGJYFrguNzP9FsfvrJe+trg75FHVKn0upEbaBuQ9HEwdPS 5WZU4/LKiq9GuxZzOloBF6bnGGgX0+to/YXOvxyXzRsbuI+VahTJ553CHo4//TKRKeP29nYp g7kFUwn+oWty1fjgwQOY921FO/RnpdA3KgtXM7zVif8/+/wL6JXCH8K0BXXCzxgDZkDBYqKZ /FB38eaemtnPeOMx9BX2E48/iXm85iN3KBvY+P6IN1ehBQrPIWxra2g4Abd2/jV5wRcJ/VU+ NHTN5cT9xqAe7ok8v9kVbnJIGcw50AedzqErvWsvv/hCSOxQzhEpmKG4aMB1pFkUtP10Fu6G azXo2Sy0cvfYcRr7pmjRHPAP8OcISzS40D8WGqfkYkzoN9PthoZuujgjImUwn8BOgenH+WXz xkb36BJNPy4m1LnDQucg/ueCdf/PQz+5/uPCx48w/C+uXuBtMRLgEExKinYBExuW/vLTJ2hc pyY/tHLoN40/COXx5ttv1fGcoGzQHF5n0GkL/acLaIXCcwiLZK0PLQJncXgR9yklPdz7UvzQ W19fXllppJxjImUwn6DjHjhwkP4s+i5nh48+/uDee+6jM+sfOaZwXsOZ1u8xZ8F69Sat/y3M Zfyq/LbzDad1v7XUfwvPDF+hRVBFnMT9wgKMysr7Q7Wgkv3DXkz9rHZrpvQcu9y3vnaXDsWg Hv7UiZOoUj5A5iO64NqidUgZzC3ppAzLJVomivaD2tyBmSJ9sGlPlYk9EQ17zyf8ybiDTTf+ zPkmldSOpJWfnmyehP+q8IlxdL4nOsfaNy1AdId9q8VT0rpKe3h0MD2hdd1eykAIIYSUgRBC COVAFkKIfYtyIAshhLgDLRMJIYSQMhBCCCFlIIQQIkgZCCGECFIGQgghgpSBEEKIIGWwT2hd OlZPqwufwqiWbYx3H+auLVotzsQLL2WQHYtHuqdOLw+KalKSETfPROc+iL/l58qwnIWg8O+t rw0qKtOEFU7recrY6rbQuJg2UgYto8QQyPbNwaiLZ1vOYSlJSpOtjPPaFhoX4yNlkC9cT7Aw 1Jx6/CLDoGy3madjtXIWJuDNs/AwPDudQyyqZRLFwYe6i7RVB7VFYZrifGhjW2hcTKnwUgZZ Y6ms0BU+/OOH3o4oyXabWzrWJx5/kh9SLzhNwJtb4Q3Lgov5/eUXX/DpIUvaIk1TPJvSDmI+ 2kLjYhqFlzLIGkum2j12/NbOV/6rQdluQ37pWEtWQtMEvLkV3rAsuLBGd3dve2VQ0hZpmuJm mY+20LiYRnmkDOaNVqdjbXXhU1qdpnjO2qLV4sym8FIGbWVQtlvS6nSsrSt8SVukaYrbxTy1 RWihOJ5pF17KoK0MynaLHtPedKwtLfygtnj0B4+maYrbwpy1RUvFIbMpvJRBdtiGRW/d2M65 koy49ogpq3Ss6RYaO1KYgDfPwvsiWbH9wUFtkW4/bfC5ZavbQuNi2oWXMhBCCCFlIIQQQjmQ hRBi36IcyEIIIe5Ay0RCCCGkDIQQQkgZCCGECFIGQgghgpSBEEKIIGWQPwx7WRjg8MM/fphG wfVhMjPZJGZFKozp3zopLIa+p3VStLotyA9Pnf7t9Wvp0GiFFD4KKYlKNXspJqAMDhw4eG71 fOOB2ucSprmwYGcR6CvsJehY+IzOEYXJxOUl2bhmBoOzhwEx/VsnBTr8HEjR6rYI/cl0Z3u7 cGi0QgofTALlvHq5F50weykqlAFfRotUkD8ITbW8sjJIE5QkiRV1YGP31tfTr9AzYKLSXkD9 w8rAkY3NLYt1/szySbMsmsW67M6tvy10Dvmv2ihFP4b+HTZ1G6VodVsAFA9TEBRzdLxdUpCL qxfeW1/zRxqRotozQJm8BYHPOPLll3/in+UTfePqd46JcnrQRNrZ+aqzN8IPHjzQQLGKMN/2 zbffijz6FklhcGnCH2mRFPPRFrCLUf7Cr1okBcGMGvoBbv3BRqSoVganTi9DcZkyoBIzpWRp YMuTxEZpS3FPrpehRXlnJnjjPe2gmA9gMdBogKd4c3OrJHd5/qBLwzoblKAqf+agLWAj72xv P9fCkhdy9XLPkug1S7UyePDIA6HfABgA+L+zcPcgpVSSJDb0NQEz9eBbuKhcAnt25QznfWgC LpBRK8CBbe94a4Sv//511C67u7cHPWxoChgB6dqoJ3MpYNNgGqqcQDOXgrS3LTY2t7788k8W Tg2GaYn5mK0U5BvFdutvlbbvbKSo9QB5eWXlSu8aZucLr7xWkse1JEls6Cea4BF8ywyfuCGE DHcukDGNQ+QliRQoaa4k8hETegaqDn4YDtL0Q5N1jx1vupiBa50sEkzRzuHD/tu2SBH6pjQK X7jy2RYp5qMtzLkJ/Yf5762vecOxLVIQzKiFacsakaKeMnj6BKz1Z5ZPUonBeJ9sIcQgMAHx 8QzX5czxohcFg8jW6+B1hf6zJgxyGk2FewdnD8oJ/y/alEn/j55iK6TAsERD4N9vr1+zUrVO ivloi0G0a1yEvU7lzYtm26KWMqC1jpLZs+zJgvbDzakGUR0Yby+/+MI0fqh1pHYoNbFtM0gd zDQjUuOkvZZOLj3FVkiBCk+3dbdOijAXbeExcdo4LtJO1Wxb1H3PAG4B5mi4CFMqB1S6f8Mi WmISxtkzz0dbWdoI7NOPPv6g6VKMi6TIB42L8alQBqa4vBLDTG2fTU2VJ4n1O1C9tVt4f1HC fOzWzcRPHxNJkQ8aF+OjcBRCCCGkDIQQQkgZCCGECFIGQgghgpSBEEKIIGUghBAiSBkIIYQI UgZCCCGClEHmWGyi0I/0F2WPaEV6v9CPJsaIhKEoPrmkmCVtl4LZbPzLWSaRRc6Pzo++zSFa /nfvuitKnmpBWNNhHmYlxWSUAUvWeEeZS0pauhXp/UhhDmciKWZMS6XgJIPhcHH127kSReoe O875EfMps6eUf/vIw49xTFHzPXjkgVkGv+GPogA+fjhqlTqAMi51F30DzUyKcdNeEpSMcfUK gTDhzngVYnzamN4vRVLkQ+ZSMAoOiuQPbn76iQXzgdV8c3PLK4P0W2Zn4TmQ9Hv/9r3PPv9i lsqAcXeY3cyw2KUoCZoAde6VwcykGDftJSkPqSE1MA4Yk8wKx8C2drxd6f1sEokMC0kxe+ZD CmJLXgDl3LlThPTb3d3b/oTOwt3TLmElUUaAKMlEmKEU46a99IvanK1wpHt0CS4P1AZOhp5g zkscqUx+GarWzvYb5pKj6uB+tTSmmBU7q9WSYZEUYr4ZN+2ln61eff0NOAGX1t659577lp8+ gYk+XTsqT3554MBBUww4YaFzUMmQCerTHuIVknl6P/LM8km0dckJkmJmzIcUHu/E1PwWU9DC 4EsaYWd7+6Hu4sBvpynFuGkv/faDp06cDP1lLxj10AeW59JTkvyS7pLN/jjz1k4rDeFp0Hv/ OmrMH2lXej+SFklSNMV8SIFBQRsUn397/VqU0iD9lrMN170hKT43nmsdlYyqhjHNB8hffvkn 2NP+hJlJMW7aS7/94Obmlr9qR3mMx8PvHvNZ7tqV3s+bC+1NtSgpQtNS+OGA8nCTJUTAZ+Yi hfnIOdF2rBR+yzxaXKCefT4c3wQoGxfDP/r4A4hG1x9NQHPZ1ttnJsUE0l7Sl7x6ucdHH2gz 7kWDANAf9VUWq8AeVuMmc5C6aBx8EiGjden95iNhpKSYTQlLKBwOoejVh53tbVvASL9tNo9W 4a8XigbLe6n7Ej/PRopx015yRSj0DQ0e4QbY0Fdx3KpcvzTUkPZUuXEPLkOU3i8fJEWGwJqE Vdr2Z43/de788srKjCfAcdNewouJ9vyYI2lWhp1QmfxykPIXxnxs/8hhzWR8JEWGFDo3raOR jZQKRyGEEELKQAghhJSBEEKIIGUghBAiSBkIIYQIUgZCCCGClIEQQoggZSCEECJIGbSCH546 bQGq/PF31y7xbW0fNIYnBxd8JhMY7TzKyhAGpPbMUArL/lgYosfaIiTBA5izMKu3KQe1RRhQ 8zw/ExF8eB8SCTIoWawlj8wkPH7NHuW/nWoK0ukqg7/89c/tjcKfCegTO9vbhaGDr17usUOg 91vUw7DXS9D1GYFyxgUuBMXrHD4c5UQyotSeEHnz008i0WZU0MFs3tiwIvl0T8TaApOpLzBz FnJ6zYSStkBp0dnSzIZooEFtN3t8NAQGwE9VWposFsNheWUlh45Eonyi+BcFgEpH97RTkE4m 7WUlPjLi8IXc18A6QFUzD3iEdYXu0SXGiEX1WpdK49E3BVq/t74Om6DmnHhzcwvjlp9PnV72 2WIbxGq7MHz8t9+6ePQYvfjz0to7+SiD8rbAwTQHCbpflI0rHy688tq51fOVpzFZZj6aAGxs bjHmfxiQWyId3dNOQTqZtJeVKOjQaED/M+pfORjeNiTMzf/9H36Xieo9e+b599bXSk6IUnt2 Oodghs+ocLUxD70whKI59RiuNlgyjAFX0haY8eGAWpjoTNZSSsAUb9mDI6IexYyelkUxXXGd PQudgxi2dc600T3tFKTjpr0MbiXOXDMbGKb6Qr8laGJYb8tnOThPaFc+VxU9GJNU99hxayAL OJyJX8wokiVjL03tiTKj8DZ0o6w+TWExGeGew3eJnHqLj2b+OwNPYibKx6yubAt7tsFxuvz0 iUzsiUKu9K4VBtUvTBbbWbibH1AJUNKNr12jt8DltU4+KIVcNLqnyrhpL9HvoRvYvTCAeTIT XqIbMcuEx7sIWS1qZwi8Qhg+1l2ggNOVUPRsev3p5ZiJcsgvhHkTnootSmCKGWSX+dSe/olZ DlJ4yleuzOWHc4PmM4nQjo0vk9Zvi5x1AIG6giDl6w2FyWLzyXNpSgujuLBHlYzuaaQgHTft Jbq79xJQRHhkMOXYmV5+8YVHPv0kuputY4hyfHhwKE5TugYf9/m+gt4T9lKHYjLqHl2aWWkH 4VOjlE+IaWpPJkpKV7FnD6wW6GY2B6ZU5nEyUE5LTIjTYDAFN9RpZeewTFreFsy/yDVhdqSc VQIq3C88FGI9ihk90RCQCFMZGygfULY0SUk6uqedgnTctJch2dfFbjSIaKPISGXe7zDtJfwz 6lRzHVCraB38aWt0ja8RDcI2FIS+fcqDtoXOb9PM5MkH1DDsfZqZhQkjMW5zyA05Al4KrgDb ajtPsA6GD5ks7dItiKwEGxdpj7LE7CGbBvIbZO0plB8XhaN7qilIx017ic4B9esnHa+Eob3T u1EtM/XzGCXfX1jD+7SXNbMA5oOVzadaTAucZ36SdOx5KUqmyDx3TxS2RWEyxQwLn1Zp5bhI 03A1S2UK0kIpppqCdNy0l0zW7N+D8EoYGm/zzmUiDPKLqxeo3DJ5MNgulPYyHyRFPmhcjM+4 aS9DkQbzSthMPDstBx+tveTgpI/PfPQBSZEPGhfjo3AUQgghpAyEEEJIGQghhAhSBkIIIYKU gRBCiCBlIIQQIrRIGSgIthBCTI9a+QzIUydOjvPy27CzOV8ut2g8fKlEmkAIIaZBtWdg0/eB AwfTdDz1Gfal/Ojk+XipRAgh8mSIZaKPPv4Apv3LL77AEO0WDYrawh/BPA610ekc4nvIjEIM LcKUBsE5HD7cUpShFH/iF6M7WwxnBuu3ZCMZhrIRQogWMYQyYITb3d3b+GAheS3L8auvv+En 5Ye6ixahu7e+HiVXMqvf0slCeQzKxGJR16kVFjqHuHYEBYP7MAmqlIEQQozDKA+QmVDUP04I e7G2w14wIvzP2KX8NgrEbxkEQz9VCP7f/PSTwghN+K377/8+L2fw1Ft7qU7go/DO9CeEEEKM zBDKADM7c6wzzmoUU4lhh2HgW5ozTNy996+Hfm4cfybmd2gCOgdpKjQhhBCzZwhl8MjDj2F+ xyyPf9AKhRkrf3P18s72NpeSLP9favJbwrbfXr8GlyL0kxxEeREIfuKJx5/kbzGjBR0CIYQQ E6RaGdjDWz7X5eff/+F3lqaHyY8Wj3SZrMZWdfg/ZvloPyiO42CU0sDnRfA/FP2WdpcKIcQ0 qJvPICJN01O49TNaSrJLCk+ObmjXFqYE8nfOMBPTpPC58dLc5VF6SH7rn+UMSnc+Y3w5C180 sbTYllWxdVIUtkVI9sjNsLzFlEthJl1wBbbWGfNNo8nC546FfcNk9KvZaR9rnJK28APfnzBV KVrzBvL+BB2C3R39Bp8jtWePZ/DtsytnrN9n9Z72X/76ZysnBjD3nvkTmPg71ejtkqKwLbgB OgcdQCqlCMlGbe4BsR3hzyyfzEExQ2l1jy7ZanPE1cs9y7IOMVH/Xgo0SuES94wpbwtvAXPD JLuWTyBP0SZYJCmDfPE7qbg7q6QTM7N0hnz2+Rd81ITPy0+fgDXH/Nh2QprZPEMqpfCwLbjp Lh9NEIaUguBb8wbQG20vX7PQKO6tr5d8C6AwdvoF9lJwF8wsSllK/ba48Mpr51bP48PNzS3b jHPq9LLt3Z8UUgb5Eg281A6C08AnOtHmrsKDTXFr59sypH0dAwDlLHwu1SIpQlFbsPlsvSuH xa5KKULfxeHaReSZoaW+/PJPl9bemXYhJwi0BafR4JaJMnnuWKctQt+kQLVTvXU6hzZvbEyv SFIGLWZjcwtTz3vra088/qT5jP6FvnHCh8wMWGr2AiPmU1hJPnJJW6QobAu4CFQM0TpetphN nS5cnD3z/Jtvv5XDNFoTiNA9dtyWvNCF2ItyW7sr50rvGiwkfmZcBjMvbPfNpJAyaA2RewuT AWYChyumTnQRTqN2wjQcyTHh0u2gCaXweCukKGwLf8lC59CMC1lJeVtw4cL+/Ca6zOHDLXrP H9oXbkGh9oUm2MljscsY1BbcTO8fp5lEjPEz2WJIGeTLg0cesOcE6NwwPH13ubXzlW38sDe9 PZhDu0eXZlLSMpa6i088/kuGtOq9fz0yZxjjhCFJ8H9IhkQrpChsCzYfF4Jh3+XwUKdcCo// tl2mdNjbkuA1AbsWlRnUdv49irz6+htPnTiZHkengqqe+JO2qSgD+vs1d3yinW5ubuW/DjB7 0EvgmNsOM2t7BvdGz0a9mc9IF95vVkM3ymEAQ5PBz/VBDMOd8cy5tGLr1OHOLXetkKKwLUL/ EUhWTz7KpQjupSIrMNoCLimmHjoKmezLtC2wHB222QnjAt4znw1Yc+BbNBD+ZKdqRY9igM5o b0W0fXniS3YTUAYWXtSOPPLwY/nvD2kFDPLhj9Dw5KNIWwYtOT8HMPai4ceIJuwz6XskbZQi bYvCSxqnXIrUgMuzLVKF5MdFoRma4dtI5W2RxvyfdltMxTPIwQiaV5jkp+lSjMuzK2cK4xK2 C0mRDxoX41OhDPyLcFRTdoSOJF+whGvDP/0bjHR2cP6FV17Dnzxuus6/1sgj3gmyLYa4f/fY cZyZyQucjZODkz4+82EuSIp80LgYnzJlAM8Lmsp0ACZ61Dhmdr9jmvrAlon81rRXX3+DjjPU AC+BAuCuO/8qHaf74JwgLpz5qT9DF08IIeaJMmXw2edfwOr3WclC/6U+i5GQXuI9CTP57TXa h7qLNze3wp2v0p1bPc+DwQVy8ShMqRBCTJuKZaJ08wAfesBLSEPlhDtj6dgUXxP4DXAR6ExE mXOEEEJMlTJl4DdKR19BQ8CKt6+YwIBf8cWoq5d7ncOHB90ZLsLF1X89SccHLhOF/vvWYW9T sBBCiJlRpgy4z912wjKAra3kfBtlaWUFDgEfINvO2fJXpZ87cxbaguY/foI+xMsvvoBrf/2r X+JWg+IRCiGEmAYVy0Tpztb0ebffLZvunH30B4/a0wV/N7/6xIPpvtrCnxNCCDFxFI5CCCGE lIEQQggpAyGEEEHKQAghRJAyEEIIEaQMhBBCBCkDIYQQQcpACCFEkDIQQggRpAwyx0eBjSLF +q8IE0j4RBGZJBP1mSpYyPQcFttkbJcUg9qCnxnBJZMw7OVtYd9a2sv/OneeCS9JJvk7w17B CsMn+6wqPg8Kj2fSEKHGuLBRYAFDpzoupAyyxkeBjcLE+myRmIyeXTnDvKnBpYR9ZvlkYaTx WYIiocezr2MAP/LwY+lsAul2trctIFXrpChsC/7JWLwcwI1T2RZXL/coCOZNph7xAWZwZGfn qwbKnYDidY8ulUQwe/Ptt6I4OuhIOGhKonEq2wI9B4PCD/lpj4syZYAaP3V62eqU5k8dvQox Qj8r7AQKuI9BhVsqCLQCug6OFDb/hVdeO7d6PvTjO1m149pbGQzdzz7/4tuYhk+fgDWXxsGF aOhXsKD5Z0ulINYWod+CGM+X1t7JRBlUSmERwzDVpvM+zs8ktznL2Vtfr38JOhgn00yobAv0 mai2pz0uypQBOgQsBVMGG5tblq+mHKmBiRA19iA7CDMO7J0o7QQ6Fg5iGppi+epxa+dbe2fQ AhFMtsJrWyQFidoit/TCNaUI/XnWVBqB9YoJqPyqfIB5wRWYQcuSjVPeFuj5GO8WMTpK+jul cVGmDCJ9hf7x3vpacOtWYW8hG+fAzeks3M0Mlxv9kNQovV9wNMcNDg5k43FbA4myH/uUZ/ms 8eXJld43CaKjg2fPPI8Kz3MYeGg7PzfAemiLFIZvC3T+5ZUVW7trESh599jxaJnFhn/++OS7 hcuSrcCeMzENMGZjGwhTGhcV+QxgC/Tev47ZGYM29NdGQ9/wp+2PSRxOMQ+i6DAl2AwbeznO bMGRC6m+e0FOu9xCW0NPQObgIldb2uTJit1GUMNMHORBR4FijvQlKq1z+HA0mHOA06LvxOgq MCAssd0Tjz9pRkOLpLDjvi02b2xANDOGIGNWVuogKTAqMe9HEygOwtRr/MnNsNCcbboU1Qxq CxIdn964qHiAfOr08tXLvdAftJa1mJqKny2JDZyawvJFKZQJJ/cHjzxwcfXbWX7xSNfUXeQr DC3WXMBMc3xOgApBBabd5dXX34jW7uBUoaXyUZ9L3cUnHv/lyy++gMLDsIiyHvnnkyg5bE/O OO2SgkRtYfYpx0sODm6lFHxomZrSGKfRqlErGNRSOVDeFjiI8Y5Rj0mVmR859qc6LqqT2zDz JYwFW/2E50XzDfMUTPuSyzG/c9mH60glZ1JgqpPoOftwAs0RzDRnexbtaRL0q63ORU+ZUI1w IGAN0SBKU1jPHpTT8t+FvUU/zo+DLOU2SpG2RYaUSxH6Dy2DM+B4gh+bmWCbRzk6bIMNxgW8 ZxPQb4Q1ofChFT0KhhGksycfYfrjonprKYyds2eeh5Pox+1CP1nxlV71HomFzjdbRKD6Ss7h 7B+ZTvagwjySfUiaaY4eJc3nNDdcen4OpPnvdndvp46Ojds2SlGYp4+UfDV7yqUoLGeGzZFO gn5cFEqRTxMY5W3h9yuTaTdEtTJ4ZvkkV3LtCBxGKuRKF+z8L16icis/k6qCqpsvU+B//pmt l9cUUMwwf5ouxbjkts1mNCRFPmhcjE+1MqijoKDK/Dqjqbv02uBUtF2Vakh7Ri0iGndvJ0JL N3hESIp80LgYH72BLIQQQspACCGElIEQQoggZSCEECJIGQghhAhSBkIIIcK0lQED1WWSEOPA gYMfffxBPsFhhBAiH6qVgb35PcLbz731db5a/e7apYurFwpVwgjJD3DJQ93F3N6KFEKI9lKh DGBNd48dpw6Amc/ASfXv/vXfv6YlXvIitV4uE0KIxilTBgxbbZO1vSRcmJjXhzKlN8B4Esxe sNRdvPDKa6ZUGGiJy0cMRcebmxdiyRwYpY/nMzoesyngnwWzK8kLaqWKwlpY1KrCHKpCCLHf KFMGG5tbcAuig5heoQk4C1Mr8LMF6WWAUszy+BNzLg9Sr/BDb329MGgU5vRTp5epMKAVLMXj zs5XON8yInC6t2Ui6JJO5xBviDtEvosFWPUxsaFgLF6mlVAIIfYzQz9A9qk7MVnD4t7dvY1/ wZnbJfi8CBGbn35Ce59/WtLHl198gb9luc/uuOrOFCKdfjhVArWES6gb8D9zJ/CgOTE8oqfK Qoh9TpkyWOgcrJ9yeiJbhkZbtLHcWPWRNyCEEJ4yZUBr2rJOMscF028xQQ/Tf1vaS1vYKQEK BvcszNTTPXb8Su9aTWVg6aS7R5euXu4VKoMoWxAdC3+wzg8JIcR+oGKZCMb+d++6K0qsA0vc PyvmBxj19lS5ZBMqpuCbm1tcUIqcid9cvXzgwEFbaypJGMsUCygVzoFeWTzSHfRA2LIFPXXi pD1D/ujjD1B+rkdl8g6EEEI0S/Uzg3RFpXCfaHnqAnxrc3SUq8B7Cem87I/4u/nfKnn7obBU WWWeqgm3YBUuo/nNXV4u25qVbrJqihIp7Am/V8+2Tyxks7JXuJXO8PsUrMC2fS60QQr/Fanc s9cU5W0Rko2Lob95xB49jrC8PA3KpbBRHNweS2uLyWa+VDiKFoAO0T26hA5d+O2FV16zzVT4 x4GKSzqHD2eV8aNciquXe5QCp3FlEoNk89NPUtGaBeOWIxbzPj5Hk7tJgdKaFJiP7CCky6FR SqTw9hO38DHDc3CphuGa57Ahu7wtUP+FGxdz201eLkVIlJZvC+i2OovzNZEyaAGcPgY9zLfJ 5aHuIiaj0O8usCZymHQ8NaWAwtjZ20jm8fvEmgIDD7YYxx7GJ5yAaCiaFDvb22iO0N8+B4OO B7m8OfNSx1RKYcDOOLf6zWtA0AemiXHtraIGmjGVUqCnvbe+1lwBa1G/LQzfFvByDh48MKnC SBnMD9AEmEnDXlpte46SiTtcE4xhTkAYEssrK5YZu3DTwYyJJsHUy7FlIigA1jkUm6mxCY7b caiUgnB7SGRS0M64tPbOFMtXj0opMFHCreGikF/aKlxTbYo6bYEexU5lj1FtmQguxQS3xUsZ 5MgI67Pc6+VnTHvdD72/EWUwghRw7bvHjltpN29s4FpMpr/+1S+bWprwUtDYL8Eep+WzIkSG koJc6V0zn8Y4e+Z52BZNvZczrBQWmNKWtvzjqKYaaCgprIQYGnyZN7jHrgzQMCk7ScogR6Jn 7JVgxoftUGjpNGiNDisF9BncAhuu3yiGo0vs6EvdRVh5jez78lJQ4xolTjqmHhQ4OkiPbQpl rGZYKeABYMKKehRmsc7hww16maO1RSiyuAsbaDaMJsXy0ydsG8K3B1dWCtdUR0PKoPWkD8r4 tjYXH3vvX29qAhoKTDQ729t+ukcvxxF+zmGROuy9ZMOKxTBGxXobGRPoq6+/wXG+sbnVWbg7 9B/k4BKqNNjaaXyX2VMuBYEgsFv9kckaoeNTKcX9938fnZ/P8NNJtkVtQSALN8dTf1Alw3Xm yvBEyF0ZoAueWz3foiXvaWDby7jcaZs6uAmB9kL0fgZ8+azWRkOpFBiodJxNCnybvnfSTLkd UcVakawtoL2id2hKXqxpikop6Bb4Cuc7m+hp0StHDVIpxaW1d+695z4WmGvrfhNnDiKEKikw LuyNLt+j8C2fIkz2WVq1MmDgz5JlX1bxyDOOj1qafgVjZJ9rglD0IgW3l3ENvbDmS2KGN8UI UuQwdUakFeulKJxfhl0umwHlUqQv4mTYncLwUhS+ddQ45VIUFnhKUlQrA7gn0ASwFAZ16OlV cT4+aW6cPfM8DIemSzEukiIfJEU+NCVFDWWwvv7Rxx/A/7V4Pj51AdSAxawOe9kLzDXj1q7C d0rpatgrgnwxNfS3Nu/c+huugsf06utvMFS1fxM1t3dGGiEHD3d8JEU+SIp8aEqKCmXAPARw uE6dXrZ4cJijS7auM/0AZvknHn+Spy0e6VKRpLkHzPbnB25tTqd7c7RxCbSFlIEQQkyWCmVw pXeN6Qf4dhxD/3ODRNh7oh3BWXupu7h54/s8oXt0iUFGS3IPGPY+nsf7IlHOMiGEEONToQy4 OGPTN7dq8YkHTHsmnhzq90Z7G9YSlsF1gGcw7OVCCCHKqciB7Jf731275FMRwAPY2d7e3b1d /7WmQbkH6rw3sdB3I+Cp1PwtIYQQ9SlTBrZGRCyOEmxzbhjnkg43QtWhMPfA8tMn7r3nPrgg JQ/Qz62e51ZcrREJIcQ0KFMG6V5SPvuN1vT/49//07yHwgQGfodo+qA82g7sb24FyHObsxBC zA25v4EshBBiBkgZCCGEkDIQQgghZSCEECJIGQghhAhSBkIIIYKUgRBCiCBlIIQQIkgZZM67 a5cYE7AwSZbP3GShXi0qeGg6x5mlNivJKvXdu+7yoh04cPDrv38d9iKchztlZBK3GZS8HNZw YSj1whYJe1WRT2aVQeUk1uv8txY4oPCSGVO//Fbn+YyLiBJZ/FfEhsA0epSUQdZcvdxje6Pt 0ZujbD/oKOw96P1MNofegx5vQcJxVVOx0ZnAjiXBFJ8WPvSFwqS/+ekn/BMF7h47Th2AqYep LC688hpvgjtYhuEGQZm7R5cGpZVOWyT0ZXnz7beoFzOhsJwGA1Bi0sG3z66cMVWdiTIOVeW3 UYMexY6Xz7hIKZHF5w2DCGgL1v+UelS1Mqhj36WguENpLY4xpTaLsApH5UTh/NA5LNy3hY3a 2Nz66c9+zhOeWT4ZmRWzZPPGxvlfvMTPyysr+DM6AV2/c/gwCmnKAB8++vgDfoaSuLm5Bbms BiB+YczzGcPy9NbX068KW4TjuX78rhkwqJyFJ3cW7p5t6aqpLP+3fWZ7GyYFPuQzLiLqtwWs onOr5/l5Sj2qQhnApoOxxsqFjrVkZxMnH0WdJ5h9rCuQW3fqBtqqfsasH012Guzc+pt9Xugc TFsX/Z6ujB3hAhGBFFR+5ilPNvf3NChskQypLCcMVaYPiRYnCw/Onsry2zIRFADnq3zGRUTN PsOsX9OeJCtCWAcXLY5DkXlmaPVHCS+ZKhn+C1sCR+hM+NQ0ls/AMlmiwXBn/MllAWvIoRyR +QZqGCp5nkL1obnRE+qcaZ4yKgGmyeynoShR64x/fVJ4KWgslwA7GrPSe+trUMO2vmeOPpx4 3C3nqrC4lrmtCJGh2oJc6V0zz2Z6lCkD9AnMQfXvZSkt0RJ+mQiagIti1AoLnUNQzpufflK4 jnRx9UI+S5M5AO0It6ByEoRZHZk8u7u3MzFOb+3sdg4f9kfQ+hgP9pQvXVRMF4WWnz5hDwBn iaVcHZa0RRrES4Ee5b+KygkTcPPGBvsbGgVNg5r345EZcGdR6HqU1PMzyyefXTkTHWx8XNRv C4JpE4NlBg+9J/kAudCL94ti6FJQhvCM+GehoQf1A4UhfUBgROxsbxdqggePPGArjOhS6N+W kZQNAWtiKF0+WfDTlq06XeMyifhYjH+in9gjYstvYZbdZ59/kYluG0RhizRdqALKy4nhaU8m CxemoQm6R5dmUtJiysuPMlsvgjnLZx75jIuIOn0G4mDanEFhypTBQudg4YOyiYDxj2bj4pK3 vKg2oSeCmzL2J7QIgtvVZ7tT6Gm9+fZbfttl6PtkNze3eH6za7tsRJYETUy3HTM7XIRBhjYm fZxvi4dUJDg/Er9ZbD8Fa76yRYJrPls4baDcDkw3g8oJKXwXCv11XW4rMjeu8Yc35eVHK8B+ ioZAPuMiolIWTgJRduEp9agyZYAavLh6wRYN6dFwVFOVQWWVXA4xICpOg6g8n4K9/OILPAHf QuDCnMZoLb+veX8Spf0hNNZs+0H6IGHkZY2Jkw65tNdCEH9aKm8+4pBUhMoWyUGHRaTl9FKk dZ5bdqny8hdOjrl1JKNclsJJYEo9qmKZiJMy12pNBcFqoyoreaYB8+Hee+7jJZjx/VsVEC96 z8JfaDpgBg9M2sjZM8+X5AcVs2c+WqTtUrS9/J6mZKl+ZpBqITgK5ifah+g0r4f9qxODjtjJ GZpRWdH4IoOImI8WabsUbS+/pylZ9AayEEIIKQMhhBBSBkIIIYKUgRBCiCBlIIQQIkgZCCGE CFIGQgghQm7KYPFI9/wvXhoUWr38W+PdtUs3N7fyfNtQCCHypEIZpFkJ31tfm0HGO+W6EUKI WVLtGXQW7p5eTptBzNP7hEIIkT/VyuDU6eWf/OjHqTJI02FyfYZRJ//vH/+gdc+4Rj/92c93 dr7iVwxP7cMTpWlDLNdN2ItWBAfFMvDZTweXl9WnjBitLoQQYt9SrQwePPIApvsooTlm3s7h w9QBPvMRo61aSO7e+jpTG2LexxyNz5bW3IcnwnT/8osvFAZ/x82ZCs0rD/Mb7G7QQ5Yth6k6 R60QIYTYj9R6gHxp7Z1777nPKwOfu/z8L16yMNSY8f2c/t76WnBxcfH/Unfxwisb/NYb+IPA Cfh13gQ6iQcjrwL/wyNZXlnhkXOr5/FnHbmEEEKQWsqAGcpg/k/wh2HUh70YpUxlUx9oAmZ+ 4MLUBEslhBD7k7pbS2HX+2wz3WPHLbcc3ILR0uAxLy7M/K///vWgc+AN9N6/zmUi70YwU+jV yz3e5KHu4sXVfwXWxgctEwkhxFAM8Z7BT3/2c8tIHiU1HGEPKC6xHIe2/pPCFSr8Ls6xJ8Mo CQ76C587cxaKgeV58+235C4IIcRQVCgDn2rG57QJRUkNo/xtfnuo3efRHzxqrymkeWzsEttc VJj1LSpJ+nNZpegTQoj8yesNZCGEEI0gZSCEEELKQAghhJSBEEKIIGUghBAiSBkIIYQIdZTB gQMHP/r4g8LAQSl8r3hSoaeH+mkhhBAjU6EM3l271D12vKnp+NzqeXvPeb5hyFXG2PDHUf8/ +dGP+dm/bwE1yde2GcXvL3/9M9/CI2++/Vb0poU/wX9r4aHSwLH18YVMizpICosya1Fvfcgp kNZGoRSwP/gupE+8MTIslQ+2OBspCJuj8NcnJUXYqzFfsIm3RXDhhEfD13bNcWFS2MHRxoVJ YbUxMuWds+bonllbVCiDm5tbD3UXK+8yJR488gAqa+6VAfrEzvY2ukt0HG0M8dmQaFrMFOya 6CvLKyup+5W+nWc88vBj7CXsWKhY3BM3tNCz4+BfNoQsVy/3KqXwUWZxxGLilk/oqRS7u7fR 43kfzAUWPXc0ULGwP2xCiYBc9kMs8KSk4EDF5WiOytCNY0rBwPK+s6GBgosShlJxrhlWChy0 toAsZ888P07Xsj6DSn525UxUkrQtUAxri6gnDDsuNm9sWG2MmcrFboVqj2411OieTVtUKAPU 78svvhAYs7pziEXE3Xd2vvLRigrLmiY84IXopun5OJmJE4KzUlFNOBO1Nt8rRZAazZZG6/vs 8y9QdZR9+ekT1PNo7zDkQhxHOzsixjmqFHcO/YiwE08idHH1AkPVGoVS+CizaPdIf9SX4tbO rgUpeWb5JGaNcQrPPhl5OYbVFTQ3LaRJSYHKwfHe+joKMGgSn6wU+C07gl+3eRMGKaN+jSAF 5yCDQcMmgiUyMdK2iC/pHKq87aC2sJt3jx1HBxun5N+W89bfFu4s0lRH92htUaYM8DPoHCwu atz6OnoSB7yp3FTvlSQ8GKSoTdtDx2Bg0zxBP2AL1RGmjaBmoNULv0LvSe3EWztfhb2EP+FO n9GyAEWKFuaz/5NDCwdxpt0n9aBHAH0g7EUsL5cCYxVGU3oH9DcWKfXQC6VY6Bz089pUMace zjvralJSANhukRKdJbbAgu5kY21YKXAhetGgS4YFJeHSR/kCi7UFeh0Uc2G0tKHGhYcrt+NI YWs1qJk642LQ6J5NW9TdTYQaR+1TC4W9Ae+XpWAZ+fMHJTxA4/GDNac1Ek7jV2jLjc2tGWRa bhwYAjBtnhuwsoEaQFX4YLEE7c0aizxor2V99ZbMMryE3uX4ygDq/Nzq+TpSYKxaoMPgAg5G I9av3lr38PgAhbx8TBFKsNUwTJ106iclBRoLllODHR6GGm01v0YxrBSh7yrhW7r4Yy6wYAZg 10XPjDJrhaK2CP01GfQ0aGiU06zJMNK44J0xWY3ZKBZFDYVE5fg1zKFG92zaYoitpSh67/3r +EDXGDOIX66tfx8SRbXbn6DHwzqwDoF+H1noNkpR2+kayMJgX9hXL31PI/VY66wMVPKNYrv1 t8I2LZTCOjcXDwvv6SMSDpLCrJ70ccWU8OtRE5HiSu8ajFBbIIJFnD4knA0Y2iNLQb+QzfHg kQcgxcgD/JsHADc2WLeYYTBAlp8+Ubg8YG2B+u8eXWIJl7qL6WMGUnNcfNOa29sTfFpZuIo4 8uieUluUKQPWvi3ZW72byW+GGPpxtHI3QsIDnMYB4L2zdOaaJ3yjwiiDqTJoCkDN0+jmQ3U2 CiaR1LdNwT3hZtI6YPYI8z35tBA6fnybGs1nC+iDMCkMCAKT4n/+978r7z9ICgPVMqZTXwLK af0ZKjyq9jGlwD+bdzDxjb+baCg4cXCywBRcZ6gWSoEJdPPTT3hCtHYxLLd2vrIlFFuNMArb AjoM07ddXudXBvWoSW2swD1RPA5w2OklC/cTH92jtUWFZwBHw5bsbRHf/sRnW5aKLhwh4QEq i+ebd8aHFvthvSgC9YB5DQa77RiztVFUvqVziJxH8zC4I83fEHeD20EH2WZMeCG2Za1kx0Ud mHrIjx9ud+P8mEoRbRxM16lD0WOMVAq/6y5dlh0W29KHArNuTQqUEHNNtPo8KSkmS7kUtq2D 9YZ2R/FQWtu7YT1nWClwIXSJX+8eWQT8FmZP/+usW44LtHLaFn7CCf3NlHa3ocYFezL+0VEb Z78yyolZPtqlWj4uBo3u2bRFhTKAd4NWsd+O6iVVnuUJD8pVAjyPyC+DHrK9InOPVRdNIc5r hXN0ms6hMOuDB3dLT5jgSl16fz6g5hiu+dOFhSw/ofKSoUh7rJci7e2TksIzvjjDSlH4o6NJ McHNabaEYvhxUfhDqeAjjItZ9qiao3tmbVGhDNDXL65eaGpzJ37alqT2D2fPPD+95Y6ZAZto DtpOUuSDxsW0qX6APP5bnXWoqer3AxPf+98I89F2kiIfNC6mzb+UQbrDSQghxHzj15e+kx4S Qgix31AIayGEEFIGQgghQvj/7j+TKa3/aTUAAAAASUVORK5CYII= : Las calificaciones obtenidas en la evaluación de 12 Revista Ecuatoriana de Investigación Educativa Clasificación en la etapa inicial es menor que en la etapa final. H 0 : Las calificaciones conjuntas obtenidas en la evalua- ción en las etapas inicial y final son iguales H 1 : Las calificaciones conjuntas obtenidas en la evalua- ción en la etapa inicial es menor que en la etapa final. Tabla 2 Resumen pruebas de hipótesis Nota. Resultados estadísticos de la evaluación de nociones clasificación y seriación a niños de educación inicial. Se constató que los resultados del pre y post Test existe diferencias significativas en tanto a las respuestas correctas de 71 niños; al realizar el Test Wilcoxon se determina que el estadístico en la noción seriación es de -3,25 mientras que el estadístico de la noción clasificación es de -6,87 en consecuencia, se demuestra resultados positivos en la nota final con un estadístico de -6,82 a la incidencia de este re- curso o herramienta didáctica para desenvolver habilidades y desarrollar las nociones básicas en los niños de educación inicial con actividades interactivas en el curso virtual. Se determina que el tamaño del efecto es de 0,1 peque- ño, 0,3 es mediano y si es mayor a 0,5 se considera grande, al aplicar en el test Wilcoxon para el pre y post test en las nociones clasificación y Seriación los resultados son -0,27 de noción Seriación, -0,58 de noción clasificación y por tanto el -0,57 pertenece a la nota final es decir que supera al valor establecido en el tamaño de efecto en relación al tamaño de la muestra. Figura 1 Diagrama de Caja de la Noción Clasificación Nota. Pre y post test a niños de educación inicial En el diagrama se visualiza que los resultados del pre y post test de la noción clasificación en un rango de 0 a 5 puntos. Se obtiene 2 puntos como la nota mínima y 5 puntos la nota máxima; la puntuación Media obtenida es de 4,23 puntos; mientras que la puntuación mínima del post test es 3 puntos y 5 puntos máxima y la puntuación Media es 4,59 puntos. Figura 2 Histograma de la Noción Clasificación Nota. Comparación de resultados del pre y post test a niños de educación inicial En el Test de Wilcoxon el valor-p es 8.05e-16 y se ma- nifiesta con dos hipótesis. La hipótesis nula (H_0): El pun- taje de la evaluación inicial es igual que el puntaje de la evaluación final; mientras que la hipótesis alterna (H_1): El puntaje de la evaluación inicial es menor que el puntaje de la evaluación final. En el gráfico se visualiza que el Valor -p es menor que el nivel de significancia, por lo cual rechazó la hipótesis nula y acepto la hipótesis alternativa, lo que significa que las calificaciones obtenidas en la evaluación inicial son menores a las obtenidas en la evaluación final con un tamaño del efecto grande. Figura 3 Noción seriación Nota. iVBORw0KGgoAAAANSUhEUgAAAiEAAAB/CAIAAAC2boV+AAAlnUlEQVR4nO2dT48c13XF30Kw PoG4mtGMZhUkCxsGjAAaqjWUHNsLW6sAAiU0xQFpBIbtVaAElkWaHIoKZMGrJBAEMqCogUMI 8Mr2gqIpadjSCAgMBMnCRlbDaY5WzidwNs6ZOpzjy/eqqqt7qqq7q+8Pg0F3dVW9//fe917V vY/96U9/Co7jOI7TAI9NOwOO4zhOZ3Ed4ziO4zTFn3XMlx5/fIr5cBzHcTrD//3xj/zwWHrI cRzHcWrB18ocx3GcpnAd4ziO4zSF6xjHcRynKVzHOI7jOE3hOsZxHMdpCtcxjuM4TlO4jnHG 5qUzZ5/trf/d+e/i8/rJXu/Uxj9d2Zp2piphc95JfnTh4s9++tbf/8M/rq4s4+tYJf3wNx9u Xb66+9mg6M74X6Wh+abdP//rv3S4np3quI4p5Pf/87uvfPmr0cH/+u///Mu/+KuR11YfkO1g X7CFAEozhsJ+4+vf+uKLg7Fu++71aytra7nFRIp642ppafnCpYsuccLxOlUVBp/soNpR4X/4 3z/gtrXccyzQJf72xdP//v57Fc+frONNAIyh3/72P/Dha1/76yI9WiOoh3uD3Yr1AO3+nW+/ 0NU3FF3HFIJhz1aHwhgOH1QfNrNJjYJMQG1U0RwtSJB5oelORek5xQrfHx6srDw5rdSLgNLt Pfc8Kwc1DwUwUxbPN//mm11VMMF1zGTQTgxmQUBWEo5gmP3sp2/hM/7/6te/RAeabm5zwTD7 4fd/EDKz7tr1d2hcY/JBI1TznhNPnJDAUqlxDo9oukZDTOfzcvynzYjKufiTH7MedGdWnS4E x6krJHHmbJ9t8dKZsxBz/Zdf1Iwh13S1xaGsx4X4/4sPbqXncyrGGsudCB4T9Z9wZA3QwIdk RH54kMVR3pBb/hSOqi69hFaF2jrkmRpcXgumWe0ltgOkKA+sQ90K/yk005ESZSbqeHX1Bwvu if9S52q73LSQ4f7mJkuBPL//3jbbRTpAZbQNgf6mOkRCKiMqBzdZXXlSCamzocVX1tZwAo68 /tqrmsyVN9Y84jpmbNA5/u3GdfXIZ04+fXDwRchzxjM7a2VAApf5vHJpy/ZgfLZLFioLCkuj DwMJwgvDg6s9z/bW7c23Ll+1EgGX27UygbvZZXrcCmOP2eCAn3hQ9U5t3Bvs8s4Yt7yPXazD /a3AQk4gSthA+BWCg58HH39UZFHi/viJxYcCq3fwS6UhJ2+8+TbFEKQzhBcSReUjUdawyoJz eBoaCPXP0uESNA3FPe+DkyGzWCicifvYAuJX6QPUiQ5CtuoSpJ4730ISzF7I5CzOVIfnh3Sk 4IMyQ2zHq7E/WHYGu+i60cGStLjeSFkPewJNg9Kxh+AgZp+aiarbbN+4wYPo9lAY7Id2rUxF 5glMaLi3x+PIjGq+pLHmFNcxYwO7RlYJgILBKMIRjKgW1nknJhquGHXowUVjWMYawPwgZMIX 8iJkqz3W4H14t1MbqIGRhieqzlbRp599jlsxA7gQhiEqczKZwlkLRSruw5tYS78kJ5igQBzo Mz+k5ipEQ8iKjyPIeb06xtrUql7MISjCqNFZt2i4/eGD8OjWDrKkSyjgNnrrW5d3QiZhISj5 K36CbYELlXn8quQw14Su4kHUj2acunkEZDFOUz9Jl8jSkYKcp51H1NgfRlKSFqb1+A+NaOuf PQT/0aPUqVQWdZuiPNt5qkCFR0fKG2tOcR0zCalohrkBMYFh2cRCShPQCoZ1GZLle2vbcvlo JCgy/jCQprV1SdHPjVYqRXzWpEQWenVYovozWoA0NItQ5RKY/1pvpG6okYr79iMfHotGCkp3 /LyNy+rKMuYZdd1tggHOJWUtHtaVk3nBdczYQJZt//yDtJ9BQGDISUAMM2NzxtHeSciWWXQc Fhw/wGSjEQ3z+eb2LS7662AE7H0MIVleqQmG29rtVpiKP/z+D7h0AEEJQ+846+9QLVw9l3Bc WX2K2UhNSDSiFjpgLcoOLYFLT7wbTd16WV5ewn8UYWVtreIlq9nUAe1Scg4mNFBgLClFvG2U 7Ne3WGNSVPZgCZi8IrclOiYdKcjwDz/4QXRndbx6+4PghEDNzUqYLC10e9yqoo4Z7u3pM9sU CdlRllLeWHOK65ixgSSFXNYSgZZu+ZUPjHLpBrJ4dvb8ta4S7epzbs55gLZeIZ15gtZJeAlK BD2h6byw++ccFfiAFKPN8zt3b+Mg64omMP4rY8d81hZ3w521fEHJEpVC2EZEcSo+ZaQ3P2of +ciDtvQrXgK9yJWo8kvQ/XBzNXc0y8SvqDGVCzojvaTIcufMVaelXT0dKWlmoo5XY3+w0JaK Fj8nSAv9BEZk9NxK0ZnojTgT56CiOHbC8RprTnEdM5p0gEVtnz7CazecZ4E0M+kRqwxyN5ZK HmpIHz3SjrS9W1otFZ9+rkh089xcFZ0c/ZoCm7fGR42jTpUuzaGulH9bS8pDbq/TJZBWkvjl 6362pXTD9JLcO6T9JDott89E59ib1NsfynOSm5YqsKT+o25gv9qy2BTLh5tNq+VF2hZwHeM4 juM0hesYxxmNv0bqOJPxZx1j3Y04juM4zsRoefCx9JDjOI7j1IKvlTmO4zhN4TrGcRzHaQrX MY7jOE5TuI5xHGdxmdngRsjYnbu3o7d95zH+m+sYx3EWAhvPQrFk+pub48rrkpBiTQRalRYc N/7bZNQeMM11jOM4CwEUDH10QrUwPsJkb9S3HFJM72a1E/+t9tK5jnEcp/soRkswDm9ypx1R XDUopMEnO5j3MJgCPZsp5o1eK8TxN958m57/pcyiGG4hcwHeO7UhR3mRklO8BuvWjCH+dga7 I+O/0e0bA6Mx5lOV1G2QiF/9+pfLy0ssXRQ8QjM/G42tSs27jnEcp/tA4tPxaG5QVJHGVYMg xod3r197/71tukOVuoLAtXqCMldKK43hxuOMgUYJHukYxWuwbnbJyPhv3LlRitVTR6LWn6lK lxvlTxquOq5jHMdZCOhuEsKX7pBzd03SuGoQtZDmOAjlFF1CV/yhwGFoUQw3hibDbU88ccLG v8BnzEuYBL2Gl5QlN582JxVT58Ei3/BplD86yR5LzbiOcRxngYAUXl1ZLol8UxQcdrh/PzrC rQsqrdwoHo0+ADYyEPUxU8+N8scpIMpbPh20uI5xHKf7fPibD29u3+Jy1r3BblEguNwIhOc2 z0OFbF2+qkBnFhwZDh/sH8Uk3B8+3KIfGcMtgnMLLmrhf3k0s6JIiaJi6kgUCXEdLP21KMof 1Ns3vv6t8jsL1zGO43QfyFAoCW7RQ5QXOdJO46q9dOZs77nncfny8tJXvvzVjd46I5YGs5SE G1J7vdI//Z1vv4DLIYVHxnBL4aIcQ+2VRzNL8xmdUD11/KRlN+7583Ma5c8+BYBJUnlZhOsY x3EWgnRtJ/fJqEhe6xy7B04VlcYrix78TVO0R1I9l/vcsC4ZGf8tOlIx9TRR/ZTmcILHml3H OI7jOE3hOsZxHMdpCtcxjuM4TlO4jnEcx3GawnWM4ziO0xSuYxzHcZymmEUdQ8dtk7lEnS4/ unAxFDiWcBzHEXShHyq8rj/vjNYxkPh8ybO6Z4KxlER08rvXr62src2OmF5aWpbvuSiyAt3k 7X42eOnM2VDwrH03UB/IdbaaunfV+CFtOkLna2Ilji6+9Pjj9hU8vaSmzFsfTSUv69HrbZtF qx057s1t1uj1Pfv+nT3eSk5nFLlkrni+PDdDqdzcvmX9JVevTGvIjpuBqTBCx0CMhiMZAUFT UceMVeboZCQxUyHees89vzPYZfOjW4SsTpjDe4NdaMfQae0SMoWBYspP0euvvWrNLrrVYw/B r6/0T7OuSqRzo3zj69+CxBzu7eX+ij6MXwcff8SvUCfym2sznzpdj+C735G7wPmCRWDXRdkj F/cQXpR66O3nNs+jKe0biJSVC65gwvgrFrYO0UVX+6f5eWJLZXZs8RJG6Bj53glGGVgrlbWD I1uXrw7378MsYhwFdlnZv8FMCWUn0ti0IRx0vg1XELKQCfZgmyBvmKzwM2QTJBRUy0Mv2R9/ dOfu7VCwRJba/jIMKcLsrEih7mzdyrTBhbiEldC+8YjkmCLVSTSvx1epWDSQvDZNBYY1PPR4 mKdjOEWGIpGOiZAXjXLQRhAQ166/M9c6Rr03ZF1UvZqoMz9z8unUcRYGODpkO/mcKaJImviK emP/16QwHA353GFLp8UUDvTljPsorLId/hCYBwdf6CvvqfAt+I97YrgxA3a5BTc/c7Yfsphs vFY20wSLUsdnhI5h7ATrChuCBnaNVAsyTbmPrKfiTyoBVYN+ibpAq2B8FoUphQjgJbgtvrLx bEyeIt9tzYFSo6nkBBtWPJ3BISchEbjiMHjDUVkIMm+nxpCD+Ix+c1jqlSdhUeIrUkGXojJm b7NrtagE1B50efv2o7omAzTlQsd5kLz8ivFGndpCdFhlYPvGDVjcnHynoB1Rh2w4wsEpKaCq xhEezB2K6P+SzvOL1RzogcMC42D75x9EjrNQz1CuJT2hw1y5tJW7fYLxzkkhKgfywXb43GEL ycDIY9FYjoa8nfdwCSGKIqOuruUWDkNKHklshophz29/dXf0fgxXPDAUOUQ//exziY+QLYnw AzpiKvusWoasCdn6EnVsijWsUPtoFX6WxYR6nIqZjKKh1MwAmx/lQovCZC66ZPDJDuM0EKoo SSuUiBNEGjvhqOGRCmqJSaAykW4UFgJGZXlUibqIQuxJWZYE3vju+e8xglN41ANSug7TEMgA TLmiX6HLUy9+jNgB7QK1wRUhHo/WymxtoOHQ7jZQ1byQLj+MBGVMY1JB66iXLhqQANpQyT0B A9Z+HWvYooEw5KM726WgEjA7RwdGcpQhPGinViEblegAmhW0RtXnyjD8kDmqzeprViiSVnWh XSbP5lSBUmTmISvDkckQaZFjYkMVzQJFWynovnb5VHAOmqtIii6pnShqEwaYLQUsGAbB5Vcu WcDkpLzAmShCruf28GhtcMzL3y3uMy/PBZXEacckJjdQPOQpxm90kE6F68/fPEAnmOha4dFe kQUre4trp2mNTQwX4bWKU3KmHkp6/71tyqVov42ncR7PRbzW9nJG6BhkVBuhGFrI/fLyEteO Ko4rrnGj5AzYgK5cFNUANcL1NHzGJIbb6bOAzBDMVUNmMiB7qI2SNSsU9ub2LZ3AutLDAlxL DUd7ziGzwaG2kRDqlpvq6ArlSbQGOjqGEHMCSX3h0sXoBPR+mPZFXRYDr8ZRV0L6vJ/9VRIB FaspC6w82H1sneHeXq6cjdBtuQQxv8+VwVLUcEvbKF2qJegMqa29aKDzSGoT+5DYxEBUYshH opViE81hZyS5C5sYg9wUl9Bgf46WjvErstqmxT9Cx0De6YFFSEPmHlnUwfLVdgbQDkfhB8Kj UQ2i+RANBC3iz84jEw8DZa8+pYUgDD9NSHOJyoKvd+7eRlXQjkYFcm4Hka2lSBrRtm5nxFrs v/yi7QMcSHpggcGUtIGh5zi0H87CTivz5Q93MnKGdnHV5VScMI3163ZgABI2k4a2nsLnSrUN FhKZR4uJfWzHHn+2t45epFnyZFNbXBINf3RItZFEKMdjahbgOFpHGaPoxpETT5zgjoYeWAjt ypYROsZuOon08WI9ekSkdRhAO7o8GvBWRaVLNPbyKT4iHGUsqpNoIy73krQmbTXq5NxHt3Uh V3UmK8LE5PaB/eEDdvrcDKdxNdrEZgkWXzQhRkctiZwRKmc+t1rmizT/mMxxu7RIK897kY9J 0RC+cmlLTzxBTzNCZe6w1cHcUC7paEorPOp4Oj86Xi5w2mQW3/N3Zh8+ADLtXIyADxl3++2l GuGz3TP1dtq8cOHSRe0FTuvNsJnFdYwzCbOvYEIyvXbKmbXXn+cIr7oSXMc4juM4TeE6xnEc x2kK1zGO4zhOU7iOcRzHcZrCdYzjOIuL3NFOOyMxcpRpD/IFnTY9Wh4f1zFOB5F72pD3QlyR c2udwINRFBwPlzLvRF6Tw5Gj7nHldRRHymK9yNeFtCDy34KH2ZLSTYbrGKdrWE+OECL002NP sG707HBKtZG/69AloGDYxOgV9OA+mTOREs9vTaAeuD88qOLu6JjUXjrXMU7HoccnQe+2nJEw cEP7ASOc9rF+sqVacqcdkdNxuSNSFMuQhcKj6Nf0l3GzfvHBLbpepTJLQ8Qy7C8n2aljSgUb tfEUGAVgZ7CryDHykmnzycwgIaTIIxVTtxFOYXstLy+xdPa4nfnx8uozKtcxTteg36dcn3gh 84Jjvyo4RThyz2XnLgpjMZX4eE6NoFfQfWJ5U0IKK9gXhPgzJ59mDC06WmX0CqkrCFyrJyhz pbQOg0itPEl9AHEvl7jQWDiosC42dQh3qgfrW4xEDqvSfD50q3iUYvXUkahdB1bprDcaxe5K Yz2MxHWM00HuDXYhSs6c7WOganSVo5Fj4+NFa2Uy4lzlzCN0n4hGLAmDFEWIYAAnSHPGrIwu yVz6vxAKYh5DmtswEFrmou993Ba9y3pZZjQjJoH/5SFncvNpc1IxdR4smsdb57YElcC4GCV5 i3Ad43QNOjOnDoB9B3utRMdgVEchlqGZFF07ItfHqzNfoAUPo3EXRBgJxV6Th/v3oyPcuqDS yn0kpNEHwEZ6dz5m6nQMT3UCw4sHOaxQ3upmlusYp2vsDw8wNvg5iksYMq2jPRiMIlhz0UCF 9Jmd2EVOXaDFb27f4vQU09xol05AdNJrsj14bvM8VMjW5au5UexwZDh8oDVYReRDLyrRZCmc W3DazZAZJSfn5tNSMXUkioSKtiRXVp8KR2HU7XGoN4acr4LrGKdrYOANPtnRZizDbGjDlrs1 WmfgFq5d/raxi2xY8fl6KcGJgAyFkmBrljwuyLA6NnoQA0ricsx30YU2euua+GopCTek9nql fxpdi6FCbaysUO3Zdy7KoSuiE9pt/yr5jE6onjqjKOmzSsf1Ou1HhkefDkgjlxfhOsbpIOks HhMaTVlSL7m5fnNbfkTVaZq0V+Q+GRU1us6xe+BUUWmooajPpCnmho0pujy6JJq1pGdGRyqm niaqn9IcTjAiXMc4C8G5zfN37t6edi4cZ+FwHeMsBP4qpeNMBdcxjuM4TlO4jnEcx3GawnWM 4ziO0xSuYxzHcZymmFDHjOtOgNAVRxO+bF86czYUPInYJihgKHAs4TiOIxQ5YuTr+vNOJR2z frLH9zwncNP07vVrVy5tUals37jBCj1miIJIo+Buw729hvxHLS0ty/dclG26yUO6M6LhGqXk VUTr1EieJ+yLwS0EvRgXNqV1aGhfw1yQ12LkuDdtIFsbMgptQB1/IzVkNiVdMlc8374IfHP7 lvWXXD06kTVkx83AVBitY9ARe889L8fOFT0MCvt2Gzo0NfYx325L33tqzjc7yr4z2OX90S1C NvxYonuDXTodmTUBWjslPgQhd+TUCMqG3iRtp4e+eba33l5eK8CRCcFqD8JcUClyXYZ0DL6+ zq6L9k1d3KcGJV2qKHqb65hxO4l9ixNm8Wr/YQ+cWBjORS8doWPQmYKRoWmRZN7K2ImCzeEO W5ev0vMBz4fx2H/5RQVgkC9b3sEaxdLt0TlWk1t3DsoApD8EH1Ta8dflMPbkIRH3hGDCzR96 yf74I77Wl7tEJlteRqLqiuaznRUp1F1RiEZcwhpoPxoj6jP1OFtEFEPpcIq5f3/WhJF6jj0o eYrBP2tKsQnUe0PWRdWrK2JjIiwOkXCjqOHo1qQwHA353GHLXQYKB/pyxn0UVtkOf0x3Dg6+ 0FfeU5IQ/3HP/eEDZsAut+DmZ872QxaTjddqvi6h1OY0dISOgQkPY6fkBOsRnQb+lUtbuSuM OFO7OPIpjTrdvnHDqnG5Z8DdoJxoNEXnCNQ4JILMT+SBkgJah3lQrsqLWQLDWCnDr7/2Kp3B UfsWLaQeBm9YW7NmIDqBnRqvrizjM/oNsg25jErGV6SCLmWXE21Nopiqk4mLMwH7wwPoCRuL yZYamelvbvJX6+mLILf4tc3cTozEBwbkrCnFJrAuF9EDh4+G1QmZ93g2qyQU5KDcVS3IcmJE kXDDeOekEEMY8sEubOQOW0gGRh6LxnI05O28B20B4RNFkaGL8WCWW+i/kpKH3VihYiiy2m+4 4z5XZgOnU3mitFpzHHk56iWSQVHwtdxzxOCTHYZDCEb6h0zYMfXeqQ25QZ0YZOPTzz4PWdF4 W7RWSa6ijIUjnSrJhUHLXNHYCUcNj1SUc3QXpBuFhXjm5NPlUSXqwobYC1nBOWxyQxdz3Qly Cj3hlf5pG+xI3X320aKuNVa6hLWRRwoa1QbH40ZvHc3KUYChjSMKsbNQjBRukZ/vsYYtI7RG d462NovAuDu3eR7JUYbwoJ1ahUykoAO037dH6BiY25hDFP2KSlFYNK08cCKC4oWJHHgoEhwX 2ca9vAmgOzEhDdm6WTgyGSItckxsqKJZIArMpc/oD1H3PLTgTm1wLEESoaPr2jfefBvatIXc 1guH67RzUT8lm6CYxBQFike3hODbHz5AF4Wg5B3wX4ERG8zx7FEk3LJgZW9x0Z5+vmuBQ0/L 6SVn6qGk99/bplyK9tt4Gm6Fc7iI19pezggdw7UvbYFyamZXErQsi/q1q9hoABWsBMgs3D8q 7WrW3bnBXnQOgXTTJBQSrXxZb2JkhmCqFDIZhERhXJQMsJW1NeRfJ1B/aNWOa6kh6weUwpwc MLQJUuFaWXkSrcHxw86KHhwF3oB4Gu7t8bMNYwyRxBXLFnM6Ocgt+g/LCAOCYTO6DTSHioyW KpKMnIxeu/4OLHQYxTKGyqObdJtUuNmHxCZmeXkJVR2ZmxxukAa2wtOFTdDf3IRcGu7fl9Cg 3aD1NIJfkVUaze0weq2MFZobYhbZxWi0AQbCozvbI2+OVkFpbVCHC5cuckavG6bn6HIbI6G5 8LcPA2WvPqVVLOQweiopgsaOdinwlWvZXPFHGzNA1uDjj1gcnExFjp+0VDgjAhpZRRFUyZRK emDBljSYPEN+ad1v1rALvNT3KCM05cjgIl2Cj+HQ9MZQpWDSU/h2iQb1g3bEH05T59QlC0WR cIN5jaGtPfbJXnlhZCM7/CEQ1EaSh/2XX8Q5qVmA4+jMyhhMVZzG9xE5E7DPo7cpWyrtx5QE KkjFenSyfbBYP6E2NYyjGAy5kTyic+ycJs2AvUNd88FI6ERljDbici+x23dpPnVybvFz661N 0jgZmLKo0+dmaZYX63NDJndvA2Yk6biGouWuam5teKjpoiF85dKWnhyDnmaEytxhmys5S4Z/ 2kaRJNH50fFygdMm7kvGmQQYRIv5ZFGHgZ27sra2CM/U1Y5WX8LCzIOr4zrGmQRXMN1jWnZu B/CqK8F1jOM4jtMUrmMcx3GcpnAd4ziO4zSF6xjHcRynKVzHOI7jOE3hOsZxnMVFLs+nnZEY OWO2B/kS6HwF73Ed43QTBn1I37i2riEJz1GQCDmMiM5sP6qCUy+RZ/6QeXzob26OK69LQiyi F6WReI6JtCDy30K4v2MGkExxHeN0EA5LBSKyWNeQGE7nNs9DwdCvj4J4ykGfv0/XJaBgaE+g fenQczK3BccMsTgu6oH7w4Mi16U1UnvpXMc4HYTDUt6Ziti6fBWqKGQhTRWp4czZvqLSOZ1B IaCC8fmUO+2wgS3wk+IZK1JyyNzDs49ZT31vvPk2zBr8SZlpcqz5ByyY3qkNustLnR8rsokc NfGSiz/58c5gV9HJ5InZ5pOZQUJIkUcqpm7DqWCyvry8xNJFYVY08+Pl1WdUrmOcBYWerTly YB5CjqTnYAw37XHVaQf59CxvSkhhBZSEEH/m5NMQxPiAmS4sD8hu3EfqCgLX6gnKXCmtw0CF K08q9IncrqOn4aBCh9nUFdnE+q8kkVPENJ8PXfcepVg9dSRq14FVOuvxTKEcpOGq4zrGWVBu bt+Sk1rKEdmksiKjtTIZca5y5hH69EQjoqGLts0ZAllfGSQQ0pxxkaNLsrAXL4QC37uQ5rib PHxrmYvxXXBb9C7ryR+fYdMwCQZVKSlLbj5tTiqmzoNFG42aCQlUgsIZV8R1jLOIMLyNHSrS JYcBvPPicwR3PNwJ0IKrK8uYlBTtzBd55h/u34+OcOuCSiv3kZBGHwAbGUHgmKlHm5Q8SNMK 5a1uZrmOcRYRhrdJj0P3wPSbkcg9To18+JsPMXPlcta9wW4Uak9AdNIzvz14bvM8VMjW5at6 GMSCIzBKFKBPwd17pzZKNFkK5xZc1ML/8ihwufm0VEwdiSKhopCmDNbHOHX2OAaIAtuPxHWM 00G0HfqVL3+V613asOV6ehSj0y5/MyQXP2s/JszbSwlOBGQolMTIMHQM3aYlJljxDFqMy5eX l9CFNnrr+MBftZSEG1J7vdI//Z1vv0AzxUZQDNWefeeiHLoiDCC77V8ln9EJ1VPHT1p2454/ P3O9zoagtE8BYDiUl0W4jnE6SCpBDg6+gCCg8qgYvqnlR1SdpknXdnKfjIoaXefYbsMOlsbu i/pMmmJuaLKiy6NLollLSejIsVJPE9VPaQ4nGBGuY5yF4Nzm+Tt3b087F46zcLiOcRYCf5XS caaC6xjHcRynKVzHOI7jOE3hOsZxHMdpCtcxjuM4TlPMvY75/f/8Tv7pps6PLhw6WPRXwR3H KUeRI0a+rj/vjNYxX3r8cfvK0tLSsnyxpVSU+PL7JEo8E9Dt6LRCd9jyRpEV6CYP2X7pzNlQ 8Kx9Zyh5FdE6NbJO9CKnsDMFm9I6NNRrmIvjz19tlPrQtS+l2pdY7TkeUEcumSueb18Evrl9 y/pLrl6Z1pAdNwNTodI8ZmX1KbntrAX5fSrXWLNA77nndwa7zCG6RciGH6vi3mC3d2ojdF27 hGwMFKkKCGs5NYKywR9qA1XEqEoU5bOmYzgyI18yMBfS+DEdhq+vs+uifVMX95HZZ99ApKyc 5WHbDuN2EluHw7291f7DHjjxq75z0Usr6ZgzZ/swalJJgdFIPzbsjrJ0GMbg9ddeTcMPlGOt J2p7JsFJJVpCKYa25pgYe4omAmGKckG1PPSS/fFHfK0vd4lMWZWRqKkAzWc7K1KoOxt7UaYN LsQlnPm1bzyiUVKPs0XQvatOZlatc9lZgC3F2adQ/4TdUOQTs0uo94asi6pXV+GNN9+Wy+qF Ioqkia+oN45uTQrD0ZDPHbZ0WiyxxvsorLId/pBvBwdf6CvvqRUg/Mc994cPmAFrrOPmkNjB xE/SfF1Cqc3VhUo65pmTT6MuIuMOQ3RlbY0jE1mnAUtfaVpqSMMPlKSCE1ApvASNB/2Ez7i/ XSuTIEBm0NFbmECgJZArOcGG4qQzOOQ2ZIZJ7lWHwRuOKoegBuzUeHVlGZ/Rbw6rceVJWJT4 ilTQpag72dusHkVtoFq2Ll9tWcfsDw+G+/dtLCZbamSmv7nJX1GcSNEiw/LgMi9s37jBwGXd xrpcRA9M1SqEEZs1CqWVentbHK5c2so1bTHeOSnkZoGVS7nDNhJrIhrydt6DtoDwiaLI4M78 quUW+q+k5KG0UagYiqz23SNV3fO/dv2dKKKOtYNQWajE9Ko0/EAJqCMZR3THltq/Vs/n+s1t AujXTz/7PGQNyfwgGzsmcmLK4JMdxmkgVFEyHFBMOmelsROOGh6poFBMAt0F6UZhIaDsy6NK 1IXdTQlZwTlsMJa+e/570ZSU606QU7CtXumftsOGAQFbyHBdUFjM2uJeLdixM1LQyIEbJdRG b13Nuv3zD9RLFw30DW2o5J6AAWu/jjVs0UAY8tGd7cpNCRh35zbPIznKEB60U6uQiRR0ANyw 5f2bqjoGJafRXf3WueEHjgnqiLNOzlJruedIMPFkWs/21sORyRBpkWMya6tJUWAufcb0K+qe h0L51AbHEiQROrp9PIRxA1vIcC2gU2ES09UN/xIXn5jEFAWKR/NB8O2bWc4ixz6gE0x07PDo GMmClb1FexoCqq7kOPS0nF5yph5Kev+9bcqlaL+Np+FWOIeLeK3t5Yzx7LKMboICaLUKkxju fodoDl4QfiAXBpWzc0CJJ9vF6XoaVVkUAaJ2ZIZgrhoykwHlRYlK1qyQt5vbt3QCC6KHBbiW GrJ+wKkbJwdICIY/UuFaWXkSrcHxw4ZOqx3iabi3x89qJhq/8/XcEdoCBemqgkmB5tD4hXAs kowcvNeuv8OvkHqprb1ooJNYSRiyp4GOv8MByYaqjsxNDjdIAytXc/cL+5ubkEvD/fsadLQb tJ5G8Cuy2pqBHsZ9P0ZbWCFTOQpPq4V4Wj3c88cJUfiBclB43N+qXH7gEwfcqmFE7oo3rIuH gbJXn9IqFnRh+UpdVDn4eufubeScu3BoY07FMM+jUMPJ3O7CT3pQYkasRWQVRVA7UirpgQVb 0nCUZwivkE06ebBNo6kK9tF56nsMbxqhaffrKgxAwlKjgSiY9BS+XaKxAXVkHi0m9rEde/zZ 3jplFL9O9jgSLomGP0aN2kgSr//yizgnNQtwHK2jjPGRKxw58cQJ/IXkiapxszcxo3WMHWxR rNlco688QEJEdEJuLFsb2yM9AQ3Tgu0ZJREJoGgjLveS8pglOjk3kIkubKewKWmcDExZ1OnT LKXnzxS53azzSiUlLTJmcnwkqWjJfgFryVI0hGFMa9YOPc0IlbnDVgdz5WQ6/NMKjySJzo+O VwyS1AJz/56/MxX0BKDTGWDnrqytdfJ5h6a5cOmiZu2L8w5vRVzHOJPgCqZ7TMvO7QBedSX8 WcdEu1iO4ziOMxkyQx9LDzmO4zhOLfhameM4jtMUrmMcx3GcpnAd4ziO4zSF6xjHcRynKf4f AiXmc2sptBAAAAAASUVORK5CYII= iVBORw0KGgoAAAANSUhEUgAAAVQAAAC9CAYAAADsroVLAAAUo0lEQVR42u3deXzNd77H8fnn zu1j7p25dx535t6ZWzPTUa2dWmoJEUtMZEEkYgtBiKWq9q3qtkpbKmoJJaigamqroFq1x5Yi glgq1BYJsp8sJ8tZ8r75Ha1Wo432JEjyej4en0dJ9Hfkm3Nefr/fOTm/XwkAUCZ+xRIAAEEF AIIKAAQVAEBQAYCgAgBBBQCCCgAgqABAUAGAoAIACCoAEFTDzl079f7SpQzDMPfNkmXLtO/A XoL6sKxWi+rVb6hR4ydo8mvTGIZh7s3QESP1YrMWBPVhFRbkq6OHJ8cXAEowmTLl4eVT2YJq UZ7Zcu93WelpSk9PVZ61qEyC6t7RQ2lpKdx7ANzn6yuX5NHJq/IENSvxgEZ5dtC0D0+qKC9Z m14fKS/f7urq111BL83Uwa+Tndq+zWYjqAAqf1CLitI0z/9F/SNopVILCrXnvd7yGbxI1825 jhCeW/OKOvm9quj0/FK3ZZwrzcnJLjFGSNu5/4OgAqjcQbXZEzS13Qsas+6q4/ez+zXXsLUX v/u8eZvcm3XRonMZpW7rk8gt6uLrV2J8uviqdp26ys/P494DoHIf8sd9Nk6tmvfQsq3nFHPg LXULnqiDN/NlsWXo81lD1DF4js6YCh/q0N6I5g8nIzNdHTjkB1AVgmo8IXV6yyq9HNxH/n39 9WLt5+Xi1Uu+Af01dsEWnbtldmrrxqkAzqECqCJB/Va+TKYcWe12mbPTZcrMUlEZbJVn+QFU waCWD4IKgKASVAAElaACIKgEFQBBJagEFQBBJagACCpBBUBQCSoAEFSCCoCgElQABJWgAiCo BJWgAiCoBBUAQSWoAAgqQQVAUCt8UAt040yM4m9m3fuI+dpRbdi4UeuL58j5TIIKgKA+DKvt iia5vqCgGUfufnFRERo2fIiGjByll0aO0YjBY7RiQ7TybXanbqejh6dS05K59wCovEG12a5q iltjDZwdWxzXyxrv1kjj1nz9XXCPviXXtoO0Jan0y6BcuXpZW7dvKzGbt3yili6tlWnKqHDf bOOaWJ/u2P7Ar6ssxtj2wUNR5bb9bycmNqZCP+g8vTurZs1azGOcWrXqaNee3QS1tD3UiS4N 1G/mCVmsJzWoaUOF7rx17/P2lPVq39Jfyy6Wfui/e+9uhQwfUWIGDRmmevUbKs+cW+EeyOnp qRpevLf+oK+rLKbvgIH6y1//Vm7b/3aWLl9WoYNarVo1/cuvf8085qn+7LME9afY7bcV1quT GrXyUpsmdfTUvz4l72m7VGC3K/fmKS0Y7Suv/vMVn53v1O0YC8Yhf0nG+WUvn64sxE/eSQtV p3k7NR65VS0n71XLSbuZRz3F6974lUjVfrGtcVxLUEtjzknRnvAZ6t0/WGPf3aS0wkLd3hum kKmhOpNudToaPCn1YDcTb8itbXsW4ieDmq/6bbzlMTdO/uHx8lt6kXnEY6y7R2icGrTpbBzX EtTHvRdGUH98bU6cPM5ClBLUeq6e6vDOKXUOuyDvheeZRzzGurd/O1b1Xb0IKkEFQWUIKkGt 9IzzyhOmvMpCEFSCSlAJalmcQ23dpi0LQVAJKkElqM5KSLim1q5uLARBJagElaA6y1iTadPf ZCEIKkElqAQVBJWgElSC+oQwfrQ16tABFoKgElSCSlCdZTwp1catHQtBUAkqQSWozkpMSnCs DQgqQSWoBLUMgurl3YWFIKgElaASVGfZbDbdupXIQhBUgkpQCSoIKkElqAT1CXH7zi0NGBTC QhBUgkpQCaqzjGf527Z3ZyEIKkElqATVWcaPnrq0cmUhCCpBrXRBtdtktVocU5h6QhHz5inq Sm7x73mD6fK0bv3HLAJBJaiVIahFRRnaOCpAz9RsIM/eweoREKCuft3V2b2pfveb36iOW4B6 BM7RoVTnrgfl4eVTLpdAOXfhrGJPx1bYOXUmVlevXanQX0PcuTPlH1Q3H3m+d1YBKy6p+7J4 5hGPse6d5sapvhvv2F+qzOiV8vVppU6952nP9QzZrAXKOrdE7rXraNbOW8rIyJG1qPTtHIja r7ETJ5WYV8aOV4OGjZSTk12mf29jT/pPf/5fLp72mOfXTz2l0OKjmfJjU/U6jfSXDqP0jM9U /c1rCvOIx1h3Y/2r121i7IYR1FL3VK03FDF+gDp28NT8w0my5e6QX8OGWngo9WftLa5cvarE LFuxQs2at5TJlFmmf+dCS4Ge/vPT+q/f/Lv+8G+/ZR7D/LF4fl+8/jVr1i7XO35U1D5t37BG W9evqrCz7ePVFfrvb6y/8X0oa5X6SanYddPk3qGtug4IVPNna2rR4dQy2W55XPU0pcCk1s/V U3yLEN1oM0LXXJlHPUluLyuqUS91aMETayCoDz7Auh6tiQEtVb1Gfa05bXJ+T7KcnpQygupa o56utRymO26vFD+4RzKPeNLajtKxxn0IainyzLkaPWGi493FUMWC+s0zAcrJMT3UudPHGtTi PdSvW4Y49pQSivdSmUc7d4qjeqRxb4Ja2vMUpgzHy+PK+rQXQa0wQS3Dc50ElaASVDVv2Yqg ElSCyhBUZxmH+q+/OYNDfoJKUBmCCoJKUBmC+oQwXjO978Bex9s1gqASVIagOnkOlSelCCpB ZQhqGTBC2q69u7Kzs1gMgkpQGYLqbFCN97MgqASVoDIEtQwkJ99iEQgqQWUIKggqQWUI6hPC eKe1vv0Hlvk7rhFUgkpQCWqVPIfaxq0d51AJKkFlCKqzHD962sKFl00RVILKENSyeAwY7wts KSxkMQgqQWUIKggqQWUI6hPA2DNd89GH7KFWlaBmXzuiXXt263x6vqxZJ/Xa8EB16x6gkPEL dDo12+k7U3kG9co3QU1kHvkkFwc1uhFvMF0a49ypcQ6VJ6WqQFAvHVmmPr5t1G9wiAYP76/+ weMU/kWc45Il0UuGqUvvNxWb+cvfdsx4Q4jyCGpyvkktnqmpq02CddtluG66DGMe8aS0eklH 6/eQa6NmlOEnGC+Xcmvb3vHO/ajEQbXbb+r1DvUUMj/u7he3doQ8fF7Vhay7e6W2zK3q6NJd iy9klLqtLVu3yNeve4np4uun2nXqlvl7QeZbCtWiSTN51Ggoz+cbqdPzLzCPYdpXrytvT58K HzzjdaIPuv+WxXTu2k21atdxPBbK6zaMmTb9TYL6eIOarLAebuo8YouyrRbHx7Iy7yjTdPfX iVsmqmX7odqdbH6oO2ViUkKJuXL1stq2d1d6emqZL0heoVlJORlKyk2rkHM7N0NpBbkV9u+f lJ2mO+Z0xxVoK7pbtxIfeP8ti0lKuuk47Df+W163YUxZXwiToP4C5oQvNcGvs0aH71bON1F1 fKGfzpZvz36K2Bcva9Evv7hUUZFdHT08y/yQv7IwXqMIcMhfSYLqYMnQ7ZQsfT+bBabbup3p /GF6eT3LXxkYeyzG4SBAUCtTUMsRQf1xxmFah+K1AQgqQSWoTkpIuKbWrm4sBAgqQSWozjJe RvPF7i9YCBBUgkpQARBUgvqEyMhM1+w5oSwECCpBJajOMs6hurRuw0KAoBJUguqsm4k3HG88 DBBUgkpQnZSSckcjx4xjIUBQCSpBBUBQCeoTwmq16NyFsywECCpBJajOMs6htnP/BwsBgkpQ CaqzjB89Nd44BiCoBJWgsocKEFSC+mQwLg9z9nwcCwGCSlAJKgCCWoI9PV6HD+zX/iMnZbZZ v/tEQZZuXklQlsVGUMsBr0MFQa1kQU0/s1WDvF3lNTBEgX08FTQmQkeT775zvy0uXG51PbU0 Pt2p2+Ad+x/MWBPj8jAAQa0MQS3K1QeDXdVt/CbHu/UXFaVo9dRgdfAeqI/jc2VPXKWWNdpr 0VelB9W4Js/R6CMlJurQAbVu09bxRiAVjXGO89jxLx/4dZXFRG6LVL36Dcpt+9/OpcvxPHJB UMs7qHb7bU33aqoJay7f9/GYDW/IOzBYH2wJk1dDLy2+UHoMP92xXb379S8xPQP7qm69+mV+ 1dNHwbjoWdDAQQ/8uspqAnr1LtftGzM/LIxHLgjqozjk3x86QG19J2tPUqIs9u+uKhX3+TS5 PP20/vDf9RV+1eTUbRgLVhGvyAiAoP48NrM2vjVYL8/7WCkFlvs+deGTdzXAf4r2JOf+4s3z pBSAqhPUckZQARBUggqAoBJUAASVoAIgqASVoAIgqAQVAEElqAAIKkEFAIJKUAEQVIIKgKAS VAAElaASVAAElaACIKgEFQBBJagACCpBJagACCpBBUBQy5RVd+Iv6OL1K7ocf0YxsTEl5mTs JWVarE7dCpdAAVDpg1pUlKltb4Xor7/7D1Vv2kX9+gc5Lqr3/QkatEDR6Tmlbsu4OuiMt98p MW/MmKnGTV5UdnYW9x4Alf2Qv0B7ZweraYcg7Uoq/MVbMfZmQ+fNKzGz54SqcdNmBBVAVQiq cTnpZL03oaemrY8rl+1zyA+gygS1PPGkFACCSlABEFSCCoCgElQABJWgElQABJWgAiCoBBUA QSWoAEBQCSoAgkpQARBUggqAoBJUggqAoBJUAASVoAIgqAQVAEElqAQVAEElqAAIalmzZClu /3KN6Nld/j163jejp6/Xpew8ggqAoD6MA3N7qrFHL63cfU5fxV/43sQofIyPmvedofNZhU7d RkcPTy6BAqByB9Vuv6U3PJtq8tqvH/h5a86n8nTx1/sXMkrd1rZPt6tHn74lpnuPXqpTt57y 8/O49wCoxHuoRWatHuaqjkMXKLmgoMSnv1r7kuq0C9HOO6XH0NgDPXUmtsQcP3FMbdzaKSMz nXsPgMp9yG/6aqdmTuorv67B6t2v/30T9PJkLfsiVrYi527DOOTnHCqASh/Uuyy6dCxax45/ +d0cO6GbuTant8yTUgCqWFDLjxFUYw8VAH4oPT1VHl4+BPWh930LC1WvfgPNDwvTiogI5nuz cvUqbfpkM2tRRb7Pxn9Zj/tn1rtz1LhpM4L6c4QtXqzxk6do3MTJzPdmyEsvq1q1v7AWlXxe Hj1WTz9dTSPHjGM9fjBGF5avXElQ4Tyr1SKfLr4sRBXQybszi/CEIaiVTGJSwmM7IY9Hx2TK dDwxm52dxWIQVBBUEFSCCoIKggqCWjUkJFyTSytXFqKSyzRlqHkLF0dYQVBRjg+0xUveZyEq OeO12MYrXYyXEIKgAgBBBQAQVAAgqABAUAGAoAIACCoAEFQAIKgoB7aL2zVu3CztT7E++PO2 q1r7+jRtO/XjPymTm7JbYa/N1cnMn7pKglX7F7+mRatOyFpUxMI/Rlf3zFVQQHf1COynnoF9 783CvXG6cmydFoZu1O38gp+9XWt+tBaOnaq918wsMkGtmqwH39Zzz7lpRfyPPQgsMqXcUW6h /Ue3UWQ1Kz05RQX2n7qlAoUHtlTvV7YX/zk7C/8YHZrbVdVf9NWGUycVExtzb66mZslakKv0 tIxf9I9evukj+T/bQOHHMlhkglpFg3p4rpo08dX6hNuKWjJDc+Yv0qTAAerTL1j/PG1yXK77 45kz9NlZ09142hO1cuZQ9RkQrMABIxV+4Ibysg8qfPoCxX6zh5p28RNNGdpPffv31yvvROi6 ucAR1IhB7TVo0k6C+pgdDeup5t3G6Ya55D+iNw5/oEXvRcpksejKnvc1Z/YczRw9WX379tPM j44o32Z3HG0cXDdJ/QYMVGBgoBbtvnspd0v2RgU1bKWIGH7un6BW5aA29deWxHjN86ivvzfs rw3RR7RukrcadhijIymnNPaFenpzS0JxTbO0IsRLbj2n6bNjh7U9fJKGj16mQ2eWqmstV21O sqgwIVJ9OrXTzG3HdfzcDg1wqaOBoV86buvDEIL6JDi8sIdadJ/8wMuvH1saKPd2k3UzL08x xX/uD7+vrjciTypq63Q1qdlQC87mKjZ8tDoFjdIXscd1dNVINWrkoQ3X8mW1RCroBReCSlAJ 6uablxTm31pDZ510fNx+bYk863fQhoTzmubWQqE7EmXL2SjPGnU1Nyr1vm2kXV6k7o29FHmr OKjJsdqxeo+u55p0/vMwtXr+T+o8/lPHn/toCEF9EpwID9Qzf68jv+AQ9R802DFTwjYovbBQ 59YMlq/PdCUWB/X4wp7y7BaqpLx82ew3NLltI41fe0GXd+3U7qh45ZjiteKN7vrrH6tpUXS6 LIVbCSpBJajfBnVxQBuNDzvr+Lg5aaV6N/HWpm+COvezJNkTV6pT405afyXvvm2kf734XlCt 5tOa9ZKXOnYJ0MBBU9Xbt5ECxhLUJ8nxJb1Ur5W/Ivbt0559exxzNC7e8X05tSrkXlCPLeip gMBF3wQ1QTM9XfTa6stKjQ5TN093dfXrp5Hjh6p1wwZacjiVoBJU/DCoYxfEOT6ee3OFen4v qMYeqjUvUp2fraW3d9669//bC/OVfGmRApp6a+edQl0LH6DG7lN13ZwrFeXqbb+68hq/m6A+ QRznUP0mOA7rfygm4v6g+vde6Pi1zXZN0z3b6p0PPtOEjq4aFBZ79/t/ZYka16ihxcczCCpB hTXqLdV43l3/vHFR87yaaNjsuw+UnOuL5fmcq9ZdP6MJTerqzU9uFH80Txsn95CL9xAtj9yo D+eNU6/Rb2vH0eI9llptivdQC5X8+WtyaeKu0G2R2hgxQ25/+x897z1VV3NztTqopXqP5Fn+ x+3gHB/Vaj9Y57NyS+69Lg1Uh3aTlWA268i7PvLo8q7j11bbFU1p/YKmhEdr+XAfdQx6Rxs3 b1JoiL/++J+/VfDis0ozb1P3Z+tr6ZfpLDJBrZrsNw5qwfw1OmtKUfSaMG07nOj4eKHpuNbN X1n88Tva9f4C7buYffd/KMrW9qWvavjIURoxdro2nU+TzWz82YjiB6it+PNm7VnzuuPzU9/d rBNn92ru/72po2mZOhMZrg07zsnGy1Afq4SjazR/VaRSCywlPpcUs16rl3+uLItFiUfWaM3a KMevi4oytXf5fO08namilGOaNXWE43u8fMdpHdwcqtBlO3TLfFVb5i/WiVsFLDJBBQCCCgAE FQBAUAGAoAIAQQUAEFQAIKgAQFABgKACAErx/39AIZI/6glVAAAAAElFTkSuQmCC iVBORw0KGgoAAAANSUhEUgAAAVQAAAEPCAYAAAAd2zyBAAAtdElEQVR42u2dd1gUV9+Gv3++ 9MQkahI1JsYk1ijYu3RQikgHRbGAgGJBRREsgMaOYsPee6/RqGCPIqiAvQGi9N7L7rLPN8wa jF9480Z2URae+7p+18Xu7J6z7Dx7zzmzszP/A0IIISrhf/gWEEIIhUoIIRQqIYRQqIQQQihU QgihUAkhhEIlhBAKlRBCCIVKCCEUKiGEUKiEEEIoVEIIoVAJIYRCJYQQCpUQQgiFSgghFCoh hFCohBBCoRJCCKFQCSGEQiWEEAqVqDfyHJzePh8zZ21BWEIx3w9CKNR/T1HeOawMHITeWtro 3Vcbdo6TEXovq2J5zJml6NdbC6NXXFC6r9TwjTBu1x7mU/ajQCqFvPQ+NrgNQq/OndC5nx2m e4xC73Ya8Fhzrdr/78urXPGL0Ne0XdGv3R93xg9ffvgRug1Zh/tppfwkMKc1MqcUag0k/ckG aGt8hf99773Xql6TNphz/In4mKgNI/CecF9Xl/2QK9tf1B4M0TPA0ICjkAmNZR4fjw/e/wCf f98e/YeNxry5s2ChZ4hp229U+/8evtUbegZGmHf03mv3Pzk2G8Omr0eeVEKLMac1NqcUak2b 2WbcglvvxmIwf9Z1wuxFgViw+Fc4dGwq3tesoyMis4vxdK8HPv3gQ2iNO/zymWU4v20W7AYM gMmAgRg1fi4uJL8ayZWlPECw/1CYmpljgMUozFoTgsRimbgs6+HvmOHqDr/ttxB7ZzdsX/b1 fQcDTJy3C6Hnd2Gc6xgs/+1+RXvFyaGY5WsDE6E9Gy8fHHmW9qqv7BhsDhgp9mViboUZS/cj tuD1afqNc/Nhb28O04HWmLBtH1KKFa/17vEguLiPwaaLMRWPLYyLQKDXFNgPGgyHKb44fDe+ Ylne7f0YZT8YPqsP4dTepbAws4T92AAcSyik8ZjTt57ThRPGin1ZT/JRi5zWeqHGn/BFw48+ xk9a3kIgX73ZZYkhmGg3BjOXRSJbIsfd7WPwiRBU7XHHhKVSnJw5QAzXp183RbPmP+KLjz9G 8z4euJZZhLKyp5hlqoGPPvsMDZs2xTf1vxAf29tpg9CWFGlnpovT6VY2OxF9ORBdG9cXl39c rwF6Ws/Eolm24m09r9Pia8m/uQuGbRsI7X2Krxt9I45AvvyhMzbcyIZE+gjjdH8WHv8+vvru B/z4XSN8JLRtMnknMkvLR5dFOPSrJRrU+xQfN/waXwttlLfdc+haYXkpTnr3EW9bL7iimFLe PQDDdl/j/Q8/RqNGjVHv049Rv4km5oc+FZdnHJ8qvg/vCfXdz7+gyVeK1/59t5E4lyal+ZjT t5rT9z74CN80aqQ2Oa31Qg1dPEhc8QMX/fGPj4va6l4RVLm8BCeXemHC3GCEZz7HH2cXofv3 DfDBJ/WxODwbsnuL8c1Hn+C7niNxKzsXUtljzPHxxPgFm/G8sATpF+ai6cefoq3NGpSUlSFq jb24sh1+vSj2dT3IHu+9/z4GzFLcXu/STgzO6L1h4u19Q3XQtG0XrLoUi1LpfQRNGotpB0OR kB+NvauHoYEQ1KYdbRGeVYyy+B1oW/9zNP5ZHyGpuZA9PAXzH5uiq3Ug4goKEOLfX+x76LJb QsslWDm8Dd7/6DM4r70q9pVwZh5++LIefuoxFvdyC1F8PgCNPvkEDZp1xbYH+cL/9gAuncsF /Cmmn0yi+ZhT5rQuC/V4gJViRa29+a+C+udUqjQzDJOGmqFli5/wfZOG+Oijj/BRvUaYfiYF ZRnHYfBdA7Hdxs1bo6vRAMw9fA6FMsWWMf7snJdBXYtiWRlurlJs6e3nnBOXX1uqCKq5/yVh FJEMd82G+LpZbxxPUuzPLM15hCdpr6ZSj65uhoVWFzRv/gMaffUF3n//AzRpbyGOQrJOTsEX QnC7O/85BZQgKeEu0koUU6kT0w3Fvoevug2p9AYGNKmP79oMxI2sopdzzVz4m3+HDz79Cmtj SlB8eQ7qC+1p2ixFekmJsLwQa+26ix8kj/2PaT7mlDmty0K9uXk0PhYC2N3tyN+W3ToZivAX eeLf0dtGi0HV8fwdMlkMxnRsJGzpv4D28Dk4fjECgf26ClvMTzH1xHPx8U9DgzG0fx980/Dz ii8PWvX1EaZrpci5Ou+1oEastBGX2wWE/C2oUqEvl1YN8e0v5rhYyVQl9foKtP3ic3zWuBVG TN+IsLBDsG3QAI3bGCMssxDJRybhMyFYej6nK/3//wzqyDW3IZH8Bu1Pv0SzXu64nyepCOqi IR3EqdOiPzJRemW2GNSOtiuRUlwsTtXW2/fAex9+jPEHntB8zClzWpeFWnh7Czo3/BKf1W+O cRtPIS0/F3n5iTg9bwiafPIZftCbhqicYjzePUbc2a83ORTS5E1oIgStmcEUZJUKW1B5AQL0 Wgpbx4aYfzEdZcU5yJMqvmNNzAjDkRNrMVCroRDkepgtLM+OXoLvPv7svwZ1gN9lse0pWl+j XoMW2PigQLHlD9+KgLkb8DAlFxFrh4nPtVqomGZJSo+gT70v0bTrENzOKUDhZX98JUzrWpms Qq5EIm75zwbPwbItF1AgkeP0LCPx+U4ro4VRxgu4dGiIhk264ECCIqhlZU/g3L0BvvymPY4k Fglb/gBxv1pH62VIKg+qsOVfR6Eyp8wphapAit+W24pb//8VwvFl/QaoX/9LYTryvrgCtYav FqYdUjzY4S4+RtvzDMoKQ6DzVX0h3D9i2uaD2DLFHJ8LK++jz5tg3pUMFF9fiebC8rZmo7D5 wnlcCt0NE836wspuhz2xBcgJXygGvbX1GkVQl1uLfdn6nxVfUdhSO3F/memMUPH2ZeF2+evp ZOGPvceOwMvgZ/Hxg5eG4PZvc8S+m3Yfhq3H9mF6/1bisqadBwlTKSnkJREY1LE+3v/4c3gs PYiD+2ejXb0vUO+rljgSX4KLs43FxzsGhSv6WjZY7KuVmTcOHTmMRS464nLtMbvEQ6jyzs4Q +9O0ehXUP6dS4/Y/pfmYU+a0bgtVeK/lGdi3yQXd/nKM38efN4bjpLl4+FzxjWrkFld89MEH 6ONxtHx7iHOr3dDky3riYxu20oalYWe8/+EnGL7sprjT/NACdzRvWr+ivS+/1cCcnTfEYwOT QmajkTDtam21Wgxq+HJL8TE2/i+3/EsU+6qMfRXTH3lBHNb5muKbBor+3v+kHvSdluBaqgTy 0ieY56xb8cFq0dcG/Tp9iy8btcPm29ni85MjtsLW8KeK1/LFT10xaf018bWcmmEg3jcoULFz H6XPEexth6affSbe/4EwtTIZsRoR6YrDW9JP+aLehx+ivWVQRVDX2HQVp1oeFCpzypxSqH+S mxGJP65eESv6zuvTgsL0GFz/Q7g/LrXivpj74bjyx2XcSS0CZGkIv3IJdx4nVyxPTrgmLi+v h49ffbNYnPMCt65cQcSjRPF2QfIDsc+HiYpg5ac8xFXh9r0Xma+9hqdPLinau3cX+VLZXz5p Bbh1TVh2NQKJRWWQZd7F1YvhiM8uevUQWRyuhyueH/UiveL+7Od3xL4fp+W91lf83duKvh4+ FL/h/RNJznNECO9D5MMESOWK6WLqo0jh9V5D7F/6I8wpc1rHhUoIIRQqIYRQqIQQQqESQgih UAkhhEIlhBAKlRBCCIVKCCEUKiGEUKiEEEKhEkIIoVAJIYRCJYQQCpUQQihUQgghainUMjwM WQM3hyFwGOJUUY5DvLDn5nOuHVJDYE5JjReqBIcCLNDN3BkbjlxAyLmQV7V7GYwM+2Dyrrtc Q+Qdw5wSNRCqVBqB0X07IzA0pdLl15eOgu6IDciRSLiWCJhTQqH+U1BlDzBZXxOTtj+qdPm2 yeYw9NhdcQ1xQphTQqH+A2FbvWBibglPv7nwmz2nomZNnYCBTiMQfDmRa4i8c5hTohZCLUf2 KARB8xdg7oLFCFoZjOA1a7B2++9IK/l3UyipVILYuJhKKzMznWuYMKek9gtVLs9C9MVLiMt/ ddXEhKgz4jW4Dx8+h8SifxfU+Pg4mJiZV1odO3VhWAlzSmq/UEsl52Dbsi189sWh/Prhv20L gN0oD4ybOFkoL3hOmIWz93OV6qOfiRmexjzmWibMKantQr0Ix3YdMPt4AspSt8O0gxZ2Py+t WH5osiXMvQ6jWFZW5T5MBwxETOwTrmXCnJLaP0Id1KY9fj2ZCFnySph0NcOZ1FfTp8jVY6Dl tBZZpaUMKgFzSijUf0AivYnxXTTRoa8penf4EZ9+3hTzLqSKy1ITQuFu2BcT1t5Qqg8GlTCn pE4ItfznfAWZqXgWdxXzh1qht64h/HbdEu6XYud8F7jOP4xCmZxBJe8Y5pSohVCrHwaVMKeE QmVQCYVKKFQGlRDmlEJlUAlhTgmFyqAS5pRQqAwqIcwphcqgEsKcEgqVEOaUUKgMKmFOCYXK oBLCnFKoDCohzCmhUBlUwpzWSJJSkrB10xpsCl4i1FKV1eZVQgUH4ejRQxQqg0oo1LqR0327 t+HzJr/gZ9slaDYgQGX1g/kcfNfPB81adxR6kVGoDCqhUGs/h7avFwQ4Cw67n8F63SOVle2G JzBZcgcaOhZAWek7+/8oVEKY07cn1B0b8X2/KaIETZbfU1mZrbgP/XmR0NA2p1AZVEKhUqgU KoNKCHNKodYkoZYh5dlTMVB/VuzzVAaV1DCYUwq1hgs149F5LJruDHMjSzFUFWVgDY/A7bib XsqgkncOc0qh1nihyuUZCHTsAqPx6/Gs8PXDHMryb8NjYHdYzwmBnEEl7xDmlEJVC6FKJFfg 0rMHtkbnVro8fosXtB2DkcnL85J3CHNKoarJCDUNC+07wsJnN3Ikkte3/EX3Mc5S2PIHnOWW n7zjESpzSqGqgVDLSbt/Bv4eg2FiZoUBAy0rytxyBLxX70FUaolS7VtY2+BpzGNagTCnFGrt F+rLSRUS4l59e/o8IQUZOcX/+tnpGalYvGRJpdWxc1ckJr6gEQhzSqHWdqGWobiwCDKZBAV5 2cjJUdTd06vgP3cD7mWmIiu38L+2kpqahGkzZlZaGh06IikpgS4gzCmFWruFKpPFYaFpN9Rv 1hamDkNhPmAgjE3N0b1VI3z4WUP0MRuIyfPPIF8q4VSKgDmlUCnU/0Ls2ZXop6+N4V77kFik 2A8Vsc4JvQzGIjonX6kd/eXwSynCnFKodUao4oQqKQp+DkbobzcGoanZeLHHDX0MPXAvt0Dp tilUwpxSqHVKqOXI5dnYHmCLroZWcLDSRt9+43Enp5BBJTUK5pRCVQuh/snds8Ho3awBulh4 43F+EYNKaiTMKYWqFkItR5L5DM9TMyCTg0ElNRbmlEJVC6GqEgqVMKcUKoXKoBIKlUKlUBlU QphTCpVBJYQ5pVApVAaVMKcUKoXKoBJCoVKoDCohzCmFSqESwpxSqO9GqGl3buDqteuIvnUd F69cxq27d/Hg0QtIyuQMKqkxMKcUao0X6ouoIBhp9oChXld8r9kLdrZmaN7gCwwYdwJZpaUM KqkRMKcUas0XqjwXQbZCOP0uoyxmCwaOW4MCqRTHZ9pjkN9xFMqkDCp59zCnFKo6CFUuz8I8 y57w2vAQstJzGKk3FZfS8yGL3AgH4/l4lJfPoJJ371PmlEJVlyl/yMJBMBiyHIlFyQgabIJF Z17g0V4fmA1eIdxXzKBWI0UyCYqF0dWbVvnz1GW/oapgTilUtRCqJOMBvNzssTYyA1kxa+HQ ywiGBmOw/VGi2qw8dQvq3Uf3oNmyLQzad4Ve+y5vXOXP69VaA17TfOqMUJlTCpWHTTGolfJ7 xBUYffEdUrq54n63EW9cL3q4Yk3TPrCxd+D+AOaUQn33Qi1B8pNHSM7NQ3b8Y0TfjkJUdCQi b0ci+u5t3L4biftPkyGVq3BaKS/Ak6ibuBV1q6Iio5+qpA91C+rpm1dh8U1L5PT1RKKWxxtX rrYndrXoD0en4bX8Y8mcUqhqINSysgRs9vXFjpv3cT7IF5Y29rC0tsFAS2tYCH9bWdvC0+8o MlR0OEpK1DHMnDQE5sa2Yh9/lrmhJZwD1uB6YmGdE+rAl0J93nfMG1eW9gTs+LlfrRcqc0qh 1oIpv1TFH4pkzLftCNOpu/4W/LKyOEyx6QXLWb8rdUZ0CrUuwpxSqDVQqLnJYRg/zByLTj0S bx8JdIbeUD9cSshQSccSyRW49OyOrdG5lS6P2zwZWo7ByFRilEGh1n6YUwpVDQ7sL8AGFx3Y TT2IYlmZYmssz8XeCbbo5bAW6SUlyu+Skmdg6dCuMJm4AQlF/2/LnxaOUQO6wX7+BaWueU6h 1nKYUwpVPUaoJVjv0hf2Mw6/du/NxU7oaPQrYgpUc8B0Tuw1BHoNQ/9+A2Bs8qpMLUYiYMdv eJwlUap9C2sbPI15TKHWWphTClVNpvwJF4JhbdIbjhPmYbqfv1DjYDnQHkHHHqj8ReRlpSMt LRlpmVkoKixAUWnZv35uWlrKy9f399Ls2AlJSQkUai2GOaVQ1eZLKXlJLPZu3IB1G8prO+7k ylQ/xsiMx/PnijDJnpyAi5MtbOyGYPVvt//V89MzUrFgcWCl1bFzVyQmvqBQa/vMnzmlUNVB qM+un8C+A/sravu2jdhz9KZ4AgpVEBu2CYPNesLMYhAmBkzHtKmLsP1kGG5Gn8ZUS2P47VVu GsQpf92AOaVQa7xQ750MQJ+W7eA0zRsTvKZU1KLV55ErkSjdsUz2EGP7asB73zPxdqBlJ5iO OVCxc//GqtHQdlqn1CnY+KVU7Yc5pVDV4GxTGVg4oAvsp16sto4l0qsY0U4TvvsVQS1Kf4So qFgUv9wv9ZuPDfqP3Vfx7S2FSqEypxSqmh42lYclg7TgvCSsWjuP2B4AAz0HbPoj9i8fkmyc 2DxRCNko7L6arFT7FGptNypzSqGqyZT/etBgNGzRCcGno1/7/fKDx6r9jfTdswdx9s5fzgwk L8D1kzsR+jRX6bYp1NoPc0qhqsEItRAhgVNhaGgEUxtHWNvZwcLWHtZCefofU9lvpKsbCrW2 j1CZUwpV3X7Lr8YnLKZQ6xDMKYVak4UqL0zCsU2/wrR7N+i7b0Pk7V2Y6DUJVxOLGVQKtQYN UplTClUNhPrHMicYu67BhcPzoG0zDU/zU7DbzRjGzts5laJQawzMKYWqFlc9nWvRHb67YiC9 shjadt5CUPORf8gbnfV88TifFz+jUGvC8JQ5pVDVZIR69ldbmI/fjTuhQTB0moPY/Dj42bSD 2bTDvDwvhVpjYE6VI+RcCJYunIfAef5CBaiw/LF08XxcuXqFQhU3/mn3sWHhNAzo2hk/tO4M fd2+GOg6C5FppWrzYaNQ68AglTlVivIrDzTtPgwtB6/BT7ZLVVYtHdehiaYVnJ1dKNS/UpCW jtycNKQkp6vdh41CrTswp1Vj8BAndJ18CfZbYmC1/rHKymFbDDRGH4fHmNEUKlCEcyvnYJjz KDi7j4FLebm5YdhIV/gtPavU75YpVApVdTCnqhBqh3GnYLHmoUoFZym094vzXkGoYyjU8uvy PL95CcdOHK+oo7vmoXPz9vDYFqbaq0lSqBRqlWFOKVS1vUgfcGO9K0zHbuCWn0Kt0TCnFKpa CPVJsBs0dWaJh6YwqBRqTYU5pVBrmFAliDq6HQsXL351ZvFAP/T5pTNcl1+GuvzIj0Kt7TCn FKqaXKQvfN86/LowEHPnzhGve/PrwiVYc/Ca2hzbR6HWBZhTClWNpvzSlDuIy1dcnycnJhyR qUVq9XGjUOsGzCmFWuOF+ujcCpiY9Mfaq3Hi7XPbvNFb1xaBJ+4wqBRqjYE5pVDV4rf8S2y6 wTUw8rW7Hy93g4bRXDwrLGBQKdR3D3NKoarLCPWwjzG0h/gJoSyp2F+13aM/tAatQ0qx6k6N VhobisAZM+Azc1ZFzfBfi1uZUgqVQv2vMKcUqloItej5NSzwtIJuv0GwsLYVyhRDJyzClZgc lXV+bdME6A2wxORZQa9dp3zelLEwsLRF0LkXFCqF+o8wpxSqWh2HmpmUgMS4B7hz7wlkKjwO RSq7h4l6HTBxR+XXIz/gYwN99x1KXVudQq07MKcUao0XasbD4/B2GQ2fjdeQEHsGW48cUsm1 zsWgSm/Ao28nLAhJqXT55YUjoDtyk1L9Uah1A+aUQq3xQk04OQ+WQ6bAb7ITOprPRHTWTUwf qIUxCy+gpKxMFVHFsbk20LJyxvojJ3Dk2JFXtW0pjE31MW3/Q075KdR/hDmlUNXiqqfLhvTG uNX3UXI9CLr2U8Wf8aVs9UQn3VkqPRP6o1MbMNZ1NJxd3TBs+AgMEWr42Pm4mFCidNtm5hYU am2GOaVQ1eWXUhvcdDF8wXXk3VyFfsPnitfnOe1ngr5OK1V6rR55cRpeJMQjtUD2/15CLtKz cv/rzwfj4+PEQFZWLVq0QlpaSrW9eZOmesOgjy6MtQ3QX+vNy1goA10DJKclU6hVgjmlUNVk yp9/YyecXcbB1aY/mmkYwsNzBHr26Y3gy6pb8QkRO2Br0AumVjYwG2iKGZuvVkzTzgQ4wcAx GKklJf9lH5cET2MeV1oGRv3FIFcXBjoGWNO0D250HIwrHezfuG51GIwuXzTGjZj7FGoVYU4p VLX5UkqSchVrZs/HwkUL4R+wAGcequ5QlLKyZPxq1Q1OCy4r+nr8O0YY6WO4307kCeG76GeH HpZBSCmu+pSquqdS5qbm+L2dJXIFkaVojX3jyukzAf2/bYWbsQ8oVCVgTinUGj/l3zTREjN3 3a++D4HkClx6dcOGG9l/2SX2BH7DDOCy9ACOzXWGvv1KpYJa3Tv7y4V6vN1ApGmPq5IAs3uP g9G3LSlUJab8zCmFqgZfShXghLcdzF12IbGoEHJ52atS1T4peRYCB+tgyOwQFMtkf+n6AaYM 10Xz779HT+u1SC+hUCnU/xQi5pRCVZNrSp32d8YPP7aHlpk5jE0GVNRo3yMq29mf+SgUowb0 wdSt1147GLskPgKuOh1hMmIrMpXoi0Kt7TCnFKqa7EMtKSxAcXEecjLTkJaajNTUJLEysvNV e+Lekmxk51d+ujWZTKZU0xRqHZj0M6cUak0VqqwsHhu8PLEvLKPivvJvJ9UVCrV2wpxSqGoh VIk0Eh5dNBBw4Jl4O+XKUgxydEVYpoxBpVBrDMwphaoWQpVKo+Gl3RPzjz4Xbyeem4N+xja4 mC5lUCnUGgNzSqGqlVAXvAxq8sW5MDMfjCsZDCqFWvOEypxSqDV8yh8Fz15dsOCY4vyOaVfm wtjEHtcyJQwqhVqDpvzMKYWqDl9KyWLhb9QbnbUHir/eMNTphhYt2kDX1Krid8djZx5V6W+k KVQK9U1hTilUtTlsqjg3G4kJT8XfGMfGvxAPQXkW++p3xy8SM1V6Al8KlUKtCswphaqWZ+xX Z/4a1DsPbsPK1g62tvZVLmsbO2zbtYNCJRQqhVq3hbrz+GF0++QrhLa3woFWpm9cJ9tbwPXz nzF0lBuFSihUCrVuC3XX6WMY+k0b5OpOQYb2+DeuXF0vrG6uC9cJEyhUQqFSqHVbqLt/PwaH r1shR2tilWSVq+2JoB+0KFRCoVKoFCqFSihUCpVCpVApVAqVQqVQKVQKlVCoFCqFSqESCpVC pVApVAqVQqVQ67BQc+4dhb/nJIyf7FVRE72W4nJCEYVKodYY3lZOKVQKtcqErnRBH1Mb+C/Z gjXr172qX6dCz9QE80/FUqgU6jvnbeaUQqVQq4RUehvjdTrC52B8pctPBgyGvus25CtxJnYK lahbTilUCrWKQY3EWO0OCPgtsdLlZ+cMga7LZvHa5xQqhVpXckqhUqhV5vfAodAxd0Tg1p3Y tnN7RW1Z+StMBpog4PhTTvkp1HfO28wphUqhKkVsyBZMHD0Wbh7jKmrstBUIT/v3W/zXrsf+ lzIxM6dQiVrllEKlUN8p8fFxMBbEVln93KIl0tJSKFSiNjmlUCnUd0r5NdHLw1hZ9TMxQ2xc DIVK1CanFCqFWrWAlcVjrbsj+vYxgLnNIFha2cDC+vXyXhyCAmnVL7xWfikMTvmJOuWUQqVQ q0gJYq9shGHjJjDy3Iio+9GIvh31Wj1+lg5lrmLBL6WIuuWUQqVQlSL/eiA6dOuNHffyVd42 hUrULacUKoWqJBI8vXcdT9JLKFQKtQbzdnJKoVKoNRYKlahbTilUCpVCpVAJhUqhUqgUKqFQ KVQKlUKlUClUCpVCpVApVEKhUqgUKoVKKFQKlUKlUAmFSqFSqBQqhUqhUqgUKoVKoRIKlUKl UClUQqFSqBQqhUqhUqgUKoVKoVKoFCqFSqFSqBQqoVApVAqVQiUUKoVKoVKobybUS5cvInD9 asxfsxIL1q5645q/ehUWrg3GnoMHaD4KlUKlUOu2UMsv0WHyybeY2qQzxjfSfOPybNwBbg3a 4JdmP0Emp/woVAqVQq3DQh001AmHW5shV3+a8D9MevPSmYyUbm4w0uwOSRmNSqFSqBRqHRfq NuG+8mVVaTNRywP3ug6HvkY3CpVCpVApVAqVQqVQKVQKlUKlUClUCpVCpVApVFK1nEZG3YJu P1MYmNvCYICNSkvfzBqDh42gUGuzUOUZUdixaiVWrFpVUavWHERsgYxCpVBrDG8rp8f2b0ej X4yh5R+Bnj7XVFe+19B18mU0+aUnZEW5FGptFGrkfn+Y2wyEi8d0TPaeVlGTnIfDeIgrtlxP Uap9c0trPI15LP696/QxDG3UBrl60wSpTnjjytWdgrXN9f4m1FANa+TqTKpSmzlak2DybWvc iFMI9XdBqDaNWwt9eVXxNXrhYGuTvwl1f0vTKreZo+WJZ91GwbBD3f2W/23m9NTBHfi+vxcc dj8TpaOqst3wGAME8bTSMocsP/M1oXaZeB62m56IElRV2W18Ag23I38T6uHtG9DM1BcO22JU 2p/l2kcwCrwNDR2LuilUqewxvI004Lb6ZqXLN4w3gdGEfSiWlf1jO3l5uTh05HClpdGhI+Lj 4xRCPXEImp80FORijPU/6b9x7WrRH4M/a4aho0ZV9K3dVwdTGrQTRoBGVWpzx0+GaPVpfUTG 3BPbOxNxBW0/qY+9P/evWnvCSHTM5y0xUPiA/vXD6v55C3FZVdrc9JMBljbtBc0ffoZUXveE +rZzemzfDjRo3gOdPc9Bw/2oykpz9HG0dT6Ir1t0eG2EOtDCCs2MZqDjuNMq7a/ThBA06+uB kSNHvvY+7N22AV+10Bb+v/Mq7U9jzHG0Gb4H3/3SVRCqpA4KVRoG9z5dsPJKeqXLo1aOho7T OuRI/vnNSUh8juHOoyqtCV5TUFpSLD7u0eMHGOnqjuGublWuEW7uOHj4UEXfq1YHY4QS7ZWX +9jxyMpWjBgSE18o/xqF2rZze8VrLP9b2ddYXjP8A+rk6PTd5NQNzi6jqqV8ps947XWV52Pk KNdq6au83b9+Xsq5e/+OcH/1/X+z/N5tTt/hlL8Eu7z7oa/DJBwNv4GIm+Gv6vdNMDPqjXFb o/mNBXnHMKdEXb6UkhTg4uY5cLCyg5Xtq7IbMR0Hop5DUsYVRGoAzClRC6ESQgiFSgghhEIl hBAKlRBCKFRCCKFQCSGEUKiEEEKhEkIIhUoIIRQqIYQQCpUQQihUQgihUGsn8gKkJr5AUnq2 yposzklEQmICCqSqP4eoVKqi8z2WlSIzPUk8tVx5pecVMwvqgjQXiQkvkJbz9teZTFr9J3Au yklHsvCZLM/li7QMtTkBTZ0XavbzCxito4mexhbQ0mgFh7mHkKDkZS3iz22EtZku+pv2h63L QoRnqir0Uuzxs0I/91XIKlU21BIcnuaETl31YGxqDmMzC/juu0lRqQFFiRHwGWYKQzNz9Os3 ApujUt5a378vdYTOkDlIKKo+kefG7oJ1S01oC/9feTatJgThbo5MLdZN3RaqPBfLB3dFF+OZ eJxfjIzrK9Hpp1YYu/FO1Uem2Wdg37YTpuyORfm5NNe594f+uI3IkyofiMTLi9Ck3qdobbNe aE+5UWr5megn6Ztj2v4YGkqdIivPwEoHbZi670NJWRme7JwMTf3huJBe/Wepz3ywEW3qf4Ef DQOQUlx9Qn24dRr0BwZWax8UarVQgqdRYXiW/SqMWx31YDhhf5WvnyQrfo6o69HIfXkG98vz rdDBegZSS6TKfZAkMZgxxAat27eEnusSZCo5QpWnhWCIozl8t53DuQuhiErIp63UwqiFeBxx Hc+yFPmS3lyEXzr2wd6nRdUs8jQEjh6EX9q1Rq/BvogvrL7+QpcPR//xy3FWyOX561EolEnV ZvVwH+pfKIs/iJ4/focJmx8o31bKdcyf5ow2bbthyWXlp2Tng4ZjqOdhbAkcDF2nOchQUqjp V5ag17eN0NvWHQ5DnODg4YmTMYkMgdqMVNOwf+1s9GvbAk4LL1T79b4it46Fg+s27Ax2RR+r 8YgtKKy2EfhiK00072iIQUIu7ezt4bfzBNJL1WMnKoX6pwATTsKyTyv0GrMeScXKr7yy1Chs XLkC3p7DMWxSMJ7kV336kh2xHXaD3XErOwf31thBZ0Sg0h+gvBfXsX/7+Qoxx211g96gJcLI g19MqQWyNJzeG4xFAeNh5+iFgw+zq62r4vvH4WjvhNDUAqTud0UvG2+lN+j/WajZ+OPgUYRG pylG4NIIjNDXx/zzLyhUdSHv8UFYarWB0eSdSCtR7c7vsuQd6N6iPYLCsqoWsLLnmNm/AzqZ Tsaq9avgYd4RP3YbgHUh11EgVd1UKP9GELQ1jXE0ScJAqNVINQMTddvDfu7FauogC8sG9UJb HXesXLcaUwf3QjMNHSw5eRFZpbK38P9lYYGFFobNuagW66POCzUvej9s+7aGU+AFqGLSlPfw MGb5zMfdXMVIryz9AAw76GHNnSruo5Sk4cT2xZjlNwtTpvnCRqs1mrbTxtz9Zyv201aFJ6eD MGvh7oovt7JP+kFL3wfROdyXWqMFKotB8HRP7I/MrhDqjP5aGLn0D1TLpF+ej3P7gjDT30/M n2M/TTRu0QW+244Lgw/V79uUl97Hct/JOPZAkUNZWTwm6ZnAa9d9CrXGh1MSgyn63+PbrkOw 57dzOHb0kHjZ27AHiVUOZ2naVYzq1wmDZ6wT21rh4wiXmVtVNkW6vMAEXe3nQabkpyf72hr0 N9GC36aj4utcMm0wvDeer/Z9cUTZKU8e1k7qDx278Th45BB2rJ0CxxHeCEl+OzOL+xsc0N54 PNJLSqqnA2k2lk7oB7Pxc8Rc7tvgD5dJU3A+uVQtVk/dFmrhU6ye44FRHuPh4uqKES7l5YZV RyOVElZZSgTmTxoptucbfEAFx4y+4t6ZYCzeclIl0/2s27sxadQo8XUGHeUxqOpDCQ4tcxfX m+uU2biZ/faO0Yy7vAkL1h0QBgjVKHB5HvYFKj6P7j4LhVmTTG3WDPehEkIIhUoIIRQqIYRQ qIQQQihUQgihUAkhhEIlhBAKlRBCCIVKCCEUKiGEUKiEEEIoVEIIoVAJIYRCJYQQCpUQQgiF SgghFCohhFCohBBCoRIVkHMvBFv2nv2PFzBLuXscuzaf+o/XmCq/ymPIptU4dzfnH/u5F7IH py895RtOlCbq1Er4+c3EFB/fipq1ZCMe5KYhdMNqXI0peOM2y0qf4NS2PXiQJa1T7yWFqmJi 1rvjx+7OCMvMq1y4L8JxKeQm8v7TNaHkeYg+ewq3n/3T1UelWD+0NxwnnlT6Yn2krlOC6eY/ oJ3pWCxZtqyiVm49iLiCPNw5exKPUorfvNXMHbBo0RGbo3MpVFJ14rZ5ooPhRERkJuFhxCWE Xz6P1ctWYOvpMFF+krR7uH3rEYpkiguPyTMisTl4GYJWrMKB6CTxvtibYYhNLXrZogSX9wUJ y1dgu9CGpEwuCnWrmxFG+YZQqEQ55IWYbtcJw1dcr2RZLh5HXEdCjkSIYSKiwy8hLOQ0Vi5f ib2Xb1dcGVj24go2rViOZavX4tpzxUCgNHsfhnTSws47eRQqUU6onfv74kZGGEY0/x49zCbC d6o3emm0x6wzd3Dv2HgY64zHw7x8yFMvY5J5HxgN98Ukn5HoqeeCIw9uwE+3M6bveCrKdOdi Fwwc7owpM6ZBr3MHeO+6I/azfTSFSlQn1GFBV/62SCK9ilGamlh6NhlSyQEYN2wCXbsZmOY9 Ad00O2PehSQUPAvB6JH94TxpOnycjdFnwHhcSimFtPAAhUpUJ9SIjKtwatUePvufifcfn6wP U/dNOH9iNmxNvJFQVISwJdboYuCDF0WK0WjanSjE5N7GTMOemL0vDlLZA8x19cOt7GxRrj6m 7aE1bJM4Mtg9xpBCJSqZ8s920IDOyLnYf/DAyzqIe8klglBvYGyPHlhxLgXS4r3o9117LL6Q Jj5r44hesPY+iBsnNmH2ohDxPunDFejcpAkWhgiPlxylUInqhBqWfgVje2pj28t9SBeWOmKo 2zqcPSYI1cwXqSUl2OPRH4OmHINU/sqKUlkMfPR7wn93jHg75vxGTJ48CR52g9GmXTMYu2+l UIkKkWK+Y1v81MMMw51HvazROBCVIwg1CuN69lQINXcXHLoY4cgLxZepx3zNMXTsYZTIsrFv 5TSM8xwj5FoHP//QDEtDKVRSDUL16K6FzeFZ4v3nAwfByX09Qo7NEYWaUlyCfeMMYDP+0GtC lZXFw0evB+YeeIayxOOw7dEFoxbuxt7jUdg72wQmIzdTqESFU/4Ccco/YkV4JVP+sFcjVEGo 9p30cSBGMZs67GMB18l78VuwF/ro2yNo2y6E3z2CobqdsfBkIoVKVMOzLeOhaeiNa2mX4d65 Fza9FGroIns4jlqHM0f9YdXPC/GFhbi/xQUdug9DWGah+Jjwkztx8skl+AtT/l8PPoP05iJ0 7jwYN7OyIZdnYJxGY3QcvkV87C53fYycdpZCJUoKtRC+1hpwmHemUqGO6dYVy8pHnLk7Yauh gwNPFUI95G0Ot/HrsdDFBlZTFVP+kvMz0KT+5/A/mwJJ6RE4aPTC9tv8lp8oI9SdXug5YBbC hRGqZx99bL2Z/XLKPxTOY8v3oc7DoIHT8Di/ACiNxzpPS3Qzsoe1vQX6DpqC3x5FYMFAXcwX RqjykljMd9JBT9OhGDx8HMY42qFjZz0cS0zHwcnmGD2LI1SivFD9HbvDKTC0EqFGwFNLC8EX 0wSh7sGQHsY4FKs4hOrYTGu4TT2Bp2FbYNqrEyztB2GUuy+s9X6B+YRtiMkNgWtPQ+y5xxEq UQJJQSYSUzIgKStBVnISCiQK4xXlpCA9IwclxblIS00Xpvl/BjoPd29dQ1jYNTzNVhybmp2c gOwCxb4qeVESIm9eQ3hUrCjP9Kf3kVRcioLMZGRkF/INJ0qTk/4CaTmVZUkiZDgReaVl5QlG RlISil4GtzArCWkZitFqenyUkN+riEkvEQYJGYiJfYZimZD/xCQU1rEtPoVKCCEUKiGEUKiE EEKhEkIIoVAJIYRCJYQQCpUQQihUQgghFCohhFCohBBCoRJCCKFQCSGEQiWEEAqVEEIoVEII IRQqIYS8Lf4PUL+l/U4wVN4AAAAASUVORK5CYII= iVBORw0KGgoAAAANSUhEUgAAAVQAAADwCAYAAABfaJz5AAApUklEQVR42u2dZ1QU2daGvz93 zBEzZmfMYe4YEUFEkiCCiCgmchIUHAMmMOccwIRiBiPmhAFFRRizgoooooggOYemeb/qagZk xNEZ5ar4PmvtpXRXV9XZfeqpfU4V1P+BEELIF+H/mAJCCKFQCSGEQiWEEAqVEEIIhUoIIRQq IYRQqIQQQqESQgihUAkhhEIlhBAKlRBCCIVKCCEUKiGk7ChIuo/V08dirOsu3EzOZ0Io1P8d 0qjzcDRWxm/dehRF1+69oW06FzsDo1FQuFxe3AU4KLdHF92ZCErM/eHylPZgD0yVe0B71DZE ZmT8uwO9IAFBZ6ZD36CXPM/desF1vi9eZOZ98jpOzh+KX1p3wKRd98rKRvDfOxsDB8n3safK GEzxOItXWZLPXG8mdo3XROt2ylh8+vnn72bOA8zU7YgOvW1w/EXauz0aAYuH4j8//YRB088K 35WUBzmF+r8j/9Fu9GyiIHbAv0at+u0wcdsT5EilyIsPgtvQ/hhgsQJ3knN+uDxlX1+MxlWq o+Wv5rifkvLPVyCJxUqXPqhaqdJ7eW6n64QbiZ8mrIB1Y9FPXQeLjj768o2UpOLQXCMoVK5c Yv9+qlgJyiMPICI987NWf2TOSKhrDseGyy8/X6i5T7HSUgNaxjNwIbrkCe7UmrGwWX6SBzeF +hWEGu6LPi3qQKHRr7Byd8PkadOFmIb+Si3Fg6nRz+rYH52NgvxI7F44DTOWH8CzDHlFlfPq JjbOs4OFtS3MbRzgceAqEnPfrV5zELRrGWxs7eCwZBeuRD6G15yxcJ62H1GZmch+dASTx47H 4k0+OHRglrie1Vseip+MCdmDGc7W4msOjlNx6FZM4ZGUhovr5sJx/Dzsu/4Qu70mwsreCUt9 Q8S3721aBmtbB0z0OiZUJ1nFB2BWHPzWT4KlsD4LazssWHMAT9Oz/6aaTEbQ+nkYKyw/bvUh XDm6FL8q1ELrns54mJpaWCU9xkZ3Z3EfnVx9cP31h040QtXkMRI1K1VG1dpNoW82UczzpFE6 UKxaVcyztutZZOfLq6noYF/MHF/c9oN/tl3g/vF1cJ3uDp8bUUWv3TiwSNhPG3F5V7e1wgji 31WT0ldnoN9GARWq1IKW5WRMmzETk8booWnVavipUhW4n4suzk/2E2ya5SJv+xQfXIsuzmXS nf1wcRiPZVt9sd9nhrDMWGzxvYtrB1dj6ozFOBkWW7jBDPh7u8Om8DtxW7gN91JK7rskJQhr VjmI27GbNx/HXsXLt5/3Gn6rXDFtnjfuJxVvO/n+Fax0m41xzi6YsHoDgt8WV6/Z4acw3Wkc 5mw5jbvXD2OipQ1snWdhb3gSRUChfjmh9mysgNa9JiAmu7hjZqSch3WHpsLBVQOufi8hyTsF tRq10aBFX/jHZSE75gh0OzcUZVCpchVUEaqaStXrwHrNBWTmyw+KE0tMUb9KFfkytRuhTfvO qFmlMho0V0NgfAJSj7mgcsWKYgWkUKcWKlSuijELryPm/Dw0qVVd/FzlKtVQUVimfjMleN5I FI6kVCxQaS2+V6VeMzRsUFv8fwVh22o6nfFzPVm1XQEVKlWD8cxTSJNIhGrmMWYad5MvJ5Oa ILFKgiD6228RxJ5V6vB0xxQtUYDiPtRphMYN66Oq0MY2SpPxKC0Neemn4dC1DSpWEPa/QgWx DY16msD3Zcz7osoPw7iu9VCxWj247AmBpODPiZQsnF/iBE11J2zweyG8LsUrPzco1i5ue6XC tq8LihM/sdOis/je0KUh4gnrqLshKsuqXmE/qgjtqiD827rfBFyO/+dSlUb4QV0YrdRv1gcH oounIfxnGaGucDKx9Lwp/pybehqO3dqWbHuPofB5+UZ8P3KPtfx1IccKCjVFQTusP41Vw4ST tPC6k88zIccp8LRXF/ZX/nnZvlesWBk9hi4RRgDySjj13j6Y9GqEipUrieuTtbt2G2V4XnmL PMlNDBf2tUadX7D1oXzEEOu/DD1b1JVX1bLlhWjSdQT2hCXIZXtqqvidyvarabOm8rzJioa2 Wtj1kFKlUL+QUHsJHfPnrrZ4kJJa4r2Q1YbigTpqyTWk5wTCQBBvkw6GuJaQjpiANRgkDD2d j15GSuwd+HmMQg2hgzbTdBWEkwnp22NQa6aAarVbYHrAcyQl3cbSEa3Fjt68w1AEJSQi7fR0 NKhWFTXrtYX7gRdISE5FSu4bnF9qjf4Dh8PzyVO8enIR7mbdxY4/YNYVUUIrB8rl2EZ/Gv6I ToTP4iHigVm5dmN4PHyF2AuzoSjIqFEHXUEsuZDGnIKTTn8MW74H4WnPcM1/FtrVqgkFxf8K 1cn7w9is+x5oV7sm6ij+huX3YpGYeBUT+reXb7O3q1D5puHUFGUxN/ZLbsslcnQKFISThZLN fqTmlZwTzY3dDZVqtdHkvya4Xkr1KMn988KJBOeWWIpt9wgPx6unFzHbvIe4XR23C+IS+52U xO2ar7sNqTQaq8w0oO80FwFvo/HgpjcGtq8vCmPaydf/fBid/gjTBspHJg1a9oXF3OXYfmA/ /EOj5CcmSb4ocb+JvUVZ2S2UCzbqmCvqVK0itj1Nkoc3B13EXMjyu+hENBIS05Ga+wIeJm0F udbElMPPIZU8gPtgDRjN9MTd5JcIubEKvRUVULmmItbeTBG/5w02XcTtDF99BHGpcdhq2AuV hZO6k+ct5Egew65DXdRt3B0+EVlCxXwXTkpNxALAaed1JKck4cQCY1QRZN3ZeBNis3OQEzAP zWpWF06+dTFxzy0kpEVgpr785Gy8IogyoFDLVqh/eJrIJ/ennUB8ZhAMZUJtb4CzsXIpRPxx EE4OltDq2wUKhRVls942wrAtEyn+M1FfqDhbD9yMhMJpgLTbG9G5Vi00bW9UKNRpqCVUDG10 3fEis+Q82BmflTC3MIHSr0IlUUVeKfZ0Oioc9RlYPaCzKI3xvpFymR2binrCttqN8BKrY0m6 H9QUFNCwgw5Ovy7cdlwQZk9yxCDdPmjSoJa82lH8FWuDEt/LyZ1NY8TKuZ+zf9Frr0+7o7Ew 9G3bZzoi059gavdWQkVdDaomDjC3soHZCH00rFFNrO5Ox5ZsS/rdVWghHOhNNSYI1dfHL+id 8VkFc/OhJdrew/GgXKjjeotCHb1aPsUhlb6C58KpMBmqjQ4t5dWZTFo220PfW2/M7QOYamUH K1t72DrOx5EHse8tkxNxEW7mKqhetUrxXHqTzhjqvkHoH+mQ5IfD+bcW4mhCZai9vO0jC9ve VBkX36Yi0c9ZLrKhS4tHPULVv9a4jSi8iT6PxZfyMh5giZsLjAb1Q6vG8nn8qrWbYZZ/HCSC cEe1U0C9pko4WFgtZz09hyOB10RpS/P+gJVMqE164NDrPGSELELTKtXRuv/Com1KM25h9K8K qF2/o1BxZ0JydT4aVKmK5qrOeJKWLq++5xrjJ2G7atNPUwYUahkLdZ2h2MkNhc6WkHVNFGrT Dka4npCGyBPzhSqulig2pcFTsG7hTHSpWgvNe1khNDUdYVttxYNKedKR4iHls+PQai6so61h oVDlQ7Aug1fjZWZm0TB439SBqCYMr6vVaYkRziuxxNoE1YR19Rh3RC5UYWhfoXIN/H7klfiJ h/snoo6wH11stiNfGE1L43yholAbjTrqIiA+W9juARi0aSC2pYXyGCxbtQJDFBugRt3WWBOc /F5OjrkOlLd7dXHVkn1rLToJJ4O2fdwQmXYJgzoIlaAgXdn0QUWhMq8kHKi1FOqjVdeROPmm ZIWaE+8L9erCyaiTIQIT3q9Qk+Mziuac903XL2q76fgVWGwzDNWE9Xd3KilUs/V3RLnN0G4j 7mv9tupwXbAezr27CPtVGValCPXOdpuiofNPwjrG+z4puZ8psYiKixeqyTd4GHoSfmc8MN7R GG1r1pSPEBZcQW7WJQxo/4G2/zYC5+MykXBknPjd9xy5WawM/5z7lgu1JlyPRAoVZSBsezSW D7m7GmHusrWwbNcSFavVhfsFYUifdxmDhf7WvNuYUueEpcIJXibUek164mhMGp4dniD2pW5j fcQ+IPbt/AhM1G0l9tHVN5IgubYA9YV9/UVrHiLS5UINWDJSnLpQdztDGVCoX3YO9XVW9jvy Ow9H5Wbiwem09Qmycy9BXxiSNes8DLeTorHFtqd4MIzbGyEfrKYeQs+qwvtqLnianoG3Jyaj buUqaD9kB9IlcsFkh+5Ejzq10bTd4BJC7WSwoqhCzU89C+2mdVCjXhvsLhyOP9ktr3jUpp8T Kx25UKvD5fCLEkLtbOWNPGlBsVA76QsHYx4ebx0tViE604+IdyzkS19iQpv6qNWwI7zup72X k+D1I8S5SxW740WvxV9chObVqgtCnSlUqA8wvpMiqtdphc1hGcjLyXlnXrSUuUnpU0xUqo8K VWvDyuNC0ZSA7DaqQ5NH4tcu/THNNwL5kqvQa6Ygtn3XY3k+Inzkbe879VQJoVpvDEXOkxVi u3/Rn4GwNLm4vIf3Er8z54OR7+1H1NXNGKWuDQ1Nbejoj8WOkJLzvff3jkdtYX1dh3vg1Tt9 4ZnvTDQU5Nm6uxOepgpt76yIagotsCm09La/OOAk7nP34Z7vVKjFQp15PAqxAZPFUUBP642I y8kVv9dFqr+gUvX6WBokyE82R9paGGW07IdjMfK2FaQ+QXDQA2EUInyHkhBYdqgjVqiHhQo1 LXAeGgkjhl/0NhRdGC3IC4V1jzqorvALdr/MEStUmVB/1nBHeKFQLy4aIU4XUagU6hcS6j6o tKyDmkK1NtjWFmZW1jCzFIbx7eQVXdOORkLFlQVp0nHoKdYRhXon6RU2WMnn9kauuitWlf4z dMQzfTPtacLBnQ3Jax/0aKgAhYa/YtXTDEEqcdg+obt8mQ7GHxSqNPkENAShVqnVBOtvpYjD thka8nk9bfeL4oG3SrvTJwv1hiDUh5tHiBeqelrtFq+kR+51FK9c123eCzsfvi/UtJBlaF69 Opq00cUe2YEoVILLTNuKUm6jPBXPM1Jw2K67OL83aJZ8WiA74AjGjzaH85rTSMl7/77SP3Y4 oJ5wgqkgVPHKeqPFPI/SVhIEJh/SG84JhjQ3EDot5G1fcytVqOLuwF2rlfi+ltu5EnOoMqFm PVgkfr5FLzvcTs5E3s11UG9YRz5PeTTqH/eFpEe7oCJ8Z7KLRO1UR2OUlezquw16tWoi7kMH Yy8k52Zgv003se36bvK2514+Cmeh7eNXnxSH49GH/k6otTDz2AvEnHMR+0I7g6XiiTzR3w0d hUpYJupVsmkYYSSy1FReXdqsvS6vsFeaoHbtRjCdcxCvM5/CsVM9cQ7VN1IYhaQEYpQwaqha qynmXHwmX36rPepVrYKftRYJ/SsTOZdnU6gUahkLVTiIujcu/T7UBi1UMPew/MDMeXkAajVr CxWDOgLjU/HIdzIUq1UTD76GjZugYc0aqCBUHIptdHA2Okccvm6fpCkeWBWq1Uazlh3RrnkL KNSugWbtZNMGiUg57iJ25lbCEOz5nzfLCwfeVjtVcWhasVotNGqsiHrV5bcWtR22G1mSFCxT bSUK0qFwDvXeHkex2mlturFQqLvE6Yf6Lfrgwtsc5D3YAlXhZCBbR52GTaBYR0EcVleq3hDz zr4ppaTMwLYpvVFJOOAr1qyHRj83hkLNauLnW/1qgdDUNGTG7hBOMPXEoXO9Ro1Qu0plcX7Q xjOo6Pankld8UrFtnh7qFrbl3Xs8u+k6IywxT8zZNoe+xW1vUtz2NkO3ius9OF5+QUh2UUoi uQen7oryuUeFBlBsUF/cD/EugOU3UPCPe4MUF9aboVnhfPi7odhCDevuy3OV8XoHBjWuX7Lt lWVtvyaOAKJ8rMTPtDdcg+isrKL2L9NVFE8GLvsjxbskhvxSt/B+Z0Uo1quLGuJ6qsFp91Px I2+ueEC5VR1UFE5E9YXtyO6ykF20stt8A6k5DzC6uTCSqdMa20LlV/nDfaegRZ2a4vfQsKGw vLC+hi37Ym2w/AJdymlXVBXy3Up5vHinhjiHOstI3Ifek3nfKoX6BZC+vorptoOgraNbHAMM MMJpPY6/cytJXkII5owcAEPbNbiXIr8qfW7PQmj3V0dfAxt4Hr+O/cssMdBwCk69KJ6XvOo1 C3o6GjC390bghVPQbqmA5p2G44+kZGTe8sZQLV3YCxVHXE7OO0PkSKx0s0M/NTXojluOMxfP wN16EEzsfBGbnYyTbvbQ0RuFTTfeyoey171gKqzHXKgOxTlUoVpxNRoAA8cluFO4r2HXvTFM VwMqfQdiqncAruydKaxjBNafeVpqXiT5z7B/uQW0VVShNX4Gtp7YiQlDBsDUcW/RfG/yrUOY N9oQKsqq6D94NLYGvPhItrPwKHgZzG30ivK8xHNfiYpWKn2Ble6FbXdchtOXCttuu1toezaO TFAWRWa1Sf6bUikvz8NpjAFUVPvCYslhBJ/2hIn2QExZdUWU2z8nBxG3VsHKrnAfdfUweu4y BLws+csMybf9MH/MYLHt/QaPgtel4t9+irvuCUNtXYxbfOyd+5KzcGyhuZDz0fC6Jr+fNTr0 ACyGaENFRR3jPM7i+uFF0NMdjPm7bhetK/HZQbg4a0O5j5DjkVbYeFK+nQLh+1ltqwt909m4 9Lr4ImC4vy/sBg9Gb2H5gePn4tK94r6YcXc3Rg4YAMtpe4qmt+7tX4yBOnqYsDeEMqBQv10y Hh3DZLPhsLCfg5Dn8g7/5qy7eF9qK6FyeZuTxyT9Y7KwWb+rfF774HOmg1CoPwo5r45Ar0M9 cThVsUpN1KtfH9WrVhN/U2ii710m6J+OJBKC4divoThFUrNhe/kvORBCof44FMSHwmOCC4w1 NdFPXQMDh82C18VwJuZfkPv2OtyGa0JroAGWbg9mQgiFSgghFCohhFCohBBCKFRCCKFQCSGE QiWEEAqVEEIIhUoIIRQqIYRQqIQQQihUQgihUAkhhEIlhBAKlRBCCIVKCCEUKiGEUKiEEEIo VEIIoVAJIYRC/QI8ehKG3T57sWXbNgaDwSgR23ftQnDIDQr1UzG3skEfVTVYWNsyGAxGiRhk aAQ1dQ0K9Z8I1e+oH8cXhJD3iIqKxMBBhhTqpyI7C+3cs4s9hxDyHjdv3yxfQg0/sQpzlx5E Ym4upLGXMMvGWpTguGlb8Dgtm0IlhFCon0L0pZXo16o9pvreRmLWFbgam2D8vC3iZPGquY6w tJyNoMScz9qGneM4ceKZEELKtVAP/a4JDeMtkBQU4N7WUVAZ7YYEoVKVIcl/AkdNdTjvDv3o ehIT47HOw6PU6N1HFfsPHmDPIYSUb6FeWz0SWhYLkSRINMrHCYZTNiJdkie+l58fiYn6OrDd dPej64mJiYa903ixGv1rtGvfAYeP8KIUIaScCzUv9QbGaanB0HQVzoUchWn/rnBcdQK3796G 35qJGDBqJq7Gp3zWNhzGOWP7zh3sOYSQ8i1UGdLkeJxcOwU6hkOgo6EGVQ1d6OoNgvUKPySk 5332+nlRihDywwi1rKFQCSEUKoVKCKFQKVRCCIVKoRJCKFQKlUIlhFCoFCohhEKlUAkhFCqF SgghFCqFSgihUClUQgiFSqESQihUCpVCJYRQqBQqIYRCpVAJIRQqhUoIoVApVAqVEEKhUqiE EAqVQiWEUKjfnlBvbJ+FqQv8xIf0yYi+6AFDA0OxgWMcNiEsNZ1CJYRQqJ/CAWcN9NBbJj46 OvbkXAwZOQk7Ll1F4NXLOLV7HkYNscepN9mftQ0+pI98DmlpqWJ/ZHzdCPkjmEL9GEdd9aEx 3Ev8/zZzZZhO8S96T3yMtJ427Dd//DHScXExcJ40udTo2KkLDvkd/uLJOHv2DKbMmYMJs93x O+OrhCz30+bOwZ27t8us018KuIj//PQT4ytHxYqVsNnLi0L9Ow79roVu2gvw/O0beIxRxugZ /igoEupzOA/oD0fvBx9dT0LCWyxdsaLU6NmrNw4cOvjFk2Eyagx0qipibuNemKbYjfEVYkHT 3uhStQ5mL19a5kL9STigGV8v/vNTBXT5rSuF+ncEbZ4MlW59oNS1LSpVqIiWapPwOC0XBanh 2LXGBuqaY3HyZc5nbcPeaXyZDPlH29phx89aSNWYjlS1iYyvEVoz4dqoK+asW1lmnd7/2AE0 7GECrRX3ob7wNuMrRP8ld9HV+TT6autTqJ9C3L2DmDzGBtbOyxGclA/py3P4ffIk7HuQ+s1e lBpja491Lfshpe8EvFR1ZHyFkEl1fIMumLtuVdkJ9agvFPvZYtjWpzDwfMT4CmG08TFU3G5A TYdC/epQqBTqZwn1yD406muFIVvCobc2lPEVwsAjDL2nB1GoFCqDQmVQqBQqhUqhUqgUKoVK oVKoFCqFSqFSqAwKlUGhUqiUG4XKoFApVAqVQqVQKVQKlUJlUKgUKoVKoTIoVAaFSqFSqBQq 5UahUqgUKoVKoVKoFCqFyqBQGRQqhcqgUBkUKoVKoVKoFCqFSqFSqBQqhUqhUqgUKoNCZVCo FCqFSqEyKFQKlUKlUClUCrWcCTXl9TOEhYbh/u2gosfFXrl+BJNNNGE7x0f4ORiR8RnfpFDl z5TS5jOlvvIzpaaW9TOlKFQK9XsR6t2dE6BQpTJaKA/GsOHDMGiwEfQNtdGidg00bKcKAyM7 eF2I+KxtlNVD+sztHDCiblus66iLZe01GV8hNnYaCI0aTbBo3Zoy6/TnDvtAsZ8Dhu+OFJ9t xPjfh4lXOFTdg6HKh/R9hNxI7PCwhbqGE7yvxYovFRQkYdbALrBZcfeTVxP9+iVMTEeUGq1+ bg2/o35fXqhWNnxe+jcS6z08yqzTXzh3CpXrNEEjVUs0UBrO+ArRUHk06nXWgXJfdQr1U3jg swwDu3eA3erzSMpNxhLD32CxMOiTP5+WlipKs7TQ1B6AfQf2ffF9dp3hhkaNFBlfOYxNhuPt 29gy6/Tp6em4fvkiAk8fQeCZo4yvEn64duEEwsIeUqif3HGDt2G4bndoWU6AUbefYbck+Ius 18bBEdt3ffk51IICKfLz87/r+JPy0AZCKNS/IE2/hwUOA6BQuQpsPe5+kXWW1UWp8oDPPl9c DgxgIso5YY9DsXrdOibiRxOqvPTLxOM/biAiIZNCLWMsbeywfNUqJqKcc9b/LLR1dJmIH1Ko XxgK9cM4jHPGujK8oEO+Dc5fPA9DI2MmgkKlUMsSR+cJFOoPwMWACxhsbMJEUKgUalkSExON xMR4JqKck5WZgZcvI5kICpVCJYRQqBTqd4CXtzfOnDvDRJRzHoY9wNIVK5gICpVCLUt4lf/H gFf5KVQK9X+A7Cr/2vXrmYhyjuwqvwGv8lOoFGrZMv73SfDcuJGJKOdcCriIocNNmQgKlUIt S+IT4pCSksxElHOys7PwJjaGiaBQKVRCCIVKoX4HbNi8GSdOHmciyjn3H97D/EWLmQgKlUIt S6xs7XmV/wdAvMqvO5CJoFAp1LJE9jQDXuUv//AqP4VKof4P+H2KqzjsJ+WbgMuXYDpqDBNB oVKoZUlyShLS09OYiHJOXm4uEhLeMhEUKoVKCKFQ/zXSrDg8jXiC59GJFGoZI/vTfWXxAEPy bXHn3m24zZnLRPwIQs17FYhd3tuw73IosiQJ2DBpDDR1dDFA3wybTj1EZr6EQi0jrO0csHLN GiainHPuvD909PSZiPIu1NQnJ+FkooxB1g4wszWDqYkp3L3vi+9lPt+JIX204Xkn4bOlURYP 6SsPyP7AtMcGTyainCN7bhj/Yv8PINRTM3WhNXID8qQFyI/zhnbHvtj+OEM+9JfGYfbQgTBb /fGnn0ZFRYqPiy4tmjRpiqPHj32XX7bsZuwPtetLRJs27dC5y3/LdBuyeBB6n0fu3xB49XKZ 5r+nkjJatGhV5t/z9/h3IcqVUC8tGAolnUV4mSl/IF9KQgSi32SJ/8+XXIep0BFmHH/18WmD 3FyEPnpYagwxGYY9Pnu/ywPt9etXH2zXl4jnkc8Q8Sy8TLchC9nvkpMPk5aWWqb5D3/6RPyL /WX9PcfFxVCoX1Oo0phgTDccAJNpWxGenlP8+rOzmGg7AOYTfRCW9nnPXueQnxDyQwhVRsHb Ozhx4gricoovPhXEP8CR46cQk5372evnRSlCyA8j1LKGQiWEUKgUKiGEQqVQCSEUKoVKCKFQ KVQKlRBCoVKohBAKlUIlhFCoFCohhFCoFCohhEKlUAkhFCqFSgihUClUCpUQQqFSqIQQCpVC JYRQqBQqIYRCpVApVEIIhUqhEkIo1C+N5A2unj+FU2fOIiJD+s4buYh+/AhRCRkUahlx8vRJ +F/wZyIIhVoehFqQFIrlVtropmkKo2F6MBwxDftuxovvSfMfwlGpFyzXhHzWNqxs7SnUUpi7 YCGMTYbDwMgYXt7eTAihUL93oYbtcEDv/lYITpQ/9TRw42T07jMI6y6+Qr70JcYp9YTFJwi1 oECK+IS4UmPEGDNBqLvZc95h9rz5WLJ8RdHP4yZMxJZt25gYQqF+z0I9PE0PIyfsQ560oOi1 p8cWYYDuIHgFX8VMjX6wWvvHR9cTFRUJDU1t9C8lGjdugqPHj7HnvEMflb54Ev6o6Oe9+3xh YjqCiSEU6vcs1Md7nKCi6YxbySXnSSMC3KDWrTM6N24N+w23PmlduTnZpcYYCytWqH9BVp3K hvx/Mna8C3b77GViCIX6PQu1IDUcHnaG0LCciMC4vHfeyUOQpxNaVquLcVvuftY2LG3sOIda CstXrhQ7ko6ePnyECpUQCvU7F6ooVWks7t2/i4Qc6XvvxYc/Q2xy9metn1f5P0zg1csIDrnB RBAKtbwItayhUAkhFCqFSgihUClUQgiFSqESQihUCpVCJYRQqBQqIYRCpVAJIRQqhUoIIRQq hUoIoVApVEIIhUqhEkIoVAqVQiWEUKgUKiGEQqVQCSEUKoVKCKFQKVQKlRBCoVKohBAKlUIt F2RnZ2HV2rXw3LiRySAUKoX6adjYj8X2XRTqu8geXvj7FFc4ufwOK1t7LF66jEkhFOr3LtTb exegb/t26PRbX2gP1BUfBf1uaA0YA0//p59UbcmejVRaDDI0Eh+TTIpxdJ6AzV5eRT9PnemG JcuWMzGEQv2ehZqTFovtLnpo1loH2x9F4s3rV4h+/bI4oqORmpX70fW8fBkpJkVP3+C9aNa8 BY4cO8Ke8w6qaup4GPag6GfZI6RNR41hYgiF+t0P+QtSsWhkV2hO3IuUvLwvP+R3cOSQ/y/I 8jFxylRIJHl4LZzEZNMi5877MzGEQv3uhSqQGX0HgbceIis//4uvmxelSmfnnt3oXzi1EnD5 EhNCKNTyItSyhEL9MHFxMYhPiGMiCIVKoVKohBAKlUIlhFCoFCohhEKlUNlzCCEUKoVKCKFQ KVRCCIVKoRJCKFQKlUIlhFCoFCohhEKlUAkhFCqFSgihUClUCpUQQqFSqIQQCpVCJYRQqBQq hUoIoVApVEIIhUqhEkIo1K8k1CycXDNVfKTxu+G+5AxSv8AzpihUQsgPIdS8J0dgYaoGQzt3 rFq7tkTMGDkY/exnIPBN7mdtw3asEx/SRwgp/0INXDkc6kaTEZqa+d57UkkQTPuqwGX344+u JzklSXzoXGmhpq6B/Qf3s+cQQsq3UE/OMoCxww5k50vfF6o0Bm6GurDxvP3R9cgehWxuZQMz K+v3ok2bdjh8xI89hxBSvoWaeHEJVHp1xGzfO3ga8aREBGx2Rod+Btj9IO2ztuEwzhnbd+5g zyGElG+hAhK8ifCFs/ZAaGoPKBGmv3siJD4eBZ+5BV6UIoT8IEIteyhUQgiF+oWQza0e8jvM nkMIeQ/Z9KK+wWAK9VMxHW2GUeYW2LhlM+Mvscdnr3hLGXNRvsPL2xs++3yZi1LCdYYb+qiq UaifyrETx8ULUzYOjoy/RNt27aHUuw9zUc5DT98ATZo0ZS5KCTvHcdjs5UWhks9n8rTp/KWH H4A7927DdNQYJuIbg0ItZzg6T8A6Dw8mopxzMeACBhubMBEUKqFQCYVKoRIKlVCohEL9cRg7 3oVC/WGEOpSJoFBJWSK7wrl63Tomopzjf8H/q91rSSjUH4aIZ+GIiYlmIso5sr/GFvroIRNB oRJCCIVKCCGEQiWEEAqVEEIoVEIIoVAJIYRQqIQQQqESQgiFSsoGCRKiwvE8LvmDS6S8uo/7 954jRyr94DIxoSEIi4j/2y3l5yUj6mkE0iQFTPtXJjUmFMHXA3DuvH9xXLiIyPRsxD++idCn cf/qeWx5WXF4Ef4CmflSJplC/fGQPW57wRA1GLidhqSg9EPo8Zk1WLXiGBJycz90GOHShtnY 7HMX+X9zFKZEboTxbzo4+CKHif/KbLT9FQ3b9YahkXFRDB5mAb+otwjxXoCNe259sD/8HZGX 3WHQexQC4rOZZAr1BxXqYFUMmnEKeYUVaEFuJpKSU/72gMpOTxKWSUau9EPLZAvvJyI1Pavo laRnnjDqokWhfgMsNesGQ/dTn7x8VlISUjIy/zLkyBS/44zsvGKhBrhBX2kELr3NYpIp1B+1 Qu2HoYsu4OmdTbDUHwSLkQ5QU1eBrvVChKWm48Gu8bB32ITXWULVUZCJqxvGoaeyOvr1V4Py iLm4F5uI49NHwnXZFbFCzU4Nx9LftdFPXQO9fv0VrjvvC0NACVKfb2CF+o2w3KIHBk0r7eGT EhycaorJC66JPx2YYorhpg4Yrq4D5f92wqRtN8XvMi0hGDOs+orfcffuPbH45CvxBPzqCitU CpVCxdClF/D45iL8Uq0hZp54gbTUEIz57Rc47ArB5Q1mGGSwGDHZ2Yg9OR3dO6hhw823SMt8 gS3TpsA76D68LfrCbLK/uM79zgYwnrEbuRIJov0molMnbRyLyUF+NIf83wrLBKEazT5T6vTN VnNVjJ4g/y43GPfAz50tcDU+GZH7nNG+gyaOvo7FFgttWKw+h7y8fNz2HIXOfSxxKykNyUGz KFQKlUIduuQiHl6ZAz1VB9xMShcPrE3CgWW76AzOb7KHybA1SM3Lw0HnvtAy80aaJO/dtWCL WT9YT78oVqhPzl3C7dBoJEVfw0xzZdRr0gm+gkSlbzZRqN8Im8Q5VCUYGBkXxcL9t8T3dtv1 h+XkC/LlRvaF9dyr8to12RfGHXtgy8N0PDp5CfefxyMp7DRsdTujcacBuBKfjtRgVqgUKoUq CvVB4BwM6TdWEGqGKNSd1toYt/hsCaHushuAEVOOicO+YrLgZaEuCFV2EBYg6oQb1FVUoaFh CgfnUejxmzJ8n2dTqN8Qayy7oY/ZYgRcvlQU96MSxCH/DluNYqGO6AvHBUFyoWYehvl/+2Bn mCBUX2coKfWHVn9L2I8bgu7KRrgcn0GhUqgU6rtCNVKzxx+iUHPgbaUJpyXnRKEONVmNFEGo fr+rQWPUFlGuJSpUc3XYuAchPz8CNkrd4bLzoXjbTf6dZfitYzf4sEL99ob87idLHfLvsO1f QqgO8+TzqZLUAzDrroWdZ85geLdeWHDxjfgdJ5xyQeeegxDICpVCpVCjMWegEgzn++NegBv0 lCwQnCgX6pbRqrCZdwpn1llA32CReFHq7fl5UGrfG8suPcWbuNfwmj8BC09fgre5KsxcA4X1 RcJRpTscPEPw9u1r7LDsh0rV62FFcDJyYz0xqF1f7HvOg+1rs2hEZ+hMPFCqULeaqWCk8znx J48hPWHlHlgoVF8M76CCrWcvwLxXT8zwi0RcfBiWC0P+Wood4fsqVxDqDGj/ZowLb/kdU6g/ IAUFCdjkMgbO264j4tYGuJjPw8PULPHAOupuhflbr+HG/jmY4LJVvCgle/32rilQVVVHPw0t aDosx/24tzg52xLua26I63x5Yjb6C0N+dU19TF/pA3ez/rBbfAYvU8/C1cQe517nMvFfGe+Z xnBYfbaUdyQ4OtsCM5fLh/n7p4zC3I23xf/nZ5zDjCFjcDwqB499XNC7d39oaA3H/A17McFI FZO8QxD1dCdcRs4QRjkchVCo5B+QD4lE8ne170feJ+WjD/A3oihUQgihUAkhhFCohBBCoRJC CIVKCCEUKiGEEAqVEEIoVEIIoVAJIYRCJYQQ8m/5f16qKf8Abet7AAAAAElFTkSuQmCC Pre y post test a niños de educación inicial 13 Vol. 3 - 2023 Se visualiza en el diagrama que los resultados del pre y post test de la noción seriación varían. En el pre test exis- ten dos valores atípicos que se encuentran bajo el valor de la media en un rango de 0 a 5 puntos. Se obtiene 1 punto como la nota mínima y 5 puntos es la nota máxima y la puntuación Media obtenida del grupo de niños evaluados es de 3,34 puntos; mientras que la puntuación del post test se determina 3 puntos es la nota mínima y 5 puntos es la nota máxima y la puntuación Media es de 4,61 puntos. Figura 4 Histograma de la Noción seriación Nota. Comparación de resultados del pre y post test a niños de educación inicial En el Test de Wilcoxon el Valor-p es 0,00047 y se mani- fiesta con dos hipótesis. La hipótesis nula (H_0): El puntaje de la evaluación inicial es igual que el puntaje de la eva- luación final; mientras que la hipótesis alterna (H_1): El puntaje de la evaluación inicial es menor que el puntaje de la evaluación final. En el gráfico se visualiza que el Valor -p es menor que el nivel de significancia, por lo cual rechazó la hipótesis nula y acepto la hipótesis alternativa, lo que significa que las calificaciones obtenidas en la evaluación inicial son menores a las obtenidas en la evaluación final con un tamaño del efecto grande. Figura 5 Resultado total de evaluación de la Noción Clasificación y Seriación Nota. Resultado total del Pre y post test a niños de educa- ción inicial Se visualiza en el diagrama que los resultados del pre y post test varían. La puntuación total de la evaluación tan- to de la noción clasificación y seriación es de 10 puntos, donde el pre test muestra valores atípicos y una Media de intervalo de 7,56 puntos obtenidos mientras que el post test muestra un valor atípico y alcanza una Media de 9,20 pun- tos. Figura 6 Resultado total de evaluación de la Noción Clasificación y Seriación Nota. Resultado total del Pre y post test a niños de educa- ción inicial En el test de Wilcoxon el Valor-p es 1.79e-15y se mani- fiesta con dos hipótesis. La hipótesis nula (H_0): El puntaje de la evaluación inicial es igual que el puntaje de la eva- luación final; mientras que la hipótesis alterna (H_1): El puntaje de la evaluación inicial es menor que el puntaje de la evaluación final. En el gráfico se visualiza que el Valor -p es menor que el nivel de significancia, por lo cual rechazo la hipótesis nula y acepto la hipótesis alternativa. Por lo tanto, hay un valor significativo al obtener los resultados del pre test con un 80% de asertividad mientras que en el post test es del 90% de asertividad lo que significa que las calificaciones obtenidas en la evaluación inicial son meno- res a las obtenidas en la evaluación final. Por lo tanto, el tamaño de impacto al integrar estas actividades interactivas mediante el curso virtual es de 20% de asertividad con un efecto positivo en la adquisición de nociones de clasifica- ción y seriación. De los resultados obtenidos del curso virtual aplicado en la plataforma Moodle Academy y junto al análisis con el Test de Wilcoxon se establece la interacción formida- le de los participantes al realizar actividades de nociones básicas de clasificación y seriación, estas actividades con- sisten en la discriminación y el orden sistémico de acuerdo a un criterio, patrón, por atributos, figura, color, tamaño, composición y objetos con pertenencia a conjuntos como lo plantea Bruno et al., (2006) (citado por Hidalgo, 2018). El curso virtual mantuvo su enfoque según las destrezas del Currículo de Educación Inicial (2014) que plantea “el niño iVBORw0KGgoAAAANSUhEUgAAAVQAAADwCAYAAABfaJz5AAApq0lEQVR42u2dd1gTad+233/e Z/vjNnV33XVd+9r7KhZQbKigIL0K0gREFLGhYu+9ggXFAtgLKBbEhr1gQVBpgoDSe0tIrm9I VtR3+VZYwkrgOo/jd2hIZibJXDnnvu9J5v4fEEIIUQj/w7eAEEIoVEIIoVAJIYRCJYQQQqES QgiFSgghFCohhFCohBBCKFRCCKFQCSGEQiWEEEKhEkIIhUoIIRQqIYRQqIQQQihUQgihUAkh hEIlhBAKlRBCCIVK/iQv6RYOHfTD+bBUvhmEOaVQPz4xt/3hNs0UeoZGMDKZgdUHbiBbJKrW OlPu7IGx+nBYrzyLolJJtdaVG3cajiOHwXCWP1KLS8r/LhFFwLFzI3z9Uwesv5wMKXclc8qc UqgfDwnu+k5Hq+++xv/+5z/l9Z9PP4ea+QHE5Rf94zWn3fGG3oCBGLf0DApKxdU7useehv2Q gRg7zQ8p7wY15xKcbGzh/yiHu5I5ZU4p1I+LVJoGt8GN8clnX0F35kbs3bsb2xZNQrfvv5EF dnpgwtsjeeg+mGv0xx+9VWDg4IPr6W9CXIhj6+wxUssGK7d4QH9YH4w098LFCycxxcQErlsv QiQpOyYX45TXLIzs31dYR1+M1p+I/fdevfd8kh/7wt56kOz+ofbO2BceL99CQghmmxvDbulx pJfIWyTSonjsXzYXI4ZqYNCIUZi+4xBeFBSX37fBTR+aRjOx/9gujBs2AP3VR2Ha3kvIEom5 45lT5pRCrZmgTh8qBPXL7+C04bIQAvlR9UXgahgY6GL16eey28+CXNH2ywZo2kYVQ4YNw2/f foMfe2njXEqBLKhL9FrJgv1Vo5bo1V8NulN34dyBGfj6s8/RVneXrIsTPHeU7DGt+g7BsBEj 0FJobTRq2hv+cfLARwUuQpsfvkGDZi3Qd4AKvhGW/W+jVth6LxPF0Z749YsGaNlvMuILCiAt jsUsjQ6yFkrbPoPRt3tr/OeTT9DTZA1eFoohKXkIs27fybb3TfPOGDxoEJo1/Fr2gZy4+y53 PHPKnFKoNdOVun/IHR0bfysP2g+/oVP3PzBu8V7cz5IfIUsl8ZjW/Qd8+V0zbAxKQnZOBs4u 1ccnQjBGT78oe8x6i06y5U3XhJWvOT5gFhp9/iW6mO2VdaVirh/F1p07Efj4Mnaun4A2P30r C9qkgy+ET0w+3If/gM/+2xjLH6TIlr/sYQYNU0cEx2cg75k3Ojf4Bi2GLhK6UsV45C3f/iDb A/JxL2H5tebthbB+iin7YmTP2b5vY/znsy8w88RL2frCd1nhU+H+brY+EEs52sqcMqcUag0h Tg3B4sWmGDV6AFr82kge2p9aY+6tRIjzAtCvyfdCqD7FJ0LJxq6EkJT920VnPfLFYmwZ1x6f fPENVl55Xb7OuMA55UEtlkjw9Oxq9O3YDJ82aIhuvVXR9ZcfhSPxl5jgGwOx+DEMWnyHXzvp 4VZm6V+eX+Z9T3QqC+rwZUgvzoeXXid88vlXmBOU/LYbdsQJ/xGe0xCXIygtTcMEIajfNG6P w4nyrteLCwvRWHg+HS23/dm1I8wpc0qhKpDCGD9ot+8CLZdtyCx5M4hejOCVjvhe6Mq0Gbwa iXkXMfSH79CweR9sDDyPk4EBOHf1Gu6F3UP48wThKJuHNebyoC678PIvQe1ueRgi8T2M/Pk7 fNOkE1afe4JcIdwnHYbhf4UjsfOxlxCXRsKk9Xf4+XdNXE3/83mI85CeUSj7b86Dre8EtQA+ Zl3eO6rLguhvLXx4PoGGWyDEklQhqI2EoHaAX5x8vCru/HxZUDuN30mhMqfMKYWqeES5V2Hw m3wMp/PQiZjsPhez5y2CXt8usr910vMWApyO1UN/xadffguPM/LB+dST/pjtMQ8H7yfJgr3G TB7UpRcS/xLUHuOPoiQ3AF2//QY/NO+PS6mFkCSegF6rH4Sj938xS7bOQiw3aC4bO5q6J1y2 /JUFOvi1ZU8sCXyI9AhfdPm6rCu1EK+LivHi+AR89dln6Ki1AjH5xUJPKhzOg5oIz+FrLDyd LBz5Y2HTp5HsyE+hMqfMKYX6rxETsgoDWnz/3tdRyuqXjrrY/SxN9pikx5sx+MeG+FQ42jb+ 4Qd8LnSpfmw9GLsi0mVBXaTTVHYU9zjz9kgcc2wqvvj0M7QZu1sIhtD9se4v6+p82uB7/NK0 GX75toFsO7rLrstOBqTd3gONTg3x+RdfolHjH2TdtrLWxqrLich+sg1Nv/gvWqo440VBPiDN hZfTUHzx+Rf48rsf0ej7r/HpV99Bb+ZBWddOWhQG/Q7f4vMGTeATIz+ZEH1qOr4Unk9rwy0U KnPKnFKoNdgCyL4Ir+2z4TZzlqyW+B5CVN77X3LOexoMz1mumDBxEmZv3I3I7NLyrlfo4ZWY Nms5LsVllT8+69l5LJ02E6sO3UaptOxMbSp8vZbAedIkeOy5gOjwYCydORNbD4fJ7i+jNPMO Nm+eLNvG5DVbcCsmT76FlDvY6D4D83eGvPNFbjHuHt8DF+GxDsJ29lyJfvtkS1Jw1MsDM+Zs x6Mc+fPMir2IZcLjlh2/zR8AMKfMKYVKCCEUKiGEUKiEEEIoVEIIoVAJIYRCJYQQCpUQQgiF SgghFCohhFCohBBCKFRCCKFQCSGEQiWEEAqVEEJILReqOA93AzbA0dwaFuPfluW4adhz7SlE Eu4gUgtgTkmtF6q0AHumaaCfsRsOX7yHO/duv60zu6EzcgCcdtzjHiIfF+aUKINQReIbsO3b E9tuZlR4/zOviRhgtvWdOXMIYU4JhVohEkkiFut1h+H8o8gpv5r3m0bBc8ww6g+duUGc4ph8 VJhTohxdfoG0yPNYOHkcdA1MYWAslIk5jEzNYWzqAHevA3iQUsw9RD46zClRCqH+2QbA68QE vE5NQWpyAhIS4pCQnF3ppVNSkjHdfU6FtWrNGojFIu5lwpySui1UsTgMHkZm2HYlVXY7OyUU s12tYWRmARPzSdh6JFToYn24G5WVnYnde/dWWB06dpYFnxDmlNRpoZaILkCvVTu4H42HtPAy 7IYNx6LTT5GRkYb0rEisMhsJp423qjXT4RgdXUTHPOdeJswpqetCvQSTjl2xOiQF4uwt0Ogx ChdTi8rvD9/ujP4mm6p19nSU1hjExEZxLxPmlNRtoYrENzG+XVuoaDvAXK8/Gjduj0135WNS +Xnh8NBVh8Xyi9U68jOohDkl9UKoQlSRHPkQVy4fgovGQHTo0Rfu++4LfxfDf5UtzN1341We uFpbYFAJc0rqiVBrHgaVMKe1iwcPw2BkYQUTKzuhbBVaxpa2cJvlTqEyqIRCrR859d+9HT91 HIW+7jfwx9QrCqtebqHo7HgWzTqpAJKP9xU0CpUQ5vRf4+j+nfh1xCwY7IzC6C2RCisdz6cY uvIhOg8cLQj14/0MmEIlhDn994S6TxDq8GnQ3fYMIzc8UVhpbozA4KVh6KxGoTKohEKlUClU BpUQ5pRCpVAJYU4pVAqVQSXMKYVKoTKohFCoFCqDSghzSqFSqBQqYU4pVAqVQSUUKoVKoTKo hDCnFCqDSghzSqFSqAwqYU4pVAqVQSWEQqVQFUh+1AWsX7gQ8xYuKq8Fi3fgTkoJg0pqDcwp hVrrhXphsx3UtY0xf/VObPH0fFuLZ0FDWxvLTscwqOSjw5xSqLVeqGLxPTgN6Ir5gYkV3n9p mQUGjvdGjkjEoBIwpxQqhfp3QS19BrchneDs/biCeyXY7jwSQyceQEGpmEElYE4pVAr1AzwO XAkzIz1YO0/FxMmub8vBEeau7jgQllat9XO+c8KcUqj1RqhlSPNicS4gACcD5RV04SKu3IlE aSXn5c3OzsKBQwcqLJW+/ZGYlEAjEOaUQq3rQhWjML9I9r9ScQlEJfKKu74PmzwP4llGCjKy Cz+4llevk+E6bUaF1alTF9n9hDCnFGqdFmqpJB5rdVTQsHlnjLWaAFNzM+gbGmNgp5/xeYMf MMzQFLPXhSBf/M/HprR19djlJ8wphVo/uvyvbvnDQk8TxrabEJYtD+TDnRboO3QSnuTkV3v9 PClFmFMKtd4IVYYoFXvnWmKQ+nBsuB6OiH2OUB3mzKCS2gVzSqEqhVD/5NHZlRitqYEurX8S 3pQJeJTNoJLaB3NKoSqFUMuQ5j3BYmtN2M/fgVdFIgaV1EqYUwpVKYSqaChUwpxSqBQqg0oo VAqVQmVQCWFOKVQGlRDmlEKlUBlUwpxSqBQqg0oIhUqhMqiEMKcUKoVKCHNKoX4MoRbj9oE9 2LrdG3v37sJWTy947/dDwLlH1boQBINKFAtzSqEqgVDvHpyEvn104Dh+BJr3G425C1zRo8n3 0HQ9gzyxiEEltQLmlEKt9UKVStOxaERP2K5/BHHuSRhYbURacTGi/WbAwMlH9n8GlXxsmFMK VUlaqMXwslaDzbI7EJdGwqW/GQKScyGJ3o6xQ5fiWW4eg0pqRXefOaVQlaLLHx+8Cerq2jj4 MgOhO8fD0GQWnHT04bj5DMemSK2BOaVQleYsf/Tjs7iXVCB0rbIQvHMHdvleU5pxKQq1/sCc Uqi1VqhSqQSyecfemXysshOR/WMkpSgtfaekDCr5e5hTCrXWC1UiSYTPXA/4hT3Flc0e0Dc2 lc2fo2doJPzfBAZCTV0YiIwSxTzhgtfh8N0wHcba8m2Ul7YlFuw7i5c5YgaV/NVrzCmFqiwt 1OKCXJT8OfZUmJOO1PR0ZGVnIi0lGekFhQrbcNkZ2vVWKhjisB4PkrJl2yiv2CuwGaMCo+WX IGVQSQUwpxSqUo2h5qXcxgwHY2y6GCO7fcbLBaPtluJacoZCNiwShcK6Ty9438+u8P7YnS4Y YLIFmdVoZdS1oKamvELAhTPwPR+IA2cDKlX+5wJxTFgmKuppnfyAMqcUau0XqjQfXlZqMHY/ iWJJqXx8SpKDo25GUNHfjNdF1f9+n1SaiU02/TFi4jrhyJ8sm5f8TSVHnIPl6L4wW32VR/53 WOe1FZ2+/B6Tm/aAXZMulaqJTbtj8FdNYG5tU/c+ncwphaocLVQx9jurY6TTVuSI3p4tPTdn LHqPWYuEggLFdNsyouC7yg2G+ibQNzKGnrEZjM0tYWYzA9vO3RY+EJJqrX+Mjm6dmu98uddm TP+pO3KGzka26pRKVY76DPi2HA5zG7s6+PFkTilUJeny5zw/jzkOY6Cp74Bx420wzsoQZg7z EPQwpWa7tUmxiItPqvTjE5MS5M+vgvq9XXukpCTXmTCu2LYVzj92Ro6aKxIGOFaqslVd4NVi MGycJkIsEcNinBUsTMxhXsWa4jajVr4nzCmFqlRXm0p4+hhPIsPxJOKZ0K2SKHjzEoQeWYd1 m7bjfloG4gI2w0BoARiZGWPa4l2ITvvwG1NUVIjbd25VWAMHDUZCQhyFKgh1gstkJBZkoNN/ GyKkvQ5Oth9dqQrsMAa+zYege/M2EEmktfa9YU4p1Fot1FJRNDa4mMLMfgLG29oLZQcLS0tM XxqkoK+jiHBoqSW0TO2xfNVqWI3sjTF22xBXIJHdt8teEybzz1frQ6w1RqdOdaWqI1T7SZOF LnAGNH5ui+wBk5Gq5lypylSbhOje1hjSpXetFCpzSqEqgVALcWDqKPQZMhUXop/Ij/x/VnRC mkK+0CwSXYJh67ZYeyVNdvuGlzvmbbxUHsxHnk7ob7qVZ08VKNSXglCH/dwGWf2cK718kqoT nvSyxODOf9RCoTKnFKqSXG1qvkYvTNwcXmMbLtuGp7U2tGy34NHrnLedq1IRYp+dhL3GELhu u1etbVCodVuozCmFqjRd/gvLDdFltDMeZ9bcBSakpcnYNnc6tgY/fyfAmTi0aSqW+N5AdT++ FGpdb6EypxSqknT5Ly61Q6tWrTBIZxwMy37aZ2Qs+4mfmwJ/0lfTUKh1v8vPnFKoStFCFf05 AJWV8gqZ2RlIT32NjJxclBSXQKokO49CrfstVOaUQlWOr02JMnDBfy2Mhg2DzrSDeBJ5BHPn zUNYZonS7DwKte4LlTmlUJVCqFdWm2G04w6EHFyAfjoz8Tz3FQ44amKE1V5OLUGh1hqYUwpV CX7Ln4ulOr0wfX8MxDfXYqDRLLwoyEfmAVd0HzIbMfmcWoJCrQUwpxSq0sx6ut0RWrZrcMhz Ov4Y5YygWycxTr0tLNdcglgqZVAp1FoBc0qhKslPTyUID/aGo44eRmkbwNDQCB7ewTXwsz4G lUKtDswphaoEQs16lYCYF1GIiYtFYuILxMa/RFZOOtKSMmp+qgkGlUKtJMwphaoU30MN3jAf phaW5WWkNxy/Ne0Am8Vnq/UzOwaVQlUczCmFqmRXm3pD2S9D1jnowW57ML/fR6HWWphTClUp hFpGqv9kdBk0F1F5PHtKodZemFMKtZYJVYKkx7cRculCeQVfPApr1d7QmnIE+WIxg0qh1gKY UwpVScZQL29bDqfJbnByngibCY5wcHGF61JfxObzFygUam2BOaVQlajLL814jpe58qN8bvwD RGaLlWrnUaj1o8vPnFKotV6oEec2YLS2NrxvxcluX/adA/XhRlgV8JBBpVBrDcwphaoUPz1d pdcTtqvD3vtz9GZbdBi0QOhO5TOoFGotaJoypxSqslxgepUR+mlZIfBRomzGxpdJd7DIZDDG TDyowOtMihB+fhumWE+Atd3bsrWZjQN34xhUCvWDMKcUqlIIVVqUhvM+82BkMB6m5hYwMDHB /B1nkV5YqqBNF+LAbC30M3DG3lNXcfnqpfK6dNgTWiPV4OLzgEGlUP++kcqcUqjK9D3UzORE 5IiED5K4SKFflBaJb8Cub09svpZe8djYVieomnly8jMKtVIwpxRq7W6hpkZg55o50Bk4AGrW OxD29BBcHOxwKjJTIRuWSF5ivnZXmCw9jaLS9y9kIRXu8zBThdasU9X6EFOo9aCFypxSqMrw xf5ADx3oTD2K8OA1GKg3HTF52QiZpQ81/S1IKixSyMaT7h/HbEcz6JuMg7HQXTMyk5exqR2m btiFm4kF1Vq/tq5enZrvnEJlTilUJT3Lv0KvN1x3P4f41noMNpmDxMJCJPjYo+fI+bKL+CqS xLhoxCXEIzExDlHPI/EsNrnSy6amvsa8hYsqrK7deiBZ6ApSqHX3LD9zSqEqRZc/+shc6FjN w3oPG3RUs8AO/03Q7Pc7pviEKWyMqjg1DAudjWA0zhKWTq44/iS7/L67O+fBYc6hD45NZWSk YYunZ4XV648+SEp6SaHW4S4/c0qhKs1JqbSHRzDd0g6WtvawGm+HTYEPFLZhqTQLm6wHYYyL N6JeJeBBwEZoqY/CLO9LsvvPz9JB91Gr8Lron3fbxujosstfD05KMacUai0Xqgj+i2ywJiC6 xjYsEl+Hbd8e2Hb77cmD/PjLmKg/GJO9z+D0cmuo628SgvrPJ1rjSam6LlTmlEJVijHUfByd PBoaFrsQlZeFvLzc8iosUsxMklJpOlaZDILZ/NPIEYne/j3zAVythqJ1s1/xh86Was1cSaHW 9TFU5pRCVYoWajFCVkxCl279MNLIGHqGRuXlujBQYb9AyY27hqmmI+Dhf+e98a6SpDBM1R4E Q2c/ZL8TYgqVQmVOKVTlEmoFM0VKRCUQlchLXAPXmCwtrZkJ1SjUOixU5pRCre1CFZc+w2J9 HWw5J/86iCgnFmEPHiJXLFHKnUeh1k2hMqcUqlIIVSR+ABeV7lhyNF52OylkPoYM08XlNDGD SqHWGqEyp4rDc/s2GFqMh5GlLYzG2SiuhPUZmo+Hr59vPW6hih/CTU0Fy04kyG4nX1oi7Gxj XE1nUCnUWtRCZU4VxhjtsWiuvQEqs26gl1uowkrF/QZ+Gz4f463G1+8WqptaX2wKfiUP7oN1 0NGzwpOcPAaVQq1VLVTmVDGYmFmgu8sF6G5/jtFbIhVW+sL6OtoehZOjY30eQ32CSd3bYbjV UixZvgIzrDXQvEVb2M5fLbtdVtv8biBPLGJQKdSPOIbKnCpSqF2dg6Dt+VShgtMR1tfB+kD9 FiqkBXh05ji2e23Cxs2bsclrJ7x9dmPLZvntstp/7A5nk6RQPy7MKYWqrNdDVWYo1PpzPVTm lEKlUClUCpVQqBQqg0qhEgqVQqVQKVQKlTmlUClUCpVCZU4pVAqVQqVQCYVKoTKoFCqFSqFS qBQqhUqhMqcUan0UqgjxT8MR8fTJ23qWQKFSqLWMuplTCrUOCfVV2HHMmWoFQz0r2fS8b8pk jAlsF27G9YR8CpVC/ejU5ZxSqHVEqBLJSyzQ7gbdeSf+crVziSQJ883VoDUzoFofYgqVQmVO KdR6IVSx+Cbs+vbElpsZFd4fvsURqmaeH5yel0KlUJlTCpVdfhTCz10Tg02m4EDIZVy8FFJe Ice2Q2e0Oibvqd50wBQqhcqcUqj1ZgxVOP7j7pENcLB1gI3927KfshJnolIrvZbS0tIKa6Tm aAqVQmVOKdT6ItTqk5AQ995sl+9W27btkJr6mkKlUJlTCrXuC7WkqEh+5C7OR3Z21l+qsOjD FwiWSiXIys6ssEaM1EJsXAyFSqEypxRq3RZqqSQe2+x00ernlhiobQZDo78euWevC6nWRYI1 R2uzy0+hMqcUav1ooRal3cXs4b2hZrsaUTlFEItF71V150HnSSkKlTmlUOvVGKok8zwsTPWw 5362wtdNoVKozCmFWq+EWpNQqBQqc0qhUqgUKoVKoVKoFCqDSqESCpVCZVD/Bc4Fn8fyTRux ZOP6StfKzRtxNfQyhcqcUqgUKoX6LiNGjIJ5gxZY3qw/FjTt88Fa8dsA6H7VFAZC6ClU5pRC pVAp1HfQ1zfEmY46yBk0TRDdlA9Wjvp07G81HOPsJlCozCmFSqFSqP9XqIfbjkK62qQqyZBC rT9CvX3rOnoMGAIVLTOoaJootHqPMoKWrqGwFSmFSqFSqBRq3c9p4KE9aNLTEMNXP8KgxfcU VupCDZhzE790UUVpQRaFSqFSqBRq3c9p0NH9+HmwE/R2PJdJQmG1KQLDVj1C236aFCqFSqFS qPVIqOqOGLv9uUKFM0qoYSseCEIdRaFSqBQqhUqhUqgUKoVKoRIKlUKlUClUCpVCpVApVAqV QqVQKVQKlUKlUClUCpVCpVApVEKhUqgUaqWRSrFluyfmrVpR6fJYtRJL1qwuny+IQiUUKoVK oQqk52ejTcMfsbRJb9nFTZb/2u+DtaXFIHT+8nvsPLifQiUUKoVa94RaKq1avSG5IBODW3dC toqTTGiVurjJYHfY/9QJ24/6UaiEQqVQ605Qr9+6AZUuPaHdeyC0eqtVqkb/oYohA4egqLgI WSUFGNSqI+L62CFRkExlZFQmPsvG7bHjiD+FSihUCrXmib/pC3cnFzgKH/g35eyyFKciUxQa 1H2njkGzQVOk9bLHk56WH6wIoZ51M4PKj82RmJeBHBGFWp+F+m/llEKlUP8hIhxbrI/+erbw 9AvCiYCTb2vXaowcqY7pfk+qtQWtMTqIjnku+//e08dh0eh35KjPRPaAyZWrvhMxrFl7JOak yVqo6i3aI7uPQ6WXL9uWbeMO8DrsK3sOuroGONNuNHIGTq3c8oPcsK/FEJjZ2MmWX+a5BW4/ dK3Sa3izDtuJzniRnw6Nn9oIf3et/HsgVFJPGwzu2LOeCvXfzenpQ3vwy5DJMNwbK5OSImvk 2sdoXSZUoYHwBiNTc/SYchn63lEK3ZbBrmh0sjsJB/sJ773WI3u34deRsxX++sZ6PcXwlQ/R sb4KVSy+Dft+3bH2UsVH+Acb7aFmvg3ZItHfricp6SVs7B0qrA4dOyMlJVn2uIDgILT5uiEs f+0G4186VapMfu6Idr/8huz8XEEmYnT8rRWMmnSo9PKWzbrh968bwf/4EXkL1dAYQ75vBrOm XSq1vMWvXaH67S+wniA/ym/ZuQMd/9tItt7KPoc363Ca7Ipc4aDQ6vsfYf5L58q/B8Jjx/7Y Fj07dkV91Om/ndPzZwLQoGlHNB81Fc2GOiquhk3EL+r2aNmpl/Ci3grHzNIKjbuPxm8jXBS6 veYjXNGw01BMEnL3LieOHEKDZp3RQtNNsa9vuPD6BtmiQ49+wEdM6kcTamnpC8zV7Ixxay/+ 5T6pNB3Lxqtj5LTjKJZI/nY9hQX5uHgppMIKj3hc/riSokLcE25fDr+LK5WtJ/cQ/jyifB0R 0ZGyv1V2+bJt3Y14iCLhOb75UN2IfFDp51D2uJuRD5Ga8kq2fG5uDu5EPqrSa3izjrTU17J1 PHr6pGrvgVBXn9zHsz9bUPWNfzunZeP1kY/u4fGNEDy+dVGh9eTWZUQ/j3zveb16nYzIu9eE 7Sl2W2XPP/LedaSlv38gKiwqQOSDOzXz+u5cRkzU04+al486hhp/fT8mWxvB0MIGFuOt35aF HRwXb0RITA7PWJCPP37KnBJlOSkFUQYe3buNO+/U3Uex3DOklg2lMqdEGYRKCCEUKiGEEAqV EEIoVEIIoVAJIYRCJYQQQqESQgiFSgghFCohhFCohBBCKFRCCKFQawfSlCtYO2M/nuYWVHlZ UV44VtrrwmCcFXQNTLHtWlKV1/EscD1Mza1gZmwH7yvx//h1SF6eg9u0mbiYVFyl5QqSz2PW GAMYCa/BdJwlxi/cjdi8Un4yajOSLPitdIaxsM+snVbiZoboX9v006AVmLzEGynFNXfN0aL0 S5ijK2TS4s9MemxHZK5yZLJeCzXp7hHodWuBZq3H4EZ6ZtVELE3DYu2u6DrYBWeePcLRpcZo 2UkDnjfTKr2OuBNz0KeLFrzuhONh8CYMVtXAhltVvwK8VJqKdWPa4+tG7eAXU7UDQ8RuN6gM mILgl88RFfUUT+ISUFTKqU5qbwsgBz4TtDDQYCVuRTzCsYXj0d/QHfezal6qRa8CMLDp92ih 6oakwqIa207sQXf0UZmIoIQoREULmYyJR6FYOTJZb4Waf28fNDWHwMjEGL3VpglCrdol2Mqu hXnt9DFEpL45UhdilmoPGK64Wul1vLx/FmcuRZavz1rtd1h63a3ya3l0cA66t2yFFt0GYf+z /Cote3qlOTSneuPO4wd4EJVAYdV6oebidsAx3Hsh38+lj9agXWcV+D0vqOHt5mDrFFO0btUc fxjPRUJBYY1tKmTDeIyYtBU3w4VMPn/BLr9S9JoKM/AqMw/ie15QV3fDlbS8aq0v7/pqtGvW BsvOJ1Z52ehLezDJUA29dWbhYba4SstmPd8J0zGO2HloJ4YMVIH3k8q/DokkBYu0OqJdf11Y jreBmYU5lhw6j4wSdvlrvVeFA/DRncug2eV3mC45L/QqJDW6vbs+zjC23429m+3QX8cZsfkF Nfa6Vul1Q5s+WrASMmkuZHLBvlNIK2aXXykQh67DgIFuuJqW+4/XkXZpNbp0agejVWdRWFr1 Hf8y7Ax27t8KR2NDzNx2udITOJRkP8a88UZYfS0D4pKzGNRPBYcTRVUIbxbunAnB3ehseWtH fA2maoOwLIQt1drfIsjClYA92LZuFgz0nbD3QVqNbSrnjh+MTSbgZkYO0o/Yoa/+TKSX1NAY qtACv38uBDefyofgxOIw2KirYt5p5bj2LIV6dW21hHr7gCs6d+uGKXvvVvu5hG8yQ0d1F0Tk VO7of8fTCk2a9oTdHA9MtRmNX35qAp0pa3A/9Z+FvazFOm94f9iuukVhKU1TtQBzhneFnkdw jcykJJVmYJVhb7RRMcZ091kwHdoFP7bugZm7TyC1WFzzL0+aiZXaA2G56AqFqhRCvbIW/VVd hS5/VYVajFBPJ/wxYAh8nvyT4QIJQtZbw8LNp3w+ouB5hhhu7V3poGa+uIugc4E4fPgAfFZP RJuWLeHieQovKjlsIMm7hykGGth6Qz4Lpkh8G2YDNLD80kuKqrY2TCVRmG+qgUXH5b0Icelz OKqpwnXfoxraYgmiH4bg1OnjOHjoIBZYq6FFTw14X7+PXLHiu+HS4sdwNx1ZPimiuPQJbAcO w4Ig5RhLpVBD12CAmmuVW6iSlNMY2rIh2qhZYur0GXCa5AIH5xnwvxFX6XVkhh+Hg74a9Oxc hWWtYT91AS5E/7P5iSSx+zGgd28ciKvK2Vcpzu9zh47pWGH7LnCaaIul/keRWMgx1FqsVNw8 vABao9Rl+8ze1hgzNxxGXIH4X9l6uPc49Bk7Da+Limvs9V0+NA9jTbXlmXSyxaJ9h/CiQKIU e4ffQ81PxfNnCSio4tinND8d4Q9vIPTyeZw6FYjAUwEIPH0Gj+Or+PWrnKcIPn1KWPYUYvP/ eWikxRnC64hEZknV1/HywWnZ8z977QHEUn5lShlIe3pBts+Crt6p8RNS75KfFovI2ASIJDWb k+SHZ2Sv70zovQ/OKEuhEkJIHYRCJYQQCpUQQihUQgihUAkhhFCohBBCoRJCCIVKCCEUKiGE EAqVEEIoVEIIoVAJIYRQqIQQQqESQgiFSgghFCohhBAK9d8mP+o6DgZcRXpJxVdQT312DscP hiCjpOLJ9Momzgv134PrT//+yv1RV0/i8u0XfMNJtXlycRfWrV2DJctXlNeqbb6IzktHqO/e 8imrq4JE9AIXj5xEVLa4Xr2XFKqCid3hgJZ9bHEro+IpVXKS7uPGlYfIE/9/gibNR/jl84h4 +XcT9YnhZdEPZlOCUMoL7JNqUYzZY1qgk5YLNm7eXF5e+4/jRUE+Ii8HIzq16tOdFGfsg3br 7tj9IKdevZsUqoKJ2zMZXYdOxe2MeFw74YcThw9h0WwPrNgbgByRCEUvryEk6BayRfIWasHz ICzy8MCsuR7YEBQuC/iDMycQFpf7Z4s1DYe3uMvuX+VzQmjZlsiE6mM/DLbuwRQqqR7SAsw2 6A7LDTcr6C2l42bASUSkFEMqikbwUT8c9/ODxxwPrDscIjQK5BnODD+KJXPmwt1jPo4/SJL9 rSTrIMy6q2L/49x69XZSqDUg1B4as3Ev/QZMfmyC/oZLsXuXN8b0+B2OPqEIO+6CYapOeJ6X h6IIPxj26wOrxT7YvmcJxo6ZgKNPbmGuaje4+0TJp9B10ob53DXY478X5gM6w2bNVdl29jtQ qEQRQs2XCdVq01+nDi8RhWJ8x45YfTYZopJDGPhVI2jYboHPrk0Y2rkdph5+itd3faGvp4kl O33hv8YeffqPxfHoAogLj1CoRFFCdcfttGuw6fwH1obIp8MNWaAFbRsvXDi5EPqjZuJ1URHO zdGAmv6m8iM9RIXIL4mE+xAVLPCPRakkAUfW7kd4jgiS2AvQ6dUcalbesvnX/RyHUqhEAYiw 1LgD2qubYsq06bKaPG0mTkfkQiQOw8Q+fbAx5DXE+f7Q+l0Fux7JBXlgojr0Jh9A5J0L8N9/ AxKpFKF+U9C6YSOsCBYeLzpBoRLFCfVmWigm9lbFnvvZsr9fWmsKS7ttCD65CPqa7kgpLoav wwiYzgx6b6ZRcWkM3AcLQj0QC0jycXKtLTTGmMLceIrQgu0JTVsKlSiSYiw06gw1y8U4ePig rA4cPoLw18WCUO+9FWqOL4x6DsWxePl46kl3bVhOOon05OtwsxwBbUMT2DlZo3/XdlhzLplC JYoXqpMg1F235dNKX1xtDIsJ2+VCHTVL3kKdPRwDDTa/baGiBHklEbIW6pKj8Sh9vAG9Oo9C 4Ksi2b0+dr0x0Haf7P8UKlFMl18+hjpu3bW/tl3Ft98TqmH3wTgcUyi775i7Dhxcd2H9RAOM cvKVNQpKs45gYPuWWCn0ykQlJ2BKoZLqErN9Alr3c0FoykVYte8Gr+vpsr+fXzwGuhabEXTY HRqqjrIx1MJwX+ir9MH4ZXuwe99WmFjaYfvt8/BQ64bZ+6IheXkCOn/0govXYezfvw5jWjXD r32t8Dg7D/usVWE65TSFSqop1Hy4jWoNnQVBFQj1evkYqjh7NzRb/wG/5/Jvnxx0GQpTh304 vtEVqhpW2O3niw2ulmja8GsYLQ9FWsEJ6Lbuhl0PeZafVIOc8GDs9A1BcmECgn32ITxF3kVK uH0CgWfDEB8ViuP+b7+Hmh8RiPmzZ2O6+xysC3wIqdBiuObvg2t/fg819uouzHSfjXkr/XE/ Ogx7161GaFoWnl3wQ9CVaL7hpJqIERqwHcduxfzlHonklZDh3biXUAhpyVME7PbHs5xS2X1R F/0RcOG58KAsHPbykOXX+9RD3L+0F557gvCq8AXO+/giIkNEoRJCCKFQCSGEQiWEEAqVEEII hUoIIRQqIYTUQv4frY30QBv/Y4kAAAAASUVORK5CYII= iVBORw0KGgoAAAANSUhEUgAAAXoAAADwCAYAAAAO/K+aAAAwz0lEQVR42u2dd1QU5/u3339+ sStNlKooInawg0oRkG7DXmJFxd5j16ixY29RY6yx95LYwN57b4BK77CUBZbdzzsziyAKxiSg X+FznXMfDruzM0+ZueZ+npmd/X8ghBBSpPl/bAJCCKHoCSGEUPSEEEIoekIIIRQ9IYQQip4Q QghF//VIS4lDTEzUpxEdD5k885PlVYo0yGKjhWXikaJQsgH/IYrUOMTGCO0XmwSFqiDXrERq 6od9GPef1p+WlLVfJKQiU/V12kaVkYzEWHX55R9tVJmZikSxPHHxSM34b/tdpuq/V0iZnoSE 2Ki8j50PIz4R6f+6uKp/XFaVMgNJcer+T05XUPREPJrDcXCCNTQ0ND+JCjqmqOc0DDM33UZg cnr2R0LOz0MbbW1o6tbGyJ3P2Yb/kEvzWsGogiZqNZuAUxGxBbLOyOCD2Lq0C5o01svuPy0d A3TsOw97HgQiWfHPDniVKgY7f6yPUiVLooazL27HJX2Vtgk9Mg6tTSpK5W83/SLC5Dn7XdDF n9GmQiVUru2MKaci/tX6I17vxcoBy3E4NPw/n7wCdnujpXHFPI+dD8PYeiDW30n4x+t/93QX Vgxcg+Nhkf/oczFPf8eAmpWhq9cQPhsfUfREIP0ddg+ui//74Yd8o0QZDdh5H8HDBPVBlxBw FmvGDMXwMSuw52442/AfcmG6BUqVKAmTuj2Egzj6P68v5PIcuNXVzrf/KujXwqjt9xGdlvEP TJ+C29tmY+TQERi/0g8hqelfpW3e7h2I+jqaUrm19BvA925i9nuvz05Eg7Ja0NSrh1GHQ/7x uuV3lqB9bR3omzhgT3D8fy7ri40dULl02c8eO2JUqtoCCy7F/KN1p1z+GY7VdGBk1hbHwqL+ megfrIVXJR2UKq+HXsvvUvREzOhDsGeYIHpBPNWbD8GcTRuwdv16KRYsnQaHBrrCzloCJUqV Q8fV6uwgKfBPLPPpD28fX+y8FZq9qthHf2HVBC84O7nA0ckZbu7dMHvDOTxJTPkoW4zD/d9/ Rhc3Vzi1cUNf36M48+IefpvoiXYdhmLRvkdIUyohv7Iag3u2RYfO07Dl1AbMGu4CJ+f2GD7x IiLT0qCSBeHE6qHo4qnenqOzO0ZMWoOTEe+FloFXZ1ZhmFs7dB63Hrv9rmK9b184uXqgvddU rL0ZLBQmFbeWTkZ3B1e4eQ3ApAN3hSxSnqu84bcPYvFIT/U2hGjbrjcW7riGoOTkv5fLq2PY MqgHOgqfc+01FotPPMXRSZbQKFUa1ev3wYmwHAHInxzEnP5e0jacXQdgyCx/3E/I/Oz6Mx7+ jh4NdCShaBo1QIdhv2CN0Hdr1q/BvL5OqFGhgvSegbkbVt+J+fI6qZJx47epGNLfG8OXnMbb lLSseackXNs9C4O8stpc6L9+3jOw/VEcMpT/fTokeL8PGlXWypakuf1C+EepZR/oNxmNy2pD 26gRxh0NzS23h8K+N2402rQRyuXsgm6zFmL/g7dQZE17hJ6Zi24NKuIHYZ0lhXXUs3VGD+/d eJyYKNX14zr1HzQLOx/GZX8+L2SvzmH/72uzj5dVKyahTRUdlBDk37DXguzX1+85i0cxOSfZ yNsn4DtquLqsbu7oMWcpjjwNwfstvTk2DW1rqfu0ZDldWLR2w49DD+JVkjCqUiTg0tap6NfR Obus3j6/YO+rlOzPRz/8FV0NtFBWwxh9V1H05L3oh9fGDyVLw6bnUSRk5M76YqO3Y7h5FWmn M+v4ByIECYb5z4SVcLCU0TDEkN+fqZf7cwosDdVZZalyFVBBUxsaZcqgVFkNOAz9Hffjk7Ik H4ntYxxgVL6ctGzpcuWhaWAGU9Na0K+ogR9KlUH7yechU2QgaUcvVBLWIS2noQ0tzQooXb4y XMZcQEzin5jsUkt9EipdBuU1tKCtUR4lS5ZC1SYDsCNQFJMCN9b1gm5W1lVGxwh6+hVRulQp 6f9ylQzRwrYKjCtXEspaWp39VqyBAcsuCdmvQvp89J5hqCaUSypDeQ1oaGmjglCmkuV10XbK fryQ5S/7iGtr0KVmJfxQooTQvqVQRrMiKlU2RkWhnOJrpg3642R4vLSde7tGwk5HFyWEE26Z suVQtmxZqS1MHAdg+5vQ/GaJcXm2K3SE5XSNmmOW//NcUzTiCfX6mkloZ9MPExbdxZsouXTy +1yd2gl1epmULHw2Cr93NlX3u+1UaepGkfEUO4a2QkmhjD+ULInyFTShpaUhjU70qrbCXP/Q z4rxn4hebK8SJUtKfzvMu6PO9i9OyVP0r3eOROPqFYVkpYSwvwltV66s1L46ho0wcPVVyDOV CNzRBw2kE0gJaTlxv6vV8hdcjbqHXSNtP6mT+L+eiQ3mng/54jopMp9ifjN9Qc7a6LzuWZ79 9fy3IahnpJ1VhpyyVjJpgeGb70knyxe/dkZNHXX/iAlYaeF4qu34K+7F3sTGAVbS8iWEREEs q7ZwTIhl1Td1wNIbcdJW4h+tp+hJ/qK36roXgXlkqc9XuqGMcMCZWgzAuchYRF5ZAFdxjr5S HYza+Upa5uoyb7gLWXGvX48L8gtH6ItTWDbOBqWFg6dyTUcsu6keKsv8x6NOJU1BzuXgPO8M niXGIzVkH+Z1MJZ2WDGD6f7zRSQJok/eMwjVs4Rk0WMvzgWmQCZLEiQcg4grazHc3hHtRy/B wZA3SA6/C7/dA1CjfAWpLl1WP5G2d/s3b1Qto36tSb81uBKeipgn82Gppz4paRjWw5KnEUiO voj5nc2k16o4TcLRkHRBdvE4NbuHkDm5w3uXH0JSQvHm2UHMHtBEEHIJGDfphc1P8p67VqU+ w5asKTGTpv2x6EEc0lPj8GCLD2qVV9dJbM/TEVFIffUH+tbQQTmtqhi64E6WNJ7h1+6NpIO6 ab+jeJ2UnKdYVndoIrWbefcteCbLZ2rmg0xbnHv/XJ2qNO2DrWKdVInY2aeB1H81XFbgQUIi 5GF/4pf2jnDtORYrXr5GRvxz3Lo4DY4mFaX6WI87LYy0/qvoh0ii1zWyQttejYSTYjnoV3PA H+8iEX19Bpp8JHrZC190NNWVTopWQ7bjYUIS5MkBODjZEdrCybuSqS3m/xUmXtLEbV8n6Aty NajmhA2BEcjIyETSmxOf1OnGpeloXVVdpxbjTyP6C6+kZiSdx9RGlVGirBba+T785P2Eh3Ph YqgjjY5tR+8VjpMEyOMeY/voVtAsXRoGddyx4mK0eDUVV39pCR3hNeOa7bHzrbqs8c/3Y4aH I9z6TsL6gECkxz7BtbMT0dJAnf23nn5VOinJHq+j6Mm/EP0aT5QTsmDDGm2w650MUVcXfiD6 nIuxb+8fwpwp49GzuzOamldCyazMuWJVK0w6Eaaen55lJ2SgpVGtQR8hm82Zf429uRweejqC 6CvmiH7vQJgImY342kz/6DwOrHvY5DsTgwZ1g7OVGTQ11KME8SRiN+16LtHrmzlj0WX11EVa hj+mmhpLyzYdehopmQopgz05zUO6+GjsMhlH3qblzMVe2YlpE8eiW2cHNKyhK2Wa4mf1a7li wcW859iTXuyFd82KKKdtgv6rHucS7R/d60lyNrUYCL/Id3h20AeGZcqjrG41OPebgmGjxggx Dt4eDVBGaMOKBk2x+vWnc8rpGecw1bG2WkjjjiMo5csvuOZXJ4PaHlhyKVqazsgR/XLcilNP vymVkTi8aSFGjOgPT0dLGOhqZE+z1O69E29S8pCicNK4u3MlJo0cg+Gjx0oxZY0/3qWk5Sn6 hpW0UNGwGeafO41pbdX91GzARhw8Ow/Ny+rkEv3VOQ6oKIzoTOr1wuFQWc4mYy5ihlNlaUTg PPKoNNX3eq0zDETRV3fBtjc501gf10n/gzrV6bML71ILQvQKnJ3aAuWFfd+00WAhYcopqzL4 OMa0VJ+sOkw9jbj0dDxc0koQfRlUqdUJB0JyypqpfIe96+dh2LC+8LCvh0raFbLLajH4qLQv Jz1hRk/+hehfrnJDWVH0ps7YHZzwkejVGf3Fpb1RR1d9EU2nWnP0GjIbM4Z0kyQrin6KIHrx gNrQsYkkD9Mum/AkMWf+OfPlYYxorpun6LUq1cXCj+5aeOu/At3qGWdN6xigRbvx+GX+ZLho VZQOGLvpuUVv1MALK26oZSlP/wvjqxtKw/iWUy5kHezBODDJRZqGqOo6OSujj8PxWe1RTUt9 MFUys4P3qLmY2rsd9IWTiUFtdyzM5yLb2+uzYSNknzpGjTH+ZO4L1tcWNpZOnKaWg+Af+RKX FrlLmbs0rfDRhbxSZcqisnEL+N6X5ZHRP8NqoT3FMpt3+z3fjF6Z9uF0TtTn61RHEL14QvxQ 9K6rhExZhpTgE5jqXAslxSmVUmVR024wZs2bg97mptJooPaPfwjy/lSKmZlB2NS+Qa561Wg2 Epeik/MVvY5+Q8y/EYPIxxNgUUEYAZbTgmWfbmgmtqlxE4w/EiKdNDd3tZJGm9U7rse9D65n qNIe4tdBFtK2LLsvwe24BASszcroqzvj9yD1CTop6BimtPm0Tr1qVpfqVKfvLgQXgOgVmQFY 59FQOsHX7LkNL5Ny+kSZdBVLeqhP2FYDNgjHhQyPfLNEb94Re4PVZY17uhej7Wqop26Efbqu wzDMXjAb3U2qSPuOxRCKnnyB6Fv1OobEj+boFW9PYqaTiXQRq2aLn3BHOGA+nLoZvTtIGFae RL+6laUd1XXGaTyLUU9nxF6ZKd0lIQ6fZ/tFSfPDh4dbSxcizVpOwrXYnIu0aU93oq953hm9 RkVzzLsR/0EGFoidwnBXLFM19ynY8yIeqQqVkOFexGjDylJdXOfdzSV6w3rtsfx63Ceit/7J T7qI9bHoj4VnQBG3CW5Zw2Iv3+t4F5cqfT5o/yiYiCcPi85YdSvvuzdiH25AF31tlNU0Rr+V j3O9d3qMpXoqzNJbEH0Q7m3pLbWJfuPOWHs3DGFvAxD07i0ikxORniaHXJYIeZ43xAtD/Dlu 0hy9jkETTDvzGLIPb6MURHhp6Xi4NHFB/wWn8CBBjsyojZ+vk2UXrL0tnFRVshzRu6/Ds8RI PN3eW8pIdWs5YJEwkolLVgjtFoZf2zSUpGgx5CBC8pCieII/MeVHNDY1g5mZuRS2A3cKJ4/U fEWvrWeJOZfUd9Zcne8ktdcPQt+I29ExborxR0OkLPn46Jbq/anFOOHEkbM+ZfJd+HYykvrY ZuA2KYF5vtJREr2hqZuQ0cdK++ODTb3yrNNaJwtJqBZDDyNUXgAZvTCq2e/dWKpHTbtZuBuf M+WnjLuEmW560ny885gDCE2V4/4Ca2nqpkqtzkJGHyf1x7XlXtLn9Rt2xCphX45PyRROooFY YqU+STQbc0q6HkHRk7xFn3XXTdUm/TFt9UosXb5cisVzx6FHXfXFxBKly2dfYAq/OA8uWaIf s+cNFCmb4FJNPafpPvNGVhb3BLuGNpdEoVfHFUuvqSX7blcPGGuURwWdGhh++l12Nn1yjr0k rC8SfeY9rOrbSNpeTbdfhANcne2Gbe8D8/IVpKmbzlly/Teir+I6VRK9MuAXWOhqSRfOui19 mJV9XcC6Ho2kzMy4eT/89kiWdxYdcwML2+pJJ52GndbDP0q9nDJgDroYV86aox+IMxERiLnt CydNbZTXqY5+63Mu4oXt34v161Zi5f6biMzn1kjF423o01An+zZK94EzsvpvKWb1tINJufLS e4a1PbHmiQyZb+d9vk5W/bHl8Udz9O7rBdGH4uZyT2lf0K/lgl+fq0/S8ssz4GakmzVH/2eB zNG/F/3sC2/V+1LqX/ipjl72aEAU/fupm+BTPrDQ1kR5rerw/v1e9r3xbw6MRVMjbWnqzEdo U/EiZ9CvHWBUoRwqGbfE1rfq0cTdrNHUh3VKuzwdLobqOrWccArR6ar/LnpxlHe0L2pWqCDt z8P3Pcl+/el2H1jqaUFDtxbG7giQ6vBkuTN0y5SBgamLWvTCSenCLCcpuTGy7Ibtb9W3uyad GQe7Su/n6C9xjp7kg3QffZ3P30cvDJcdfU7iqUy9c4X4z0XrCoKYtGtg5PYAdQbUoZ6UbZXR NEQrTy+4NzWHVin1nSzahg0x8bj6wFQmXsNP4ghBWFZDrw5svDrBw9kaZjqa0Myaj+82K0v0 u/rBUDgwxYN49rUPMmdVMq6v7QOjMuWk4bZZCw94eNrBTFM9HSHdQTTpirTorQ39pflvA3MX LLkSmyX6ExhtpJZt8/Fq0Ytzn/snOErlquIwHodD0qFQ3MXPtlWlE4Io4dYdvOBsYSJlgOJn 9Wo4Yv75fO5xVqUg4PA06QAWy2PcogPadugIa1Od7HatVq8XToTHQpUahv1TWkntVVa7Cpp7 doZHWwcYCPUTT8Btpp7Lub0xDyJuLkJbi4r59l9Z7aoYu/aWNPerUFz/bJ30zdpg4cXoT6Zu HifEIeraXLTS0JLKVLmeIzw7uKOxXs79+zV77EBQ8n/7xqp4H31dLU1pum6mf2D2LYMvTw6U +lG6v16vPkYfDs5KEsJxclIb6a6p0hX00bJdJ3i2awNTXQ3pomfLYTvwIkk9pZNxaSrM9dR3 9JjbemHw+MM4cW0hbLXyr5N5z3yuO+Qpen/8VL+ytF33xQ/yGNkE49AIW+m6izjSs/Pygoe7 vZTMiFMxTuMPCCMPdVlT/xqDKtrqmwjqOnTHsCnHcMxvBhpX0JRGNoYWLkJZXdQn7ayy1ht4 SLrrKunx+/voK6PXijsUPRFFH4bDP7WCtpChfxxauuawdB2N2dvuCqLJ+cJM+LUV6FpVH4bV HDFpv3qOPin4LH4Z4gZ9rQrSRVgju0GYuXQlxretIYjeAoOX3ZZumVQPq29h19guqC7IvaSQ xVt7rMeqDZvRt4mOdNdNj9mXpB025dAoNDbRhWFVeyy7l5j7oEoMwtE1I2BRrTLKCJmPVpVG 6DFzK9aNcUBlncpo0nG3cIAm4/HO0WiuqQvjVkOwLmuePy3dDzMb1oWWti6chG2pM/ownJjb GQZaOqjbbR7+DFXXNzboMCb2bI2K5csJZS2N6m7jsWDpIgx2qgrdKlaYsOWRNFzOZ7iEp/4T 0c/aWLoDpJTQprYTVmL6wOaopqODWs2n4nSE+gSmSn2Nk/MGwaOGPioIQ/YSgoxq2HXDzM33 EZX29xdZY8KPYteq7rCyMsjuP91KVdGp/1QcuP1QOLnllPFzdapU1RoTdzyHUpWJ/QMs1aJ3 W437CSnSPdx3j86Bk2U1lC9bFmW0jOA8ehM2ze6J+lV0UdPqp6zbRf89ocfGwdFUF1VM3bH4 2rts0YtTFEdGOEv10qvniemnI3IlK39tmo7OjRqglLDviXUytOmM6avuICAuZySkSn+BPRO9 YKKrKe0zps6zcC4yBo9PzoZTQ5PcdZrVA/WMK8LcejL+iviyOimSL+MXB6Gv9Wui27on+ewS gTi6ehLa1a8j3QpcUujrqg4/Yvb6h3ibqMh1jWHLCE9UqaiFMqXLoE6HxbgWE4Hb+6fBtp4x ygllLVexGjzGb8bGaZ1gpieU1X4+rsfGI/H1NgyqrY/KBs0wbNNjip5kHURpSYgXMraPIyEh Cal53FomPksjOet9ea5n3SggS4yVPpv8fk5ZmYyEuBjIklKlgzbuhR/8Tp/EiaMH4H87515o 5avf0bGaNiromGHY1ldZq5NL6xO3k5HP99VTkuLVZU19n/FmIFH8X3qOjArKDGEd8cI6ZB+u Qwl5ovpzHz4LJDMtWfpsYtLHz3ZRrzM+IQEp79/ISBS2EYukz2TaOQd3oroMybKsLxWlIkla X8onX8PPTFUvK5bt3zzPJT0t4YP+S0D+kw7510n9jBkl9nexkKZz6g04IJxsVJ/sLwmynPKn JAn/RyV85qT3ZYjPUUrK2rc+7fMMdd0S83l2TLo8u+7J+badIqvt4yBLSyngOqkgT8pq0795 BlSmPC2rLnGfeTxFRvbxJEvL+RKfIlWmLmtyTlmTxeUiE6QvGqpUGUiRCftbfGKuEzxFT74a 7/7oBt3S6i9BGVh4YdyU6ZgweTS62tSQphNMrAZj65skNtQ3JPHBTvj+1BtWGupppmZjTyM+ Q8WGIRQ9+cKcJzUAp7fPgUe9utnfWBWjvHY12PWbi52X30pZCfl2XJ2n/ratNO9uNwpH7sZ9 tadXEkLRFyFSI8Px7vETPH/+BE+fPcPzV5HMGv9HSIoKwqsnQr8IfRMck8YGIRQ9IYQQip4Q QghFTwghhKInhBCKnhBCCEVPCCGEoieEEELRE0IIoegJIYRQ9IQQQih6QgghFD0hhFD0hBBC KHpCCCEUPSGEEIqeEEIIRU8IIYSiJ4QQQtETQghFTwghhKL/Oty+exsNGzWBjV1rBoPBYOQR zaxaYNrMWd+v6Pfu3wfTGmZ48fIZg8FgMPKI4aPHwtHJ+fsV/f6DB9C0mRXHW4QQkg+LfH3h 5tHu+xZ94ybN2JOEEJIP8xYuougJIYSip+gJIYSip+gJIYSip+gJIYSip+gJIYSip+gJIYSi J4QQQtETQghFT9ETQghF/wmpT/Zi4TBvDBg0JHcMHoZJc88jMi2NoieEkO9R9Kq4B/htgjOa OXXA8GkbsGzlytyxyhdTOrmiSdeBWHMzjqInhJDvTfRv/poEl5qmGHPgHRQqVZ7LKBNOYYJb I7Qachox6ekUPSGEfD+iV+LBzgFoXacNdryT5/thlSoOJ8e6o16HHXiTkkzRE0LI95TRJz3a gv7NK8F25B+4n5BXtp6BtwfGoHatGui5+gkyVQVXAYq+cNmzbw+8unSVQvyRF0JIMRU9IMfb +/uwYHgXOFjl9QsnTmg3YC42XLiKoGRlgVbg1JlTFH0hIJenStdXfuw3ADt3/SFFpy7dcPzE MSgUGWwgQoqf6LNQyhD8+jlevnqRO16+RHDcv5PDk2ePsXnrlnxD/OUU/vBIwbNm3VrYt3ZE QkJ89muRkWGo38ASN25eZwMVEvEJCTh+7AiO7t6KI3u2MIpoiP0r9nN8YsJ3KPpC4MSfJ9C9 14/5ho2tvfR7iKRgmTt/AWyF0djHmJhUx4VL59lAhcS5M3+hROlyMGjZD/rWvaBvxShyIfSr 2L9iP5/3O/39iF6ZmYaUpFQoVJlQpCUjMSFOyEzyigSkpKajAKfocdbvLBo2bkpDFDBPnz+B t88wSfjv+2/EmHGYOXsOomMi2UCFhN/JQ9Cs3gTdtgSg08aX6LThBaOohdCvYv9qVm+M838d +V5Er0TQldXo06A29CsaoFZje9ja26FlK9tPw8YNgyafRkhqaoFVgBdjC4/Y2GhMnDI1u//E 6RxSyKL/8zA0TRqiw7rn8Fj1BO4rGUUtxH4V+1ejqiX8Tx39vjL61+d80cnQAE16rMbFSBlk CbGIi/844iFLSivQjJ6iL3ze9x+h6BnFWPTvkd9dAGuzyvCYfQER8vSvUgGKnlD0DIr+K4oe qhS8vnYQR648QVx6JkVPCEXPKHKi/wZQ9ISiZ1D0FD0hFD2DoqfoCaHoGRQ9RU8IRc+g6Cl6 Qih6BkVP0RPy96Kv1ggdf32BtmuewXP1U0YRC7Ffxf7VEE7oFD1FT4qp6DWqWsBTyPxclj+G yzJGkQuhX8X+1ajagKKn6D9FfGrkkWNHv3qIDzETnyn0LbYtxuuAl8VG9OfPn8MPJUuhpGYl lNSoyCiqIfTv//3wA/z9z1H0FH1ups2cBc92Hb566Onpw9y89jfZthhiHxcXxBOqKABG0Y+G jRrjxctnFD1F/7+B+OtSCxcvYUN8BUJDg7Fg0WJGMQjxoYFfC4qe/C1Ozq74aep0NgQh3ykU PflbJkyegk2//86GIIVCRno6Ll66wJ+opOgpekKKKuJ0VZWqJtJPVRKKnqInpAgSFhYCMzNz REVFsDEoeor+W+E9ZCiWr1rFhiCFltHr6xswo6foKfpviYu7JyZPn8GGIIWC+Otl4u8TJyTE szEoeor+W+Hu2U66h58QQtFT9EWUrj17STsKIYUFs/nvRPQqVTye+e/Crj27se/Ka6Qplch8 cQ4Hd++WXtt73B8RcjlF/50OrZOSZGwIUiiIc/NNmjZHdEwkG+N/WfQqeQhOrRoGu1at0KlL Nzi37wqfyT+hU5vW8GjbU3rNo50N+ozaA/+QtAKtwMHDhyh6Qr5z0VerXgMxMVFsjP9l0Udf WYj2jetj3KFg6X/FjfGoW04Ttj9dhjxTqX4t6ThGNqkN95k3kJKp+OICZmZmQi5PzTfE0cLX FP24iZPQtn1HRhGPufMXFEshfO5YK6wICHyFqlWr4d27oG+y/fQ0OUX/96JX4v72vnCoaY9t b9PVr7xZi9bm7TDl9LucpZRhODjOE3XbbkVActIXF1AUuXVLm3zDvFYdWFm3/GoNVt3UjA9k KiYxcfLUYiV5UbgtW9l+9ngrjGhm1QJGRsbS36+9bTEcnZy/6nNnvtuMPvzCbLhb1seUE+r7 YDPvTka98tpwmnEDmSr1MgrFbfzsWQfOQpaf9A++6pyakozwiLB8Q/xqvji/97VoYNkQNcvr oLmWIRpr6TOKYFhrG6JS6XLw6t6jWIleHD1/7lgrrBCnbmSyROnvt9q+SqWk6P92jj4lAAcW 9kcruzboO8Ab7b06orePN5wdnNG55xDptd59OmDwpOU49jqlQCtw6MjXnaOvb2GJo3U7ILH1 RCTajWEUxXCagumGTdGuV09O7hKKPnc6EInbh9dg1Zo12HD8IWRC1q64dwC/rVktvbZ+xwG8 TPr+77oRRb+rlgcSbEcjxHY4owhGot04TNBvSNETiv5/hW8l+ji70XhnM4xRBIOiJxQ9RU/R U/SEUPQUPYOiJ4Sip+gZFD0hFD1Fz6DoCaHoKXoGRU8IRU/RMyh6QtFT9BQ9g6L/hty4eR1n zp3BzVs32BgU/f+O6HfX9kSC7RiE2I5gFMFItBuPn/QbUfRfgR27/oBH2/Zwc28r/d0p/E8o +m8u+tp162FPTXcktBqFsBZDi0VE24xAZKvhxaa+CTZjMUG3Ady7daUhCpGFi5dIj0d5/3hi 8ZkzP/YbgEW+vmwciv7bil582l09XUO0MDBFc/1qxSLMy+ugrmalYlNfsW9NtSuh/xAfGqIQ ER9NLE7ZfMiJP09IT4glFP03Fb2YfbwKC8LTkNd4FhJYLOLHYT74eemSYlNfsW8Dwt9BlphI QxQivfv1x6Rp03O9NnHKVPQZMJCNQ9F/W9ETQgoOUfQDBg3BqPET0N97MKbMmMlGoegpekKK GmvXr8fM2XOwbsMGNgZFT9F/KwYPGyE9apoQQtFT9EUUF3dPTJ4+gw1BCEVP0RdVxPubp836 mQ1BCEVP0RdVOnfrjjnz5rMhCKHoKfqiSnRMJBIS4tkQhFD0FD0hhFD0FP13ybKVK3Hw8CE2 BCHFW/QKhF5Ygj7WrTB+4wPIM5VIer4L49q5oqWtPWyEcO00ETseRkGhUlH03xkOTs6YMHkK G4KQ4iz62Fsr4WWsB9cRJ/FclozEwNXobOWAMasv40lwAN6+DcKdU3PRo0FzTD8VUaAV8Dt/ Dg0bN2VPFiJduvfAkqVL2RCEFF/RK3B7c3c01bfHb0Hp0itXZraCZaex8ItSZC+VqXyL7T6O sOi8G8GpqV9cwLN+Z+HtMyzfcHbzQDOrFsWis5avWvXZtiis0NPXR/0Glt9k22KcPnuGRyoh 3zqjjzg/Dx7N6mDk/nfIUKoQvWsQHAfOxIngtOxlVKl3sbSnLaz6HUGEXP7FBbx997aUTeYX 4mNOmzW3Lhadte/A/s+2RWHF+o0bsGbd2m+ybTFu3bnJI5WQby16KGW4sG0wrOq2QK/Jv+H4 yX3wsa2Oxl5TsenkGZw6cwIbfxbk32ECdgcnF2gFxMecco6eEEIKW/TvJ3GiL2LVlD5wa+eF tp4ecHZxg4uwcvf23TBiyx0oVAVfAV6MJYSQryj6bwFFTwghFD0hhFD0FD0hhFD0FD0hhFD0 FD0hhFD0FD0hhFD0FD0hhFD0FD0hhFD0pCBQqZRYumIF7B3bSHHoCB9VTAhFT9EXGcIjwvDT 1OkYOXY87ty7I0Wvvv2wYdMmJCXJ2ECEUPQU/feO+DAxu9aOn7xes2YtXLp8gQ1ECEVP0Rdl 0V++cokNRAhFT9F/74hTN5OmTceIMeNypm76cOqGEIqeoi9SiBdjxd+LfX8x9vDRw2wUQih6 ip4QQih6ip4QQih6ip4QQih6ip4QQih6QgghFD0hhFD0FD0hhFD0f4NKfhO7lq3EhfB0iv47 5PwFfwwfPVaKwKAANgghxVP0SgTf2ojh9o5o7eyJtp06w7NtW7i5q8OheQ2ULFESRo084ebZ DaN+PocwubzAKnD8xDGKvpDYtnMHuvbshTnz5kvRuVt33Lh5nQ1DSHHM6FMiT2OOZy2Uq1gN nSbsxr7z13Hjij/OnDuDw+v6o762LnrMOyP874cb90ORkqn44gKGhgbjwqXz+YYooCZNm7Mn C5jNW7fA0ck5Vxb/4OF9WFm3lB6HQAgpZqKXUCXj9rbp8Gxoj+4T1+B2fKb0cuaz2bDXN8a0 oyH/qoD7DuyHk7NrvtHAsqEkH1Kw/Dz3F9jYtf7kdSPjKvA/78cGIqRYij4L5ZsDWNjREnWs XTFx30PE3VsAJwNjTNj3tlAqcPKvk5y6KQSuX7+K7r37YOPmzdmviaOnIcNHIjjkLRuIkOIs ekn2yhD47/BBS4tmqNusLqqW08K4A4UjB16MLTwCAl/B22cY7Fs7SjFt5izI5alsGEIo+hyS Qs9jbtfmsLRsisUXoyn67xDxkcT3HtyVghBC0X8TKHpCCKHoCSGEoqfoCSGEoqfoCSGEoqfo CSGEoqfoCSGEoqfoCSGEoqfoCSGEoieEEELRE0IIRU/RE0IIRU/RE0IIRU/RE0IIRU/RE0II RU/RE0IIRU8IIYSiJ4QQip6iJ4QQip6iJ4QQip6iJ4SQoir6lPBHuHvrBm7euoWgZOVH72ZC FvkOweEyKFQqip4QQr4r0StleLZ/Jtpa10VTZxe0dmoBzx6TsMwvMHsRVfJjrOncAo3b78QL WVKBVeDAoYMUPSGEFLboE+6tQ09LE3ScfQux6emC1WW4uGwsrCysMGDeaYSmypGZ+Rwr2jVE HbcteJooK7AKHD9xjKInhJDCFb0S93f0Q+s6TtjxTp7rnbibu+HjagHPCTvwKP4FNne1Qn2P bXgm+3LR7zuwH45OzvlG/QaWsLJuyZ4khJDCzOiDz06Fq1ktTD8R+sl7quibWDDUCtadRsLH ph4att3+j0QfHhGGGzev5xsLl/iiSdPm7ElCCClM0SsTH2DbyM5oat0OM/acx7uU9FzvZyae xFznxqhQqhTM2vxaoFM3R49z6oYQQgpd9FLmroqC3+ZJmLv1DIJSMj49GSjDcHrFEmzadx9x 6ekFVgHedUMIIV9J9N8Kip4QQih6Qgih6Cl6Qgih6Cl6Qgih6Cl6Qgih6Cl6Qgih6Cl6Qgih 6Cl6Qgih6AkhhFD0hBBC0VP0hBBC0VP0hBBC0VP0hBBC0VP0hBBC0VP0hBBC0RNCCKHoCSGE oqfoCSGEoqfoCSGEoqfoCSGEoqfoCSHk+xO9Mh3PTyyGj5srnF3ccoerB3p5b8P12DiKnhBC vkfRK4LP4Zdu9VDPdQgW77qGC5fO54rzl05hxwQvmFm3xtTjoQVagbN+Z9GwcVP2JCGEFKbo XxwaCceaDbH4VkK+H87MfILVP9qg2Y+HESaXf3EBb9y8jjnz5ucbPX7sg2bNrdmThBBSeKJX 4sneIXAwb4E1r+SfEX0Qtg92QsOuexGcmvrFBfQ/74ehI0fnG2Lhm1m1YE8SQkhhZvTpQccw wbUqmnSfh333X+Llqxe54/VDnF3WF2YWjTFyz5sCrYDf+XOcuiGEkMIWvUhy/DMc8R0Bzxat YWP3cbRBtwk7cCUyHPJMVYFWgBdjCSHkK4n+W0HRE0JIERf9vgP70bSZFXuSEELyYcmyZXBz b/t9i75KVRNcvnKJUUjx4OF93Ll3h23BKJS4eu0KHj99JP1lexRO9Bs4CA5Ozt+v6EUJ2dq1 lirBKJzQ09eHmZk524JRKGFjaw9NTU3peh7bo3DCvrUjFi5e8v2KnhQ+7Tt2kr6zQEhhIJMl SomEXJ7KxvgfgKIvprQTRD9z9hw2BCkUwiPCULNmLUTHRLIxKHpC0ZOiSFhYiCT6qKgINgZF Tyh6QtETip5Q9ISiJxQ9+ec4Obvip6nT2RCkUAgNDYahoREiI8PYGBQ9+VaIkt+8dQsbghQK MTFR6NqzF+LiY9kYFD0hhBCKnhBCCEVPCCGEoieEEIqeEEIIRU8IIYSiJ4QQQtETQgih6Akh hFD0xRZVcgQCXr1BbFrm55dTxeHNzZsIiJL//UqVsQgSlg2MSf+iMmRmxCPs5WvEpGayQ4o4 6bIQvHl2F7euXcKlyxdyxbX7TxCTrkDimwd48igAiRnK/7w9uSwUIa/fQqZQsfEp+uJLyv6h MDFtgwX3ZJ9dLkNxA+v69sHqv0KRofz8QZORcRGre/fFWr8IZH7B8RUTtAy9jOpgzqlwdkgR 5+WWbqijr4va1m3g6OScKzr7/IxL0cl4sHk8pv20DQ8S5P9xawrc29EfzrU8sf1tOhufoi/G ot87CPpGrfDLrcRvVoaYN77oWqkGZv7JB1YVdV5saIvqde2x6oHsK2xNgdvbfoR9tTbYStFT 9MVa9PsGw9jEAYtexCPk/npM694bM5etwAA7J9jb2mDA/MN4LktFesZlrOjSGUuOBmdn9Mrg c1ji4wobhzawd3CA48AlOPE8CSnpF+HbsQuWnwrLzuhjHu3A5B6tYe/YBnY2NvBZfhpByfKs jN4X3fVr4ue/mNEXedFvbI8a9eyw9EZc3guoknFp1TCMHfUb7sWnCiPJ+9jYpwsmrVqDie6d 0drBEW26DsKulylZH0jDi+PT0MfdQdq3bFrZ4GdhH03NzJREf2dbXzjWcMM2ip6ip+gdsfRl NAIvj4d5WU007bEah57cwe19o9DMwAg9ll5HaNIZjDQygPeqx5Lo00JPYLpDfTTpNA+7xWUf nMDsTu7oP/0kHscegI++EYZueC5tI+HSKnhZ18OADedx78FjPDo0FlZG1TFw/QMkKxRIekfR FyfRmzZog43PU/L2vCoO+32s0MJ6As5EJiEt/RzGVdODQbXWmHfiMW7fPo5pLjVQy3kOrsTE 4M2G/mhu54y5R+/g3uPnuOgrjBhMW2PR9Xhpffcpeoqe5IjeVxB9gP942FeyxC9X1I+CVSge YX5rU7gMOoRHcVcwqVYNDF//VHrv4faeqFPRAktuxn+yTnnaLgw1qYExW15CTOiDLu3Cxtmn EZ2WJhzI8Tj3x0g0qqQFjykXECm8lhq6hKIvJrz8rTNqGhrDZcAkTJwyNTtmLFmDS+GCjFWJ ODzGHm0cZ8A/KlkQvR+m1K2BDpOvIC5dLesHv3VDQ2EUuv1tIu5uWoftW9UJhSLzCTZM9UTV choYtSNALfrtfSh6ip58KPqXfuPhXqUF1r9ST6lkKt9iQ1tLdBp4CA/jLqtF/+szaUh8ZVFX NG48GMfDZPmKfvTWV9LUjUoVgXO/DUenjl5o5+yF9l090KC6LjpOp+iLpeiNjOHqPUX6DYP3 8bPvelyJzMhH9GYYtOQ+EjIypHU8OjgELib22PwmHcqUq1g3vRc6dBD2q5ad4NbDHtV0KmLs H4EUPUVP8hO9m7E11j5TD6szMwOx3sMCXoMOfiR64Nqy9qhr7oXdwZ/eGZGRvgs+VYWMfttr 4cBNwfVVPdGgZnOM334Sh45cQ3DCnxjdograTThP0XPq5qOpm/g8RT9w0b2sjF6Jh3u94Wzm id3vwrFrUAtY2PbD4kNHcfj4M8QH+MK5ijFG72RGT9GT/yz6YL/JsNOugoEbX2SvS/HsT+w+ fQ2B8bswsroZxm5/DaUyHHu87WHuuApvU9TrTTo2BqZaFeA4/SpkigykhyxBNz2KvriI/nMX Y79Y9OYdsO/RfUxoagGXcRezP/9qpivKli2PobvfUPQUPXlP8q5+qKzXFPOfR+H5meGw16mH FU+S1eLODMAqRzO499mH+7HnMaaqoXQxVp6pFN4Mx9nFvdGkfkO0HT4CA4cMhl2rVug29wju RgsZvaERhv0mngQyEXhiMlzrmMCu92h4+3hjwI9j4N60CvQbdMCm53GIDV8GL80qmHY8lB1S xHm+zgX61ZtgwZWYfESfdTG2xUTpYqw8/TTGmxqi99xbiM0S/b2dP8JGryV+f5OAm8s6wrJW A7QbPELat/p4DYR1dR3UabcU12NluLe1J1oa2OC3IIqeoi/GKIJv4vBhPzyTpSAp6i4uHT6L l0lZ30hUpeC1/xFcuB6IxIxo3D96EDcDk5HzHagMvPDbhBXLlmPp8uVY9+djpGQqhCw+DLcP H8LtNynZywVe24E1K8XlfsXpl0lIjbmGY79vwcV3MqRkBOLmgaN4FMWDsaiTFOCP43+dw/O4 tPz2SITcOYXzZ+4jKi1TEH8UHhw7iOtCQqBQqfe8xJAbuHD4HAKS06XrP1eP/YoVwv63bPke 3I1XIO7xQezedlTapxODr+HisYsITOa3ril6QgghFD0hhBCKnhBCKHpCCCEUPSGEEIqeEELI t+T/A3zqlndZt5yiAAAAAElFTkSuQmCC iVBORw0KGgoAAAANSUhEUgAAAXoAAADwCAYAAAAO/K+aAAAtIklEQVR42u2deVxN+f/Hf/98 v7PYZhjr2Ma+ryFbZCdJllKWSoQKFZGSJZF9rYSxL4lCCVmjEGWnUolW7ftet16/071NmG/N GMXUva/n4/F+zDjn3vP53Hte53k/n3NP9/wfCCGESDX/x7eAEEIoekIIIRQ9IYQQip4QQghF TwghhKInhBBC0RNCCKHoCSGEoieEEELRE0IIoegJIYRQ9NWCN3cOYN36Ddhz5iYS8/JKlhYi 1NMJNtbC8uv+/3ibOf5BCIqMQ0FR0Rf1KVToU3HbVuvLrnUbd8DpSfQ/61NgMIIi4j+7T4Ee B8RtHbsVzJAw88w8RV+9OW/cBf/5739R8+cWsL4dVbI0FxcWjxQv76LrBNE/yO5rZyP0bd4P NrfivrhPLvqtxW3/VY1Y6/PZ2ws6byLu07qrMZ/5jEIc1+kqbmeA/qV/9PoJM8/MU/RVDndz efzw3ffiHdx6wGJ4xmeLd7q7mQq+F5bLLTr3yU6Pf3oTO1athJ6+IRZu2YlLAZGl6x4eM0Tn xnXx3+9/QB9lHZhbuyM2JwdFmRFw32eBBQsMhectwuoN+3E3Nq/8kcWVzTAyWIQFCxdjwaJ5 GNjyF/z3hxropTJfvEzfyAL77oZ/6NMzT+xcZSnuk+Hm4j5FlK57dGIxujUR+iS8lt5KOjCz csP74j5lReLygZXQL+nTqvUO8I7OLQ29k4G8+D0ZufQqRc/MM/MUffUP/ffff4/vf/hBvJNH L7mN4n183Xzin0JfAN+989Gq/k/4rkYdNGrUGHVq10Sd+m2ha+uF3MJCOC/vh1o1fsR/vvsO teo2hNw4e7yIuQTdfq3wnbD9es1+w2+tW6JujZpo2n0KHN9kf1YfD05pg+9rN8CKq7F/WlMA v30GaN3g59I+/VSnJmrXbwPdPXeQIyrEefMBqF3apwboNdYWz2OvYG7/1n/qUw382nUiTgRl ibdM0TPzzDxFL0Wh7y188v+A/mPmQFG+IWrXbQ37NxG4t069NPTFpDzbiF51f0a9xj2w5aFk 9JB8by/km9fDTw07YveDZBQWvof5sIb4sc6vWH1F8piMkFvYab4C5qc98CLWB6ePLkK3pvWE QH0H9T3P/7Z/RUXx2KH8G76vVR+LnCM+WZf0dAv61PsZdRt1wyafMEmfHjpgQAuhTw3aY5tX gvj5FiOL+9QEK90kj8l844ldxX1y9MDzOF84HTNC9+b1xCGfuvOl+DFnKHpmnpmn6KUp9MU7 d7zRbXjdMsAvwnSx1QgdGOtNxk8//CiE3lX8uNurx+M7YYTQS+fCJ1/unF8qJwnLei9hNJEM i+GNxAGzdAuVTAiz4+C6dxn6tmuOX379DZ06tkGTn2qLp7pKNvcqEPpCeK6dID4we2qd+6RP rsv6ivs0aa0nsgvSsGpkI/xQuzFWnA8p6VM83PYuR7+P+1SnjrhPY9f7UPTMPDNP0Utn6Efo eaCgMAFHZkkCU/unuvhRmN72WeQmfty1FWOFUdB36Kfv/snzL5oPLAnYLWQWJMFMsSFqCKMb y0uS84le2zRQQwhTS0UdbHa8haj0WBydMkj8HJVtvhUIfQGurJAciH3mu+LjXF5eqSDZ/qpr SM9PLTkQf4WF21vxeu/tmuI+tVDQwsZTNxGZFovjaoMlB//mRxQ9M8/MU/TSGfphcy4goyAf oqRzmNzkl9Jv+vstchE/Lub2crSqWRvN2o/H6cgMySgh7BImdxcOjp+awMojRpjGRglTxkb4 vuYvsCz5tv/EfEl4xq6SjBpEKeeg1elX8UhC61BAhaax0Z7maFurDpq2G4tTEemSPkVdxtQe dfFDnUZY7R4t9CkOlqOL+1QPFu6Sy9NO6Q8Q92mUhXdJn1yh3eVX/EcYKc3cH1Stz1cSZl7W Mk/RfwbnTdpLwq15Fkkl1xT7HdFBXWEKW7y821zJpWZFRclws1DBTz/+gDqNO6L/gEHo0Kwe vqtZF8rmzkjIFYkfc9JEMtqp07wbphmegMtZM7T9qQ6++7E2ug1QQJ+2TVG75Euwoctu/u01 vsWh3TSsiXCQ/Ih5p9796YBIweVVqvi5xo+o06iDuE8dm/+C72r8DCWzs4gX9ykFjksHlfSp K9QMjgl9WiHp0w+10LV/cZ+aoU7J6x1i6il+vSdndxP/e5CBO0XPzDPzFH315vHJhRg/YSIs 9twXpqEFJUGLxtG1euLlhr97fzRFLMATt4OYP3kyBgxSwHBdQxx0D/kkuDmh17BKdxpGDBsG tWWHEJaViecedpg2fhQUFEZi7lZXeLvugZbKRBisvfrRH6yUN7xJw8X12pgwZR72PSzrOuXi Ph3G/ClTJH3SNsCBi3/q09urWC30aeRwRUxd+jveZmbi5VVbaKgIfRo8HLpbLsD7oh20VSdi gTD1TcvPx8P9S8Sv3/zII9DzzDwzT9ETQgih6AkhhFD0hBBCKHpCCCEUPSGEUPSEEEIoekII IRQ9IYQQip4QQghFTwghhKInhBBC0RNCCEVPCCGEoieEEELRV5gC+JzYBNPlZlhqtuKjssLh y0HcW0QKYeaJDIk+N+QCFkwdBBXDTTjqdBqnPqqTJ/fCcMowTFh+GGFZ+dxrRCpg5onMid5n lxoUxxjjeWp6metFr3dCXm4K7AOTudeIVMDME5kT/WtHA/TrORjH3uWWuT7o+By0H6gL54hM 7jUiFTDzROZEX5QVilMO+lBX0YXOvAWY81Hp6hlA23AJtrn6Ia+QN60j0gEzT2RO9H+QH/oS Dx7cL62Hj57gpX+o+H6N/4Sr16/C3sGhzDrheApJSQnc+4SZJxT9tyQ7PQHxsYlITY5D9PsI REVLyv/2AVgss4LrkxAEBUUgveRGxX/HGeczWLPOusxq164DnM46ce8TZp5Q9N+St9dtINfo FzTpNQ7aCxZAW2c2NGdqYcKg9qjxYy0MmDQH2nPs4JWQXuG2NGdp4cjx49z7hJknFP23pKgo CZ7uGzB57HQYrDqG8CzJF1RpN5egb+ehcI6qvEvMpqhNw7GTJ7j3CTNPKPp/g8K4ANguUoaC 4lisv/wIYdcs0L+zAhzf5jD0RCph5onMif4PXtyywZTxY9C9Y1M0+bUHTrzNZeiJVMPME5kT vXhqmx+Jo6t0MX/FJjxKETH0ROph5onMif5rwdATZp5Q9Aw9Icw8oegZekKYeULRM/SEMPOE omfoCWHmCUXP0BPCzBOKnqEnhJknFD1DTyh6Zp6iZ+gJYeYJRc/QE8LME4qeoSeEmScUPUNP CDNPKHqGnhBmnlD0DD0hzDyh6Bl6Qph5QtETwswTip6hJ4SZJxQ9Q08IM08oeoaeEGaeUPQM PSHMPKHoGXpCmHlC0TP0hDDzpCqLPh9hAdew0Vgbahqan5b6dCy2Oga/94kMPZEimHkiY6KP u70JI/t0woJ9dxCZEIv4+A8VF/cSh5eORY9Jq+GTlMvQE6mAmScyJ3qvLRMxdpINYnNyylwv SjyBYb1VsfNVIkNPpAJmnsic6GNv22C4XEcsd3yGuOQEJCV9qMT4ABw3G4fuEy1xPzGHoSdS ATNPZE70QC5C/U/DcroWpkzTwNTi0pgBjRmzMH2mASzsz+FJROWcr9SYqSWE/jj3PmHmCUX/ 71OIxJgwRESEI0tU8I+eabfXHrp688us1m3a4bzree59wswTiv5bU5TwCKf3OcDh+EWEZWUh 7OIuaGhqiEc4cxdaw+N51GdvK+C1P7y875RZisNGwNHpNPc+YeYJRf8tSXt+GoZTFaFlugVW GywwY1RfqOofgX+aSLw+6NA8DBm7DB6xGRVuS336DE5jCTNPKPpvjaf1OPQevBzvMjOFfxXg wur5sLC7jxxRoWRCG/U7BvRSxa5XSRVui19MEWaefExySgr27bXH3l1bhNpaobLfuQX77G0R HBxE0f+ZWK9tGNd9BJafvIfYLFHpcpEQ+qTwJ/jdaCJGz9iCZ6m8pphIB8x81cHvnidq1muO jrMOo72mfYWq8+wTqNdCDju22lD0ZX6q+hyBiZEVPMKyPlqai4cnV8PA+iBep+dXSjsMPWHm ycc8vnMVDftOwrQjoZi8L6hCpekYhuZKlrDdsp6i/zdh6AkzXz15HfgSz31u4sX9itQN+Pt5 ITz83QfRe11Dg97KmLT3NZR2+1eopv4ejGajlsJ2K0XP0BPCzP+z2U9iLBq1bI/mI/XRcsxC tBz9hTXWCI36qWGw4giKXkI2Aq66w83jOu54XoObmyuu3LoDr9tPEZ6azdATKYSZr7Kij36L Jt2HQGWPv/gUySSH119UageCMdDCBwOGUvQo/mW9i7umQb6fOnSnDkLTXoqYa7QIozs2Rute c3ApJpWhJ1IGM1+VSXofhqY9FDBm+0uMr4CIVewDIb/8njCiH0XR52VdgHqrNjC//B4FKQcx bvo2+KelQ/RiB1TG6+PE62SGnkgVzDxFL3OiL8i8Ar1eXWB9KRr5BfexsOc0HAjIhKgwHEv7 z4T1xRCGnkgVzDxFL4OnbnJwZd0MDJhoitvxmbi9Rx3qejZwsDLEWLXluBCSxtATKYOZp+hl 8cvYomRccfsdXuHZKCyMg7vQcasNdvAMSa7WgaHoCTNP0VP0Ug5FT5h5il6mRR9+Zz/WrjyK 58lBOLFIH5qztMRV/HvWGrO0xf+vrbMVVyNTGHoiFTDzFL3MiT4nPQYR4bHIFuUiNToaUVHv EBISiKDgQAS/CUZ4ZCTeR8YiM7+AoSdSATNP0cv0qZvMiJuwMNbDUT/JXW5C3WygpmcG55ep 1TowFD1h5il6il5AVPAUpsO6Y/b2+0jPlfyyXm5aHO4eWYxuPWbhUAD/eIRIF8w8RS97os/x xiL5NtDb7//p8qeb0LPZIFjfi2LoiXSJnpmn6GXx1M0rVytMURkD9QXLsdB4iVALMXOKOpY5 XEFsroihJ1IHM0/Ry+TllUVFKfC7+8e9J70QnJBX7Q9mip4w8xQ9Rf/HlDXZD3vN9GFitgJL S8p4iTEWLrKDZxTPVxIpPH3DzFP0siT6osII2Kj0wsCJa3DO2xO3bt/8ULceIzIjh6GvgoSE vMZJVxccOHcaB885lVvF6x2Fx0VGhtHuzDxFL7O/XplxAqrN2mPL7XipO6ClWfQLzczQq1Z9 mDeXx6KmvcotixbyaF+jLtZv30bDM/MUvcyO6EWhsFHrg7ErziA5L4+hryYYrjSH5a9ySBu1 EqlDTMqttNEW0G/QBat3bafhmXmKXmYvrxQFYbeqPOo2+Q2jpulihpZOaenobsW1CP45eJUc 0QuiX9q4B9KGLkGEgkG5laa4BDr1O2LtboqemafoZfjL2GwkxiQhIy0BURHvhApFUGAAQt69 Q1hoFNLy+OfgFL20wcxT9LJ4eWVhFrxObYOumho0LJwREvsMB3cuw8XAjK/WocL3L3D/njfu flK+iEgrYOgp+q8PM0/Ry5ToRXE4vkgJE5e54MZRI3QdboDb8XF4dFAX/frqwTmicm/CUJT5 Dmf3r8C0aRrQ0puH2XM/Kl0tqE3Xx7ZLj5FbWMjQU/Rf6dwNM0/Ry9xVN+cwvVMH2PpnouDu SsiPXyyEPgP5+e4Y0Voe5tcjKrUjQacXol+P/rB9Wva1yoHH56D9oDlwicpk6Cn6rwIzT9HL 3lU3BeHYq6OIqatu4NkFM/QeZYArUaFwXD4UXcfMx7XYzErtiM/OqRg2zhRB6WVPkUUBuyDf ewrsApIYeor+q8DMU/QyeY6+MOUtzuxZg5lKYyA/eCRUJqti2pyVuBpb+Vcf5AY7Y+4kOWgu 2Q/Hc8446/Khzpw5BFOtUVBacgjvsip+3nKqMFWm6Cl6Zp6ip+hRgOyMTGSlJyDm/XskJsUg OioKWaJC4WjIR76o6CsMqdJwd78trNZvwOq1a2C63AxLlplh6fKNOOX7z/6IJTU1BfHxsWXW hImTcMLxFEVP0TPzFL1si76g4AXs9XShpjkd6tNnlNQk9G7fFYOUN+NmdOWPcIqKEuDj6QrX i27wCor5dJ3oPXxv+yEs6/P+kGXztm1Q09Ass5q3aIkLbhcoeoqemafoeermf0OZiMtrZ0Nx jhWeJ+ZXbuDjH2LDjGFQnLYY5qtWY8HMydBYbAvfeEk7eV5r0e3XQdjqn8jzlRT9N4OZp+hl TvTiUU/WaYxoPwiWtyIrtSPPftfCoKFauJso+cKrKDsaB831MEpJE4f84yAK3Ab51iOxM5Bf TFH033ikz8xT9FIr+qJMRAW+wkv/F5/UhbUaaNNFE6ffVu4VCI/3zcCQkQvxNOXTa5VfX7KB soYalq1ahIHtx2HPa45uKPqvNXxn5il6WTtHL/LHAUN9aM+ZD20dye99zNTVw6xZy/C7d3il d0QUfR0WE8dB1cgKN0KzPln31nMHxndohp/rd4Ldm2SGnqL/OiN3Zp6il9VTN6LkcCTmFZUM eCIQkvz1fpO7KDMATsf3wutd1v+sy4v2wYXjHgjOyGXo/wJDixUUfUUFzMxT9LIj+kL4nVkF lcnTceRhrHhJsNsmjBuvjEXbbyM6h/fP/Nqkp6dh886dWLVx49/Wms2b4HL+HEzWrhZE35Oi /yKYeYpe1n4CIdsD2l3awPJi1KejnYBd6Nl8CNbdfc/Qf2Wehfij8Y+1saPFYGxtORiby6kd vw3B4nqdoThYEctsrGHapBdF/wUw8xS97P0EQn4oNk7pjrFGv+Nlag7ycnOQm5uKxwfno0d3 NRwKTGTovzKPQwMwuNFvJTcLMS630hRN8aCXJlTHq2DphnUU/ZeeRmHmKXpZPEefHnkPO1do Y4LaLKhraGKKujp0DDfALTSqWgemuoT+aag/+jdsgbhBBogaYliutBOGLMa1HlMxUYmir/Dp MmaeopfV6+iTY2ORmpmFzNQU5IgKq/3BTNFT9Mw8RU/Rl5Ab+RKHN5pDbfRwKOo64HH0Q+yw mI7dlyJRUFTE0FP0UgczT9HL2M3B32KX5mCor/NC0OWV6D16Ie7EJyPMbQnkOk7GgQCer5QK 0fPm4Mw8RS/bNx6Z0bkDdr/IQMG9leivbALvhHTxn4MPbTsAlreiGHopEL213a7iH3SBo8tZ ODidxL7Tf1FnTsDF9QJEIhGkEWaeopfBn0BIhKPpREw0dsRFBwN0HDgTx+7fwqZZvdFP0xKP vuIfkTD03070mw/YIz49CY1r1IZZ0z5Y2rR3mWXaVA7GjXui2U/18D45VkqH9Mw8RS+jX8Y+ dt6OuVPUMEFVDWrTNKBvsR+v0rKrdWAo+k9FH5EehyGNWouXpQ01KbuEdakDF0G+eVuEJ0mp 6Jl5il7WRC/Kf4E9pgtwPjhT6g5kiv5T0UemxWFgw9+QONiw3HaiheXvBsxD3+ZtECmlI3pm nqKXvR81y72LlQp9obXpSaXchZ6hp+irOsw8RS97I3rRa+xSHYVWnQdj4vSZUNOcUVoztDbB IyKVoafopWtEz8xT9LJ3jj4fGalpyM3NRGpKIuJio/H+fZS4Yt7HI1vEH3ii6KUNZp6ilxHR v3SxwMI5O/AqTfKzqaKMKLx9Fy5VU1mKnqJn5il6mRa9j506FPsbwCcpQ/zvgJMLMHy8Fm7G FzD0FL1Uip6Zp+hlTvS++7UwbtgS+Cb/EXp9hp6il2rRM/MUvcyJ/sG+WVAeZYHgDEnoY92M MW7yPDwuOQgYeope2kTPzFcuq62soTNvgVAGJf/98jI1t6Dov8qIft90dG3aH2a/H4bDgf1Y rTMYLdr2hMmOI+J/F9f+Axfhn5zF0FP00jGiZ+YrlZYduqKjliP6LvGCnPHNL6o+JrfRdZ4b fmnRHqLcDIq+skWfHOqNg5s3Ye3adcIn8zpY2WzBpq1bsXad5N/FtW7dCTyMT2foKXqpgJmv XLrLK2Ko1SNM3h8EVUGcX1KTHF5j9OZnaNNbAQXZaRR9ZYteFqDoKXpm/muKfggGr/bFBLvA L5al8p4ADLd5gta9BlP0FD1FT9ETip6ir3ai93d3gPX6DbD6qNat3w7nu5EUPUUvlUhb5il6 ir5cRGFXsURrOMbPscTu/ftg7+DwofZuhq7qCKitdURMTiFFT9FLBdKaeYqeoi8XX1tNKAzX w/3Esi9pEz3ZhN591LE/KJmip+ilAmnNPEVP0ZfLq2N6kO8zBi7R+WWujz63EB3lteAYlkHR U/RSgbRmnqKn6MulKOklHDbNwGTVBTAwWYKFxh/VYmNozdWD5fE7yBJVfBqrMWOWEPrjVV4E jyl6qUZaM0/RU/R/S+yDmzjveh7nLnyo8xduICjtn/1y4N173nA661Rm9R8wCGecz3zT1xUV GQ53z+twun4JZ26UX8XrLwmPi4+LwYvwIIpeBpC2zFP0FP0348ixo1iyzKzM6tCxE1zOn/um /TFdtQrda9XH4uZy0Gvao9wyFtZ3rFkPW+xs8T4rmaIn1S7zFD1FXy4JQd5wPuYEF9dzOHHs CA4cOvQ/dejwdbzJqPgNmjVnaeHI8W976sZozSqYN+6NtBErkTrEpNwqXm/YoCus7XcjOjOR opdipDXzFD1FXy7Rj11hMKQDvq/xM6aYb4TV2tVYuXrNJ7Vm3Wk8T6347438G1/GGguiN27U 4+8FLKyf06ATbPbuoeilHGnNPEVP0f8lhYWRsJ2lgCEL7ZCYl/fV2qHoKXpmnqKn6P/N4Ed7 4eDRE3ieXEDRU/SyIXspyzxFT9FXCSh6ip6Zp+gpeoaeoqfomXmKnqJn6Cl6wsxT9BQ9Q0/R E4qeoqfoKXqKnlD0FD1FT9FT9ISip+gpeoqeoicUPUVP0VP0FD1FT9FT9Aw9RU/RM/MUPUXP 0FP0FD0zT9FT9Aw9RU8oeoqeoqfoKXpC0VP0FD1FT9ETip6ip+gpeoqeUPQUPUVP0VP0hKKn 6Cl6ip6iZ+YpeoqeoafoKXpmnqKn6Bl6ip4w8xQ9RU/RU/SEoqfoKXqKnqInFD1FT9FT9BQ9 oegpeor+C0O/eds2TJsyDdPVNP+ypk5Rh/sVd4qeoqfoKXqKvrqFfuiIUTD/pRu8u6vjclfV Msu3uwbG1GwCU2srip6ip+gpeoq+uoVeaaIqTrQdK5Zj3JBFZVbasGXQb9gF5ls2flGbRqst pUb0YUkxNCdFT9FT9NVP9IfajkLqEKO/FLBeg85YvXOb+Dk7bPdg7fatsNpWfhWvX7djG85d OC+eCSxpLB2iT8xMhZ+fL2x27BBe45a/eQ+2YNPOHfAPfEXbVqHMu1+6iG2bbbBlo3WFaquQ t927dyE9PZ2ip+ilR/Tr7fYgJTcTTWrUxtYWA2Ej1IZyamtLBSyu1xlDBijATJgJLG3SUypE X4z+clMMrtEQe1oplvv6i8uu1TB0qfkLrAXZk6qT+eHDR6DFYH10meOIjlqHvqxmHUYnnZOo 8UtzhLx6StFT9J9LIR44bsZyM3OYrvhQy8ytcORKcJUQ/TrbXYjNScXAxq2QqmAsPMek3EpT NMWjXtOhMnY8TDdtkBrRFwnv2eLVlljTtC/SRln89XsgrJ/XsAus9+6ibatQ5pUnTEQfE09M O/wGk/YFfVFN3h+EqQeC0ajnWIS+9KPoKfq/J++NK/TVB0HZwAaHnRxx0vFUaZ04aQuDSYpQ MTuKiOz8CrelMVMLR44fL/33WOWJONtuHNKGm0nkXUaljbDA4gZdYbVnpyD6ZAxo2LLcx5Y+ Z6gpnvScDuUx47FEELBlEznxdv7yOcJ6Q6GdYjFGZSYIAv6MdoQPFN8emlBRmgBjayuhnT5/ 344g4Pn1O2PjfjtEpMdBQRC9WM7lPad43YCF6Ne0tVj0C1eaY02Tvp/1evTqdxJ/QJKqk/nx yhMgZyyI/kgoJhdL+0uqWPRCNew55hPRd+2ngGHWj6EmCO9Lt1283THbXqBVT0H0Wani7SZH vxVEPxQThQ+QKV/aZ6HUD4ZgkMUDDBw6srTPj7w80LCPKtQr8n6UlIZjGJqPs8SezVYU/Z/x 2a0GxdGL8DQlvcz1Iv8d6Cc3FXtfJ33W9g4cOgRDI5Myq2279nA5f670seOE0c3wOs0wr3lP aDftVmbpN++NTjXrYautLTLzstDsp3qY82s36DTtXu5z5jTrAdV6rTFqxBis2rwJ3WvVxwJh O+U9/o92OgrtbHewQ3JmKprVqSu00/0v25krtDPxl9YYO1oJKzfaoEetBp/VToeadbHnwD4k piejae26mNu0R7ntiJc36YKWDRqL3zPTVas+u532Qjvb7G1p9iqU+fHKKmjUSwWtJlig5TjT L67fxq9ArUYtERrkX7rtTt3l8KvCHLQab/bl21ZahqbDF6J5204ozM8Rbzcl4T3qNWuDFmNM hMcs+/I+K5ujibwmBgwaWtrnJw/v4sf6LdBKuWLvR3G1Vl2Nn5p3h92e7RT9nwk4qQ/5XkNw IjyvzPVvTuqh/UAdOEdmfNb2fP0e4oLbhTLr9h1PZGdlftj2m2B4PLwD1/ueuHj/Vpnlev8m bjy4i8TEePFz7vn6lPvYj+uyz20EBr9GQnwsrgthKt7OXz2+eP1NoZ2kxARJO36f305QcCAS 4uI+qx23u0I7D72RnCRp5+5nvB53n1t4+FQycot9//7zX4/Qzh+vh1SNzIeEBsPH0wP3rrkK 5VaBcoWvz10UFBSUbvul/3Pcv+Fe4W3fv+6Op88el263eCb56PFDYblbhfvsc+syAl5/+HDK yc2Dz73blfB+COVxHg+8bgquSKTo/0xRRgiO282DuuoczDEwhJ7+RzXPENr6Rth8zhc5oiIa gkgFzDyROdH/QeorX3jevvVp3fFFZHYh9xaRSph5InOiJ4QQQtETQgih6AkhhFD0hBBC0RNC CKHoCSGEUPSEEEIoekIIIRQ9IYQQip4QQghFTwghFD0ppSgvBDtWG+F378jK33ZRIi7arYG2 7lxozTbElitvvsprKIz1w/YVs6E1Rw/aBiZwD8ms9DZibp7Brk03kZCb+6HdlKfYunKB+PUZ mjngSUoBA1UtQp+OuyetxftNXHPmQ3euNiZP0YD97bBKaSL86i5hm3OgpasDU1sXRFfCb+1L yIXviZXQ1BGyPscAdpdeoLJ+Cy714XnstvYQ+prz4a3KDsJeK0Px+7TAZBd8kqp2xin6MgOf hov6g/HdD7Uw/5B/5co3PwBbFk+D3o4bePriKbydLdDl1x4wOR1Uqe0UpPjBdJwcRurbw9vX B2et1NB9jDrOvs2ptA+rG24r0KtWPXQaYY/wrCzx8vyMh7DSGI7JK07jwYP7OGysDgVtS/gl 5zBXVZ4CJIS/EO+3Bw988OTZHawc1QUte2jicljFBwnRF1eiT7e+MD/tg3s+ZzBfuRsmrHVB Sn5FjZyPa6uU0b3nGOy66Ye7DxyxUHkw9G0foaCoqAIZT4H3ZSso1K2Pjv0tEVhyX9zC3EBs mz0KE4wPi48tJ3MtDJxmgjsJWRR9dSJUEJhcmy747bdWWHwisFK3HXllPcYO1caF6AS8DQnC m7DXeHD5Cq4/Cq/UdvJCj0K+VVMsuRgtCWfSBQwe0BoWHjEVl3xhDM6sV0OPkVMxa4wCBkw9 hMjsbPG6IKeF6C83HldiJWIvTLuCST27C+9jKINVzYi+aoZeHYfD1jelUrbnvV4JzRTm412m 5EPj5R4ldJqyFCEZFfuVzsLEi5jUsTPmHXhduizZyQDtB+oKOcz98ln3tpnoPlwV2iojIKe0 G8EZkvsCRF5dgYHdhuBslGQ2UljwEDr9u2GO/SuKvrqQ/HwXpo2chT0XLmHGiA5YcLByRf9g kwZay03C4lUWmDdTB5oaajCyv4S3mZX7k7TFQXXZNBdjps7D2s2bYTJ1HNTXOMA/rTKmygWI j3yD2CwRAnYZQn7SgdIRvfemGeg/Zj1epUnu81lQ8BymQxQx1cYL/Fn16kOh6BWMerWEsulN ZIkq57REfrA7VkxTwmSTTbDeYIwJE8bDyt0fFY1FYdxpjGrTFkZnPgyWUs/ooVGz37DrQfIX ZzwxOhRRGSJEHzZBH6WdpSP6F3vnou/Q5XiYVJJxUQjWKwkj/BUeyC2smj8tTdF/PAp+exNG 0ybB5k4CRIURmD20PYycwiq1DTdTBTRuNxIHniSUiPApFg7pAzXrO8grrDwT5qc8x64FkzFz 4QbssbPDBmNdaM7bgKtvK3d6+dBGF/1KRV+AGysno4fyZgSlZ5QcBK9gNmoAJlherzRhkK9P 7BUjdOw8oXTUWhm8u7EVi5TVYbhjL3bv3YiF06fBeOs1JOXlVXBQkwKXFWPRs89Y7Lzmi7s+ 52A6vgfqNmoDhyepFe73a1sDyI37IHrfzTPQeZQlHidL/i0SvcVG1SEYaXweqfn5VXJ/UvSl aUnFCf0haNJ2JBZv2AgLU110blYffacsgaPP20objV5brgo51UNILA13AVyNlaA4dbcgy+xK ezmv9mujTWdlXI39Q7iBMOnXDeOWX0OOqPJGHQ8+Eb1wENhpY2DxTdFT/hjRP8Ii+cGYsdOX Gasuh4IwG7RTl8MIw9PIKKgccYmE/JmN6IQxxlc+DEZumKFti2GwDUmtlDbuHtCH5ux5mDt/ Iw65bMOMgcZwj6n4MRVoq/+J6AOOL0B/eT14J6SXHFvBsBw+FJPXePHUTTUYz+PN48s46+KE o0eP4PedFujTuhFGzN+Bm/4xqKyxdrSXDYZ1H49TERLRF88c1iuNwLQ13pU67Qt2XIgO7RTg GClpJ1+YORgNHoDJa70qtZ0HG2ajz8QPoo99sBEjevaB/SPJed0C393o21sOW+8mMmLVhIL0 c5jUrg2MjlXe1WCFhW+xYWJ3DJvjhPSSD4/saxbo0k0Th8PSKrj1XEQ8eYKQDFHpEu+tMzFc 5xDCsir+JXLgngXoNWZHqeiTXthDuWd3bPSU3D9aFHQMCr27Yc219xR9daMw3w8a/VvB8OTb Sh8tXTloAc35JliyzAwG86ZBe+lWeMfkVe4LyIvAscUqGDpymrid2aoKUJ63F36JlTu1vG+t AzmV/R8OqKI03Nw6HwNHTxW3O2O0MgwP3KqyU1ryv2TfsULXNorYGZBeqdtNenoMcwf3goq+ OUyWGWDEsJEwO/K4wjPMoqJkXLU1xKC+qli83Awmc9SgpGmO86GV8yVy4J756DF6OwLSSt6P oiz47DPGwBEqMBLa0xmjhLm7PD6apVP01Yf8NAS/8sWbr3TJVMSTq8LswRkul24hKvtrBaQA r+64iNs5f+0u4nMrX7aZUUF4FhCF/E++X8hH4L0L4navPXjDLFW3uW3CGzzzfY3kvMrPS1Hy M1w5d1bIxjlhphxdqdsO974KZyFzzheu4e1Ho/sKf/DFCO/Hq4j/+UAK9XMXZ/yKdwCq+nUG FD0hhEg5FD0hhFD0hBBCKHpCCCEUPSGEEIqeEEIIRU8IIYSiJ4QQQtETQghFTwghhKInhBBC 0RNCCKHoCSGEUPSEEEIoekIIIRQ9IYRQ9OQbUpiEBx5uuBkQU/5DCqPgefQoHoT99Y1PIh6c g6ub39/ewSkjxg+33G4jKlvE95/8qxTlJMHXfR/sbXdi644dn9S1NwmIe30Lrk6eiM35wpvJ F6Xh2eXz8A1O4ZtN0f+Lns/zxqyeHaGyrvybCRcVxcHvohtevs/5y21FP70Bz9uv/vYmzsGX F2Fou7Fw/ZvtEfLV8x9xDapdf4G85qoyRZ8S7os713yRmPdltxjML3iGZb06wGD3S77ZFP2/ OKLJ88G8gXLQ2H4fSQlPcdPtPDzOO2OTlTU2HnTCu8xcYUQfh8eX3PEqJrf0ebEPT8DKej3W CrXd7RFERUCC/y3cueNfKvrCmHs4tHWd+DE7TrgjLldym8KQq8ug1HMq3D/aHiH/juivYLJ8 GxifDS9zffK7u7hzVTJLzY3zxfUL5+Ah1Far9bDZ74g3mR9uvfnAWXI8WNlsgWd4tnhZQcFL WA7qiSV7/flmU/T/tuj7YIb9Q4S+3IjutepBydABB/bvx6xB7THO2AWhad7Qb9sOFs5h4ucE Oq6CYh8F6G8/AodDG6A6Wh12dwJxbeVojBi3GW8zM5H19Bi0Jg3Dwi2HcfDUPsxS6AI1y0tI Ew6YyBumFD2pQqJvCxPnskXvs1cdg+X08Cg5BZlPLNGtZl2MmW8nPj50FDpgtOEpRGalwtlC DUoLluLA4aPYYzIWfYbPg2tkLgpEARQ9RV91RD/d9iHePLOBYmtFHA+XjFKCjs9Cv76zcT3m OZbL9YS1a6Q4uKb922GK5YOP5qcZSM/OxdXVE6AyZRfCs7IQ7+eKg3s8kJSXh8I37tAc2Bpd x65CaGYGYj2XUvSkaog+6hZmyTdAn0mLYbrCvLQcLj0W32T+2SFtjBtqjGcpKUh/bIkhvyng ULBktB56ejb69piGa7Hv4bF5L25F5Ihnv2c3TkPznxti041Y4XgJwmqKnqKvSqJ//UgYnfee gksxknPnr90WY8KAebgW80wi+otRyM27Be2evWF+Nux/tiUR/U7xiD438TY2LJwIFTVNaGuY QG1qXwxQscKbDIqeVCHRR96ARr9fMXaxLU46niqtq0/fiE9HPj78QfQpvhaY0EMFru8lpyZD PJZgQp8ZuBWfipcnF0NpgibUJs/FfKPp6CXMgLdR9BR9VRW9Ss9JcCsJsv95Q4wfMF8Y0ZeI 3i1SfM7RpG87aKzz+/hwQY4wci8W/UQ1WyTk5sJj6Tj0Vt4kiL34Sp0COC+SR7cJGxCVnY04 zyUUPalCp27aYLFTWJnr/Q7pfCL68d2UcS5acnwEuRtjwsAFuHzXGcPbymGbX6p4uejJRvRo 1Rpb7yRQ9BR9FRF9rjdmduuAydvvw9/HEsNaD4dLSZBfOOpCoesMXIp+hEUd2pSM4gvx/NBS DOwzAqYHXXDS6Qjmz56BtZfuwsNiFIYrbRXL/JH9bPSWV8UONxecPbkFU9r/hgYdFHE6MgXR N42g0HokLrzP4w4g/67ow9wxunMD6DiULeIHe9UwqPdc+CUnI+neEii0VIBTpOT4CDg/Dwpd 1HHR/y7mD+iBGdYucHI+ifWaymjwUy2o2TxCcm4QzHq1xYIdz/lmU/T/ouhFMbh8eD/OPAlH Uqw3nOydEJwhuWY4/vUlOB1wx9uMWNzabw+vNxmlzwu9aQ+T5Suw1GwFVh+/g2yRCGF3TsDR 8R6ShdF98SWZVw6vFa9fs9UZj9++xMnNlnB6+h6J0V5w2nsGIRn53AHk381/xlucPbwDbi9i y1z//ul5OB66gjhhlpoTcxOn7R0RmC75+4/EkCs45eAiDGxykfr4CFaIjwcrON1/C7+Lu7Dd 4RJic5Jx/7Adrj5O4JtN0RNCCEVPCCGEoieEEELRE0IIoegJIYRQ9IQQQih6QgghFD0hhFD0 hBBCKHpCCCEUPSGEEIqeEEIIRU8IIYSiJ4QQQtETQois8/8wpykV9yrB3wAAAABJRU5ErkJg gg== tiene la capacidad de reconocer y agrupar a los objetos por 14 Revista Ecuatoriana de Investigación Educativa cierta cualidad”. Es decir, las actividades se desarrollaron con un impacto positivo de un 60% aumenta a un resul- tado de 80% de asertividad en la noción clasificación, en tanto al resultado de 70% aumenta a un resultado de 90% de asertividad en la noción de seriación en los niños al dar el uso de herramientas tecnológicas para adquirir destrezas acordes a su edad. En la enseñanza de estas habilidades operativas lógi- cas, el aprendizaje se dio de manera atractiva y divertida, empleando medios didácticos virtuales que a los niños les atrae. Las actividades interactivas virtuales pueden des- empeñar un papel esencial en el proceso de ofrecer a los niños, de manera responsable e igualitaria, el contacto con las tecnologías para aprender (Gómez, 2014). El niño des- cubre y ejecuta las actividades interactivas y los ve a las operaciones matemáticas como un juego y no un contenido de aprendizaje. V. Conclusiones Al cambio de vida de toda la humanidad generado por el Covid-19, en el ámbito de educación se vio obligado a recurrir emplear herramientas tecnológicas para el proceso de enseñanza-aprendizaje. Se cambia la percepción de edu- cación en modalidad presencial a modalidad virtual donde la familia tiene un rol protagónico porque permite que su representado utilice espacios y herramientas virtuales para aprender y los niños adquieren: autonomía, desempeño, conquista y descubrimiento en las clases virtuales. Por otro lado, los docentes son pieza fundamental en el proceso, ellos son los primeros agentes en adaptarse a nue- vas metodologías digitales y saber emplear las herramien- tas para acompañar a sus estudiantes y padres de familia a una nueva realidad de educación respondiendo así a los requerimientos de sus distintos contextos. Los objetivos del estudio y las pruebas de hipótesis se cumplen, debido a que las nociones básicas y operacio- nes lógicas se pueden desarrollar desde la primera infancia empleando recursos didácticos virtuales para establecer conocimientos, competencias, habilidades o destrezas bien consolidados para el desarrollo del pensamiento lógico ma- temático durante toda la vida y no se presente conflictos ni temor al resolver ejercicios de este ámbito, como se ha demostrado en esta investigación. Por tanto, uno de los mayores desafíos es incorporar nuevas tecnologías con actividades interactivas virtuales que proporcionan el contacto con nuevas formas de des- cubrir, experimentar y crear aprendizajes, no limitados al espacio físico donde se encuentran, pero sí al posible ma- nejo de los recursos y comunidades disponibles de Internet en un ambiente flexible de educación virtual, dando uso positivo a las herramientas tecnológicas y desarrollando habilidades en los niños. VI. Recomendaciones Se recomienda realizar las pruebas de Nociones de Se- riación y Clasificación, procurando repetir la misma forma de avaluar a fin de contrastar con el presente estudio con el objeto de tener más elementos para análisis, así como también realizar contrastes con el nivel socioeconómico de los padres de los niños. Referencias Aguilar, M., Ramiro, P. y López, J. M. (2002). Conoci- miento numérico en una muestra de niños y niñas de cinco años. Comunicación presentada al II Congreso Internacional de Educación Infantil, Granada, 19-21 marzo. Aubrey, C. (1993). An investigation of the mathematical knowledge and competencies which children bring into school. British Educational Research Journal, 19(1), 27-41. Aubrey, C., Dahl, S. & Godfrey, R. (2006). Early mathe- matics development and later achievement: Further evidence. Mathematics Education Research Journal, 18(1), 27-46. Aunio, P., Hautamäki, J. & Van Luit, J. H. E. (2005). Ma- thematical thinking intervention programmes for pres- chool children with normal and low number sense. European Journal of Special Needs Education, 20(2), 131-146 Aunio, P., E. J., Lim, A., Hautamäki, J. & Van Luit, J. H. E. (2004). Young children’s number sense in Finland, Hong Kong and Singapore. International Journal of Early Years Education, 12(3), 195-216. Atencia Rojas, G. (2017). Nociones básicas para la cons- trucción del número: clasificación yseriación de niños de 5 años, IEI 377 “Divino Niño Jesús”, Los Oli- vos-2016. Barreto, C. R., & Acevedo, C. A. (2021). ANTECEDEN- TES INVESTIGATIVOS EN LA INCORPORA- CIÓN DE LAS TIC EN EDUCACIÓN INFANTIL. Ambientes de aprendizaje enriquecidos con TIC en educación infantil: Una mirada internacional, 23. Bastar, S. G. (2019). Metodología de la investigación Bravo, J. A. F. (2006). Desarrollo del pensamiento lógi- co-matemático. Educación Infantil: Orientaciones y recursos metodológicos para una enseñanza de cali- dad, 297-326. 15 Vol. 3 - 2023 Bruno, A., Noda, M., Aguilar, R., González, C., Moreno, L., & Muñoz, V. (2006). Análisis de un tutorial inte- ligente sobre conceptos lógico-matemáticos en alum- nos con Síndrome de Down. Revista latinoamericana de investigación en matemática educativa, 9(2), 211- 226. Cerda Etchepare, G., Pérez Wilson, C., Moreno Araya, C., Núñez Risco, K., Quezada Herrera, E., Rebolledo Rojas, J., & Sáez Tisnao, S. (2012). Adaptación de la versión española del Test de Evaluación Matemática Temprana de Utrecht en Chile. Estudios pedagógicos (Valdivia), 38(1), 235-253. Cascales Martínez, A., Carrillo García, M., & Redondo Ro- camora, A. M. (2017). ABP y tecnología en Educación Infantil. Pixel-Bit. Revista de Medios y Educación, 50, 201-210. Curriculo de Educscion Inicial (2014). Repositorio Biblio- gráfico Nacional de Educación Intercultural Bilingüe, Etnoeducación e Interculturalidad. De Deus Nascimento, S. (2020). El docente de Nivel Ini- cial y la alfabetización digital: Uso de las TICs en la Biblioteca Escolar desde la alfabetización inicial para la conformación de una Comunidad de Lectores (Ba- chelor’s thesis). Estrategias metodológicas para el desarrollo del pensa- miento lógico-matemático. Didasc@ lia: Didáctica y Educación, 9(1), 125-132. Failache, E., Katzkowicz, N., & Machado, A. (2020). La educación en tiempos de pandemia. Y el día después. Aportes y análisis en tiempos de coronavirus. Fernández-Gago, J., Carrillo Yáñez, J., & Conde Fernán- dez, S. M. (2018). Un estudio de caso para analizar cómo ayudan los profesores en resolución de proble- mas matemáticos. Educación matemática, 30(3), 247- 276. Hernández Guevara, N. R., & Sánchez Barturén, Y. Y. (2006). Programa” CSCJF” basado en la teoría de jean Piaget para mejorar las habilidades básicas del pen- samiento Lógico Matemático en los niños de 5 años de la Institución Educativa N.º 00205 del distrito de Rioja. Hernández Ramírez, I. G., & Lizarazo Tequia, L. Y. (2017). Programa de intervención para desarrollar la dimen- sión comunitaria en niños de 5 años desde la imple- mentación y uso de dispositivos móviles. Hurtado Talavera, F. J. (2020). La educación en tiempos de pandemia: los desafíos de la escuela del siglo XXI. Revista arbitrada del centro de investigación y estu- dios gerenciales, 44, 176-187. i Basté, M. M. E., Gelabert, S. B., & i Rosera, M. A. (Eds.). (2017). El juego en la primera infancia. Ediciones Oc- taedro. Morales, R., Cañadas, M. C., & Castro, E. (2015). Cons- trucción de seriaciones en Educación Primaria: Un estudio de caso. Morales, R., Cañadas Santiago, M. C., & Castro Martínez, E. (2017). Generación y continuación de patrones por dos alumnas de 6-7 años en tareas de seriaciones. Navarro Guzmán, J. I., Aguilar Villagrán, M., Marchena Consejero, E., Alcalde Cuevas, C., & García Gallardo, J. (2010). Evaluación del conocimiento matemático temprano en una muestra de 3º de Educación Infantil. Oliva, H. A. (2020). La Educación en tiempos de pande- mias. Researchgate. net, 15. Piaget, J. (1981). La teoría de Piaget. Infancia y aprendiza- je, 4(sup2), 13-54. Pabón-Gómez, J. A. (2014). Las TICs y la lúdica como he- rramientas facilitadoras en el aprendizaje de la mate- mática. Eco matemático, 5(1), 37-48. Pezo Carihuazairo, M. M., Puertas Baiocchi, A. C., Quija- no Rengifo, N. K., & Zuloaga Alva, D. E. (2020). Uso de las tecnologías de la información y la comunica- ción en educación inicial Saldarriaga-Zambrano, P. J., Bravo-Cedeño, G. D. R., & Loor-Rivadeneira, M. R. (2016). La teoría construc- tivista de Jean Piaget y su significación para la peda- gogía contemporánea. Dominio de las Ciencias, 2(3 Especial), 127-137. Sánchez, J. (2002). Integración curricular de las TICs: con- ceptos e ideas. Santiago: Universidad de Chile. Soto, C. F., Senra, A. I. M., & Neira, M. C. O. (2009). Ven- tajas del uso de las TICs en el proceso de enseñan- za-aprendizaje desde la óptica de los docentes univer- sitarios españoles. EDUTEC. Revista electrónica de Tecnología educativa, (29), a119-a119. Valle, J. E. M., & Salgado, V. C. (2012). Pensamiento ló- gico matemático con scratch en nivel básico. Revista vínculos, 9(1), 87-95. 16 Revista Ecuatoriana de Investigación Educativa Viego, C. L. (2016). Jean Piaget y su influencia en la pe- dagogía. Centro Universitario José Martí Pérez. Sancti Spíritus. Cuba. Obtenido de https://d1wq- txts1xzle7. cloudfront. net/49171123/Jean_Piaget. pdf, 1475036401. Villegas Parra, P., Mosquera Cárdenas, Y. D., & Álvarez Londoño, E. M. (2017). Las TIC en el entorno social de los niños y niñas de 2 a 5 años, en los hogares co- munitarios Los Corazoncitos y la Unión (Doctoral dis- sertation, Corporación Universitaria Minuto de Dios).