| A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
1 | 設置 | 属性 | 業務 | t1:専門的/分析的 | t2:課題 | t3:文脈 | ||||||||||||||||||||
2 | 国立 | 事務系 | IR | データ構造や分析方法についての専門知識はない。 | 医学部に2年いたため、医学部における学生系の課題は多少はわかっているつもりである。大学全体の研究・社会貢献などの課題は勉強不足である。 | 3年目で、政治的なものはわからないが、来年までに予定している新学部設置、学部改組から大学に求められていることは勉強している。 | ||||||||||||||||||||
3 | 国立 | 事務系 | IR | 修士論文で統計分析を使ったことがある程度で、統計に関する知識、技術が不足している。 | 今年の4月に採用。現在の部署に配属になったため、学内的課題の把握がまだできていない。一般的な「大学」の課題については、なんとなくつかんでいるかと思われる。 | 今年の4月に採用になったため学内の人間関係の構築、キーパーソンの把握ができていない。 | ||||||||||||||||||||
4 | 国立 | 事務系 | IR | IR室2年目なのでデータ分析の自学自習はしているが、全然できていない。 | 教務・学生系の経験が無いため、やや能力不足であるが、入試方法や財務分析は経験上でき、課題が何か自分なりに把握している。 | 係長クラスなので大学の現状を把握しているつもりであるが、学部改組等変革している中で少しは理解できているつもりです。 | ||||||||||||||||||||
5 | 国立 | 事務系 | IR | 学内のデータの場所はほぼ把握している。 | 学生系の業務をしていたため学生系に関する問題点は把握している | どのタイミングで学内のどのルートで進めれば話がうまく運ぶか、について知識が無い。学内の話の流れに関する情報が入ってこない。 | ||||||||||||||||||||
6 | 国立 | 事務系 | IR | データ定義、データベース構造は理解。データ分析についても学生時代、前職を含めかなり行ってきた。 | 前部署が監査室であったので大学でどういうことが問題になっているか?どういった改善が必要かということには多く触れてきた。ただ少し、大学外(対文科省等)の意識は少なかったように思う。 | 今のセクションが4部署目であるが、大学の戦略、IRを担当する部署なので直接執行部と接する機会は増えてきたように思う。 | ||||||||||||||||||||
7 | 国立 | 事務系 | IR | 学務担当していたため教務系のデータは理解できるが、それ以外はわからない。 | ||||||||||||||||||||||
8 | 国立 | 専門職 | IR | 政策法務が修士の専門だったので、政策評価の知識等を応用。データベースは院生から使用。 | 事務局長、各課長、諸先生方とは、院生のころからのつきあいの延長で色んな課題について話す。 | 院生のころからのつきあいで、何となく分かるが「何となく」でよいのか不安がある。 | ||||||||||||||||||||
9 | 国立 | 教員系 | IR | 生物出身なので基礎がない。データ定義、データベース構造は×。データ分析は生物系でやってきたので、概念はかろうじて理解可能。 | 学士教育の経験は10年以上はあり、競争的資金への申請(学内外)にも関わってきたので課題は把握可能。どのような教育事業を企画すればよいかは検討できる。 | センター教員として10年以上学部教員として15年以上の経験があるので、大学組織の状況はある程度把握できる。またコーディネートは重要な仕事と認識している。 | ||||||||||||||||||||
10 | 国立 | 教員系 | IR | 社会調査の専門的知識・スキルはある。データセットの作成方法、分析もできる。 | 一般的に大学に求められる課題について実証可能な問いを立てることはできる。これが研究テーマでもあるため。 | 現在の所属先は1年目なので学内のキープレーヤーは把握し切れていない。部局によって対応が違う。 | ||||||||||||||||||||
11 | 国立 | 教員系 | IR | データベースについてはOK 学内のデータの所在についてもだいたい分かる(つもり)。分析については基本的なところは○。 | 今後、大学として力を入れていこうとているコトは、なんとなくわかる。 | |||||||||||||||||||||
12 | 公立 | 事務系 | IR | 心理学専攻のため基礎的な統計の手法は学びました。 | 教務と研究の両方を経験しているため、学内の教育・研究に関する問題点は把握しています。 | 最近、8年目ですが、公立大学という大学外への異動が多い本学の中ではかなり経験年数が長いため、学内の全体的な状況は教員とのネットワークによりよく把握している方だと思います。 | ||||||||||||||||||||
13 | 公立 | 専門職 | IR | データ分析は応用統計学が専攻分野だったのでかなり詳しい。 | 学内での問題点を理解し、データを用いたエビデンスベースの「問い」は立てることができる。 | 大学内の政治的バランス、意思決定におけるキーパーソンは把握できる。 | ||||||||||||||||||||
14 | 公立 | 教員系 | IR | 専門的・分析的な知性はほとんどなし | 30年勤めているので何となくわかっているつもり | 学生時代から同じ大学にいるので大学の「風土」についてはかなりよく知っている(但し、問題点に気づいていないかもしれない。) | ||||||||||||||||||||
15 | 私立 | 事務系 | IR | データベース・分析等の知識・技術はない。(文学部出身・高校教員から異動) | 各種委員会に名を連ねていた結果、大学の抱える課題等は理解できている。また多少の意見も述べられる。 | 認可申請・改組等の業務に携わり大学の目指す方向性や組織についても少しずつ分かってきた しかし自分の立ち回り方がまだ分からない。 | ||||||||||||||||||||
16 | 私立 | 事務系 | IR | データ分析に関してはエクセルデータ操作等はあまり得意ではない。 | 学務部関係にいたこともあり、学生について問題意識を持っているつもりです。特に2018年問題を目前にして教育の質保証をしっかりやるべきだと思っており、その為のデータや他大学との比較の情報を執行部に提供できるよう努めている | 大学がどう動くのかについては、地方私立大学にとって2018年問題は深刻で、地域貢献を含め地域と共に生きる方策をデータを基に現実的な方策を追求したいと思っておりこれからですが着手する予定です。 | ||||||||||||||||||||
17 | 関係 | 事務系 | IR | 組織(課レベル)で今どういったことが課題になっているか、はある程度把握できている。 | 高等教育の歴史や動向についてはまだまだ勉強不足。高等教育全体の中で機構の立ち位置は何となくわかってきた。 | |||||||||||||||||||||
18 | 関係 | 専門職 | IR | 小さな組織なので、問題の全体的(全所的)な把握もそれほど不可能ではない。所長レベルの問題についてはまだわからないが、それより下のレベルの問題については概要は把握している。 | 教員、事務職員のほとんど(90%)が任期付きの組織であるのと、新しい組織なので5年勤務すると所内のキーマンが誰でどのような政治的な動きがあるのかもある程度わかるようになった。 | |||||||||||||||||||||
19 | 国立 | 事務系 | IR/評価 | 現職について約半年経っただけであるが、多くの会議等に出席するようになり、今までよりは多くの情報を耳にするようになった | 企画課所属となり今までより大学の動きが見える席・立場になった。 | |||||||||||||||||||||
20 | 私立 | 事務系 | IR/評価 | データベース構造、データ分析もできる。(学生時代は経営情報学部) | 学長室で働いているので、学内課題を把握している(教務課も経験している) | 教務3年半、総務15年。どこの誰にたのむよりも政治状況を知っているので、自分で全て自己完結してしまう。 | ||||||||||||||||||||
21 | 国立 | 事務系 | 評価 | システムの技術的な知識はない。こんなことできたらいいな、とかのアイデアだけは云える。 | 教務経験がある。入学相談も経験がある。入学者のニーズはわかっているつもり。提案はするが戦略にはならない。 | 第三期・中期目標を決める会議等に参加してきたのでなんとなく分かる。教務系にいたこともあり教員はほとんど知っている。コースの課題や人間関係も分かる。キーパーソンも何となく分かる。でも技能はない。 | ||||||||||||||||||||
22 | 国立 | 事務系 | 評価 | Excelのグラフ作成程度 データベースからの抽出については、人事、教育、研究のシステムからデータ抽出はできる。分析などはできない。 | 総務・人事系(本部・東京・人社)で約10年(文科省人事課にも1年)、企画室に来て3年以上経ったので大学全体の課題等はおおまかにわかっている。特に人事や人社系(人社の総務事務にいた)については詳しい。 | いろいろ部局に知り合いがいるので、何となく大学の状況が見えるが、理系の教員の部分は全く見えない。自己点検・評価を全て読み込んでいるので何となく強みと弱みについてはわかる。 | ||||||||||||||||||||
23 | 国立 | 事務系 | 評価 | データベース構造やデータ分析についてはやや厳しい | 評価担当部署で2年目になるため、学内で何が課題(教育の質保証、卒業後の追跡調査)となっているのかについては理解している。 | 自己評価書記載のためのデータがなかなか集まらない。 | ||||||||||||||||||||
24 | 国立 | 事務系 | 評価 | データ定義、データベース構造等はなんとなく分かるが、データ分析はあまり分からない。 | 教務、学生支援、研究・社会連携の関係部署にいたため、学内の課題についてはある程度把握できていると思う。 | 大学全体の動きについては把握できていないことも多いが、キープレーヤーが誰かはある程度わかってきている。 | ||||||||||||||||||||
25 | 国立 | 事務系 | 評価 | 評価担当として各種のデータを収集して見ているので、データ、収集方法等については知っている。データ分析まではできない。 | 学内の課題については、報告書作成時に収集した記述等をおもに知る程度 | 大学の今後の動きまでは詳しく分からない。どの問題については誰にきくべきかといったことは雰囲気でなんとなく。 | ||||||||||||||||||||
26 | 国立 | 事務系 | 評価 | 経理系が長いので経理関係は少しわかる。 | 学内の教育、研究に関する問題はきびしい | キーパーソンは学長、理事? | ||||||||||||||||||||
27 | 国立 | 事務系 | 評価 | 会計(調達)の流れ、固定資産。評価(認証、法人)の定義、構造、分析方法、指標など。大学DB、学校基本調査、ポートレート。 | 大学の組織構造、役員への理解。中期目標に携わったため、大学の各評価。重点を入れている点、課題は大まかに理解している。 | 9年目 病院、大学評価・学位授与機構も経験しており、(以下なし:嶌田) | ||||||||||||||||||||
28 | 国立 | 事務系 | 評価 | エクセルであれば、簡単な表やグラフは作成できる。 | 入試業務であれば現在の問題は少しはわかる。 | 各部署のキーパーソンはなんとなくわかる。 | ||||||||||||||||||||
29 | 国立 | 事務系 | 評価 | どこの部署がどういうデータを持っているかは知っているが、データ定義や詳細な部分はまだわからない。統計?何それ?おいしいの? | 文科省や国民の意識は理解できる。学務(教務)、研究支援のどちらもやったので、教育、研究のバランスは良いハズ。 | 大学本部の経験は1年半で1つの部署が長いためあまり顔が利かない。ポス顔する人が苦手。飲み会苦手なのでキーパーソン、政治と距離ができてしまっている。 | ||||||||||||||||||||
30 | 国立 | 事務系 | 評価 | データ定義はOK。しかし実際の現場のデータ収集方法については全ては把握していない。 | 教育、研究、社会貢献、国際については、大体は問題点は押さえている。附属病院、附属学校は不十分。 | 学長のリーダーシップがありキーパーソンは学長である。 | ||||||||||||||||||||
31 | 国立 | 事務系 | 評価 | まったくの畑違い。文章を書くことも苦手。エクセルも使いこなせません。 | 学内の課題が何なのかわからない。唯一、病院が抱える課題は一部であるがわかる(前にいた部署だから) | マニュアルどおりにやっているだけ。どう活用されるかわからない。 | ||||||||||||||||||||
32 | 国立 | 事務系 | 評価 | 事務情報関係部署10年越。データ定義、DB構造は理解。評価の自己評価書作成でデータ分析も可。 | 国立大学として第三期中期目標・計画の策定時に、問題点の洗い出しを実施 | 学長、執行部と定期的に情報交換を行う環境があり、大学の方向性を出す情報が入る。 | ||||||||||||||||||||
33 | 国立 | 事務系 | 評価 | データベースの構造など。テクニカルなことは弱い。データ分析は学生時代に少し経験あり。今も簡単なものは行っている。 | 学務系の経験もあるため、学内の課題把握や戦略などはどちらかといえばできる。 | 大学の状況把握などは新しい情報が集まる場所にいるため、概ね把握できている。(財務的な話が絡むと弱い。) | ||||||||||||||||||||
34 | 国立 | 事務系 | 評価 | 学生→前職からずっとExcelはよく使っていて、データを扱うのは好き。 | 前の部署が人事・給与関係のためその分野は得意 教育、学生、財務系は弱い | 大学はまだ5年目なので、まだまだ勉強不足 別の職業(民間)を経験している分、プロパーの方より視野は広いと思う。 | ||||||||||||||||||||
35 | 国立 | 事務系 | 評価 | 学部で会計・庶務を担当していたことから、学部の構造(運営や意志決定のしくみ)は理解している。全学な構造の把握は、体感的理解には至っていない。 | 大学の社会的位置付け、歴史的文脈、背景まで十分に理解しているとは言えない。教職員個人々々の価値観も同様。現在、企画総務課に所属しているので、執行部(役員)との距離が近いので、大学全体として抱えている大きな課題について把握できるようになった。 | |||||||||||||||||||||
36 | 国立 | 教員系 | 評価 | データ定義等は学務・成績システム開発で経験あり。データ分析の知識はなし。 | 全学、学部の管理運営の立場の委員を経験、よくわかる。各組織の欠点はあらかたわかる。 | 大学での各役職の所掌は理解。他だし役員との個人的なつき合いは少なく、個性やくせの把握はできていない。 | ||||||||||||||||||||
37 | 国立 | 教員系 | 評価 | データ分析と可視化のための技術を持っている。 | 大学評価室の立場として、解決できる課題について把握している | 大学評価室以外の組織と連携して問題を解決する | ||||||||||||||||||||
38 | 国立 | 教員系 | 評価 | 学内のデータの出てき方、どこにデータがあるのかなどはなんとなく理解している。 | 課題に対応するデータが何であるのか、どのような(に)データを組み合わせることが適当なのか。評価書をまとめる上でどれを、主な課題にするのかなどは、意識して進めている。 | 政策の方向性、改革のスピード等はあまり理解していないかもしれない。 | ||||||||||||||||||||
39 | 国立 | 教員系 | 評価 | データベースの設計。集計・分析方法(簡単な)はできる。 | 大学評価室にいるため、大学の現状は大まかに(良い点、悪い点)把握できる。 | 改善に向けた支援が少し弱いかも? 立場的にある程度の行動が可能だが、しっこうぶとの連携が弱いかも? | ||||||||||||||||||||
40 | 国立 | 教員系 | 評価 | 教員である私、データ分析だめ。集めるのもだめ。ただしチームとして評価室のスタッフがネットワークを駆使してやってくださる。分析も。 | 学内での問題把握 チームとしてのスタッフが精通。それを報告書にまとめ上げるのが教員としての私。文学部哲学科教育学専攻 研究は大学史、大学制度 自校教育科目担当 数学だめ | 大学がどういう文脈で動くべきか。教員である私に託された職務。大学は何を求められているか。それに対して②を照らし、どうあるべきか。 | ||||||||||||||||||||
41 | 国立 | 教員系 | 評価 | 組織としては、データ収集分析できる状況にある。 | 学内の課題把握等は集約・分析できる体制にある | 大体OK 大学間の動きは見える位置にいる | ||||||||||||||||||||
42 | 国立 | 教員系 | 評価 | データ定義、データベース構造は与えられた課題に対応してきたので難しいかも。データ分析は評価を長くやってきた+研究でも使っているのでできるだろう。 | 学内で何が起こっているのかは大抵、把握している。それに対して、どのような評価・IR・データ項目を作っていくかは厳しいかも。 | 評価を15年近くやり部局の様々な委員をこなしてきたので問題ない。 | ||||||||||||||||||||
43 | 公立 | 事務系 | 評価 | 大学職員3ヶ月目。データベース構造などは現在確認中。分析はこれから。 | 課題把握についてもこれから。法人経営の知識は多少ある。(公益法人業務の経験あり) | 状況把握もこれから。医大特有の関係など、まだ慣れていない。但し、以前、教員と駅伝大会に出た縁で、キーパーソンとの人脈はあるか? | ||||||||||||||||||||
44 | 公立 | 事務系 | 評価 | 学部担当係長を4年経験したので教務系の知識が身についた。ランキング等の照会業務を担当しているので、全学的にどんなデータがどの所属にあるのかが分かるようになった。 | 認証評価の自己評価書の事務局を経験することにより、大学の課題についておおまかに把握できるようになった。 | |||||||||||||||||||||
45 | 私立 | 事務系 | 評価 | データ集計方法・提供元、データ分析、統計 | データ定義のあいまいさ データ開示(利用)におけるコンセンサスのとり方 | 2年目であり、政策動向や大きな流れ(過去どう動いてきたのかも含め)少しずつ知ってきている状態。飲み会にはよく行くので噂レベルの情報はいろいろ得てきた。 | ||||||||||||||||||||
46 | 私立 | 事務系 | 評価 | 調査、評価の設計・デザインは大学院で修得。文科省などの調査事業、評価事業でも実践 | 学長室事務として大学の教育・研究の問いを立て、解決の行動や計画書づくりをしてきた。 | 凡ての学内学外の理解はできているが、IRを活用する状況に至っていないのは何かまだ不足するものがあると思っている。 | ||||||||||||||||||||
47 | 私立 | 事務系 | 評価 | 点検評価=データ収集/IR担当=データの定義づけ | 現場の苦労への理解度 ← 教学を企画する部門にいる自分 | 職員12年目&大学基準協会(1年間)研修経験あり 学内事情、学外事情はそれなりに理解 But→企画部門にいるため現場の苦労、状況を踏まえて判断するのはもう少し努力要 | ||||||||||||||||||||
48 | 私立 | 事務系 | 評価 | データ分析はMooc、大学院でやってきている。データ定義はキャンパスで違う為、全ては分からない。 | 大学の教育の改革は分かるが、中期計画は法人事務局の為概要しか分からない。現場レベルの問題は分からない。 | 毎日、大学執行部の会議に参加や、教授会資料を見ているので、政治はだいたい分かる。学生は接点がないので価値観は×。 | ||||||||||||||||||||
49 | 国立 | 事務系 | その他 | データ定義はOK。エクセル、アクセス程度。簡単な統計の知識。 | 目の前に課題が押し寄せてくるが、スルーパスも多い | 大学本部は把握しているが、部局は? | ||||||||||||||||||||
50 | 国立 | 事務系 | その他 | 大学の基本データ・情報の構造はある程度OK。データ定義、データベースの種類等については、知識が乏しい。 | 学内の各学部における課題は把握している。 | 学内の意志決定プロセスは把握している。 | ||||||||||||||||||||
51 | 私立 | 事務系 | その他 | 大学の状況を表す基本的なデータのありかはわかっている。学内外情報収集も必要な程度は達成できていると思う。 | 学長の秘書をしているので、大学全般の問題動作についても見えているが、細部については直接的に業務を行っていないので問いが立てられない。 | キーパーソンについては否が応でも見えてくるが、その次の世代になると難しい。 | ||||||||||||||||||||
52 | 私立 | 教員系 | その他 | 基礎医学研究を続けてきたので、データ分析についてはある程度知っている。 | 学内での問題点については、過去数年間評価に携わってきたので、理解できている。 | キーパーソンについても把握できているが、提言の仕組みがない。情報分析によって現状の改善を提案してゆきたい。 | ||||||||||||||||||||
53 | 関係 | 専門職 | その他 | データ定義、データベース構造を理解することに問題はない。 | ベンダーという立場上、関係のある課題のみしか把握できない。背景もしっかり聞き出す必要がある | 把握することが難しい。 | ||||||||||||||||||||
54 | その他 | データベースの構造、大学運用の流れ | ||||||||||||||||||||||||
55 | その他 | 学務系・会計系の知識は厳しい | ||||||||||||||||||||||||
56 | その他 | データの分析等に強いIR担当者は知っている。それぞれの担当者はだいたい分かる。 | ||||||||||||||||||||||||
57 | 国立 | 事務系 | データ収集。人事労務系の知識。 | 自分が直接携わっている業務の課題は把握できるようになってきたと思うが、より全体的な視点となると難しい。 | 同じ業務に長く携わったことがないので、大学全体の把握は難しいが、何をどこに聞けばよいか等はわかるようになってきた。 | |||||||||||||||||||||
58 | 国立 | 事務系 | データ構造、分析は今までの業務で携わっていないので、ノウハウはない。データを並べたところで、どう見ればよいのか分からない。 | 会議資料等で大学の強み、弱み、やろうとしている事の情報は把握できる。 | 本部にいるので執行部の考えを少し把握することができる。総務部や事務局長と距離がわりと近い | |||||||||||||||||||||
59 | 国立 | 事務系 | 大学評価を行ってきたため、広く大学の状況を把握 | 教学関係の知識が少し弱い(課題もある) | 事務組織のキーパーソンは把握 部局毎の情報はあまり持っていない | |||||||||||||||||||||
60 | 国立 | 事務系 | データ収集、ある程度の分析 | 大学が抱える課題を理解する | まだあまり理解できていない。 | |||||||||||||||||||||
61 | 国立 | 事務系 | 誰にデータを依頼すればいいのかわかる(依頼方法含め) | |||||||||||||||||||||||
62 | 国立 | 事務系 | データ定義は分からない種類のデータもある。データベースは一応、構築されている。分析は統計学等は多くは学ばなかった。 | |||||||||||||||||||||||
63 | 国立 | 教員系 | データの定義(技術・分析);データ分析の方法はほぼOK | 学内の一般的な課題、あるいは把握を必要とする項目については大凡把握。→ただし、その一般的課題のBestの解決は何かは検討する。 | 状況把握;どの分野、担当部署がキーパーソンかは把握。→どのように改善するかのプロセスを検討中。 | |||||||||||||||||||||
64 | 国立 | 教員系 | データベースの構築、SQL、プログラムの作成、統計分析(初級~中級)、解釈が可能。 | 学内の問題点を見つけ出す能力は乏しい。与えられた課題に対する対応は分かる。 | キーパーソンは把握できていないが、その点を熟知している事務担当者との繋がりを強くしている | |||||||||||||||||||||
65 | 国立 | 教員系 | 部分的な課題は取り組んでいるが、中期的な観点による問題への取り組みは十分でない。 | |||||||||||||||||||||||
66 | 公立 | 事務系 | データの所管がどこか把握。データを分析する能力が足りないと感じている。 | 教務系、研究・社会貢献系の部署にいた経験から、学内における現場の声を聞くことができる。 | ||||||||||||||||||||||
67 | 私立 | 事務系 | 大学評価に関する知識(認証評価・自己点検) 科研費申請の構造、調書作成支援 研究者データベースの構築 | 学事課という部署は情報が集まってくるので問題意識は常にある。 | 20年目なので、学内のガバナンス体制もパワーバランスもよく分かります。 | |||||||||||||||||||||
68 | 私立 | 事務系 | データ分析については、断片的に理解している水準。 | 一貫教育、教学、キャリア、学生部を経験しているので、学生関係については概ね理解している。 | 学内の意志決定会議、各種検討委員会に出席しているので、状況把握についてはほぼできている。 | |||||||||||||||||||||
69 | 私立 | 事務系 | データ分析や解析などはエクセル程度しか能力が無い。 | 評価担当者であり大学内の課題発見や評価・点検はある程度理解できる。 | 評価書作成の経験から、又、現在の立場から学長、副学長の意向はなんとか理解している | |||||||||||||||||||||
70 | 私立 | 事務系 | ICT知識、技能 財務、基礎データ作成 教学の経験なし | 認証評価業務を通じての課題の把握。経営数値作成における運営上の問題把握。 | 大学の現状はほぼ把握できつつある。経営幹部に理解を促し、具体的施策を立案することが課題。 | |||||||||||||||||||||
71 | 私立 | 事務系 | データ定義、データ分析はある程度理解しているつもりです。 | 大学に就職して、まだ半年も経っていません。只、法人の絡みがあるのは分かりました。 | ||||||||||||||||||||||
72 | ||||||||||||||||||||||||||
73 | ||||||||||||||||||||||||||
74 | ||||||||||||||||||||||||||
75 | ||||||||||||||||||||||||||
76 | ||||||||||||||||||||||||||
77 | ||||||||||||||||||||||||||
78 | ||||||||||||||||||||||||||
79 | ||||||||||||||||||||||||||
80 | ||||||||||||||||||||||||||
81 | ||||||||||||||||||||||||||
82 | ||||||||||||||||||||||||||
83 | ||||||||||||||||||||||||||
84 | ||||||||||||||||||||||||||
85 | ||||||||||||||||||||||||||
86 | ||||||||||||||||||||||||||
87 | ||||||||||||||||||||||||||
88 | ||||||||||||||||||||||||||
89 | ||||||||||||||||||||||||||
90 | ||||||||||||||||||||||||||
91 | ||||||||||||||||||||||||||
92 | ||||||||||||||||||||||||||
93 | ||||||||||||||||||||||||||
94 | ||||||||||||||||||||||||||
95 | ||||||||||||||||||||||||||
96 | ||||||||||||||||||||||||||
97 | ||||||||||||||||||||||||||
98 | ||||||||||||||||||||||||||
99 | ||||||||||||||||||||||||||
100 |