Evaluación competitiva en el proceso de enseñanza – aprendizaje de la MatemáticaCompetitive evaluation in the teaching – learning processe of the MathematicBeronica Aguilar-León Osmani Tito-Corrioso Universidad de Guantánamo, Cuba.ORCID: http://orcid.org/0000-0003-1457-4008 http://orcid.org/0000-0003-4231-7674Correo electrónico:beronica@cug.co.cuosmanitc@cug.co.cuRecibido: 25/03/2021Aceptado: 18/07/2021Resumen: El proceso de enseñanza–aprendizaje de la Matemática enfrenta un camino difícil en nuestras aulas. Uno de los factores que más influye es la escasa motivación estudiantil hacia esta asignatura. En este sentido, el principal objetivo de este trabajo es proponer la realización de evaluaciones competitivas en el aula, donde los estudiantes se motiven por salir bien, no solo por las calificaciones, sino, por el hecho de competir entre ellos. Para la evaluación se propone una función llamada Índice Competitivo, cuya ventaja principal es que en la misma se pueden tener en cuenta parámetros evaluativos de diferentes tipos.Palabras clave: Matemática; Evaluaciones competitivas; Índice Competitivo; Paradojas matemáticas.Abstract: The teaching–learning processes of Mathematics confront a hard way at our classrooms. One of the factors what else has influence it is the limited student motivation toward this subject. In this sense, the principal goal of this work is to propose the realization of competitive evaluations at the classroom, where students motivate themselves to come out all right; you did not only for grades, but, for the fact to compete among themselves. We propose a function so-called Competitive Index for evaluation, whose main advantage is that in the same evaluative parameters of different kinds, can have in account themselves.Keywords: Mathematics; Competitive evaluations; Competitive index; Mathematical paradoxes.IntroducciónEl proceso de enseñanza – aprendizaje de la Matemática enfrenta un camino difícil en nuestras aulas. Uno de los factores que más influye es la escasa motivación estudiantil hacia esta asignatura. Los profesores de Matemática siempre están a expensas de que en cualquier momento uno o varios estudiantes reflejen desinterés y por tanto poca motivación. En tal sentido, el profesor, debe enfrentarse a dos tareas fundamentales en el aula: la concerniente puramente a la adquisición y dominio del contenido por parte de los estudiantes, la transmisión del conocimiento; y la tarea de realizar actividades en busca de aumentar la motivación del grupo. Siguiendo esta idea, en CITATION Lóp21 \l 21514 (López-González, Tito-Corrioso, & Aguilar-León, 2021) los autores abordan el tema de las Paradojas Matemáticas, y proponen su uso como una herramienta de apoyo a los profesores tomando como objetivo fundamental la motivación de los estudiantes. Además, las proponen como vía para generar situaciones problémicas que posibiliten el debate y la generación de ideas entre los estudiantes.El tema de las Paradojas Matemáticas en el proceso de enseñanza – aprendizaje, ha sido tratado en varios trabajos, por ejemplo, en CITATION TSM15 \l 21514 (Talero, Santana, & Mora, 2015) a partir de la interpretación gráfica del movimiento uniforme rectilíneo y la serie geométrica, los autores aclaran la paradoja de Aquiles y la tortuga. En la Física, este resultado se puede usar como ejemplo en cursos elementales de cálculo y mecánica. En el artículo CITATION Tas10 \l 21514 (Tasenm, 2010) se relata brevemente la historia de las Paradojas Matemáticas y los primeros matemáticos que comenzaron a estudiar este tema desde el punto de vista de la lógica matemática. En CITATION Mac12 \l 21514 (Macho, 2012) se hace un recorrido por varios ejemplos concretos de paradojas de diferentes tipos, como desapariciones geométricas, anamorfosis, paradojas lógicas, del infinito, de la vaguedad, entre otras. En CITATION Mar99 \l 21514 (Martínez, 1999) se presenta una secuencia de razonamiento matemático basado en la resolución de una paradoja, con la intención de que dicha propuesta se utilice en los cursos de formación de profesores de matemáticas de secundaria. El autor plantea que mediante la realización de módulos formativos basados en la búsqueda de significado y de resolución de paradojas, se puede poner a los profesores en formación a hacer matemáticas con problemas elementales, idea que luego hará llegar a sus estudiantes.Teniendo en cuenta lo anterior, en este trabajo se aborda como problema científico la desmotivación de los estudiantes en las clases de Matemática. En este sentido, el principal objetivo de la investigación es desarrollar una propuesta de evaluación competitiva, con la cual se busca que los estudiantes se motiven un poco más, por el hecho de competir académicamente entre ellos. Para la evaluación de los resultados de cada estudiante se propone una función llamada Índice Competitivo, cuya ventaja principal es que en la misma se pueden tener en cuenta parámetros evaluativos de diferentes tipos, como la cantidad de respuestas correctas y el tiempo consumido por el estudiante. Como ejemplo, estos conceptos se explican en este trabajo para evaluar el dominio de algunas habilidades matemáticas. De esta forma, se espera que esta investigación sirva como una herramienta más en el propósito de aumentar la motivación estudiantil en el proceso de enseñanza – aprendizaje de la Matemática.Desarrollo Una de las cosas que motiva al ser humano en la realización de determinada actividad es la competitividad que se pueda dar con alguien más. Ejemplo de ello se ve en los deportes, donde, en muchos casos, si se practica solo, lo más probable es que en poco tiempo se llegue al agotamiento. Sin embargo, si la actividad física se realiza en compañía y buscando cada uno tener mejores resultados que sus compañeros, solo la motivación de alcanzar este objetivo deja de un lado el cansancio por un tiempo, a la vez que incentiva la auto superación.La idea de la realización de actividades competitivas en el aula es precisamente la búsqueda de competitividad entre los estudiantes, que los motive por aprender más y así superar a sus compañeros. La competencia debe ser sana, y en ningún caso se debe buscar una rivalidad negativa, solo positiva en el sentido de la superación académica.La Evaluación Competitiva (EC) es el desarrollo de exámenes, ya sean orales o escritos, en los cuales se midan diferentes parámetros de eficiencia, que no solo involucren las calificaciones obtenidas por los estudiantes; y que al final permitan evaluar globalmente los resultados. Esto permitirá ordenar los estudiantes en correspondencia con lo realizado y en comparación con sus compañeros en una tabla de posiciones. Con la realización una EC, además de buscar el mero hecho de la motivación estudiantil como objetivo principal, el profesor tiene la posibilidad de verificar el desarrollo académico que va alcanzando cada estudiante como propósito colateral, sin pretender sustituir los exámenes parciales que corresponden a la asignatura.La realización de exámenes donde solo se mida la calificación obtenida, predispone al estudiante a enfocarse en si va a aprobar o no, aumentando el estrés, sobre todo en los casos de los menos aventajados. Esta es una de las causas del desinterés hacia la Matemática. En este sentido, en la EC deben evaluarse varios parámetros y no solo la calificación, para que el estudiante no se enfoque solo en que debe aprobar. Como ejemplo, supongamos que se desea aplicar una EC, y esta vez, como propósito colateral, se enfocarán las actividades para evaluar el desarrollo de la habilidad matemática modelar. Para este objetivo, se realiza un examen de diez preguntas. En este caso no solo se medirá la calificación obtenida, sino, la cantidad de preguntas respondidas y el tiempo consumido por cada estudiante para terminar. En este caso, la inclusión del tiempo ya es un factor que hará que los estudiantes no sólo se preocupen por la calificación.Estos tres parámetros no están relacionados entre sí, y, por tanto, se necesita de una fórmula para calcular la evaluación general, en función de todos los parámetros que se estén midiendo, y que dé como resultado un único número que permita ordenar a los estudiantes en un podio según su desempeño. Para ese objetivo, se propone una generalización de una función llamada Eficiencia, propuesta por Tito-Corrioso, Borges-Trenard, Borges-Quintana, Rojas y Sosa-Gómez (2021) para comparar diferentes funciones de aptitud, teniendo en cuenta tres criterios diferentes de evaluación. La función que se propone, a la cual se hará referencia como Índice Competitivo (IC), es:ICEi= j = 1kujPjEir=1nPjEr,(1)donde, s=1kus=1, 0<us<1.En la Tabla 1 se describen las variables incluidas en (1).Tabla 1: Descripción de las variables correspondientes al ICVariableDescripciónNCantidad de estudiantesKCantidad de parámetros a evaluarEiEstudiante iPjEiResultado obtenido por el estudiante Ei en la evaluación del parámetro Pj.ujPesos para ponderar cada parámetroFuente: Elaboración propiaEs interesante notar que el resultado de la evaluación de cada parámetro a medir para el estudiante Ei se divide entre la sumatoria de los resultados obtenidos por todos los estudiantes en el mismo parámetro. Este hecho refleja la idea de que la evaluación sea competitiva, ya que cada estudiante se evalúa en función de cuánto representa lo que hizo en cada parámetro evaluado, en comparación con los resultados de sus compañeros. Seguidamente, el IC calcula una media ponderada por uj, mediante una combinación lineal convexa, lo que permite incluir parámetros de diferente naturaleza. Los pesos uj generalmente se deberían tomar iguales en la mayoría de los casos, sin embargo, si se desea que algún parámetro tenga mayor (menor) valor con respecto a los demás, entonces el peso correspondiente debe ser mayor (menor). El valor devuelto por la fórmula (1) es un número en el intervalo real [0,1].Siguiendo el ejemplo de aplicar una EC para evaluar el desarrollo de la habilidad matemática modelar, en un examen de diez preguntas, supongamos que el grupo tiene nueve estudiantes (n = 9), los cuales serán E1, E2, …, E3. Se medirá la calificación obtenida (Calif), la cantidad de preguntas respondidas (CanSol) y el tiempo consumido por cada estudiante para terminar el examen (TiemEx), por tanto, serán tres parámetros a evaluar (k = 3), con los pesos, u1 = 0.33, u2 = 0.34, y u3 = 0.33 respectivamente. Con estos datos, la fórmula (1) para el estudiante Ei quedaría como sigue:ICEi= 0.33CalifEir=19CalifEr+ 0.34CanSolEir=19CanSolEr+ 0.33TiemExEir=19TiemExEr.(2)Para medir el TiemEx, es necesario poner un máximo de tiempo para el examen, supongamos 30 minutos, y se mide el tiempo (T) que demora el estudiante en terminar, luego, se calcula mediante: TiemEx = 30 – T. De esta forma, un aumento de TiemEx indica que el tiempo consumido fue menor.La habilidad matemática modelar, consiste en asociar a un objeto no matemático un objeto matemático que represente determinados comportamientos, relaciones o características suyos. Es llevar al lenguaje matemático determinada situación práctica. El contexto de la EC se puede usar, como caso particular, para evaluar (y potenciar) el desarrollo que han alcanzado los estudiantes en el dominio de las habilidades generales matemáticas. Para más detalles sobre este tema se puede ver, por ejemplo, CITATION Her89 \l 2058 (Hernández, 1989) y CITATION Del95 \l 2058 (Delgado, 1995). Una forma de evaluar la modelación, es plantearles diferentes problemas a los estudiantes, y que éstos busquen las ecuaciones o fórmulas correspondientes, sin que desarrollen la solución.En la Tabla 2 se presentan resultados aleatorios que podrían haber obtenido los estudiantes en el ejemplo que se está tratando.Tabla 2. Resultado de las evaluaciones por parámetros y el ICFuente: Elaboración propiaEn la Tabla 2 se puede apreciar que las calificaciones están entre 2 y 5, y no representan el criterio fundamental para decidir cuál estudiante es el de mejores resultados (lo cual se puede modificar con los pesos). En la columna cinco están los valores de la fórmula (2). De forma gráfica, los resultados de los tres parámetros se pueden apreciar en la figura 1.Fuente: Elaboración propiaFigura 1. Resultado de las evaluaciones por parámetros de cada estudianteFinalmente, en la Figura 2 se puede apreciar mejor la comparación entre los estudiantes teniendo en cuenta solo el Índice Competitivo.Fuente: Elaboración propiaFigura 2. Índice Competitivo de cada estudianteNotar cómo el estudiante E5 se ubica de primero sin ser el que mejores resultados tiene individualmente por cada parámetro, lo que refleja que en promedio fue más eficiente que los demás.ConclusionesEn este trabajo se abordó el tema de las Evaluaciones Competitivas, con el objetivo de lograr en los estudiantes una mayor motivación en el proceso de enseñanza – aprendizaje. Se definió una fórmula general, el Índice Competitivo, la cual permite evaluar el desempeño de los estudiantes en función de los diferentes parámetros que se les evalúe. Finalmente se expuso un ejemplo de cómo usar dicha fórmula.Para trabajos futuros se recomienda aplicar evaluaciones competitivas en diferentes grupos de estudiantes. Comprobando en diferentes casos el dominio del contenido y de las habilidades matemáticas.Referencias BibliográficasBIBLIOGRAPHYDelgado, J. R. (1995). Un sistema de habilidades generales para la enseñanza de la Matemática. Cuba. Memorias de la 9na. Reunión Centroamericana y del Caribe sobre Formación de Docentes.Hernández, H. (1989). El perfeccionamiento de la enseñanza de la Matemática en la Enseñanza Superior cubana. Experiencia en el Algebra Lineal. Ciudad de La Habana, Cuba: Tesis Doctoral.López, C., Tito, O. y Aguilar, B. (2021). Las Paradojas Matemáticas en el proceso de enseñanza - aprendizaje. EduSol, 21(74), 156-166.Macho, M. (2012). Historias de Matemáticas. Matemáticas a través de la paradoja. Revista Pensamiento Matemático, 2(2), 1-20.Martínez, P. (1999). Paradojas matemáticas para la formación de profesores. SUMA, (31), 27-35.Talero, P., Santana, F. y Mora, C. (2015). La paradoja de Aquiles y la tortuga: una discusión pedagógica desde la interpretación gráfica y la serie geométrica. Lat. Am. J. Phys. Educ, 9(4), 4302-4304.Tasenm, J. (2010). Computación y Paradojas Matemáticas. Revista Digital Lámpsakos, (3), 9-15.Tito, O., Borges, M. A., Borges, M., Rojas, O.; Sosa, G. (2021). Study of Parameters in the Genetic Algorithm for the Attack on Block Ciphers. Symmetry, 13(806), 1-12. doi:10.3390/sym13050806PAGE \* MERGEFORMAT134EduSolVol. 21. Núm. Esp.ISSN: 1729-8091Publicada en línea: noviembre de 2021 (http://edusol.cug.co.cu)Beronica Aguilar-León; Osmani Tito-Corrioso: Evaluación competitiva en el proceso de enseñanza…Andrés Ferrer Castillo; Raúl Hernández Heredia; Pedro Planes Cumbá: La cultura organizacional en el … PAGE \* MERGEFORMAT142EduSol Vol.21 Núm. Esp. iVBORw0KGgoAAAANSUhEUgAAAgAAAAHSCAIAAAAVBOQUAAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAJcEhZcwAADsMAAA7DAcdvqGQAAC1pSURBVHhe7d2/drJKF8BhPNeiKbJyBeQKNE0q 23RaavN2KdOlgTJ2aa1sIlcQryArReBecmaGAfkziFFUcH7PWmd9gCPKds9sGMj39n5/f51qvV5P LwEAOq4w4NcXgN0NUEbQsogGGkdSHaYct//0/wIALEMBAABLUQAAwFIUAACwFAUAACxFAQAAS1EA AMBSFAAAsBQFAAAsRQEAAEtRAADAUhQAALBUwwUgmPbMpoFu0YD0Q9KdRv69WL33I71+HaLAn8rj ku7vp0EktxxxjFG6u/up2I1YrdxZHFChyd+tUek3LEvyoJmsOEtKt8Jf8y2fJMVoR0Gabf61RUop ZmAm0ZruuSfUcAEYvv3+rieuWp6sf5VwPVHru0X+3mkyfNtrj3/0hy9wDqL7DEbzhYhiKIP4+f74 89QbjJb65T8T6TqYf43jvb0/OmJn8y/9Wll/9nyCEDctjk2SDCrf9ku2vzg8pTvlgHzblSSR/zRa bMTOPNfZfDutHPuO1J99/srDk1wv/P2c9dVy0z33tE4wBTS41Qtaf48BW+TL/Fsv72FwG8c9IX8L EWr9Cxzij1/gxMRoLbqPHHA+34bxQfWHs88k3Q4QfSw3jjt+iPcmd9b5MezO+6djk9Ef/vPukuWj syJxSEp3SRP5lo92+C12J6ityT4t0HzPPbFT3wOIr3yGb29DvcEkmA7mcb5cyMW/QF7wGn+byWM+ auKUa6wXD7KZP8nL0VhmpOyi/uzNPLJXvtCUvVK6U5rPt+in+urymp2q557OaQtA5L+Ur3y2U9HC NBBXTKOF3L4YyXV/O7GYTrIls616VvF++po7WS+1U/OP6Wfcy83bNr7++HTKrvAF4n1k58vTMfNM gpX6OqUsEoazdHD70zHKDJSnrJvFaCDvAMhDyo6UhdsD18CQFfnfNNMgSSw/inSjyjAUUjpzh2Cb upnZ4C7YI9/KyVaQi3Z6PiV6lKHt9dqv57aLnKaqVtvAIH+5I2fHstSr8VxquPZc+bJ+QzLBqi+u 5WpmMVmRy8knJO/ItxOr8nW3sIPtm5IZ3PTthS+g19U3V22Lx1BDvFcvHST5otvvY/LXYxRCT09l K+K9+qjid03Sw1XHa3j/YcRO9NKJ6G9a/qq5QzD9pttwZSOn35f90ZNXY4V00C+qHa49L4lqZ6QH V/1bG5NNbs+sGaK9Y49HEvvWS5eVxC5OiT0ieWHiu+mlxAmvAEQU0ohs9W/u5JmBOgcbzj73nqEV Z16yuqra2n8Yl/abJfb7+/spL9GLNwvUDuo+Mb6OmzzLr9aXe9jMX894HqMiVOuAYxSn/J9iiNJV QF4MqNOz+HDd24fkcM98vGex6zfNnK+5t4MkcpvvUC9tGVO6H99P2cyf7l+d2axz89175NuuZENq v57bLqedAspMfYmL63hh+CYHIVEDBnIy4nTTK/JRrMJc0X70/KWaEOr14ovZr58zXtQnnWyxqhuG 9z/G5Bmn/lBUAXkOrD5CfoJxuvbr50cvXQfzb1oe4euZUlreT5F1U+61g/bMtwM61Fm7TQvs33Nb 49Q3gZOpr+DjQ61L20FInIU+/W2+dL+UknO6gxfn39u/wuMb+9B1PHeh38SjJHvT8/WGPMo+qvrX Y1y+bCPdH769J2eyxtOWu5sbvXQdzL/pQL32V8aUvrmT4VyMujjlvUe+HdWh7LFfz22VExSAsHiS IG+sjb5v4iE08uO/jJCD0HN2TloIVJS2V5nZk1M97aMuzKPkITMzOVskXr+7iR9+/IP4Cwwf5a8o LunVvVJ15nPmu3ryKcN4QLmPv4Mg78M9OQ96tuKAY9zMB9srrvixUO+f2J0+ff0OxUvRh4xsvP2q HPeb1qR0MJ06/+LnamUJ2H+/bVGTb4d3KOvU99y20adDFWobFOg7QWXpuVfoTbwwuR3pqjuPyYyE ussUN9GvTvTu9D2WuJl8lz59Ldx7ST4lbSfvhcpFuaekjeO6healL7D9KLUxabUv8Sa9dBQ1Xb/9 1pP87cU/HqMKuzos/UL+sOTt+HS7+JxSSA8n9qGXTqCYb5m7b6VDKP6mmdn8NNFyi/H7dqd08qrr edt2R8fsInbkmyHZcgF0PXWbWC+LNnpZyPwiDRI71kuXk8kfZfur7+65lyS+jl5K9MR/8fc06vVq GqCMoGURDTSOpDpMOW6nvgcAAGgpCgAAWIoCAACWogAAgKUoAABgKQoAAFiKAgAAlqIAAIClKAAA YCkKAABYigIAAJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABgKQoAAFiKAgAAlqIAAIClKAAA YCkKAABYigIAAJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABgKQoAAFiKAgAAlqIAAIClKAAA YCkKAABYqksFIPLveybTQDdArBSoez/SL6EsmBKmfaRxuqoel3aWHQdV1aYqc0yRqoxedVjVx544 KbtUAPqzz9/1xHFcL/zVwrXnurcD3QBK8Drf6MWYO37o60UUiO43ctYqmdZ38wE1oIKI0+pRhSn0 3MVox2jZKcF0ML9TP//aGVXUgIo2VZkjt3/pISp5Q2X0TI1j4pVBoR+fhProSrUNzkyELzv+C6Hn xT9Ce1w4aOt1LiDrST5g59a2FMqR+TTZhkueXmRWkQrDTA6JMF02p5pKqvzPbz6sijaVmZMfouL2 ldEzNdYrUv7lBpTj1rF7AOH3JjmdjXxfVsv+bDaUq0gMh9mABKsvzv8riXzSS8rg1nUWq/QkDKl+ f5tD0c/X5Hl2BTkVfSw3mfkD8etvlh+FK8CqNjszJ92NCJUcr3ZGr9hYLZ9NtwpAsFo4dzcyRJH/ tHSY+qnF+F/r66fQ57FD5N8/Oe9vV3HSJQfxeDhR+jd3zuY71GvarjbGzOnP3j13Mx+omZ/X5fg9 O9gXo7ez8Vl0qgDI8d9ZjOT9ksF8k/lZUIHxf7fh48TZzJ+S6VvZ27mlVEnelBQdTwxYFbPlFtmR Of3Z53qixqnV4+d2RDdHr6Lx2XSpAMjxX0+7hZ47ecyfhQTyZrr1eZnH+F9n+CZSSfZJZSROMDiv qCSfwognpp3Fy/XdLY9+vvRStW2bHZkT+S/OWs7oi3F9OyJVRM/c+Gw6VADU+K9H/f7NuHiiNvzH A0EFjP97iPulJPum6/27itmNE1LTFnq52+TEfWEapzSC7GhTkTnBdLAci+Xhm7ytuxjlHywrRG93 4zPoTgGQ4//25xnO5OVS5E/TgEUfS4fhLovx/y8i/2nueOefhO0gORF+DRdK/Yexu530V7d7Sx1m jzb5zNnepxSGb+tJ8bZCNnq1jU9P17AKtQ3OJRTXSLknokKxJfeMlGiQeSzrkloStEs//6m1JoV2 UNflbUmf1hPRunRmNZZUYtTQxyIHGHMG7GpTzhy1JY3P9r2JXPRqGsvPK7z9OOW41cSxFb03DrJJ JjgiVm3pwOKL6aVLasn43+4CkKRWO0LVYnIoSrQgWOJb6KWjpaNLZvjIj8vGNrsyJ22evLwreqXG 2kkiLvallxI98V/8IUa9Xk2Dtoj/1K4dT6d1JmhnQTTQOJLqMOW4devvAMzk81WjxVU+mAAAp1NT SKm0ByBoWUQDjSOpDnOdVwAAgANQAADAUhQAALAUBQAALEUBAABLUQAAwFIUAACwFAUAACxFAQAA S1EAAMBSFAAAsBQFAAAsRQEAAEtRAADAUhQAALAUBQAALEUBAABLUQAAwFIUAACwVM0/rdnr9fQS AKDjCgN+fQHgH1/+K4KWRTTQOJLqMOW4MQUEAJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABg KQoAAFiKAgAAlqIAAIClKAAAYKkuFYDIv++ZTAPdAAVJxIhQPWJVL9sDryVO6THtPCDV6t6P9KpW 8d5gGm/NbM9GTkn3ZWiclbzxZOH+3am2wbmtJ47jeqFe+w3XnptZbYd2BE1GynEma716Ma1LIYO2 xKrlQs+VcVIuGyzxBfTSkeQvHx/KdqkkTo/cwCOZ3yuW9aIK17ZBjt6VsXEqfldh41HE7vRSoiaO 5TdclgxT/mcIPa/BADWiBUFTqdNk5hyubSlU0qJYtdt60pooNZRUcjjZHpNIhOqTydLIU/HeMMy0 Sbau17nArSd6T8bG2knSshy3mji2rfdmgtTCkV+7eNBOkjuHalsKFbQqVq2mItWSYImvoZeOURjU y2eXGcUX93mv2GgKVjr+5+Qbnygty3Hr1k3gYLVw7m76Yinyn5bOIN6KPBkl17tdqbnDE84eXgNi tafIf1nES4vRtcQp/N7o4UTp39w5m+9Qr9WofW/k3z85729DvboVrL7GD+kbY8XG50vLThUAGRaV f73eYL7JhB8ZKkrO0nmUBV6cV4iAMa5VIFb76s8+ZYzic13RCQnTDvLOrRihNvNBOZ1K47+h8RnT sksFQIZFXxXJ66XHcnGFNnn+nKnw9GfP4mJysaK7ViJWfyIrwXpyjWGKfr700t/l3xtXy7hUvuQf HSqf/1c0PlNadqgAqPFfj/r9m/FtfgIoflzq3qf3Fgwf9dwtahGr/VxJnAa3rvP1kxuf3cKwUmmP 9/Zn73JUzzHN/yimxolThrs7BUCO/9sQD2czEcbIn8YlM/JfnXdRRsdLzt9kumTOF+S5yd5pbRti dahruADvP4zd7cR99LHcuObR2WCv98o7A7mZ6srxX8g0PmdaqhmVSrUNziWUt8Vzd+HFltKN99Cb GO6vn9vFg6YuJ/VkmYxb808T/EFrUsisVbHqBhEy02Ms59RYUomfXB9LzY9fHH+E2veWAmV+/ieW b3yitCzHrSaOrei9KhhGhXC25MlQ8cX00uXIpIldekQTX0EvtVV7YtVe2T5YPYidjfgWeulo6ZFl fny1bXuY2wQpHLzhvZVthdL4v6vxSdJS7EwvJXriv/hTjHq9mgYtEgTBYDjc8wrulLoUtNMjGmgc SXWYcty69XcA1aIoGg6dj+L/WQcAoMo1FAD1IO1g0OuNvm9acAEAAN1QcyXFpdYBCFoW0UDjSKrD XO8UEADgjygAAGApCgAAWIoCAACWogAAgKUoAABgKQoAAFiKAgAAlqIAAIClKAAAYCkKAABYigIA AJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABgKQoAAFiKAgAAlqIAAIClKAAAYCkKAABYigIA AJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABgKQoAAFiKAgAAlupSAYj8+57JNNANkAqmOjhE Z09JdhGvatkeeC1xSo9p5wGpVvd+pFdTFdtNgUq7ZLF5RVTP04W7VAD6s8/f9cRxXC/81cK157q3 A90AMZE6oy8dpLUzupq+ejKyrw3md2sZsLeh3oii6GO50YvO5PEq4hRMk999R0cR6TGYp0e+VbXd ECjZJR31Ob/ru/kgWwOMUT1fF1YfUam2wZmFnpsd/4XQ8+K4tselg5YPkiiZ+YidWdtSqESeUziT tiVRC60nrYlSQ0kle8r2mHb2lPLIEzNtLwUq/zkq49JVY1RP1YXLcevYPYDwe+OOH/pyMfJ9WRX7 sxmnbGWb5Ud8jhH9fCURg0EwHS1Eb+S8v1awWixGJ56QOC957p2ZPxjcumm3OUY5UGLY0kuK+CBn sYpfrY7qebpwtwqAiJZzdyNDEflPS4epH6P+7N1zN/OBzKngdTl+nzH+V5EZ5Xq3KznVauyGiEX+ yyJekuPVdcRJjsvxcKL0b+6czXeo1w5VFaivH0NpqWp8xi6srwQq1DY4K3WxnjJcObWD+G566YJ0 rC4fpFZEo4qKkuvGs4jyupvJoDpxlC4cpmaSKjcVIxTXs0xTPVLV9nyg4jxLmsm1wntMUVVvajbS Ynd6KdGlKwB5tqajIeJVvAsVTM336a0kziyctcwgcWLBWe1uk+fPeBaxP3sWXS65NoeZfhTjCsMU /XzppUZkAzV8EyOWOKOPrzNH4qw/c+UhlaN6pi7coQKgxn896vdvxvlnfyL/51GE8K6JObzOC6aD 5fjfUKSdPI1YjCiLexo+xidd2O1K4iTn4gszMw0/UrgNlBzhY/E1g+ieRdmonq0Ld6cAqNna9OcZ zuSsWORPdWD6s9kg8F++uN8ZRyo9wRi+rSfHT2xeK9nnsmdd4hyQp4r3cg2PgfYfxu62b6hbws2P H4VARf7T3PGq5vSTxmfswrosVahtcC6huBbKzZuFYst29k1NobmTtWku7uwuHbQ4GJkJx8J843m1 JoXMVLD0xKLMsSZnXK+UCNlFM0poLKm2vaPmxy+OP4mq7VIxUCrXqj4k11i1TFe3X/JY5bjVxLEV vTeOm0k+vKIitKL7ii+mly4mE7KGUudg4ivopbaSfTjG6F8l2wcvnVGC+BZ66WjpkWV+/Pz4m0mQ /MGbthsDlWwsRm5XVDOvFV86nNiZXkr0xH/xpxj1ejUN2iTy719vPi//RHengnZyRAONI6kOU45b x/4QzEj/f2ncvzrv/D0PAOyrppBSaQ9A0LKIBhpHUh2mHLdruAIAAByAAgAAlqIAAIClKAAAYCkK AABYigIAAJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABgKQoAAFiKAgAAlqIAAIClKAAAYCkK AABYigIAAJaiAACApWr+ac1er6eXAAAdVxjw6wsA//jyXxG0LKKBxpFUhynHjSkgALAUBQAALEUB AABLUQAAwFIUAACwFAUAACxFAQAAS1EAAMBSFAAAsBQFAAAsRQEAAEtRAADAUl0qAJF/3zOZBroB UsFUB4fo1Epjde9HehN2EPG6okilo8rOjqJaGY66artiDFRpY0X6pZtP24O7VAD6s8/f9cRxXC/8 1cK157q3A90AMZE7oy8dpLUzogbsIGPlrONQ3c0HVX0ZiWA6WujFKxBMB/M79fPv6CgiRwbzjV7J qNoeMwaquLEi/URdWT2qraHnLk7ag9WnVKptcGYiHNnxXwg9L45fe1w6aPkgiZKZj9iZtS2FcmSo Jtv8kacXmVWUrCcTr9QHz6+hpMr//Dt7SnnkiVVtNwaquLEq/dZe5m2yUVNZWY5bx+4BhN8bd/zQ l4uR78uy2J/NhnIVOZvlhz6X+PlKIoYSkU96SRncus5ixfVSlWC6enx70CvdF30sN5n5A/Hrp93m SMZAlTdWpd9wNtv22P7NnV46hW4VgGC1cO5uZGwi/2npMPVj1J+9e+5mPpDXjcHrcvyeySaUfP0w 67MXNYBd09mWHH/j4USRI+3mO9RrRzAGqip6teknTuGcyeOp4t6pAiDHf2cxkjdGBvNN5qdDXn/2 KS4nZaRWj58M/9WGjxNnM39KJv7liMAtJbOrG/5P5Q/D/z7pJy5THO/fyQLfpQIgx389FxZ6rqko Rv49NzylyH9x1nJO8bQ3kLpv+CZSSVwtqcctevIGHecVJpH/c/XDvzzVPpoxUJXRq0+/k1/Cq/G0 Um2DM8rdocvdJomFnjeZNHSz5CgXD1r2bpaMmukm1dm0KYV2k3fbLhqq9pJZVHLBviY+XS8do/CD 7/z9q14sbDcGyqgUPcMniE3NBll8rl5KdOcKQJ7/b6+P4tskkT9Nn5vyw9nDrcP1exyp9ERi+Lae NDKxee0i/2nueNwvMRq+6fFCSAeqzl8R9B/G7rZvqFvCxz4vYQxUVlX0DOkXTJ+cd91MP/LSvK4U gEiN/5mfJ4qC6f1geSu3RIEfPsyG0ce3WrWdepjgJZlYFIFjWruG/HMe+Tw490vs0p89T5KeErzO N5PnygQoPLCTqtr+F6b0k38gsEgnh3qD75sTlVtdmCrUNjgHWTTN4vqavexiCkjJhKx0DnJm4ivo pRZK4nTpIHWJ8cT2zBpMqrSrZIYOtW17jNkBJnvkVds1Y6ByG5PPLrRKv9JWQ+Oa2JNeSvTEf/FH GInas7tBiwTTqfPWhsvSLgXt9IgGGkdSHaYct279HcAu0Q83AADgD2oKKZX2AAQti2igcSTVYa75 CgAA8CcUAACwFAUAACxFAQAAS1EAAMBSFAAAsBQFAAAsRQEAAEtRAADAUhQAALAUBQAALEUBAABL UQAAwFIUAACwFAUAACxFAQAAS1EAAMBSFAAAsBQFAAAsVfNPa/Z6Pb0EAOi4woBfXwD4x5f/iqBl EQ00jqQ6TDluTAEBgKUoAABgKQoAAFiKAgAAlqIAAIClKAAAYCkKAABYigIAAJaiAACApSgAAGAp CgAAWKpLBSDy73sm00A3QCqY6uAQHZPK8KQ5RtgqieDd+5Fe6bz9fnHVquqoywHJDlVqv6Wxa/uG +lwUTpaOXSoA/dnn73riOK4X/mrh2nPd24FugJhIqdGXDtLaGTGY5YmOtXpUwQk9d5ENTzAdzO/W hG2XYDpa6MUrsNcvLvrTYL7RKyWGgEQfy7T55HEo2rwW3u+OH/ryf3d01dJOTkN9dKXaBmcmemx2 /BdCz1O/X4tcOmj5IImSmY/YmbUthX7XXiYcMlbOJM4guawXhUvHrZ3Wk4lX6oPn11BS/eEXL488 MVNAxLb8mLRe59bXk6T5jq5a2kkTynHr2D2A8HuT1M7I92W17M9mJyuOHbZZfsSXmNHPVxIxKMPZ bBuO/s2dXlJnXJmrycGtmwYRsWC6enx70Cvdd/wvbgxIsFqI68rstM1wmB2jgtVXtkeau2p5J6fR rQIgouLc3cgQRf7T0mHqx6g/e/fczXwgcyd4XY7fMwMe8kSnS66vxcmFTi5FlobNd6jXIHJJjnbX dLZ17C9uDEjkv+gZITmAG8bv7Phf1VVrd9KYThUAOf6riPTknFzmp0Nef/YpLidlpFaPnwz/1cQ5 oOP94xJyD1c3/B+rIiDyTqWiZhcXo+LoXTj/N3fVup00p0sFQI7/2+naE94X6T5xBuGs5ZyiyKxT nj903K7rI3ltgETk/1z98P+nX7w+IPqZlcUq1/8K439dVzXvpEEdKgBq/Nejfv9mXHz2Rz9NxXAn QzFYjsV57fBN3ktajK7oob0GqYeBMtdHg1vX+frJRYoHzLTgdT5XV96CfCBmMx9cQVc74hffMyDD x4le0orj/z5dtbSTJnWnAMjxf/vzxHfyIn+qAxb4q9tQ3kDnKlVFKp0fG76tJ0xllwXTJ+ddJ0v8 PEH/YexuI6VuEObP1Swmx6dE+uRK57vaEb/4/gHJzVSUxv89uyqPgYbiOij3rFUotuSfvhK/Q3b1 ci4dNDVvmIZCBO6iYWlNCmXIZMpKHrjbxkq2OMFjeNcgHe8uSPxmeulIe//i8uWKo64MSGlE2j7/ qe3RVUs7OUY5bjVxbCzQx1BRMipEphTfyxBfTC9dTCZklw6J+Ap6qR0M2ZTp9+mrjP5VZIiuKKlM v7jatj1GOfgnDEeeC0i6O6HY1jg+Zd6w106OIvanlxI98V/8QUa9Xk2DVgmmU+ft8hem3QraqREN NI6kOkw5bt36O4AKUSBvBET+yuHJIADY1zUUgOjjZdDr3b/e/OMOMADsreZKikutAxC0LKKBxpFU h7nSKSAAwN9RAADAUhQAALAUBQAALEUBAABLUQAAwFIUAACwFAUAACxFAQAAS1EAAMBSFAAAsBQF AAAsRQEAAEtRAADAUhQAALAUBQAALEUBAABLUQAAwFI1/7Jar9fTSwCAjisM+PUFgH97868IWhbR QONIqsOU48YUEABYigIAAJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABgKQoAAFiKAgAAlqIA AIClKAAAYKkuFYDIv++ZTAPdAEXBtHfvR3oFWSqbqoJD3Ha4ruCko8rOYcScLTXvzQVKrGjZxqUx LX2DuX3julQA+rPP3/XEcVwv/NXCtee6twPdAHnBdLTQi8gRvWsw3+iVEuK2w3UFJ5gO5ndrOZSs nVHVUFuRLTXvzQZKjPOrR9nyN/TcxbZx8FrYrzt+6Iv/qWrfvI5NAUU/X0mMlP7wYTy+SVeREUxX t56rV5AzfFNdS6/lEbcdris4kf+ymKzfhnJ5+LaeLF6MVzbGbKl5by5QwYfzHrcUZ7HvYvNipUb0 wIlHeW090WNbVfsT6FgBCL83yfgf+b4MSn82iyOFHJGAj28PegV7I247XFlwoo/lJjN/MLh1N8sP UwUw2P3eQqCGs9n2JLV/c6eXnOEwO3YFqy89tlW1P4FuFYBgtXDu1Al/5D8tHaZ+qqgEpDD+GXHb 4eqCI04n9XCiyJF28x3qtRq73rs7UHIWY/JYfnk7/udVtW9GpwqAHP+dxUjeGBnMN5nwI4dh7DDE bQeCs6eaQIlLB8f7V369cvyvaN+QLhUAOf5P1E0XOSNXLopRFPj+9P6kN807IPJ/6KkHIG472BAc eap9qPS9dYEKXpfj98wET6Jq/K9q3xg1nlaqbXBG8gEgPf6LFW/7KJASepP0xQu7bNBkmEouGBrx 6XqpZeRtvcwDZW2LW6tcZ1IVMqCwmld8seK9uwMlWlUEbT0xfXJ1+wOJL6OXEjVxLL/hYmRoi0ES o368JYm7KYpn156gFbP2EtoTjYIdwWlD3FrripJKHkp2dN5xXKVX699b3Jgd5EPPy47sxvF/R/tD lePWlSmgSM7/ZB8AjaJgej9Y3sotkf/ypUK1vtv7Lj5sJ2/jwWr92XP6+KZ8JH/yXDnZUsqWP7xX Cqa90WIzH6g/7er1Bt83mXkiw/zPzvYN6kIBkH8tN5B/VLGNh4iI2JI8Ehp+3+2OPpAj/8wyySj+ 5Ndiw7dwvFSjyshZ/yaT9+rvc/N/xGvIFvN7DeTuCn89l7uDWRz/69o3qSfOm/WiiTi43Q1aIZhO f/69zRz//sl5/7x4KehG0M6FaKBxJNVhynHr1t8BVBg+OrISP30/n/R+OQBclZpCSqU9AEHLIhpo HEl1mCu9AgAA/B0FAAAsRQEAAEtRAADAUhQAALAUBQAALEUBAABLUQAAwFIUAACwFAUAACxFAQAA S1EAAMBSFAAAsBQFAAAsRQEAAEtRAADAUhQAALAUBQAALEUBAABL1fzTmr1eTy8BADquMODXFwD+ 8eW/ImhZRAONI6kOU44bU0AAYCkKAABYigIAAJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABg KQoAAFiKAgAAlupSAYj8+57JNNANUJBEjAiVqdjc+5FejQVTFS+BkJVcZ3DSUWXHQVW1SSOSz6Nd garskuJNFXspJmmzfneqbXBu64njuF6o137DtedmVtuhHUGTkXKcyVqvXkzrUkiKg5NLJbVRhyv0 3DaErk1ESLLBuXB0xBfQS0eSiRAfynapqKJNZkUuJqkklvXWUhbJZhUfol7KZGPFzo9VjltNHBsL dENkTPPBCD3PFNBLakHQVD4ZM+3s2pZCqWIuhWEmr0QAm+p0V2HtZSN18frYUFLJA9keh/k3r2iT 36w6nFqtzCLZoipo68nEy2Zj1c6PVo5bx+4BhN8bd/zQl4uR78urqP5sNpSr2Aqmo4XImDcC8xf9 vsorJfr5mjzPtuvWG84y0ejf3Omlbos+lhv3dqDXnMGtu1l+FKZbqtqIkUhvUsR2Z7ESA1JFFu3q ksF09fj2oFeUqp2fQLcKQLBaOHc3MqKR/7R00p8FWTJKrne70lOI1zRhexaRf//kvFM+K4mBzZk8 dj8+cpyNhxNF1rXNd6jXtF1tvn52TM7nsmhHl1TDvyGWO3fenE4VABlGZzGSIRzMN5mfBRkqSs7S eZRXeOJiUgSMGrAveY9O5NZmPiBoVcRJseP9s7w+Dh8nzmb+lNyflXVie6FQzKLqLmke/nfuvFld KgAyjHoqTATxGk5BTmby/BnPjPVnzxNRNE90/Xh9+rPPOL1E0F5O+vRFZwWvy/H7NU6PyQubOts2 wzeRJXKIV0ZihN+ekZqyyNQlI//HePa/c+fN6lABUOO/HvX7N+N8RbzOR9SaIM8m8Df92bvsvCgR 57arx88rGf7l3HphpqV0or2jTTzMS3Kod0sXRZVZlHTJ4HU+V/MZgrhgECf9YsTX41fdzpvSnQIg x//tzxPflIr8aVxfg9WtuoG+9qy/NlXplTnll+csp7p+vF5yrpc5xqJgup3W1g9hdFn/YexuJ/3V 7V79hMnWHm0i/2nueKaLoiSLKrrk8E2N8Eo8zItBrHBFUL3zhujPr1Db4FxC+ShU9iGtUGzJP8Yn g9iKR0IvHjR17akny5p7hOxArUmhomJGZYkIVr1kLfUcY8Yls0p8vF46kjgo/UNXd5RdbVRXqwpF Jotqu6RsUEy5nTs/SDluNXFsLNDHiONgkotYa/4iQHwxvXQ5MsliTebPIcRX0Estsg3PNolM2xAz dMGL5pX4fL10tPTQMgektmVywNAm2VTMlOos2t0l5f7S9lU7P5rYp15K9MR/6rPMer2aBu0R+P4g +7Dy5XQoaGdANNA4kuow5bh16+8AqkX+z82V3JoCgPO4jgIQBR83/EEwAPxJzZUUl1oHIGhZRAON I6kOc71TQACAP6IAAIClKAAAYCkKAABYigIAAJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABg KQoAAFiKAgAAlqIAAIClKAAAYCkKAABYigIAAJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABg KQoAAFiKAgAAlqIAAIClKAAAYCkKAABYigIAAJaiAACApSgAAGApCgAAWKpLBSDy73sm00A3QCKY 6tgQHKO6+IjX7/1IryB2nUmVjio7D0q1KqXE7vcmr+ZeLG+s2kka7tNm4u9OtQ3ObT1xHNcL9dpv uPbczGo7XDpoIkaTtVoKPddJli+ldSkko5KNTzlAMsmyWYY9gnZWjSWV/KnjQ9kulah8EAopseu9 8VsK+zNtrNhJZkUuNpWM4uP1UqImjuU3XJZMvnwwQs/LR/nyLhy0MMzER2TPhUeytqXQ79rLBESN ZsUuOfFKaWa7uqCdWUNJJQ9kexw7+0pp5NnxXjlkl+Jj3Fixk/xm9dbiOw9TjlvH7gGE3xt3/NCX i5Hvy0um/mw2lKtI9PsqPkr08zV5nm3X4TjDWSYg/Zs7vaQF09Xj24NeQWJ30Doq+lhu3NuBXnMG t+5m+bHndEv1e4PpaCHG67fcsGTcWLkTMczpTYrY7ixWplmm43WrAASrhXN3IzMx8p+WTho5mET+ /ZPzXsg55IgK6Uwe0xCp4Z+A1SgErbPkOBsPJ4qsa5vvUK/VqHyvHKNc73alJ/DjiX3jxt1f4Ovn lDP/qU4VABlGZzGSIRzMN5nIoUjeWRIx2swHxXtLyBCnYI73LxnKGP73kg8actQY5SydRzm/Enqu GK6mgXGjam42fJw4m/lTcvNX1onMhUKjulQAZBj1VJgIYuEUJJiqe+k8uxHrzz7jMImK+UJMKgSv y/F7MrcR+T8M/3vIBe2ayAubQ+XeO3n+jOel+7PnieiAq5VpY7kCbHcyfBNdV569KSNRPk51utuh AqDGfz3q92/GuYoY+S/OOBQj3vh730k8G/Rn77IEwERcJK0eP9ORLHidz9XFpSCuncQZmOh+XD0V FILWbXJuvTDTsveJ9p7vlefyJenGHTuJz+AkeRbnnuyKqzsFQI7/2xDHN6Uifxqf3fYfxl/fYRSF zmN8ixgxOa3IXJlBMN3eH1HPEwzfdIcT4j4nTii4IsgpBa3bxKjhbif91R1Z/YRJvar3ysE9c3Yv T+rd23+mjWIo2+MLRP7T3PFOeMWlU75CbYNzCeWjUNnHsEKxJfNgVriWfxHQzLNSx2pN0NRIlg3a JbQoGin1SF5GMW/SAoCtuqCdk/h4vXSk9MnLumcti+OPUPFemTzJWvqCcaNeqfwC6k2Fbccpx60m jo0F+hhxHEyS0OmHlEVJyP9ElyG+mF66CJlIiRbEQ3wLvdQOhmwqdTHZphWp1Bb7BO2cxOfrpaOl h5Y5ILVtmwCVPcr0Xmn7hswLxo2CYSfJpsZzUOxTLyV64j/1WWa9Xk2DNgim9z//Pmf9SFyhqgW9 /VI6EbSzIRpoHEl1mHLcuvV3AGbDf+OlvF8+eLm9yqcTAOAkagoplfYABC2LaKBxJNVhynG7hisA AMABKAAAYCkKAABYigIAAJaiAACApSgAAGApCgAAWIoCAACWogAAgKUoAABgKQoAAFiKAgAAlqIA AIClKAAAYCkKAABYigIAAJaiAACApSgAAGApCgAAWKrmn9bs9Xp6CQDQcYUBv74A8I8v/xVByyIa aBxJdZhy3JgCAgBLUQAAwFIUAACwFAUAACxFAQAAS1EAAMBSFAAAsBQFAAAsRQEAAEtRAADAUhQA ALBUlwpA5N/3TKaBboCiYNq79yO9giyVTeXgZJOMxCq4xuCkx7TzgCqyxbQ9GyQlfbmRnTSsSwWg P/v8XU8cx/XCXy1ce657O9ANkBdMRwu9iBxRGAfzjV7Jij6W6ebJ41AvQbnC4ATTwfxuLYeStTOq qgFV2WLcHrwWNrnjh774n0Z20ryOTQFFP1+5WPSHD+PxzWlC03XBdHXruXoFOcM3cfJgCE7w+v2s ziykN8b/nOsLTuS/LCbr+FCGb+vJ4sV4nl2VLabtgfOoI6SsJ8lw1chOmtexAhB+b5JYRL4v63V/ NqOfGojh//HtQa9gP8FqsRiJ623mfgyuLzjyiiYzfzC4dTfLjyNnWobD7HAUrL4OGbob2cl+ulUA RA46d+qEP/Kflg5TP1XU8E9h/Bt5PhgvyYGOIpBzjcERp5N6OFH6N3fO5jvUa01oZOg+6fjfrQIg x3+Vfz05bZb56ZDD8H8QeY9JUVfkixElIIPg/F0Hxv9OFQA5/k/UDRuZhdyiqxD5Pwz/R9FPGyxW DHJl1xsceYOxSV0Y/7tUANT4r0f9/s248OxP/NzUPScmwet8ri6SBPl4wWY+YD7j74aPE72EkisJ zuDWdb5+cpP+DT5S2Inxv0MFQI7/259nOJuJsET+NL5tH0yfvp/D399nx3wf3yLyqYKEvFxXD81y RXAArjF3uIbg9B/G7nbSX90Sbm607cb435kCEKnxPxOMKAqm94Plrdoi4/RveNJA4drIW4BVxPXk y+0/xn+j6wlOf/acPvopH72fPMvTSqOqbKnabhy6G9lJw/S5YoXaBudQfEp2K/mTsPVELYXrSXKT 4JLEF9NLl5ZeAVxQe6KRIf+eMJEEKJtmlw5a67QsOOJb6KWjpUeWGTnUtu1hmrJFqtou6BEpo5Gd HEt8hl5K9MR/8Ycb9Xo1DVpCXA2MFqKKioB9Vhbxc+lK0M6DaKBxJNVhynGriWOHAh0F01fnrQ2T 3WRnFtFA40iqw5Tj1qm/A6gQTHv3Uz8ctGL0B4CuqCmkVNoDELQsooHGkVSHuc4rAADAASgAAGAp CgAAWIoCAACWogAAgKUoAABgKQoAAFiKAgAAlqIAAIClKAAAYCkKAABYigIAAJaiAACApSgAAGAp CgAAWIoCAACWogAAgKUoAABgKQoAAFjJcf4HoKMIFdvgxTUAAAAASUVORK5CYII=iVBORw0KGgoAAAANSUhEUgAAAZ4AAAEWCAIAAADZ/WbtAAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAJcEhZcwAADsMAAA7DAcdvqGQAACmsSURBVHhe7Z29rlvn1a1VqUnlLo2/CxDgRtdg wI034MJNcCrrEtK54oUcqHGTC/AlpFEu4CtOEwTYQIrArZBCRc4bricEPTjmIl+uwW2RmQ+GAZH7 8Zji4tYUf7a4Xv3tb3/7f03TNI/Fq/Hfv5qmaR6LXm1N0zwgvdqapnlAerU1TfOA9GprmuYB6dXW NM0D0qutaZoHpFdb0zQPSK+2pmkekPOr7R//+Mfvfve7V69e/c///M8///lPrnXsdruh/fnPf+by rzn0PD09ffr0iWubpmluwJnV9pe//OX169fLtvrTn/5UbbePHz++fft2rK1qtX333XfjS3/84x+5 3DRNc0vOrLaxko73kVwUjvfgMeP/+uKLL/76179yuWma5sasrbblKeTxqlp54Dawq238L9VDuaZp mhuxttpOV9XYUyuPv0795Ynq09PTt99+u3+22i+0NU3zEpxZbb///e+PF9nsaluu+eGHHz58+HC4 2K+4NU1za26+2qRht9tNve72/Pw8fodN0zTrjF3B1tgz91rbWExTr7XNLsemaZoIa6ttsPEd0uW1 tvfv33N5v9rO/nxc0zTNRs6stuOHXWe30ulqG4z/6/AO6enDwKZpmltwZrUNloU11tPxXluuPL5m PKDbvwX6b+Rt0GW7LfRea5rmBTi/2lYYC25567NpmuazYtNqe/fuXb8h0DTNZ8iVq61fNWua5nNm 06O2pmmaz5NebU3TPCC92pqmeUB6tTVN84D0amua5gHp1dY0zQPSq61pmgekV1vTNA9Ir7amaR6Q Xm1N0zwgvdqapnlAerU1TfOA9GprmuYB6dXW3AH/5//+79mgNs2eXm3NHSBbzAa1afacX23LR7O9 +vUHiFt2u936R4SvnzWmaSpki9mgNs2eM6vt+EwuK6d9Wc5ctT/5QbnalsXXq625AtliNqhNs+fM att4sr4D40vffPPNV1991autuQLZYjaoTbNnbbWdfkr4+vn6qtU2et68efPLL7+MR3a92porkC1m g9o0e9ZW2+mqGqtt5dzv1Wpbzg6zPGnt1dZcgWwxG9Sm2XNmtR3Or7xwxWrb7XbLNb3amquRLWaD 2jR7brvaxjU//fTT8uvrVtvz8/P4HTb/5cgWs0Ft/lsZu4KtsWfutbbxEGzqtbbjU8ofI4/smmYd 2WI2qE2zZ221DVLvkA76CWlzNbLFbFCbZs+Z1Xb8nHT97dFBr7bmRsgWs0Ftmj1nVttgWVjjWeTx XluuPL7m+Lnn09PTp0+flusP9Gprrka2mA1q0+w5v9pWGAvuw4cPXGiamyFbzAa1afZsWm3LD6xx oWluhmwxG9Sm2XPlajt987RpbodsMRvUptmz6VFb07wMssVsUJtmT6+25g6QLWaD2jR7erU1d4Bs MRvUptnTq625A2SL2aA2zZ5ebc0dIFvMBrVp9vRqa+4A2WI2qE2zp1dbcwfIFrNBbZo9vdqaO0C2 mA1q0+zp1dbcAbLFbFCbZk+vtuYOkC1mg9o0e3q1NXeAbDEb1KbZ06utuQNki9mgNs2eXm3NHSBb zAa1afb0amvuANliNqhNs6dXW3MHyBazQW2aPedX2/LRbK9+/QHilt1uNzT5ELflc8P3nyv+auVE f02zgmwxG9Sm2XNmtR2fyWXltC/H++t4tY3rv/7662WdLU5vt+YKZIvZoDbNnjOrbePJ+uTkCYvw /v17LjfNZcgWs0Ftmj1rq+30U8LXz9d3utqE/tjx5jpki9mgNs2etdV2uqrGalt5Rnl2tQ3h+++/ Pz2PX9OsI1vMBrVp9pxZbYfzKy9sXG19BqzmOmSL2aA2zZ6XW23j/73iqejz8/P4HTb/5cgWs0Ft /lsZu4KtsWfutbbdbnfda23jSz/++CMXmmYS2WI2qE2zZ221DTa+Q7owrj9+ie3nn3/up6XNFLLF bFCbZs+Z1Ta20uE56frbowO72pYrlx95W3h6eup3EpopZIvZoDbNnjOrbXDYTcd7bbny+JrxgG7Z XIPD8hrbkKuO6J9ra2aRLWaD2jR7zq+2FcaCO/6J3Ka5EbLFbFCbu0LuRBvUSTattv5hjt8Kue+r YN8/crtsUJu7Qu5EG9RJrlxt/e8Kflvkvq+Cff/I7bJBbe4KuRNtUCfZ9Kit+a2Q+74Kdg7pt0GN IiNsUJu7Qu5EG9RJerXdJXLfV8HOIf02qFFkhA1qc1fInWiDOkmvtrtE7vsq2Dmk3wY1ioywQW3u CrkTbVAn6dV2l8h9XwU7h/TboEaRETaozV0hd6IN6iS92u4Sue+rYOeQfhvUKDLCBrW5K+ROtEGd pFfbXSL3fRXsHNJvgxpFRtigNneF3Ik2qJP0artL5L6vgp1D+m1Qo8gIG9TmrpA70QZ1kl5td4nc 91Wwc0i/DWoUGWGD2twVcifaoE7Sq+0ukfu+CnYO6bdBjSIjbFCbu0LuRBvUSXq13SVy31fBziH9 NqhRZIQNanNXyJ1ogzpJr7a7RO77Ktg5pN8GNYqMsEFt7gq5E21QJ+nVdpfIfV8FO4f026BGkRE2 qM1dIXeiDeokvdruErnvq2DnkH4b1Cgywga1uQo5mFWwc0i/DeokvdruErnvq2DnkH4b1Cgywga1 uQo5mFWwc0i/DeokvdruErnvq2DnkH4b1Cgywga1uQo5mFWwc0i/Deok16+25SPbXv36g8Utu91u aP3hbkHkvq+CnUP6bVCjyAgb1BzSb4N6/8jtqoKdQ/ptUCe5crUdn+Fl5XQwHz9+fPv27f6MCA+7 2uRusEHNIf1VsHNIvw1qFBlhg5pD+m1Q7x+5XVWwc0i/DeokV662yEn8HgO5G2xQc0h/Fewc0m+D GkVG2KDmkH4b1PtHblcV7BzSb4M6yTWr7fTTw9fP49erDTWH9FfBziH9NqhRZIQNag7pt0G9f+R2 VcHOIf02qJNcs9pOV9VYbV988UV1Cphebag5pL8Kdg7pt0GNIiNsUHNIvw3q/SO3qwp2Dum3QZ3k ytV2OO/yQq+29aDmkP4q2Dmk3wY1ioywQc0h/Tao94/crirYOaTfBnWSz321PT8/j9/h54zcDTao OaS/CnYO6bdBjSIjbFBzSL8N6v0jt6sKdg7pt0E9x9gVbI09mdfadrtdv9a2EtQc0l8FO4f026BG kRE2qDmk3wb1/pHbVQU7h/TboE5yzWob9DukB+RusEHNIf1VsHNIvw1qFBlhg5pD+m1Q7x+5XVWw c0i/DeokV6624+ek62+PDl5mtcnhqIKdQ/ptUHNIfxXsHNJvgxpFRtig5pB+G9T7R25XFewc0m+D OsmVq22wLKxXv/7XCMuVx9eMB3TLj+wOnp6ePn36tFwfRw5HFewc0m+DmkP6q2DnkH4b1CgywgY1 h/TboN4/cruqYOeQfhvUSa5fbSuMBffhwwcuvBRyOKpg55B+G9Qc0l8FO4f026BGkRE2qDmk3wb1 /pHbVQU7h/TboE5yk9X27t276t3S2yGHowp2Dum3Qc0h/VWwc0i/DWoUGWGDmkP6bVDvH7ldVbBz SL8N6iTh1Xb65umLIYejCnYO6bdBzSH9VbBzSL8NahQZYYOaQ/ptUO8fuV1VsHNIvw3qJDd51Pab IIejCnYO6bdBzSH9VbBzSL8NahQZYYOaQ/ptUO8fuV1VsHNIvw3qJL3atiL9Nqg5pL8Kdg7pt0GN IiNsUHNIvw3q/SO3qwp2Dum3QZ2kV9tWpN8GNYf0V8HOIf02qFFkhA1qDum3QY0iI2xQc0h/Fewc 0m+DOkmvtq1Ivw1qDumvgp1D+m1Qo8gIG9Qc0m+DGkVG2KDmkP4q2Dmk3wZ1kl5tW5F+G9Qc0l8F O4f026BGkRE2qDmk3wY1ioywQc0h/VWwc0i/Deokvdq2Iv02qDmkvwp2Dum3QY0iI2xQc0i/DWoU GWGDmkP6q2DnkH4b1El6tW1F+m1Qc0h/Fewc0m+DGkVG2KDmkH4b1CgywgY1h/RXwc4h/Taok/Rq 24r026DmkP4q2Dmk3wY1ioywQc0h/TaoUWSEDWoO6a+CnUP6bVAn6dW2Fem3Qc0h/VWwc0i/DWoU GWGDmkP6bVCjyAgb1BzSXwU7h/TboE7Sq20r0m+DmkP6q2DnkH4b1CgywgY1h/TboEaRETaoOaS/ CnYO6bdBnaRX21ak3wY1h/RXwc4h/TaoUWSEDWoO6bdBjSIjbFBzSH8V7BzSb4M6Sa+2rUi/DWoO 6a+CnUP6bVCjyAgb1BzSb4MaRUbYoOaQ/irYOaTfBnWSXm1bkX4b1BzSXwU7h/TboEaRETaoOaTf BjWKjLBBzSH9VbBzSL8N6iS92rYi/TaoOaS/CnYO6bdBjSIjbFBzSL8NahQZYYOaQ/qrYOeQfhvU SXq1bUX6bVBzSH8V7BzSb4MaRUbYoOaQfhvUKDLCBjWH9FfBziH9NqiTnF9ty0ewvfr1B4WfsqLt drv954f/m/fv33NtGjkcVbBzSL8Nag7pr4KdQ/ptUKPICBvUHNJvgxpFRtig5pD+Ktg5pN8GdZIz q+34jC0rp3dZ0cZeO5yi9OPHj2/fvr3RdpPDUQU7h/TboOaQ/irYOaTfBjWKjLBBzSH9NqhRZIQN ag7pr4KdQ/ptUCc5s9ouPCnfijZ+fXy2l7HpVk7rtwU5HFWwc0i/DWoO6a+CnUP6bVCjyAgb1BzS b4MaRUbYoOaQ/irYOaTfBnWStdV2+mng9oHbujZ+fXgeOsw3b97Yx33bkcNRBTuH9Nug5pD+Ktg5 pN8GNYqMsEHNIf02qFFkhA1qDumvgp1D+m1QJ1lbbcdPMxfGnjo8uzxwVju81lY9n40gh6MKdg7p t0HNIf1VsHNIvw1qFBlhg5pD+m1Qo8gIG9Qc0l8FO4f026BOcma1Hc6jvFCttnVteYltrLbT/zeI HI4q2Dmk3wY1h/RXwc4h/TaoUWSEDWoO6bdBjSIjbFBzSH8V7BzSb4M6yc1X23gS+uWXX45fHxbc 8eO7szw/P4/f4SXI4aiCnUP6bVBzSH8V7BzSb4MaRUbYoOaQfhvUKDLCBjWH9FfBziH9NqjnGLuC rbFn7rW28dTyktfajrXTdxhudA55ORxVsHNIvw1qDumvgp1D+m1Qo8gIG9Qc0m+DGkVG2KDmkP4q 2Dmk3wZ1krXVNlh56/OYSlseqR1/aTyg69W2Hemvgp1D+m1Qo8gIG9Qc0m+DGkVG2KDmkP4q2Dmk 3wZ1kjOr7fjJ5thK1fsAK9ryHsLymK5/ri2F9FfBziH9NqhRZIQNag7pt0GNIiNsUHNIfxXsHNJv gzrJmdU2GGvr9evX8v7mcuXpNfZt0MM7pIP+1wgRpL8Kdg7pt0GNIiNsUHNIvw1qFBlhg5pD+qtg 55B+G9RJzq+2FcY6+/DhAxd+a+RwVMHOIf02qDmkvwp2Dum3QY0iI2xQc0i/DWoUGWGDmkP6q2Dn kH4b1Ek2rbZ3794dvzH62yKHowp2Dum3Qc0h/VWwc0i/DWoUGWGDmkP6bVCjyAgb1BzSXwU7h/Tb oE5y5Wo7fVf0N0cORxXsHNJvg5pD+qtg55B+G9QoMsIGNYf026BGkRE2qDmkvwp2Dum3QZ1k06O2 zwo5HFWwc0i/DWoO6a+CnUP6bVCjyAgb1BzSb4MaRUbYoOaQ/irYOaTfBnWSXm1bkX4b1BzSXwU7 h/TboEaRETaoOaTfBjWKjLBBzSH9VbBzSL8N6iS92rYi/TaoOaS/CnYO6bdBjSIjbFBzSL8NahQZ YYOaQ/qrYOeQfhvUSXq1bUX6bVBzSH8V7BzSb4MaRUbYoOaQfhvUKDLCBjWH9FfBziH9NqiT9Grb ivTboOaQ/irYOaTfBjWKjLBBzSH9NqhRZIQNag7pr4KdQ/ptUCfp1bYV6bdBzSH9VbBzSL8NahQZ YYOaQ/ptUKPICBvUHNJfBTuH9NugTtKrbSvSb4OaQ/qrYOeQfhvUKDLCBjWH9NugRpERNqg5pL8K dg7pt0GdpFfbVqTfBjWH9FfBziH9NqhRZIQNag7pt0GNIiNsUHNIfxXsHNJvgzpJr7atSL8Nag7p r4KdQ/ptUKPICBvUHNJvgxpFRtig5pD+Ktg5pN8GdZJebVuRfhvUHNJfBTuH9NugRpERNqg5pN8G NYqMsEHNIf1VsHNIvw3qJL3atiL9Nqg5pL8Kdg7pt0GNIiNsUHNIvw1qFBlhg5pD+qtg55B+G9RJ erVtRfptUHNIfxXsHNJvgxpFRtig5pB+G9QoMsIGNYf0V8HOIf02qJP0atuK9Nug5pD+Ktg5pN8G NYqMsEHNIf02qFFkhA1qDumvgp1D+m1QJ+nVthXpt0HNIf1VsHNIvw1qFBlhg5pD+m1Qo8gIG9Qc 0l8FO4f026BO0qttK9Jvg5pD+qtg55B+G9QoMsIGNYf026BGkRE2qDmkvwp2Dum3QZ3k/GpbPprt 1bkTJJ/VDkKf9mU70l8FO4f026BGkRE2qDmk3wY1ioywQc0h/VWwc0i/DeokZ1bbcsaD5SMn10/7 sq599913Y6nZs2GlkMNRBTuH9Nug5pD+Ktg5pN8GNYqMsEHNIf02qFFkhA1qDumvgp1D+m1QJzmz 2jaerG9hXLzpeeMX5HBUwc4h/TaoOaS/CnYO6bdBjSIjbFBzSL8NahQZYYOaQ/qrYOeQfhvUSdZW 2+mnhNtHZOva+PV4vPYCHzUuh6MKdg7pt0HNIf1VsHNIvw1qFBlhg5pD+m1Qo8gIG9Qc0l8FO4f0 26BOsrbajp9mLow9dfr4a0VbTjz69PT07bffjgU3uNELbQM5HFWwc0i/DWoO6a+CnUP6bVCjyAgb 1BzSb4MaRUbYoOaQ/irYOaTfBnWSM6vtcOLkhWq1Vdqy9X744YflnH7LxRu94iaHowp2Dum3Qc0h /VWwc0i/DWoUGWGDmkP6bVCjyAgb1BzSXwU7h/TboE5y89UmX9rtdqcNKzw/P4/f4SXI4aiCnUP6 bVBzSH8V7BzSb4MaRUbYoOaQfhvUKDLCBjWH9FfBziH9NqjnGLuCrbFn7rW2sZguea3toF24HCPI 4aiCnUP6bVBzSH8V7BzSb4MaRUbYoOaQfhvUKDLCBjWH9FfBziH9NqiTrK22wcZ3SJfX2t6/f79c Pxir7XQ5RpDDUQU7h/TboOaQ/irYOaTfBjWKjLBBzSH9NqhRZIQNag7pr4KdQ/ptUCc5s9qOH3at bKUVbVw8vEN6+vguiByOKtg5pN8GNYf0V8HOIf02qFFkhA1qDum3QY0iI2xQc0h/Fewc0m+DOsmZ 1TYYa+v169djPR0vrOXK02tEW1i228KN9tpADkcV7BzSb4OaQ/qrYOeQfhvUKDLCBjWH9NugRpER Nqg5pL8Kdg7pt0Gd5PxqW2Gss+Wtz88BORxVsHNIvw1qDumvgp1D+m1Qo8gIG9Qc0m+DGkVG2KDm kP4q2Dmk3wZ1kk2r7d27d7d4Q+A65HBUwc4h/TaoOaS/CnYO6bdBjSIjbFBzSL8NahQZYYOaQ/qr YOeQfhvUSa5cbTd91ew65HBUwc4h/TaoOaS/CnYO6bdBjSIjbFBzSL8NahQZYYOaQ/qrYOeQfhvU STY9avuskMNRBTuH9Nug5pD+Ktg5pN8GNYqMsEHNIf02qFFkhA1qDumvgp1D+m1QJ+nVthXpt0HN If1VsHNIvw1qFBlhg5pD+m1Qo8gIG9Qc0l8FO4f026BO0qttK9Jvg5pD+qtg55B+G9QoMsIGNYf0 26BGkRE2qDmkvwp2Dum3QZ2kV9tWpN8GNYf0V8HOIf02qFFkhA1qDum3QY0iI2xQc0h/Fewc0m+D Okmvtq1Ivw1qDumvgp1D+m1Qo8gIG9Qc0m+DGkVG2KDmkP4q2Dmk3wZ1kl5tW5F+G9Qc0l8FO4f0 26BGkRE2qDmk3wY1ioywQc0h/VWwc0i/Deokvdq2Iv02qDmkvwp2Dum3QY0iI2xQc0i/DWoUGWGD mkP6q2DnkH4b1El6tW1F+m1Qc0h/Fewc0m+DGkVG2KDmkH4b1CgywgY1h/RXwc4h/Taok/Rq24r0 26DmkP4q2Dmk3wY1ioywQc0h/TaoUWSEDWoO6a+CnUP6bVAn6dW2Fem3Qc0h/VWwc0i/DWoUGWGD mkP6bVCjyAgb1BzSXwU7h/TboE7Sq20r0m+DmkP6q2DnkH4b1CgywgY1h/TboEaRETaoOaS/CnYO 6bdBnaRX21ak3wY1h/RXwc4h/TaoUWSEDWoO6bdBjSIjbFBzSH8V7BzSb4M6Sa+2rUi/DWoO6a+C nUP6bVCjyAgb1BzSb4MaRUbYoOaQ/irYOaTfBnWSXm1bkX4b1BzSXwU7h/TboEaRETaoOaTfBjWK jLBBzSH9VbBzSL8N6iS92rYi/TaoOaS/CnYO6bdBjSIjbFBzSL8NahQZYYOaQ/qrYOeQfhvUSc6v tuWj2V65TwY/5hKtOmtMBDkcVbBzSL8Nag7pr4KdQ/ptUKPICBvUHNJvgxpFRtig5pD+Ktg5pN8G dZIzq20548HykZPrp305q+12u7H4erVFkP4q2Dmk3wY1ioywQc0h/TaoUWSEDWoO6a+CnUP6bVAn ObPaNp6s78DYfd98881XX33Vqy2C9FfBziH9NqhRZIQNag7pt0GNIiNsUHNIfxXsHNJvgzrJ2mo7 /ZRw+4jsrDaEN2/e/PLLL2/fvu3VFkH6q2DnkH4b1CgywgY1h/TboEaRETaoOaS/CnYO6bdBnWRt tR0/zVwYO+v03O9nteXsMMvplnu1RZD+Ktg5pN8GNYqMsEHNIf02qFFkhA1qDumvgp1D+m1QJzmz 2g4nTl6oVtuKttvtlq3Xqy2I9FfBziH9NqhRZIQNag7pt0GNIiNsUHNIfxXsHNJvgzrJbVfb+NJP P/20XHndant+fh6/w0uQw1EFO4f026DmkP4q2Dmk3wY1ioywQc0h/TaoUWSEDWoO6a+CnUP6bVDP MXYFW2PP3Gtt4yHYJa+1HbTvvvvu36eMP+FYTiGHowp2Dum3Qc0h/VWwc0i/DWoUGWGDmkP6bVCj yAgb1BzSXwU7h/TboE6yttoGqXdIB/2ENIj0V8HOIf02qFFkhA1qDum3QY0iI2xQc0h/Fewc0m+D OsmZ1Xb8ZHM8zbQ/sDa4ROvVFkT6q2DnkH4b1CgywgY1h/TboEaRETaoOaS/CnYO6bdBneTMahuM tfX69evxLPJ4YS1Xnl4j2jG92oJIfxXsHNJvgxpFRtig5pB+G9QoMsIGNYf0V8HOIf02qJOcX20r jHX24cMHLvzWyOGogp1D+m1Qc0h/Fewc0m+DGkVG2KDmkH4b1CgywgY1h/RXwc4h/Taok2xabcsP rHHht0YORxXsHNJvg5pD+qtg55B+G9QoMsIGNYf026BGkRE2qDmkvwp2Dum3QZ3kytV2+q7ob44c jirYOaTfBjWH9FfBziH9NqhRZIQNag7pt0GNIiNsUHNIfxXsHNJvgzrJpkdtnxVyOKpg55B+G9Qc 0l8FO4f026BGkRE2qDmk3wY1ioywQc0h/VWwc0i/Deokvdq2Iv02qDmkvwp2Dum3QY0iI2xQc0i/ DWoUGWGDmkP6q2DnkH4b1El6tW1F+m1Qc0h/Fewc0m+DGkVG2KDmkH4b1CgywgY1h/RXwc4h/Tao k/Rq24r026DmkP4q2Dmk3wY1ioywQc0h/TaoUWSEDWoO6a+CnUP6bVAn6dW2Fem3Qc0h/VWwc0i/ DWoUGWGDmkP6bVCjyAgb1BzSXwU7h/TboE7Sq20r0m+DmkP6q2DnkH4b1CgywgY1h/TboEaRETao OaS/CnYO6bdBnaRX21ak3wY1h/RXwc4h/TaoUWSEDWoO6bdBjSIjbFBzSH8V7BzSb4M6Sa+2rUi/ DWoO6a+CnUP6bVCjyAgb1BzSb4MaRUbYoOaQ/irYOaTfBnWSXm1bkX4b1BzSXwU7h/TboEaRETao OaTfBjWKjLBBzSH9VbBzSL8N6iS92rYi/TaoOaS/CnYO6bdBjSIjbFBzSL8NahQZYYOaQ/qrYOeQ fhvUSXq1bUX6bVBzSH8V7BzSb4MaRUbYoOaQfhvUKDLCBjWH9FfBziH9NqiT9GrbivTboOaQ/irY OaTfBjWKjLBBzSH9NqhRZIQNag7pr4KdQ/ptUCfp1bYV6bdBzSH9VbBzSL8NahQZYYOaQ/ptUKPI CBvUHNJfBTuH9NugTtKrbSvSb4OaQ/qrYOeQfhvUKDLCBjWH9NugRpERNqg5pL8Kdg7pt0GdpFfb VqTfBjWH9FfBziH9NqhRZIQNag7pt0GNIiNsUHNIfxXsHNJvgzrJ+dW2fDTbyieDL1Ta8rnh4/rB 6Yn+gsjhqIKdQ/ptUHNIfxXsHNJvgxpFRtig5pB+G9QoMsIGNYf0V8HOIf02qJOcWW3LGQ+Wj5xc P+2L1cZe+/rrr5d1tuy42203ORxVsHNIvw1qDumvgp1D+m1Qo8gIG9Qc0m+DGkVG2KDmkP4q2Dmk 3wZ1kjOrbePJ+uTkCcsGfP/+PZejyOGogp1D+m1Qc0h/Fewc0m+DGkVG2KDmkH4b1CgywgY1h/RX wc4h/Taok6ytttNPCbcP3C7UBjf92HE5HFWwc0i/DWoO6a+CnUP6bVCjyAgb1BzSb4MaRUbYoOaQ /irYOaTfBnWStdV2/DRzYeys02eUF2qDYX7//fefPn3ichQ5HFWwc0i/DWoO6a+CnUP6bVCjyAgb 1BzSb4MaRUbYoOaQ/irYOaTfBnWSM6vtcOLkhWq1XaINbnoGLDkcVbBzSL8Nag7pr4KdQ/ptUKPI CBvUHNJvgxpFRtig5pD+Ktg5pN8GdZKXW23jyiueij4/P4/f4SXI4aiCnUP6bVBzSH8V7BzSb4Ma RUbYoOaQfhvUKDLCBjWH9FfBziH9NqjnGLuCrbFn7rW23W53yWttp9pYfz/++CMXboMcjirYOaTf BjWH9FfBziH9NqhRZIQNag7pt0GNIiNsUHNIfxXsHNJvgzrJ2mobbHyHdGHsteOX2H7++edbPC2V w1EFO4f026DmkP4q2Dmk3wY1ioywQc0h/TaoUWSEDWoO6a+CnUP6bVAnObPajp9sjmeU9n3PwYo2 vvT69evlR3YXnp6ebvFOghyOKtg5pN8GNYf0V8HOIf02qFFkhA1qDum3QY0iI2xQc0h/Fewc0m+D OsmZ1TY47KbThWVX2PGVY83tt9mv6J9r2470V8HOIf02qFFkhA1qDum3QY0iI2xQc0h/Fewc0m+D Osn51bbCWGfHP5H72yKHowp2Dum3Qc0h/VWwc0i/DWoUGWGDmkP6bVCjyAgb1BzSXwU7h/TboE6y abXd9Ic5ZpHDUQU7h/TboOaQ/irYOaTfBjWKjLBBzSH9NqhRZIQNag7pr4KdQ/ptUCe5crXd9N8V XIccjirYOaTfBjWH9FfBziH9NqhRZIQNag7pt0GNIiNsUHNIfxXsHNJvgzrJpkdtnxVyOKpg55B+ G9Qc0l8FO4f026BGkRE2qDmk3wY1ioywQc0h/VWwc0i/Deokvdq2Iv02qDmkvwp2Dum3QY0iI2xQ c0i/DWoUGWGDmkP6q2DnkH4b1El6tW1F+m1Qc0h/Fewc0m+DGkVG2KDmkH4b1CgywgY1h/RXwc4h /Taok/Rq24r026DmkP4q2Dmk3wY1ioywQc0h/TaoUWSEDWoO6a+CnUP6bVAn6dW2Fem3Qc0h/VWw c0i/DWoUGWGDmkP6bVCjyAgb1BzSXwU7h/TboE7Sq20r0m+DmkP6q2DnkH4b1CgywgY1h/TboEaR ETaoOaS/CnYO6bdBnaRX21ak3wY1h/RXwc4h/TaoUWSEDWoO6bdBjSIjbFBzSH8V7BzSb4M6Sa+2 rUi/DWoO6a+CnUP6bVCjyAgb1BzSb4MaRUbYoOaQ/irYOaTfBnWSXm1bkX4b1BzSXwU7h/TboEaR ETaoOaTfBjWKjLBBzSH9VbBzSL8N6iS92rYi/TaoOaS/CnYO6bdBjSIjbFBzSL8NahQZYYOaQ/qr YOeQfhvUSXq1bUX6bVBzSH8V7BzSb4MaRUbYoOaQfhvUKDLCBjWH9FfBziH9NqiT9GrbivTboOaQ /irYOaTfBjWKjLBBzSH9NqhRZIQNag7pr4KdQ/ptUCfp1bYV6bdBzSH9VbBzSL8NahQZYYOaQ/pt UKPICBvUHNJfBTuH9NugTtKrbSvSb4OaQ/qrYOeQfhvUKDLCBjWH9NugRpERNqg5pL8Kdg7pt0Gd pFfbVqTfBjWH9FfBziH9NqhRZIQNag7pt0GNIiNsUHNIfxXsHNJvgzrJzVfb8slur379weK3QA5H Fewc0m+DmkP6q2DnkH4b1CgywgY1h/TboEaRETaoOaS/CnYO6bdBneS2q205YcLyiZUrZ42JIIej CnYO6bdBzSH9VbBzSL8NahQZYYOaQ/ptUKPICBvUHNJfBTuH9NugTnLb1Xbhuf4iyOGogp1D+m1Q c0h/Fewc0m+DGkVG2KDmkH4b1CgywgY1h/RXwc4h/Taok9xwtZ1+yPhNH7jJ4aiCnUP6bVBzSH8V 7BzSb4MaRUbYoOaQfhvUKDLCBjWH9FfBziH9NqiT3HC1HT8bXRir7YsvvrjRmWLkcFTBziH9Nqg5 pL8Kdg7pt0GNIiNsUHNIvw1qFBlhg5pD+qtg55B+G9RJbrvaDuddXujVlkL6q2DnkH4b1CgywgY1 h/TboEaRETaoOaS/CnYO6bdBneRzX23Pz8/jd9g0TbPO2BVsjT0v+lrbbre79Y+ANE3TDG642gYv +Q5p0zTNgduutuPnpLf+ubamaZoDt11tg+V90hf41whN0zQHbr7amqZpXp5ebU3TPCC92pqmeUB6 tTVN84D0amua5gHp1dY0zQPSq61pmgekV1vTNA9Ir7amaR6QXm1N0zwg973aPn78+Pbt21eO03+H v9vtxvXHn0RyHRcOPdYin1J3xdynp6dPnz7xhWuZOsgL2z8HYWroGMfXXr16//49117F7I09nNVo y6G+cOif/vQnrv0PG//x4uU3dvmzs/BiR/gw9Lo/Po/wqO30Y+DGN9wf/vCHw7fa8dHcvtoW1oeO iV9//fXy1WV6ZLsNLp+7/KmzfyCv4OxBPrB8R0bmXjL08I+UBy9zkA8sK/XFjvDxBl94mYM87tCD sHwzb9xug0uGHv62OJUv4TFXm2X5M3C71XbMmPXhwwcu/Gf09m+Iwfrc8Z3397//nQt7OfLAbXD5 Qf7mm2+++uqrG/2pO+Xdu3dnf1ezXDJ3LJpLDsjlrA+V76jB+MMf+WY+e2PHLT3+Lhpzt9+560PH mpOPepTfwyU84Gobx2Vcs/z6mJuutmrowulddTVTc8c3xEve3nHlmzdvfvnll/EX+y1W2+nQ5T5N PX45cHbuuDiGpo7twtmhxyyHOvJROhfe2OUv5tTc9aHjbt3+Ad0PuNrGRfv46KarrRq6MEZ///33 t3j0tDI3uNcGl8xdHkAtz1lusdpOh47b+O8nZnuOzY2sz11u4HgQ8e233y6jIw+Nz97YY9a/OsUl c5cXGQapjyZbH7r8UT2+RvxLeJDVthz3A/Zej682hv2HlW+14JOmS+YevhEHqYczZ+cenh9lVxvD /kN1kBcz+AdvGXfgeO7yjfTDDz8szxCXi9tv7+U3dvDC31HLfTq+NLtfKtaHLuOOZ42/w2bv3H7U diUXDh2ML73wo6eF8SB/PAsOfi+uzB3H9qefflp+/ZKP2o4J3r9nb6w8XRprfftxvvzGjnv29D2N qzk7d4z78ssvh3BYcNsP8tmhh1kH+rU2fd5+4KarbWXojz/+yIUEF85duN2fdpl7/MTwmI2jp27s YPw2Vnbf5azPPV1t4l/H5Td2bNLIzVw4O3cc1eO/qMbF7U/AL7+xg+u+jR9wtS2Mw3F4HLEQ/HM+ uGTouHj8EtvPP/8s/hVceGMXxnfM8vctlzdw+dzbPWpbqG7smHv4wZeNrM9dbuDxchn+9ufCF97Y 4M1cuOTGHt+bw4+vtgV7z47v4fHk44pV/pirzf6RHgfupqtNhi7jePSy5xYvNg9W9lfqUczg8rk3 XW2fyY0dwrhDl++l8aXI298X3tjxfZV6S2rh7NzlpdvlBp6u9eu48MYuo68bd9+rbTnQ/14bJ8ge Gd/3fGHzirlk6PKtL2z8hrhibmSPX36QFxZ/42q7ZKg4L3xjjw/1xtFTR3h8J0du6eDyucuKWXiB b+Plb4vja67gER61NU3TCL3amqZ5QHq1NU3zgPRqa5rm4fjXv/4/+ryh5usM2xwAAAAASUVORK5C YII=iVBORw0KGgoAAAANSUhEUgAAAdYAAAEUCAIAAAAZWICyAAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAJcEhZcwAADsMAAA7DAcdvqGQAABs5SURBVHhe7d1/TJXn/f9xzjfg6FGTQaRd61GD y9B98lmaDxhwCecznfUPTRROwgbUZsmwcYsx6VJanXFr0WiJ0pJl2WKwDpMW8TQjwVpjWBiafrSm ng0SGrsAZp7Y0tl4+sFs6BEPJOfzHtfl+R7PgXPuczjnXAf6fITa68cNXNz3OS+u+zr34bYFg8Fb t249fPgwBwCQWf+O4JGRkZKSEt0AAMiU/6f/DwDIOCIYAIwhggHAGCIYAIwhggHAGCIYAIwhggHA GCIYAIyJE8F+v7+srMw2bfv27VNTU7pjms/nW7JkiXStWrVqYmJCtwIArIkVwZK/VVVVXV1dwWDw zp07Fy9e3Ldvn+7LyfF4PA6Ho6enR3qPHj26Zs0aUhgAEhJnFvzOO+8UFxdLoaio6OTJkzdu3AhN hJubm/fs2VNZWSnlurq60tLSAwcOqC4AgBWxIthutz/99NO6kpPz3nvv7d27Nzc3V8o+n6+3t9fl cqkuUVtbK/NlJsIAYJ3Vl+MkbRsbG9WcV3i93snJSVUOGR8fv337tq4AAOKJH8FNTU02m+3s2bNO p1NSWLfm5BQWFi5fvlxXAACJs/rHKn0+X3Fx8aJFi/r7+6Xg8XiqqqquXr2qVoqF2+3evXu36lUt cY2Ojvr9fl0BgK8Hu93ucDhUOYG/FyyxKxPhvr6+yspKlcg9PT2hpQmZLJ86dWp4eDg/P1+1AABi s7oWLCRzn3rqKbX4UFRUtHnz5u7ubtUlBgcHa2pqyF8AsC6BCN61a5dMdUPrDPv37+/s7PR6vVJ2 u90DAwNHjhxRXQAAK2ItREiw1tfX60pOzuXLl0PLDopamggEAitXrmQJAgASxb3jAMCYBBYiAACp RQQDgDFEMAAYQwQDgDFEMAAYQwQDgDFEMAAYQwQDgDFEMAAYQwQDgDFEMAAYQwQDgDFEMAAYQwQD gDFEMAAYQwQDgDFEMAAYQwQDgDFEMAAYQwQDgDFEMAAYEyeC/X5/WVmZbVphYaHX69Udj7hcLtUr 2tvbdSsAwIJYESz5W1VV1dXVFQwG79+/X1xcLHEcnsIej+fChQuqXFBQsHHjRlUGAFgRK4KvX79+ +PBhSV4p2+3248ePSxBfunRJ9Yq2trahoSEJaDE2Nqa2BABYFCuCy8vLKyoqdCUnRxI2Ly+vpKRE VWUK3NHRsXr16sbGRtUCAEhIAi/Heb3eLVu2rF+/XlWbm5sDgYAUWltbZ1wmBgDElkAEt7W1HTt2 LDc3V1W7u7vVEsSZM2fu3r27YcOGiYkJ1QUAsMImGToyMhJaXpiN2+12OByVlZW6/jiPx+N0Ovv6 +mbbYEajo6N+v19XAODrwW63S5yqsqUIloQ9e/bsG2+8oeszcblc27Zta2ho0HUAQDzxFyIkf1ta Wg4dOqSq58+fj172lcnsvXv3uCgNABISJ4LVCkNXV1deXp56/8WJEydWrFihux/ZsWNHfX09F6UB QEJiRbDb7a6oqFCXPYRUV1fn5uaGv2tONDY2sgQBAImy+nIcACDlErgoDQCQWsyCAWSXsddKdSlK 4aEBXVoomAUDgDFEMAAYQwQDgDFEMAAYQwQDgDFEMAAYQwQDgDFEMAAYQwQDgDFEMAAYQwQDgDFE MAAYQwQDgDFEMAAYQwQDgDFEMAAYQwQDgDFEMAAYQwQDgDFxIjj8ZvWFhYVer1d3TPP5fEuWLJGu VatWTUxM6FYAgDWxIljyt6qqqqurKxgM3r9/v7i4WOI4lMIej8fhcPT09Ejv0aNH16xZQwoDQEJi RfD169cPHz4syStlu91+/PhxCeJLly6p3ubm5j179lRWVkq5rq6utLT0wIEDqgsAYEWsCC4vL6+o qNCVnBzJ4ry8PHW7e5/P19vb63K5VJeora2V+TITYQCwLoGX47xe75YtW9avX6/Kk5OTqj1kfHz8 9u3bugIAiCeBCG5razt27Fhubq6qFhYWLl++XJUBAEmwBYPBkZERtbwQg9vtdjgcauVXeDyeqqqq q1evqpViIRvs3r27v78/1BLX6Oio3+/XFSD9lnXU6dLjvnrBrUvIArMdJrEwjpTdbpc4VWVLESyB e/bs2TfeeEPXp9eCJWp7enpCodzU1HTq1Knh4eH8/HzVAmSbsddKdelxhYcGdAlZYLbDJBbekYq/ ECH529LScujQIVU9f/681+stKiravHlzd3e3ahSDg4M1NTXkLwBYFyeCJX+dTmdXV1deXp56g8aJ EydWrFghXfv37+/s7FSXCbvd7oGBgSNHjkx/EgDAklgRLMFaUVERCAR0fVp1dbV6Ra68vPz9999f u3at5PK+fftYggCARMWK4Lq6umCUhoYG3T2dwg8fPpTGW7dukb8AkKgELkoDAKQWEQwAxhDBAGAM EQwAxhDBAGAMEQwAxhDBAGAMEQwAxhDBAGAMEQwAxhDBAGAMEQwAxhDBAGAMEQwAxhDBAGAMEQwA xhDBAGAMEQwAxhDBAGAMEQwAxhDBAGCMpQhuamqy2WxXrlzR9TAul0u6lPb2dt0KALAgTgT7/f6y srKDBw/q+uM8Hs+FCxdUuaCgYOPGjaoMALAiTgTb7fb+/v5r164tWrRIN4Vpa2sbGhoKThsbGysu LtYdAAALkl8LlilwR0fH6tWrGxsbdRMAIBHJR3Bzc3MgEJBCa2trYWGh1+tV7QAAi5KP4O7ubrUE cebMmbt3727YsGFiYkL3AQAssEmGjoyMlJSU6IaZeDwep9PZ19dXWVmpmx4Xd4MZjY6O+v1+XQHS b1lHnS497qsX3LqELDDbYRIL40jZ7XaHw6HKqYlg4XK5tm3b1tDQoOtA9hl7rVSXHld4aECXkAVm O0zCyJFK68Mm+YWIcDKZvXfvHhelAUBCUhPBO3bsqK+v56I0AEhI/Ah2uVwVFRWBQMDpdG7fvn1q akoa1Vs29LvibLbGxkaWIAAgUfEjOHTlgzh37lxubq40qrds6NZgMKFX4QAASmoWIgAASSCCATPG Xiud8UN34+uBCAYAY4hgADCGCAYAY4hgADCGCAYAY4hgADCGCAbAFXLGEMEAYAwRDADGEMEAYAwR DADGEMEAYAwRDADGEMEAYAwRDADGEMEAYAwRDADGEMEAYAwRDADGWIrgpqYmm8125coVXX/E5/Mt WbJEulatWjUxMaFbAQDWxIlgv99fVlZ28OBBXQ/j8XgcDkdPT08wGDx69OiaNWtIYQBISJwIttvt /f39165dW7RokW56pLm5ec+ePZWVlVKuq6srLS09cOCA6gIAWJHkWrDP5+vt7XW5XLqek1NbW9vV 1cVEGACsSzKCvV7v5OSkrjwyPj5++/ZtXQEAxJNkBIvCwsLly5frCgAgcbZgMDgyMlJSUqIbZuLx eJxOZ19fn1r5VS1VVVVXr14tLi5WLW63e/fu3f39/aGWuEZHR/1+v64A6beso06XHvfVC25dyiAG M5vZBiMWxs6x2+0Oh0OVk4xgn88nUdvT0xNqaWpqOnXq1PDwcH5+vmoBss1sN0MrPDSgSxnEYGYT 4551C2/nJLkQUVRUtHnz5u7ubl3PyRkcHKypqSF/AcC65NeC9+/f39nZ6fV6pex2uwcGBo4cOaK6 AABWxI9gl8tVUVERCAScTuf27dunpqZUe3l5+fvvv7927VqbzbZv3z6WIAAgUfEjuLu7O/jIuXPn cnNzdcd0Cj98+FDab926Rf4CQKKSX4gAAMyRpSsislBWvYCLGHjdfzYMZjazDUYsvJ3DLBgAjCGC AcAYIhgAjCGCAcAYIhgAjCGCAcAYLkqbf144+TddelzHi/+hSxkUdzCZPFKzDUao8cyLS68YzGyD EQtv5zALBgBjiGAAMIYIBgBjiGAAMIYIBgBjiGAAMCZ7I/iFk3+b8UN3A8D8xywYAIwhggHAGCIY AIwhggHAGCIYAIzJ3j/TM9vFD0b+3kpygxHpGE/swYhM7px5MRjBn+nJqidUbLMNRiy8IzXXWbDL 5bI90t7erlsBABbMKYI9Hs+FCxdUuaCgYOPGjaoMALBiThHc1tY2NDQUnDY2NlZcXKw7AAAWJB/B MgXu6OhYvXp1Y2OjbgIAJCL5CG5ubg4EAlJobW0tLCz0er2qHQBgUQquiHC73fX19StXrhweHs7P z9etFoyOjvr9fl2Jcuh/pnTpca/9d678u6yjTlUjfPWCW5dSKrnBiHSMJ/ZgRCZ3zrwYjDDysIlt XjyGs2rPiIVxpOx2u8PhUOXUXJTm8XicTmdfX19lZaVumrOsuoYmucEINZ7Ozk5VjfD888/rUiLm eB1YVg0mtWYbjJhHl15l1WM4q/aMyMIjNccn1FwvSlPKy8u3bt0qUa7rAAALUhPBfr//3r17XJQG AAlJTQTv2LGjvr6ei9IAICFJRrBMe8vKyvS74my2xsbGhoYG3QcAsCbJCLbb7f39/dPvyfi3FL4K BwBfH6lZiACS0zkL3Z1Z+nvPRG+RoBeibrulPnR3PPp7R9HdSJGIoxP60N1pRgQDgDFEMAAYQwQD gDFEMAAYQwQDgDFEMAAYs2AjWF+/E0V3AzAn4vKv0Ifu/jphFgwAxhDBAGAMEQwAxhDBAGAMEQwA xhDBAGAMEQwgPn1RZxTdnVn6e0fR3fMKEQwAxhDBAGAMEQwAxhDBAGAMEQwAxhDBAGDMnCLY5/Mt WbLEZrOtWrVqYmJCtwIArEk+gj0ej8Ph6OnpCQaDR48eXbNmDSkMAAlJPoKbm5v37NlTWVkp5bq6 utLS0gMHDqguAIAVSUawz+fr7e11uVy6npNTW1vb1dXFRBgArEsygr1e7+TkpK48Mj4+fvv2bV0B AMRjCwaDIyMjJSUlusEaj8dTVVV19erV4uJi1eJ2u3fv3t3f3x9qiWt0dNTv9+sKAHw92O12h8Oh yiYjGAC+5pJciJCcHR8f/+KLL3Q9J2doaGjp0qVPP/20rgMA4kkygouKijZv3tzd3a3rOTmDg4M1 NTX5+fm6DgCIJ/mL0vbv39/Z2en1eqXsdrsHBgaOHDmiugAAViS5Fqx4PB6n0xkIBFauXDk8PMwU GAASMqcIBgDMRfILEQCAOSKCAcAYIhgAjCGCAcAYIhgAjCGCAcAYIhgAjCGCAcCYeRDBfr+/rKzM NpPGxka90SNNTU3SfuXKFV1PA4vjCd+ssLBQvZM75ZIYzPbt26empnRHSiV0pBSXyzVb1xwlNBgZ hu6z2drb23Vr6iS6Z0J3ZUzHwbI4GLfbrVsfSdMtIq3vHPXsVtJxmEQSg5nrszsYDA4PD8u/We7M mTMFBQU3b97U9WDwzp079fX1k5OTqnr//v3S0lL1Q12+fFk1pk/s8chgnnvuOdWrBhaxcWpZH4y0 L168+OWXX57eKi3iHqmQ119/XQ6W8cFcu3Zt0aJF6pFj8DCFVFdXp3u3iLiDUcMIZ/ZIyaMltIF6 Tv3hD39QXSlnZTDbtm1T1eiNEzKPFyKKioo6Oztzc3NV1W639/f3hz+dMix8PNevXz98+LD608ky sOPHj8uD5tKlS9MbZkLEznnnnXfUYKT95MmTN27cSNNEeEYRg1E8Hs/HH3/8ve99T9czJXowbW1t Q0ND6vkwNjaWyT94HT0YmY9/+OGH8nx+6623dFOmhA9Gjs4vf/lLtU8UCZ3wG5VlQMTOGRwcrKys XLFihZTlOSUJ+Omnn6quDAgfjJyjvPnmm3v37lXVurq6H/zgBy+99FJyz6n5GsGyF+RESVeyQMR4 ysvLKyoqdGX6zyvn5eVl7A9xRAxGHq/hf8f5vffeCz16MmDGIyWNP/3pT0+fPi27RTdlRPRgJGs6 OjpWr14944JAWkUPRqpnz549d+5cJn8NKBGDiXgAS+8f//jHdevW6Xr6Re+c2traDz74QCYTUlbj ydifZowYjNfrXbp06fLly3V9emxXrlz5/PPPdT0R8zWC+/r6/Nl006PY45FjtmXLlvXr1+t6msUY jFp7Vfe9zowZByMzrPPnzz/xxBO6ninRg2lubg4EAlJobW1N35L9jCIGI+WWlhaZ3B09elQtMqZv 1T5a7Aew9MrDJpN/CjF6PDLZlJn4zp07Zc/ILwM55c3YeKIHI2dLqTqpnU8RfPfuXZmtqEdnfX29 bjXH+njkVPfYsWNpnXjGHYx69UAmWU6nM90zvtiDkZHIFDhjE73Yg+nu7lYn2mfOnJEtN2zYkNa7 gMcYzPVpy5Yt+9WvfiXjuXbt2p/+9Kd9+/bp7jSI+5gJ6e3t3bhxo66kTdzxyNmber0nA3cKjjGY /5z2yiuvhH5hy5ll0vcMmk8RHL7mLU8Y3WqOxfHIKUwGEifuYCT4pOvO9Mtxp06dSut0L8Zg5MT/ 29/+dian4RYPk0yyJPW+/PLLv/71r7opDWIPRqbhv/71r9UKQHl5+f79+9N6pCzuGTkNf/DggVqE TavY45FhrF27tqur6/79+/JsknxM64VPMQZjt9svX76sxqAyWmY2zz77bHJzrPm6ELFp0ybZEbqS BWYbjyTOJ598ksnEETF2TlFR0cWLF+VBHH7fv7SKGIyc+P/kJz9RD1z5ZTAwMNDa2irltD6dQmI/ bCT1tm7dOjIyoutpFvcxLImjS+kXYzC///3vn3vuuYy9eKBEj2fXrl0/+tGPJPikvb+/v7q6Ws4s M7NQEz0YNQYV0OoSgKRfX5mvESxRItMWCbh3331XNxk143ik2tLScujQIVU9f/58ZpYaY+8ceRA/ 9dRT4S8mpFXEYEIn/kJdWqQudcrMb6nYe8bv99+7dy8DZ9xKxGDk3PaZZ56JWGHM2C1xZ9szsk8+ +uijjO2TkIjxyDA+++wz1aXU1tbqUvrFeNjI3PyHP/zh8ePHk34Az9cIFvLD19TUZHiCGUPEeOSA OZ1OOW/Ky8tTk74TJ05k4GxOibFzZDbR1NSU7oWRcFl1pGIMZseOHfX19ab2jEysXn311Z07d6oT Aul68cUXT58+nbEXnWbcM9evX//mN7+ZscdtuIids23bNjlhUjtHElkmNzIRzuSFPdE7R55HTz75 5G9/+9uGhgbdlASZgGT5WzPUXEkP93Ghq6OV8IvJI7pSyMp4ZlxZS8eV5EkMJn3vW7F+pJTwWXDK WRlMxDbZsGfCD1aaxpPQYZLnVLrf6GR9POq9PEqa3pdhZTDqBZXwlrmwyX/cOw4AjJjHCxEAMN8R wQBgDBEMAMYQwQBgDBEMAMYQwQBgDBEMAMYQwQBgDBEMAMYQwQBgDBEMAMYQwQBgDBEMAMYQwQBg DBEMAMYQwQBgDBEMAMYQwQBgDBGM1PN4PN/4xjcyc1/6GRkfQLaJ2CEz7h+3263uM7tq1aqJiQnd ijQjghea0BNJbN++fWpq6he/+EXSzyi/319WVqa+Wnt7u3zxuLkm21RUVAQCAV1PtaamJjWeCDI8 vUXqhP/4ERobG/VGGZfoIbZyRGSbzs7OycnJa9euffnll1LWHUi3YNbfQRkWqZu/FhQU3Lx5U7XI 02nRokUrV6588OCBaklUdXV16Dax6v61Vu6nq75vmu68K8NQX/nMmTOhH1bKabqlrgj/RsqdO3fq 6+vnfvfcRCV9iOMeETnQabqVNWJjFjwPvHDyb7N96C2mHTt2zOv19vf3FxcXq5by8vLR0dElS5ao aqJ8Pl9vb688OXNzc6Uq08/wu4inw9hrpbN96C1ycp555pl169bpyiObNm2y2+26kn5FRUUyT1S7 JSXkq81Idz+S8kMM44jgBULi8s0336ysrFyxYoVumiZh0dDQcPv2bVUNP4dVSwrqXFtOq9X6YKg9 5ODBg6GT3LVr16pCSPiyQDqWAqLt2rUrPz9fVx6RH7Ourk5XotY6Q4MMX+V0uVxyFv+Pf/xD8ku6 1MKCNEq5sLBQkk5tFk12texGKYQvU8inq32bvoXUpA9xtPD9o8pnz55tbW2VTzG4wPL1RAQvEH19 fXKWGpqxhpMnlZo0yXP4xRdfVGejsqVMqSSAnnzyyYGBgQ8//LClpUV9BWmfmpqS7eW5/corr3z2 2WdPPPGEileJOYmAf3/RaRJt8rnqfFzO1nfu3JkNT2DJoPClT0lVOU+XEcpPt2zZsh//+Mf/+te/ JDoldD744IPvf//7X331lQz+1KlT3/3ud2X8spnsrt/97nfq06PJrpbwlYLMu2VCKnusoKBgz549 EujyvYaHh6N/Q6REcodYHcpwEftH5tF3794tLS1VCxFvvfWWakdmEMELxNDQkC7NTmZ2S5cuXb58 uZSfffbZwcFBme7du3dPnqtydi8xJM9taVcbKxKy0i4FideIWZXMnpqbm/fu3asSQdL59ddflyCL MX/MDBmJWvqUsgzy008/ff7556Usifnqq69K7H7yyScqOrdt2/b3v/9dEnPTpk0SSW+//bb8gpHN pP3GjRvh4SUhtXr16umZpa2+vl63Tjt9+rTE30svvfTzn/9c8itN+SuSO8TRERy+f2AcEbxARC8R RJP5jpyuSl7IZO3gwYO6ddp3vvOd2VY25RkrkyO1Cux0OkOrDTdv3ly8eLF6tisyBomqL774Qtez gAxSwlRm8eHpOTIyIv9G/LKJLfwVMPU7KUQiu6en5+LFixs2bFBT0TSZ4yFGdiKCFwiZo8m8RmZ8 uj4LtdYp561WXliT0+2TJ0+qskyH5SxYTlfDl4YjAleNQVeyRuiKjpCGhgbdl5Tol/5k7rlu3To5 UZht7TUl0nGIYRwRvEDI9Gfr1q0zrgNIeqpocLvdAwMDDx48CF/Pje3ChQuhwFUn8qosVCJ0d3fr +vSU81vf+lb05QoGySD/8pe/fP7557qeCuqlP4/H8+6770rV5/P95je/+fOf/1xdXb1jx440vRYn 0nSIYRYRvHCcOHEiEAhI6ITPxWROtHLlSvWEHBoaGh8fVy+dDw4OTvfHcevWrTVr1qhYkUlxS0tL TU2NWu5UidDa2qq+neqVmVf6FkOTIINcv379hg0bQskYSqu5kNiV/SB7VX7qn/3sZ+3t7bm5uadP n1Yv90Uvv6ZKOg4xDJPzMt6akeV2vP3pbB96izARp5/hV+PfuXNn8eLFqn3Xrl3yb0FBQWiF8eWX Xw59rjp5v3///ttvvx3+WdFX74d/O/W9wreP8V6AGf3vr/9rtg+9xSPh3zfiTRnhrzWFrg1QVaE2 Dv9JP/roo/DtQxtL1z//+c/S0v9/SXI4tYvUxmq3ROy9fw/FMonvGenux4X/7CLuIf7444/Dj0jE /gn/lPAlb2SGTf4bGRkpKSlRxwAAkDEsRACAMUQwABhDBAOAMUQwABiSk/N/KOa6K4bVPgUAAAAA SUVORK5CYII=iVBORw0KGgoAAAANSUhEUgAAAboAAACOCAYAAABHa82KAAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAgY0hSTQAAeiYAAICEAAD6AAAAgOgAAHUwAADqYAAAOpgAABdwnLpRPAAAAAlwSFlz AAAh1QAAIdUBBJy0nQAAQr9JREFUeF7tfQmYXEXVdieZnpksoIBASHqSsGg0CuqHy4eKfKgooiDw IyibIPALIhi2DwRlEdmVRWRHUDYBk8lkAREEBGRHCWHf9zUQErbsk+99q6t7qm/Xvbfq9r29zZnn 6ad7uuvW8tby1jl1zqnc9Hz+6OtyuVVz8heKwFW53PBp+fwxN+dyowQmQUAQEAQEgRZDoC+ffwKL +Mt9nZ3brMjlhrRY9TOv7syOjo2Bz8PAZ/G1udzKmRcoBQgCgoAgIAikiwCJDov4Crz6saBPndLd PT7dElozN5Da6sDkQryWaXyE6FqzK6XWgoAgMNgRMIiOZLdiWmfnO72dnb+gum4wYnNfLpfv7ej4 GXCYqwlO4SIS3WAcDdJmQUAQaAsEgkRXWtwh3T2N1w6DRZ3JdqLtW2k1ZYnczHeR6NpixEsjBAFB YNAhEEZ0hjRzz/Surs3blfDYrmldXV9He28PSHBBshOiG3SzQxosCAgCbYGAA9GVFnwSwXeuzuWG tUPD2Q6oJ7fA67YYghPVZTt0uLRBEBAEBi8CHkRXOsN7AM/sPiOXG9GKqP09lxsJ9eSeILgHHAlO iK4VO1rqLAgIAoJACQFfojPO8N7As6fAcOUTrYAmyG393nz+NLwHjUxs53FyRtcKnSp1FAQEAUHA BYGkRGdIQ8vx+U6cc+3XN3z4GJcy65WGrhKQ3A5C/e7De7+nBCdndPXqKClHEBAEBIEsEQABHErT +RpJoKTWJOndTvcEEOhnEUmkI8u6B/PGuVtnX0fHF1GHo9Cue1MgtxLZLUde59e7PfXETsoSBAQB QaCtESApUepJg+wCebyOvKfhu0NmDhv2PzNGjfpIWtabyGforBEjRkOS/BaI9Zco5xqQ0bzU25DP PwWr083aegBI4wQBQUAQGAwI0FEaRHEwiGJB6mRRdLimM/pSENILeP2DEhK++yVibe4BovrejI6O TSCNfY5nafjuk3htgO8+39fVtSl+33ZaR8dP8NvReO4ivG5BHq/gnRKk6xmbb7qFKO94Gq8Mhv6X NgoCgoAgMGgQmNbd3QPyuDJFtZ8vwTQ+PaTDVjGyGTQDUxoqCAgCgkDaCECC2hiEd3eGElPjCa1a GpxNVSiwlODWaQ8oyU8QEAQEgWZE4Cicg8Ekf/uIsFjNSFb+dcrnH4cqdKd2cYZvxrEkdRIEBAFB oKkRoLUhiQDqzAfbScJDex5Cu3bl+WRTd4BUThAQBAQBQaA+CCjCQ+BjkMPNeM/SEMRfKnM3SlkO CfUmtgMSa13dH+rTS1KKICAICAKCQBoIDJmZz38aEtE5IIy3W0TKewsEdyatOuUMLo0hIHkIAoKA IDBIENCxI3fUfmypOJ6nSJwf0I9vemfn9wfr/XqDZBhKMwUBQUAQCEeAztBpOXGDTFaF/9vOIKqr aogpWYvakrekv4ryL6ERDW4JXzmtvsdlrJtAddudVn6SjyAgCAgCgkCdEAAxPIlX39ThwwtpFkkD j6l0+O7sPBBS1RSU8Rw+L0tRWqMD+hLG6sT7FSDsn9HJPG3LyWm53IdR53NRxsJLUyTONLGWvAQB QUAQEAQiECDR6agl8xCZZO+0iaJUNKXGqSNHroEyvgpy2gukdALKvRwEcpOy5mTElM7ON/SZ33y8 M5wXQ4g9h99no543wIn7Ejx3LD7vBglrI0qQWXUu64uytkf5L2pyXixElxXakq8gIAgIAhkiUCK6 kqQFUrmLobcyLDIs6yEkWUqCDM6s3xtyyStDkAGX6wPS5+K+XG6lBuAiRQoCgoAgIAjUggAW9Kcs 6kSqGC9OW51ZSz3r8aySOPP5s5RKtNpdQYiuHp0gZQgCgoAgkDYCWNhtRFcyCHmPgY17c7nV0i63 mfLjOZwOGB0V0FqIrpk6TeoiCAgCgoArAjFEV7p1YB6JYEYu9xHXfFshHQkcktuReL3pYCQjRNcK nSp1FAQEAUEgiIAL0RkkMB+EdyosHNduZSRndXWtg3O436FdNHpxdWcQomvlTpe6CwKCwOBFAMT1 tMdiX5LwluC5Xu2DN7QV0KOhC6w2vw1i70N7bWdwcYQnRNcKHS11FAQEAUHAItF5E51JjCC8Z/A6 Bt9NTMvxPK1eYn0QquxTPGcEwT3vS+hBq0s4jI9Kq26SjyAgCAgCgkCdEAAB1ER0hltCv/Z3OxrE siEDQNepCRXF0DUBd+l9Ce06LuXrhRYjbyG6RnSqlCkIeCDQ09Nz9Pienj+MKxROGz9mzEYej7ZE 0vFjx/4P2nY624jXL1Dppr0/E3X99vhC4Qxd18kNA5gSWY2Sjl3ll8+/AuL7y/SOjn1QxmeyCp91 SS43kn5/KGsy1al4n5tJezo7G0J0HCjjenqm4XUNBsxV66yzzofSGCyYKMchv5l4zcAgPDyNPLPI A/X8Gdrey/bjcx/qe1AW5Uie6SGA8XREacyq90Jhj/Ryj81pCMp8B3VYoV+NW1xjq5osAfA80mjf S81MdKjrqeW6FgoPJ2txCk9lRnTVRh403b8bRHQRXofi83aIkvLFGd3d4yApfSgsIst5cCC/PJdb hQYwWlL7AZ49Aq9L8bofeb2fEbFVEDjKWdQIiQ4D5WBjUPePGzdurRS6PQfC+LeR741p5JlFHli0 /mbUcwX+/2cW5Uie6SGAMfsfs8+4QUsv99ichOhiIapfgsFIdFbJDwTSD6JaTMLC6y2oHF8B+b6k 3othwD7QxiNMF2cwktnvQnT1mxxmSVgkbwwQ3R2NqYmU6ooA+uyhQJ/BVbVuf0J0dYM6viAhugaS VhLCFKKLH9RZpMCi+feAdHBbFuVInukhAKl7dqDP/ppe7rE5CdHFQlS/BE1DdJCcnk2y8A+2Z0h0 vHuvfkOkWNJgV12C6K7EorlML5zLeaZY7z6Q8vwQANHdjP5aXu6znp4L/HKoKbUQXU3wpfuwEF0L SnRCdOlOApfcCoXCcBjgrAFLujFrr732mmuttdYIl+ckTeMQYB+V+ozv48ePr+c9jkJ0jev6qpKF 6ITonIbjYJfonECSRILAAAJCdE00GoToWpDo6MpQ7zEkRFdvxKW8FkdAiK6JOlCITojOaTgK0TnB JIkEgRICQnRNNBaahuhgyv/cYDMsSdJeGqOIRNdEM0iqIgjYERCia6KR0TREB6tLIToH6ZJEB3O/ uhtCiETXRLNWqtIKCAjRNVEvCdE5kEsSySurZ4TocjlYPn4OkVm+gdeXJ02a1BmcT+uNHr06TMr3 hnn5X/C6C6/78boFrz/CLWDHNddc0/mMk5Z7KGeS7TVmzBjrRcCo37oImbZpqY4+5dnWhk022aQD FoMbMb8JhcImYeVanh2CZzbEJP8l8JiC9t9J3zK+A4er8f0hE8aMmZhkPVpvvfVWhiXqV3UbJ9ny oJXj2mPGfGztQuELiPX42bhyVl999VHAbVu1KBUKs1Dnu5UvXKFwL76jH+N5KhQb2rRJRAxb1i2s z2oNXYc2j2UoMdTlArxuZPQVHYGF4+tyYo0++paqQ7IQYENQxnpo8w+Q12+QxxUsB//fp/0C79Fh +E7HONu+1vYE+4TzCdh9TZWNUHd6/nDM3K375Ay8785+xe9HNTIEGDDuItaoxwk6hKAaL6wz/+c4 Qlt2wWudtIiO6wHHKONmopzrVL8UClxf6MpyHtcX9n3oWIfqstao/plFI8mKtJLkK0SnfPoGYgiO H19eQEkoGGgnYsC9V+EoPBBvUMUdxPOvcpGIW3j5O9JtFZpXSLxLpJ8ceOZAl7LC0mCiftcMvzZh 7NhPx+WHem+sJnxPT38UFso3sFCYPnbs2I/G5Wn+jvy3LOULPB8J/PYVLpL4/V0jzaLVVlttpZAy OrB4HIa0b8XUtRQ3cgXq/AoI4fO2/MaNHbtXWD6o104+7SylXXvs2A2A51Q8v8Sxju8bPnys92SX cpH/dIc+K+OA9Auw2B9fq7sLNyVaa/OiY/s4rsx5VrdYl9wQoa6/wus1x7rSl5L9UcQtQazLDTfc ME98MAbeiC2zUJjH+pGIq/pciM4trJgQXYDoIDlxMIEM1sYAfDB2EA6QHifqPnGLD/L9vi/R0c8O A31ReZHHbjiunKjf9a6+NEnvQ9qoKPFDUe6vA4vsAEEESN9o23to63au9TSJjqSjnxuKdh8XUnY/ Je0q6RuLAdp3rUe/ldrST8nHSnSQ+tIiOkqOxBPtWpqgjibubkSHwOGJykHMWBu+Lv2ppP6enscS lTswnupCdBh33EQ9W1NdPYmOvrNKCxI+d+zzC9IeNpCFij4QonMjOkiBCwf7GZ0p0WGSfoeDCQPx +cBAnIvvuGicgtdJ+DwtsAOlZLcoTjpC/l/nQl5+mRJSxA0GWqIpTYDlYYty3EI0EVIQ6l2WYCGt 7B/xzBCUe1rVhCwUnsF3vEplH0o0+v1stOllMy0wWorvtomrk5Z0TYluAb4jyVWXrRcHSkI2NZuu lymhLKFKSO/Y92B98dpT/38lfnsOz3CTwoV1mK2uE3p6dij1F6V3nb4kzTtLdNyR49kplgXufV3H 49kfKOunSHMYyjpHqfoKhYWWZ5yIDs8dwWcpOegyGHX/AKoLFRZFafUkvOZY+vkG9oNL/5XSIN/N g/OCeCniKxSoKv5ftg+Y/hyfT1DjmvOhWlOQOdFxI2ZuIHX7ORYexPdna4l0H/xPjcpJqOdMtON1 C07OtxesvcYaa1o2Acvw3T/VNUzsF6pHgRNeVJcuDsypxyBtf6TcJylcSDooVJckOkQTHu4zmNNI qwdReTfdyNsLTKLjWQZet5cGl1rYCoUfM5JJsN3cmfUUCjdUDETPUF7If0H5+QiiI2EEJhjv6/L+ Qz4/NNq2OGrXzgkXWNTnEwsUmrcVrM4bitJfWVpB++ZPGD16fFxFA6rLRZpAB9SkJNdx407Ewvz/ lBoV56lBSRTqsk+YZaOuT+M8b/2YsoeOX2utj/PaqLg68nd1VmYsPqyny3NMg8Xsj4GxwnYeHyc5 oa2rKFLq6TEXPSei47wCLlTHx92jOZSEXjEeuakYP35b1/bxrBvtK6uXNcHezXvmYghzmD77NeO/ Zkp0+u67spZE1/WfPLsOjqtA+6kW/2+MrduMeetKdEPx3PUB4roranPMs0s8c2vgmd5yHUF0LyQ5 sxqEzyzEXSNCdCVJoafnDmMA30cyi5ro+hzvYWMgLoNxR4/r4uBMdMUzj/JukofkMRPSWgUeqpeJ DhJqWD1poIJ0cw1SnM+FzKVdWDB/hOdKMSEpTVwR91wF0eGcD21V5yUkFW6KbEZCwTw1yZY2T8u4 eMaV6/t7UqKjUUFgsXod9fuSR/l1sbpUF4pW9t11LnXkPEA/Px7YjP2BZ1Euz6uNQJ3uo+PGAfU0 zw77ueFAFawSva3+SO99Hx3GOOeFeS58vctZqDrv5L2dxrM0mlH1EqJzV10K0RnGKAMHzE/H7bRL EyB47oaF/icek9tJomN+GOi80diUgq3WiWFlfwwqD1MNhnp+Lywtyjk2IH04Sy66rrQiLNV1KS3V ojCpOKMznsP3oXUM5meezeFzTeeYYXVNQnTK+rNSrftBmOFLBEZ1ITpFOJVnnO/btBlV2MNYIjBe /oQ0XjeE143oCoXfBQj5DNf5Wp7znkSHHVeeGgZjE/1KhQoypgLog1VLmz+dR/GuTSE6IToMCKeL VytUl8VFtp/m/K6DnwuBmQc+X+z6rKtEpxagceP+KzBBj3EtRz9fth6kStZqxYWE/N6cVPh8p085 TKsO3CvPFyJve7cRHb47yadckpshgV7p86xr2iREx/OoAAn8r2t5Rrq6ER3quptZX4zvSPWvInLD whX9/uwkfOfbxnoQ3eiiq5BpMflQ2DyIqr+vRAeS2zowd/f2xQd5HGRuHkGU44ToHP35YHUpqkvT vaCoLsOFDn5/eGZAj44zPtenfYhOkVVPzwOG6vFRfOVsLIBnbzKI4LSwOmJh+1ZAxbKja3vMdMiD vmtFo42YG9QtRPceJVCfclHGLa7l+eRrpk1AdEOwQJkXtr6U8NaDuhEdXR8C/b95FF5BYsSY3iMJ vvUgOtS10lUHPmwJ6+qlusTY/Isx9952UVkG66XOW3t6BtxRYLiSg9Xli4PwvM3bgEaILuBeUPSL 2dp38GMAXmioJZ52fd6X6FDGgcYi1K8NDWKLo2Mynivdf7cCDtefCXsIdSqrdpSqc/z4D8cWYElg 7kDZzqjzmiDR0arVt0y073wDmyVRbfTNu5Tel+joaK40BAPWor9JWHbdiE5dQWTWGQZAkUQHa0Sj ffNdVJ22/OpCdJVGJHRjiTPSsTbdU6IbZlpr4tnE2gbgXHZ5Qj5nU6ITonOQ6kh0N+dy9bxXSw0c GhiYC3azWF1iQL6bJPII2kN/r5LJ+WtootP5hC/REacKlSAsEV0WTtTtAKN+90fVDwT1L4O073XJ 35aGB+ZmH68bYaRjkegm+5YbKI9S5PNYdL/gm09Uem+iKxT2NaWjBGdzperUjei4sakgOvh+hmFC IyGMl3nGeLk6Kd5ZEx1da8wzatT7/Brq6izRMXhCYLOzb+JyDckQ9b9BiM6B5CjxCtEFJDqoIJMM Qgzkww212RvIw0ml6Et0rBv9eYyF5RkHUh2C9PeUngGpRJEIVW3lhcvnvDGIW1AFxjPGMGyDRIf/ N0vQD0NBbn+rULvB1QHfXW5zR0iQv7d7gelSgM8LkpwH6XqmRnRKBYYzaO1Kszuw3pUGVcrHEy4a 3JC4Ep1yzTCtAXEemQRXvfk90sgrdfcC5RZQWdcf1VBXZ6Kj0VdFuQi7l0a5GE9zhOiE6Chd+Ruj FArnJhmEGMyH1ovo6EtWsZhjAkfVmfEnkV6Z+4O4FjHSSlh6OmGbeWtH379iUfR+0UHZzItRKFyJ jiq/JP2g3CIQQSJAdqVzQjqHnwyp6lMOmwNr8b4SXYUPFKKNJGlTGkSnIv1A+kf7n7RhE/UdSTCs 3vjNDCe3Av9/I2kbs5botF9o2bzf1V3G1h4f1eWEceP2r5hTjLOaYD7xGZT7qJHXkzyje0nO6OIt LynRwUSw4arLOH8118mDgfAfYyB4Ex2eP8q1LDNdPYlO+9WYPm6hhiXBnTLa1xfVProB+C6Erumj /MaCEl1VqCOPTlE+XQzAa48oUrSqhcGQXsCdfadYBW+i6+l5orwBQtxJj2YEkyaS6HguivIZcswW XcUllBvJK5zoAnFAkwb1rodEBwwOMcZqfy3HJT5ER/xd54hPOmwknxCi85DoGkF06NDymRE7dx2a yqbwV2HhhigELlli0A4EdY6IThIpNdVRomM9gNmZxqR4gTcShNSPYbweKaeNCclFacdnsnmlNQJm B+saJLooqdOlT5lGq+B+jQUhKpYho2FMcM3Tk+gYCYPhrUpxRXH1Y+I/b6LjhsgMEBCQKhbzDBOv +5HmXjVvUFcbIUYRHfI0jaNIimslbWHWEh3qWvYN5Tl35K0AMY3wJDqGDXTaVPikowU2VZci0TmQ XaMkOjpVV0y8hKqq4HjEAKR6qrSwOO2gK4gOBJxkotZTomP9aNSgJBPdVl63Y6u39r1T6dDO1+NM 20E4n6zol56ei/Dd9mm8aAwQhm0WRGeUxbBNm2JhuAgYzK9aTLDAu0oivkQXsLZz9q+04ORNdCj7 rEBbGZrtMhrt6DihQYOpoTR7p9+cObYiJTrGrjQW8XXWXHONJPOnThLd8YZ0vYj+fzXU1fmMDmWa RLccGwqei9Y8p3im2gpE9wFUq7OhYu3F60x8PgqvA/u6uvad3tGxz7Surv1AQof25vMn4ftL8Plf eL2TgTr2g2tzuerrH5KOAMfnVKBcY4JgciU+oDWKpBnvQMDiQuFPLtVpRaJDu2hgUmlqbGks0pxs 4BwbAUKd5VSGKTrIBcNa02RMdOXqcXFTDtympWDRz+8BF0MRT6KjYU850DV9qWrAyYvo9EbIDMP2 Iu/xcynfx+oyqJnxCX9n2aRma4zS03OMQXSM1rOKCx7WDaRHZBSUebQxp/p9IqLE1g/k8XIGpODt p1aqA6/DgZR5Hf7fH++fxd0ozjHgSo2F3W7n9K6uzZDHxchvQUrtawzR4ZJNc0Gl5Vdsp8Yk0FEP zMj1J7jk2aJEV+GiQWnN4qdG4i9LuFFWjyWcdJQLE0PGAMz8r15EV2oI1ZUYfxWGGS6h2zyJjn1k qo15G0DSPy+io6WpMb8YcowGOE5/XkQH6aRiYxShno4rvA6qy4rjEm7q4uoU9ruP6hJpK1xMGKg5 ablVzzUL0aEez03v7Dxo6siRiUV6GyggvQ8h7z1Bdnfj1V8D6TWE6GhsYKpH8Nkr3JMNE0Ykr1C7 4aDcZUC1KtHp26nLEe3LgV51oxnlv7yDpT7f7Y8Lqhk8uhYpxK1EpKo30bFivKUc+AzctBATvYXP +BIdfZ0MVfpTyMLJv9ICnDPRaQOUNw3p5WznjiAuHn506LdvBuZcpHN5VD2yJjqqCyvqStVfwj8v osPVX2a5wXmasArFx5qA6N6G1DU5a2fsFZg4aOsuILq3E5JdQ4gOXdShzowGztNuq6nDOUF7en5R MaDGjv2iS56tSnRsG+pejmrOMyizvfjtbAMP51vJsTj/wyDIx2pYnF3gV2kaQXSK7My2Fgpvx1XY m+gqjYaWMupIXBkhvzsT3YQJE8YHtCVb+pTpQ3S6LDPyi5MWxVafrIku6NfZM3bsoT64BOaW8xmd xqisRuY6lbTcquew+L+ScOFPrJ4sqynz+eundXc7X9WCWEcfRn0/A2LcAmdyOyOfbfCaBDt3J6dj Nr63q2tdPHNfXJtRzmso53yoT3eans9vAGsN+lQl3WXW1F+m4zMG+ZJaLe1oMm5M8Pddzlw0WQxY XbaIMUoJeBoKGG1+q2RsogIz9/SUr7rxcd9AfuWzDHxejmfXramjHR5uFNFh3JmXuy6Lu1bGl+iQ Py+mNVXBXrdAGNA5E502QBooM8JR39Y1PkSH53kD/QvGxmi2Q3dbk2RNdOriWzMYgoMEH9YWH4mO 66tpJBcX99ULPyzkjSC6fhiTnAKCcoqfhvO2tVHPKSCeJRaC6sdvT/XCMAVqSidfH94UjnyuNPNC 3svx/xzk9VvUbdPzEpwNegHvkRiDjjcpm2a3kRHuo7Lm5YVclI38ZrpWpZUlOmVCbkSOB2FspSSV 4r1iJetTZyz4bNCiE/gkjc/o2gUNk+jMBYsm51y4oyrtS3RIvzryLV/wycDTzqBUJnQmOj0XTKLz uffOS3WpxhpuDq+YxzEBDCLII1NjFF3Xq4y6Lh8/evQnkvSHJ9FR2/QHo1zeWZnOOV29iQ6EwnOy w1xBm9bR8SU881acBKZ+pxFLLhdqmm2WSSkQzxyJZ05C/lvDonJ11zrVOx0ce9cwFwEu2An9cBj6 qSIKBybfD13b08pExzaaZuT4rC45RfsvKe+yY4LyWnAaCkwGbklAQOZaHLhd+qFREh1wKt8UDewe j6urL9Gpvhg37mpjkaOz+jZx5Vh+dyY6bH5GB86inM6qS2V6SnQ5WnOiPPM2eIbRc9rsm+3MWqJj WQwtV0HKhcKsuM2Nra98iW6d4u3rJkZTkG/tmrR6Ex3Kc7ZOm9LZ+VGQ0ZtOJFfyhcvnr/FRZSaY SA15hOdKFZOyp+dmzyssqBYoB1RmXrQ0dFVbKqKovKanJfzozM7CDv6LpUmEtiygL5PhZjE3znfO 1vEqDmKlm8FtCOCb2O8obnA1gugYrsrUAgC7c+LqmYTotCpx4OYIbOgodcWVFfjdmejw3LAKt4ZC 4Q5+51qeL9FxwQ5uNGFwwWg9zkcveh5mLtGxTqjrnQEJ9Ghf0vElOo1RRRxWurm49kloOpxFvepF JA7O1WH54VxtBoxCnDoVxikdkLTuTFS3fH73moFpsgxo5m36vmmiuttlIaCUQd+kgPqT0Rl29mlm qxMdJ29FRJienr8amJzpg4WRlnkOWAwWNxB34WB9ok9+mmRjd65pEB0cMZ2lCIYjA0blMGr4vMzF /SIJ0alFPOi8zbMibCY8FlgfoqOqrEKdyM2gK/EkIDqqOz+BMgcuNC0GKLhyPVx06jpe6iHRsS6Q QD9PNXWFlI1rtnz86hIQnQ2j5SjzRN9rjSrS14voaN15lYd6EKS4VyKSKxLxQ+0o1WHC/7hCrC9K Ekvx/Y0gvEPVIjh+/EaUXLAL+iYG2X5YOKbivTp+X6GA7nDbdJQmYBsQHVUy5aDS5gTmpHZdaILp 9B12z1dI3MAceF1sRNcIPjYMz62HwNM7a/Xpmy535qVBdCp+Je6x49kvA/YGI7GoGKHjxn0Z7bmA xk+BDdIFLjglJTp1C71xA3pZrQzpAnXZk5Z5NtLjNTjrAk+0Z4eAmn9yVH0Z6SWQnvcs3oDX5hEL 61A6fAOnbc35GBUZxawD5uaPTAlZtRGETlIg7mHl0oGarjBIN8Pok9RvLzDrivow0PKAKrG4kXsD 9T2RqtgQjdAQakuUGxPWpnJdC4WHXcYO0wCjXYMYaV/Xw2kVatusMXYr1z7gcwgNWfD8PeWxUi+i g49caMDTYONJUqjXkzUQ3QpaZ7qC2krp0HlHWMjOLz4cooJ7qj0VRO1AdNqnruwTpifhgx4Sg3W4 rIO7tDC5yoGJA+SwDNi9ikn/ML5/EJ8ZU/IDSz/uEzcWayU6fUNDxcJFKQ2vt1D/53UcR3MXP2Cs gcXDddwkJTq2H320ql6obOO6H/jN5zkh6jwHnx816hxsF5+PJDqWhzR7VxFPUdJajLyfUsTLuwcZ 67LoPE+JrKosV6LTc2mPgLRkWpwyviYtNB9UGohC4RmtzTGNyErpMyU6jQ9vGzdVymZdF6EdDLag 6sqxjbq+a8OT4z9ufAdIdi/LRqtU9gfERc+nRzi/UG7FvMZ3SydOnFi02cCZWeaqS5DOP+nH5tpI hPb6ci0kx2eh9qxLSCbXNqWZDjsl7iRfCiymsWSnJbtj40zDw+raDkSnFpnAXWxo18Fp9I9WZV0Y nHAe/XRyXD1qJTqLBW/suOEiB4zO9lEd1UJ0xEA7cx+Ochd44GdrSyzRsTxIENsrSaWGoMI+RMcy KU1TzV1LmVwHat2kxY05XdeNUdf7a6qrJ9EpkoVlag3l9jMmrWof/cVqJRWH572sp+C3dqxDnpF+ fL1wH3DpwFIauhzQX64R8Sx96llKOwmxCLEI7IvXHVWql8rJulxJGrxjyyP6vK1OKOdWtZOmZFI8 N/H+w51Tu/B5vSP/BzJwOrNF+luMsnf0Lth4AAsS7wZ7UklZ2In6+M65lMvJhXzPVBKSZedvLBaU CuYCj+l4380leC7y/oraxaJPuQD4nJew7jiv3QDlnUdJBfkEJdsgUcyl+tVFpRrEZYMNNhhJSUiN Pez0k0a54NkV6nkA8rgV7+/FLbTczFHKw+vPeGZ33rvn0mdMQyyV2gtXWEVIEiWMKF29qYnqQqTf L7ElNIx98PyfkB+lOJvUZvYL5/PrVK9iLBztGpfTFYOYdMPQxu+g/MtRPmOT2iToyroWJa2/oX2/ ZISdhPXo4N2SyOcaLdlGbc54gfDjeJ1FNW95E1AHonv/77ncSJ8GQsq8vlaig0TnGspJVY2RWVDm PLzewrN/ge/e5q5+eT5tyyKtkiS48+HtxzjHwPv/x/tOGBxfo6qu3NlZFC55RiEwjJsLhn9Cn+yi +2VPbhLYN/wtqXSdAuxDGPNUWaIWCluTaFHPn3D8UGPAyPw+Frkp1Cc2C57B8HyGPpAV9QWeyhwe hh5RNz/EFmAkIDZqU8G+GjduL/Yd/t+VZQObL9A1AcmdjXocyx6mQv4VbzX/Yalcnlfx9m11/lS8 3sfZMtSx3CTJhk0YPRr7Z9y2XijsqMZ2JUaf14EtUq0rVefK/5FjFjYLHLPc0OC1DUlfB4Ku1h5m TXQgDa8ArVRxguheSIHo5vuoS9nTKHdGRbn5/KOMk8kg0UlGgjwjCAgCgoAg0AQIZE50+fwxPs2E KeBwkA2v5qkpxBgIdikDOvuUzet+bOUCoxfx2zlZx+P0qaukFQQEAUFAEHBEAAv767WSStTzsLbc 1rEqKhnI5MMp1affJ44my57R1fXNiLIX4/xuZZ+2SFpBQBAQBASBJkAga6Kbms97RTaYPnLkmikR HSXCST4Qq5iaIZIk42z6Sog+ZUtaQUAQEAQEgYwQyJrorh4xgoe2zn+wfvxIakSHi1udCy5KkzRI sd5ZJ0Tng6SkFQQEAUGgiRDImOiW8Wodn+ZCahqFOi1Lg+xmdHR4RbtgeDIQ2kLrOZ1IdD7dKGkF AUFAEGgeBLCwv5EGqYSQQ79P2C+i8hAsHFGnd1KpU0fH53yQJtFFGMIsgfmol3GLT9mSVhAQBAQB QSAjBLIkOhWhJJ9f36fq2r0glTvyZubzn/IpG6HLh+trhGwWn0t8pVOfsiWtICAICAKCQEYIgIwy k+iUVIYbun2rDnJ8OAWJztvqksYrEeUK0fl2pKQXBAQBQaAZEIAEMzcFUgn1eUP+f/RtJ+pza611 QrmL6JPnUzYsRHcVovNBTNIKAoKAINACCNSB6Ob6xo8E2VxZK9FBknzKF35gcZkQnS9qkl4QEAQE gSZHIGuiI3EgWLLXBZ945ohaiQ6O6jDgdP+jMzjKnB/hR7cUd8mv4p6jpBQEBAFBQBBoCgTqQXQo 46Hzcrm8a4Onwi2gVqLr7eiIvdvLrA+cxX8WVSZDignRufagpBMEBAFBoIkQwOL+Zq2k4vJ8b1eX D/EMQZ6zXfINSbP4quHDGbXf6Y+3K0DV+aIQnRNckkgQEAQEgdZCoF5Eh3LmTenqWscVHVhe7piU 6HjNjms5TIeyTogrixIdjFtW9clX0goCgoAgIAg0AQJ1JLoVuAz1ftfAyEfhrifU7c44Agr+DkJ6 H2rI9VyhhYrzK8hjSVw5QnSuiEo6QUAQEASaDIF6Ep0mk9tcHa9BjB+DtPVWHAkZvy/vzed/5Arx tK6uCSAwJ+d0Et11ItG5QivpBAFBQBBoHgSwgPsQSU13xJUICWXOntLdPd4FBfi2/RfI7uk4smPQ 5ekeBiizUD7yfTIuX6POQnQuHSZpBAFBQBBoNgQaQXQkD174CgOVb7rgcWnR9P9IPPOSRVXZD0OS 2xHAeSOXvJiGaeOMTyzlLO3N5VZzLUPSCQKCgCAgCDQJAljQ6y7RGSSyFIRzimsEk/vgosAbCfDM j0HQk/G+K9Sbn2B8TBc4eQ0P0h+F8he5SnJGumXNTnS84mhGZ+e3gc3BwOY01P1C+BP+kbejQ6V7 Ev4/EJ+3xgZjXZyBDnXBTNK0HwJU2eNseiO8fwvjYYupXV2b9SEAuuuRQvshIi1qewQaTHRFVWg+ /9ssgeaijjJ+4KOqtBBhUxKdIm8QPwjtFqpvXQicgauBxctIezGJMUvsJe/mQgDBG/ZAvy+v0ljk 80+4Hic0V4ukNoKAAwJY9Oa5LI5ZpMFi+zwkrG0dqpkoCW8En9bR8ROU80gK9W8qoiN5Y9HazabO 9WzrApHuEg2vlnsIEtzXMTYWW8bHnKm53Fot1yCpsCDgikAjiE5JHpDi+nK5lYL1hITSATXK3kjz H7wuIlFRraLTRqooqdqkawEJgCHAMKHf9Vz0o4xtllE16Iprlummjxy5JvD7WxptA8a4nUj+2h2B WVDxh5zH39Ms47rd+0Da10AE6k10KO8uWlLamozvP4XF+3bbAo7nFmFxf5bP4/0feF2D1wy+INXc gGcYSSXL88amILopnZ0fR3ufSYPkdB4Q6OSvnRHg5cchavtb5VyunXte2lZGoF5Eh3LegZry55TY gvDzZm/8diAW3g9SXMBTcYUwjVFmjBrVUIluFiLLxKoq8/kXgPX5SmULQ4O+rq5N8foGJNxtobra D+05F68H9TkNz2omyXRoLgQu5rkrtBpp1IpnuBgHt1SdyXV2Xg/V/qg0ypA8BIGmRwAT4O2syQWL 8/VQKa5tA4ORUvD79KzrkEL+y64aNWr1RnUoVbeaoMIIfA42C9+zbSQsG4sh1w4fXoAE/YNGtUfK tSNAC2IQ05+ppagVI+aFMXOJxfCkz9XSudY6yPOCQFMgkCXRYcK+C2li7zDz/96VVlqNZ3EpkFDa 0pstv8YSXWfnBSEqXfoRnsLzyaYYUFKJmhBAH6srqtIgOuTzc7xoiUvJfRk1JiRRGSs1dZE83IoI ZEh0c3ieFIUJyr64RUiOxLfs2gZJdIzHSZcAi/qpHyrJg1px3EmdqxFAX35fE1IqRKekw1zuw1NH jFiL2gioKjsFd0FgUCKQCdHl84+7RPrH4v16KxFdI1SXWv10qw0nWJeeg0Hr5Cw/KAd3CzWadzBi PrxX6uc0JLoWar5UVRDIFoEsjFFcz35QNo0i6qF2TKOMhoQA6+3utkpzUFc+w3v0sh0dkns9EJjW 3d0TDEknRFcP5KWMQYMAyGZuymSzxNVkGeVuhfKXplx+GqRmy2Nxn8XvL+uBYjMmIF6IhrJz1mU3 Y/5Qvw2b0d09DgG8v6zGTz6/A1V+MHbaDP9P5PVOWdf7PJyHgpg+i/K2gVS9PUNp8a5F11B0Zv3U pb+dnfdZDEZqNkah9SYx6Rs2bFMGZuAGlO/wS/2qvpg4c20A49TCAnhjrZbdDiH8NknLepljgZsE 5P8lcywwhi7b7WKY5TBWIjFi+cD02xyHiDK0Jd7XZ70c8s3NxOXQGLeb81kaktHtCsZ5XS7P+qRR lrf5/Gew1rJ+OzAMIOP9uq7TPmU1bVpM2BfSJBoA+arPhJ+CBQvPzDLVNmnWJ628UL/3U5o4zmMB C+oIlLugqg35/HP1Pm/BQvVd1GM2x4sKH4ZoM3g/xrkxSIjJ/Ev93Mt49kW0bTbiLG4elYeKAAMS Q/rf0YeS/RDVpwqvfH4Kyccn4gvJi2b4jNbD9uHzAyCIb5h1mwpLVeR7Bsq3+2uiX9hGjBMns321 UOfzU23twfdvoB191ldn53Y2zGjBjPQ7qbPvYjSg6E0k2op0v2e8WJ9+VPFmcbekcnUprh93BBdN tZCy/pZILDxvVn2JRdenj5QaH64yDDaB5+90WDMWoIxeEpFPOcQC9b4V5Tynxnpn5xwSUgkjfZyw Hb6/x9p3nZ2v4fujSDA2XFUbkH/Iuft7+P4y3z4JlsOxxY2YDiyxMGTOLEdZ9+K3/dve1URPiNSk IA4MgO69U6S5M3bHG3CHjB3ZPuiA/+VgQX4nQHr5Ld5Pxet0Whji/Wj8fhA+74Xffqh2i9yt4i46 DMh98NxhejJchnS34TPvnKPVWfJ2Ig+fxSCNtFysrXXO549LI3+fPDSuFfhxkfbJA31xhUVy2SMq D31zRaJ+Q/2u567ZpY7cSQcXZQYALz1LCRq/z3cZQyj3Md6lGFcux7ZLfsE0qMtZtrxJHEnywzNL MO9Odt08oR+3qKpTR8cXWCfmgfr9Hr9XxdMMGctTEJllRBxW/J3pbOTg0mZgcyOlL5dymCaoacLz v+H3l0ACx2+MuuQyJm/tM7RAemPDDVuVYZklvw9Q5i6u9TXT/RXrKDcSjnUsxRt+MctwjEnakeoz AMMaicQLpMpO/8B14KbakIjMuJubNWLEaO7KQHrHoW1UFfkS3/31qm+pHNT1eFs/wApTLSr1/GsU 0TGYACZt8lBuiKZDVWccVjai480PfA59wGAGbgu3ngtYpJ6Juu0Cv+/mm2dpLJTqFWwTznM3qWHe 0tKzz0VrYSM6lLsdMUQeM33rgPz+4qIFoloaeb/pm385PbURuLkhbixYiQ5SFt0ykNd1nuVfgfyG aP/Isz2fXULpz6W+pTQqMIRh1ORZ3nJuvlz6wqdOTZEWi+k0TzBidzJQR361KRoXXokhjInJXRra /4ZT+xFqrN5tokRiqdvbjfCDahTRaaKxWp069VvRJ+2WuHMTG9HhuWu5cCTYFKk5ggWHVrFVf0pd n+yqqGK++fwZtnxp6YzfbUGbY+esgeURcePcRnRG1B2fskppKeFsFVeuHgs3uvZ7SLrb48aCjehU 2EHcielbtlLTIpg2+mxPPOsiyVXih1slqFZ3wUb3S639z/GlpNe2+gM4vrsMl4GMc/DW+OuDagEd eyxwiBwgUO2cXs8WqXMA+/nprfWsR3mnWFQJ1111yfIZOg79w0Dg/+K9euivHWmAwHOMmZ2dH8X/ G+qzqauCKidDCvpeFG42okOejyK/CmMt1gPl3USywe+sy1R8Zz03xPcLqUkIlsuwbPjtz8brpqoF FKryQJpyerT7u2Ft4ZkMnpuP9xl4P5xGDrOAD1WpKGMifTLxvj9ed9oWbTzzTty9iyES3b+CCznS zSM++rjhVNSBG5YwyZjBxWOPPEAaP0UeS5D3Hcj7ZPZ7aSzAb1eNBRh17EQpkelCiMl6xmliWjWO eHaL/izlh8+UfmZxbPLIhOSAF8/zbOvjHUhfedZeDNV3Eep/Ip65EO9Vl0obecXXl0Y5ITfR4Pt7 ULc9sIZ98mqMR95Hibx5fjeFRGypM8/utmzEOpNZmdix8izMhbx80iwJC9ycWUNqzFgvls+GYQEr v31qLMLrcZ5ZhizaF3pllFLiRkp0xMLFL5NN1RfzVvtnxkjkVqKrnBc0oLjUduanLP9CIvwQt7gu oDRj2UQksrpkAGfns7YiaVSp8HlGHlXnEKIz1wdGYDnYFmZMSTcWAysuuGFhAs260MDjOkiucZjy d85pvF61YPu3uOfDNkwqL2xCaPUbzIO3QOD3OTHr6WLkPTmoIiZWeO5PIc/i5+g/fVtL5Ua0SGJH Uf0f9rTuy+qjARjitFWYOK2a8SExt7Sw+pqVy60S10HN9DsXsTDjnHqrYxmL0rrj9rR0TAvfRhKd bxu0KXtwnL4bdf7kQHQ0TAmVOOhegP6yBSWPXaTSJDpfrJRUUS2pQ6gL/4siOvz2Pt0Zop7HHPtx yNjezbf+celRn62r2oc6xpnxRxDde9jEfzqsXGy0KDFb10iSeZSBCTco1CJY+uOlKLKiEZ91wwJJ MQ4f/k63E2t/YCPk8nxLpKH6JwOJrnRGcVdfLjemJYDQlbwahgsYbC+amHDQ15u0qWaw9QsW8cm1 4skzCmWcgzJmYtJS5UPT9Kh8W4noSGjAzma0MDGsjVFEx7M6lwN6lHm5ZZF6NK6/Gkp0RR+0oEr6 6aREh7z2j2svF3TMKZrgB8s9Ne5Z39+1pWNVWbwSLKaNVtcM1PtXcXXA+vG4dU11OOcnfpZnl0fd GYjyaOUaJNf5lO7j6srf9TGJ7exztsu4dymj4WmUpRT08pmRXT7/GvXovn4sjQRGOyOX9ftY6B5G fWLPD9Ks8ww4j1r7BEGyay2H5zY8YzDzB+k93i5Ex3bwHK0KvwgLtjCiI07cMbtgjj7bxdJn78U9 20iio/9UUHqhVBYl/YZKdPn8U66GUsiDZ2hBw4spcVgl+R3rT5WlJH3rEhDduy4qdLTrQtvchc/o ZnH1h9P5x/Fs1blZ2BhU1pyBjTnLRvtgw+L+Z5N8WQ8a7bnn0uQp0UgeJLupJBOmU2cYEJFdzw8a DRkP0EuYoO7n17s+POO09Unc+YlLPVV0jOpF5pl2Ijq076pgG6P8hCIkuttcMGUajBlGSwmekyyP O+toJNGR0DC+55n1xv9LoiT8CNVlrMVmCUvkcbhForvRFWufdNCCXGYpawdfogOhRKp0jbYdapm7 JMnhcfXW0m455mk5n+5uqyW7NjKqIsY4Ig/Wgy5hKKuqXBja7BVX55b5XVkvJSQw7+d4OJzPnwap 6b9dfHYaBeI0RH0vLQB0Sq93PYDrpBBsD6i1Lu1AdDDrZXirSfSNRP9sjzFMZ+lt6HeEz+vb3GZ4 dheGXRjRAatfuOJNizZLny2HVcmHovLImuhYPoNGsxziRLxUmXADwvtEC9Et5fgPq3MY0SHvz7hi hf7Z3YKV86bCLEf3XehYQL3+aiG6HX2JDharP3dpHy0cLW1z9sPF888Hn58BIx5b2RQeLJur/iRH LTaBB99ZXWRccGi6NFGHy95E5keYc3h423SA6AphwJ2K9i9F+I816l1HZRhjwZKuELXWpVWJjhZ3 kHR3BQY0ofdWtychOiww33TFm2rAZiE6nsFqqek+Smg+85iqzAREt9BVbUk8bQZDXGhdsSa5qWg1 +fw1aFt1mLyYdYguKr5E5+q8rV1dguePsZaeZYkQRyVV/RWidke6at8+WIUmOVtDXtV3XsJ/0LVP mj5dX/H2apvFWBbqzGUY0DdSSmI4nWYGBzveL6KudzaijlzU0SdVCxQWiItqrU8rEh36YUssIE/7 LNjBtImILuZORbMvtIl4cM7UVaKjczHjbQKvxNFkkhAdiCNS9R0cszZrb1ei48Yc5T1Zy1hIQnSz HGOCMu+quiEwh+u8xbPVLgohREeJyyLR/du1LDMd6n2MRfJ9JEleTfsMFpFraxk4cc+iQ6j/PSsu WCmtpHhhq54IBypnU4RiwrNXoSMY5HYG1VJaHcHYiZfo38/F92cpCyQdDxO/7a/UNB0dn2OUeF/w lb68o+Mnvs+lkV4fMlepMNAmOtbW9NdqRKd3rV4huGzjMQnR8dJSV7AbTXRKoszn/x43F+N+T0J0 yNNZNacluqpzYheiQx/+AulqHgtJiM41VmY9iQ64V1n64jvsk/3/eImzhehe8s+piZ8I0SunIdEx OOnJU0eODFX/0UdEq0+vxDsjw/uHyolTVTDkEkJqcZH3sQCN87fJskuporPs1t7j+VQt5bYS0WGj QafmqHG4GDjxNoVn8U4zcjrkWsdPIqLzUFs3kug4ptH+6WFYaUzeA068seA5pOM8owm97eb6JKpL aC7d/5JIdKj3XjFrA8fCKy5jIQnR6auNYhtZT6JDv1YbXSVUNyKvyRZJ9NXYBrdSAprNoqHpqi9h 1hsX7UDFnAwJRxS380z6OwbiTa5R7RvZh5iwv7a2ESGkaqlXqxAdxw7GRlV4LXy3EH14BoNbBzci 1AhQCrNpKNqZ6IAHg0RXbwiK1yEdxHkW3OBxw6TDQVXcypBQosuU6BiYG+2rUseirovQ9jN5zGAb CzyrVFqgap897zO6ZiQ6arSCbWOotSTrA7CsjpKFjVGSvJr6GQBWdY1KUjLB4DoxLngq8p4EcKuc OROX6WEIQ8umZvcRYUxEGxa+PjLBQZeE6KjCtez2+nwGNPra65oepP+Dpf1vUhUdVy6erfLTalei 007RtjOr2+P8vvS9ZRXO9c1IdLTUtoyFeSS4uLFgI4O2kegYc7V63ZsTh4ntd2Bsuy1ldpK8mvoZ hrlKg2QwUS6Ks/rhoTnKuj+N8mrIY04jVZNxg0GbTVdF+AC+C3pXWmm1uOfDfk9CdAxcayE6L78n H6LTqjhb9Iw9Xdo9mIgOi/aGFhX34jhtCnFsFaJDG6uCHkOij40jyja2M9GhbYdY1r+34tZf2xzC nLH5G8JToc3+1OIScmuuK5nwnCTOb4iwaV+eNM4Aa8oD9U10uWG9uh64nxuikjoxaR2SEB3GxZYW oosNb2XW0YfopnR3j7ectS12vQm5DYjuJtf+DZG2nczCW4HolCq6WmpZFhe2roRfOxOddV4Cq6mI les6fgycZlepQXHptW8+LZG+1iDPIA6nu4xsh6iuZJpmurBLLJulsxiLMsTKbDHDhCWpZxKiC4n6 scQl2kOpjj5ER5WUhVifdW1vqxMd2u5sXYs5d7RFonNy9G0JorNFCYKE5zoW2pno9Cagygo1TjUb xO6qUaNWB05V7kwUSFxxbql0Wqr7d2Iycbx0FR1R7RTpccaWuH7VZVzZ7B0EkumztZe+S0mMapIQ nXaGrrrShZFJXPHzITqopTaqWrxhLehRVquf0T3m2lYsRlVGS8C6bYiOZ7KWsfCyKz7tTHTEAH39 gGVT6Oy3p/KwncGD+BoRLMO1X2tOp8IoJTTxdzkXQAUZiNTmI1aTGjIh+R1SM2AZZ8BAr7QuC1Fh Ps7ffaqQhOiYv/VM1cMR1ofoUNZES3sXw0FolEtbW0miwx1t37JIZO+4nh+jrVVm4ZhfTuenrSDR zSpegRRcG5ah7pGh1QaD6pJtxHw+wjJ+lsT5LJfwYUQbbKYfsZAl3I/b/A+7xCkJiSP0KhQTMuSd eSDpuPpjMXgj6vqLZupiLGa2QLGlyc8QSAcwMKtLnZMSnU1FhnIZ3d9JveFDdDqWZZW7CyS9n7m0 saWIDjEibWOVUq1TWy1EifwWu2yAWoHodODp6lvcOzqc4r62u0QHqYtnmNWBoOE47hKWLWRer8D4 aa9bxm2TiSoxLBYVUc3jiIO/R5lwB4juQJf8skpDE2rk/R2XhaQZ0mgT8t4YPF7FoD0dbduib/jw MabfFK1cZ8HAA/3zXRsJYEcXG8JJG4hUSZbIj07ah8YRLTZPtuC6e4ThizpVXa+CcjihY/utlYiO UiraVEXq6MsbXKS6PoTw07gE4ys+HKdhaQWiU9qEfH6mRWoh+W0VNz/bneiU6jGfPyFE4zMt7EZ2 vYH4lc0GAN/9yyewRlwfNPXvKmiqpwoTgDtdZcGQXBi8T2VFZDH5ftCKh6wkEi5+Lphp1fNipH0b nxkAmedr4RFnHIhOTyib307pot0FdNSmMzdex9DhncSL96k8T7SVj+9DiQ6S53dtbWXbqJrD++F0 lNa3F+wIFeBPUdZxKkScJdBvs/rRaVzt/YpzSbTlz2gnA4yfq9qdz1eZfOM7m8/hCjz7Pl6XUb3J +ayx2kWpO+mbls/fHFzouAlMENQ5U4dxqndtxynqO7QB2ByB991LYwG3o+xDwziuR0hT4RDPMRVn rKE3whUbh2Z0GC8RiFobOjsfClkbGAXnLGhedub1Pfi8Hdp/LPB6IiQ9HfMnNTU5pV05NPhil4XV SLMMB5tfcqkHwKb/T9Ug9CzP71wPV9XzyhKX+jVjGqr0MKAvsk36mnBzJLpLcRO5VZ+f0JAoiuh0 vM+pNbXLqFczE91USKmu7eTGJaiSogoe/fKCax5R6ZqR6DAXh6DOV6bRvnYkOq5VMzs7P4ox8Eot GKHvl+C1dTOufZnWiZIXGn6PD3hYvJ50PfviBaNI/5hP/gnTvs2o7nHqtUzBTClzTQA7YFC/mBAL W6ioWNVlqfrYXU9Iy2o2iuiUyqqolqu+LTwBsTYz0am2hvlMWtp63corrxocTsoVhXE/E2BjPtOk REfndqp4r6+1fe1KdBwPvIg16dxEv8/j0UZKy1TrZXM9znsYKNVzgN0dF36ohAQchoYj7wMSlBEv zRWtiQ5xrUsr9Q4nPlVQNW4UqNK8Hdjv6tN2OutS9YXyF3qOi5Kak2d9t7kYXPAWCaSlZdnbScrC M8uB0dPQNGwc1sawi1d9zKuTBnUu1Umflx2G+sZescPzUltbtF/V5TbVmyN27Jd7om77QN5bWPLK VHVZaislWV6Gi/Kpjouf/9U3vlPt/UzfsGGR8WJbTXVpjgX2HdSUJ6ANNgOVKsyousbrap7h+6wB bZkWg4o3EXuJxdQZc4fhCog6HMVNuuqMB88Gzw4cB/a7lADw+hWdnAfDgSpvf6CvEdrMM6vpaPfj wUFOQsJvL+H9XrxPZVw7Sjg+19DY+hGL82j64CBfngP9B6+5gX7j/YNz0XcM90bV02FTu7q+5hrV wiyT5uQ8Z0AeVKffzx0oXua54xK07TV892+0jX50R3BR5s3fceNAGft0dh6M/E/Hc+cBn98TTx+H eJTRwfbp8Xs+3/k/idp1DjAdsFmdtzag/CvwuhOvB9gm1OkfyO9CzJH94jQTlLqRltdcTeN4wOfg osdbRZ5HvrfhtwtQ3n693d1foQQdV1dllAQndX0ueB7ef8d+iXvO/J0uA3iO57i8uot4n4LXD1zz YD2RfifUn2r8/5D4zLGAz0s5FvA9fYKvpDYH79/heI8bC6wDxwKep2HX+aWx4Hp/Jtc8fT59NtuG fE5G2bFGM6W2A8sfEVOOQ43xUUkinXCThnVhf9TlGq39UX6wxEnPyVvpg+nqhuDaNy2fTpGdv//b AoC9NxcBXwC4sGHH/xUeMqPsI1H2mXqR4x1MvIfuHHx3Aha1yfi8NesXF0jatw6tmp7qTS6wnJx8 17HvhmTdHl3uMC7EJAmScJK4ey71ZL7cHLEsvHdzAcuqLJf6NHOa0nggVsZ4aOYqe9VNxkIsXFwP 1LykBbbMkxi8eF0Gd5iO0pUpJt9P/y0uTLFdklECfba1fpzJdUbFS7aCgCAgCAgCrYIA1U6Qoq5O QHY0632aKguI5xtwt591m0msSq2HMkHQd0E6/HHWZUr+goAgIAgIAm2AANVECBW2b/AsyJX8lJ64 qAa9FES0L40S0jAYuTyXWwU+NF9GvvujjKtRxqtaL/0ArdLaAHppgiAgCAgCgkA9EdAHrze6ElxU Oh4g0w8E73dQYsT7H3ioi2cOUaTKwKP5/F4888NvPJf7FYiMjrSX4/tbtbEFI56YKlMaYRxD/7N6 4iJlCQKCgCAgCLQXAnTmpLd9PfzhXE2Kl9Hyrrera932glpaIwgIAoKAINAwBNSt4TD5pUlvwOzb lZxqTodyF4LgGDJp/YYBIQULAoKAICAItDcCPL9jGDDtB/JGGmrNmDx48eD9iLZ9cK1+Ye3dM9I6 QUAQEAQEgdQRUBEnuro2haR3orJ6tERpT0SEuGIHec6gQyTPCcUvJPWukwwFAUFAEBAEkiBAh8UZ iG/JkFMqekBRzcj4dYz88CRejN7xGj358f0T+HwPPftVhAJEmcBrG567NdIfL0m75RlBQBAQBASB xiDwf9+dSnQsuKM/AAAAAElFTkSuQmCCQui07Report{67E3C30E-CF75-4458-B2C3-C2F24D67CC53}Contribución de la enseñanza de la Historia a la formación ambiental inicial del Profesor General Integral de Secundaria Básica2007Las TunasInstituto Superior Pedagógico "josé de la Luz y Caballero"QuinteroClaudina1Lic12Report{25D39ECA-C577-430C-8587-6B7584509E6B}LiceaWalbertoSistematización de una concepción de Educación Ambiental en la preparación de los profesores de Marxismo-Leninismo e Historia2012Universidad de ciencias Pedagógicas "Manuel Ascunce Domenech"Ciego de Ávila2Nov96JournalArticle{870290A5-A5A1-4D80-A9D3-0AA2D6CA5D62}La eduación ambiental formal y no formal: dos sistemas complementarios1996NovoMaríaRevista Iberoamericana de Eduación75-102113Gru12ElectronicSource{8AD16AE2-F4D2-4A13-83DE-947CCB022FA6}Educación Ambiental para maestros, hacia una cultura para el desarrollo sostenible.2012Grupo GEALa HabanaCubaInstituto Superior Pedagógico "Enrique José Varona"CD4UNE17Report{A27422C5-4020-4B84-9D7C-58C2BA99DBE3}Educación para los Objetivos de Desarrollo Sostenible. Objetivos de aprendizajeParís2017UNESCOUNESCO5CIT17Report{2A825222-EF15-4130-A716-049AF3511C14}CITMAEnfrentamiento al Cambio climático de la República de Cuba. Tarea Vida2017CITMATELLa Habana6Lóp21JournalArticle{FABFB375-FD72-4236-A18C-3192222A3EAD}Las Paradojas Matemáticas en el proceso de enseñanza - aprendizaje2021156-166EduSolLópez-GonzálezCarlosTito-CorriosoOsmaniAguilar-LeónBeronica21741TSM15JournalArticle{7FD6674F-0777-486E-B02F-62CADC823FED}La paradoja de Aquiles y la tortuga: una discusión pedagógica desde la interpretación gráfica y la serie geométricaLat. Am. J. Phys. Educ20154302-4304TaleroPacoSantanaFernandaMoraCésar942Tas10JournalArticle{A5D2ACC3-AF1A-41D2-890C-ACE208B47E7C}Computación y Paradojas MatemáticasRevista Digital Lámpsakos20109-153TasenmJhon Sideleat 3Mac12JournalArticle{170D5A7A-3E01-4A8D-B919-7210F22FD399}Historias de Matemáticas. Matemáticas a través de la paradojaRevista Pensamiento Matemático20121-20MachoMarta224Mar99JournalArticle{6470F591-2C52-4E4C-9F5C-0CE0B611F587}Paradojas matemáticas para la formación de profesoresSUMA199927-35MartínezPablo Flores31 5Her89Report{54AB88D7-56FD-484A-BDE7-0DE37F1E0BC2}El perfeccionamiento de la enseñanza de la Matemática en la Enseñanza Superior cubana. Experiencia en el Algebra Lineal1989Tesis DoctoralCiudad de La Habana, CubaHernándezHerminia6Del95Report{6391889B-2D18-437E-AE36-4C70D43B7884}Un sistema de habilidades generales para la enseñanza de la Matemática1995DelgadoJuanRaúlCiudad de La Habana, CubaMemorias de la 9na. Reunión Centroamericana y del Caribe sobre Formación de Docentes7Tit21JournalArticle{4E4E844C-3045-4A4B-B07A-D8DD195F7F10}Study of Parameters in the Genetic Algorithm for the Attack on Block CiphersSymmetry20211-1213806https://doi.org/10.3390/sym1305080610.3390/sym13050806Tito-CorriosoOsmaniBorges-TrenardMiguelAngelBorges-QuintanaMijailRojasOmarSosa-GómezGuillermo8Mixtura de conjuntos borrososMaryanis Gamez RamirezMARYANIS22021-11-20T09:18:00Z2021-11-20T09:18:00Z2021-11-20T09:18:00Z09233412842Microsoft Office Word010730falseTítulo1Mixtura de conjuntos borrososCITMAfalse15146false45220902105https://www.researchgate.net/publication/318354456_Estrategias_pedagogicas_y_didacticas_para_el_desarrollo_de_las_inteligencias_multiples_y_el_aprendizaje_autonomo2622201805https://www.magisterio.com.co/articulo/formacion-por-competencias-fundamentos-y-estrategias-didacticas-evaluativas-y-curriculares41288081505https://atenas.reduniv.edu.cu/index.php/atenas/article/view/21547841341205http://www.ride.org.mx/111/index.php/RIDESECUNDARIO/article/viewFile/427/4193866692905mailto:ebeltran@uniss.edu.cu131120605mailto:nisdalys.figueredo@reduc.edu.cu3538963305mailto:mercedes.garcia@reduc.edu.cu4718715005mailto:ginlealonso@profesores.cm.rimed.cufalse14.0000