ANNUAL OF KONSTANTIN PRESLAVSKY UNIVERSITY OF SHUMEN FACULTY OF MATHEMATICS AND INFORMATICS Vol. XXVI C

ANNUAL OF KONSTANTIN PRESLAVSKY UNIVERSITY OF SHUMEN FACULTY OF MATHEMATICS AND INFORMATICS Vol. XXVI C ГОДИШНИК НА ШУМЕНСКИЯ УНИВЕРСИТЕТ „ЕПИСКОП КОНСТАНТИН ПРЕСЛАВСКИ“ ФАКУЛТЕТ ПО МАТЕМАТИКА И ИНФОРМАТИКА Том XXVI C SHUMEN 2025 Главен редактор: проф. д.н. Наталия Павлова Редакционна колегия: проф. д.н. Борислав Стоянов проф. д-р Красимир Кордов доц. д-р Радостина Енчева доц. д-р Мирослав Христов доц. д-р Павлина Димитрова © Факултет по математика и информатика © Университетско издателство „Епископ Константин Преславски“ ISSN 3033-2133 Annual of Konstantin Preslavsky University of Shumen Faculty of Mathematics and Informatics vol. XXVI С, 2025, pp. 3 – 12, https://doi.org/10.46687/VFBQ4177 - 3 - MULTISENSORY VIRTUAL REALITY AND ADAPTIVE PSYCHOLOGICAL PROFILING: A THEORETICAL REVIEW * PAVEL G. GRADINAROV ABSTRACT: This article presents a theoretical review of recent scientific studies on multisensory stimuli in virtual reality and the application of artificial intelligence for the analysis and enhancement of cognitive processes. It explores adaptive feedback systems, user engagement, and the interrelation of multisensory stimuli within immersive virtual environments. The paper reviews literature published between 2020 and 2025 and outlines the theoretical foundations for proposing a framework for psychological profiling. The ultimate goal is to enable the adaptive generation of virtual environments tailored to the individual’s emotional and cognitive state, thereby contributing to more accurate diagnosis and more effective therapeutic outcomes. KEYWORDS: virtual reality; artificial intelligence; multisensory stimulation; adaptive feedback systems; psychological profiling 2010 Math. Subject Classification: 68T05, 68U10, 91E40 МУЛТИСЕНЗОРНА ВИРТУАЛНА РЕАЛНОСТ И АДАПТИВНО ПСИХОЛОГИЧЕСКО ПРОФИЛИРАНЕ: ТЕОРЕТИЧЕН ОБЗОР † ПАВЕЛ Г. ГРАДИНАРОВ * This paper is (partially) supported by Scientific Research Grant РД-08106/05.02.2025 of Shumen University † Статията е частично финансирана по проект № РД-08-106/05.02.2025 на ШУ „Еп. Константин Преславски“ Gradinarov P. - 4 - 1 Въведение Виртуалната реалност (VR) се утвърждава като иновативен инструмент за изследване на когнитивните процеси и поведение на човека, предлагайки контролирана среда с богати мултисензорни стимули [1]. Комбинацията от визуални, звукови и тактилни (хаптични) стимули във VR позволява перцептивно преживяване, близко до реалното, като същевременно избягва някои ограничения на традиционните методи (например ефекта на наблюдателя при психологическите тестове) [2]. Иновативността на настоящата тема е в интегрирането на комплексни мултисензорни стимули с изкуствен интелект (AI) за адаптивно персонализиране на VR средата според поведението и психофизиологичните реакции на потребителя [3]. Под виртуална реалност използваща мултисензорни стимули се разбира среди, които комбинират повече от едно възприятие, с цел по-висока екологична валидност на преживяването [1][2][4][5]. Адаптивното психологическо профилиране се отнася до динамично изграждане и актуализиране на имерсивни виртуални среди въз основа на неговите избори, реакции и психофизиологични показатели във VR [3][6][7][8]. Настоящият теоретичен обзор има за цел да систематизира и анализира наличните резултати за мултисензорна стимулация, биофийдбек и персонализация във виртуална реалност, да ги постави в рамката на класическите когнитивни и информационни модели [9][10][11][12] и да потвърди необходимостта от интегриран модел за адаптивно профилиране. Анализът се основава основно на изследвания от периода 2020–2025 г., и е насочен към приложимост в психологията, образованието и когнитивната рехабилитация [1][13][14][15][16]. За да се оцени реалният потенциал на подобен подход, в следващия раздел се представя анализ на текущото състояние на съществуващите VR решения, емпирични резултати и откроени празнини. Multisensory VR and Adaptive Profiling - 5 - 2 Анализ на текущото състояние Разгледаните разработки в областта на виртуалната реалност могат условно да се групират в три линии: терапевтични приложения (фобии, тревожност, когнитивни нарушения), обучителни и когнитивни интервенции, и интелигентни адаптивни среди, които използват биофийдбек и поведенчески данни [1][7][13][14][15]. Терапевтичните VR системи демонстрират ефективност при контролирана експозиция и редукция на симптоми, но адаптацията обикновено е ограничена до предварително дефинирани нива на трудност , без цялостен модел на психологически профил [7][13][16]. За обучение и когнитивно манипулиране VR подобрява ангажираността и изпълнението спрямо традиционни среди, но мултисензорната стимули често се прилагат частично и без последователна теоретична рамка [1][15] [17]. Липсата на адаптивност може да доведе или до прекалена стимулация и стрес, или до недостатъчна ангажираност у потребителите [7]. Неотдавнашно изследване демонстрира решение: динамично адаптираща се VR среда, която в реално време променя сценариите според физиологичната обратна връзка на участника. В контекста на терапия на тревожност (арахнофобия) такъв подход успява да удвои времето, през което потребителите се задържат в оптимално емоционално състояние, сравнено със статична VR симулация [7]. Това доказва, че интеграцията на AI и биофийдбек във VR може значително да повиши ефективността на въздействието и да поддържа потребителя в желания диапазон от реакции. Реалният живот предоставя мултимодална информация и е доказано, че синхронното въздействие върху няколко сетива може да подобри когнитивното изпълнение [5]. Marucci и съавт. установяват, че при високо когнитивно натоварване едновременните зрителни, слухови и тактилни стимули значително повишават успеваемостта на задачите в сравнение само с визуална стимулация [4]. Освен Gradinarov P. - 6 - това тримодалната стимулация (визуално‑аудио‑тактилна) намалява субективното усещане за натовареност и засилва чувството за присъствие във виртуалната среда [4][5]. Въвеждането на усъвършенствана хаптика във VR би позволило по‑реалистично хващане на обекти и усещане за текстура, температура и натиск [2][18], което е от съществено значение за пълноценно когнитивно въздействие и формиране на паметови следи, свързани с допира. Друг съществен аспект е мотивацията и ангажираността на потребителя. Интерактивните VR среди предполагат активност, но какво се случва, ако потребителят остане пасивен или загуби интерес? Този въпрос е слабо изследван в литературата [13]. Липсата на мотивация за действие може да компрометира всяка обучителна или терапевтична VR система, тъй като потребителят просто „отказва да играе“ [15]. Нужно е внедряване на мотивационни механизми – например геймификация, награди, динамично генериране на провокации – които да подтикват потребителя към взаимодействие. Следователно, интегрирането на адаптивни стимули, съобразени с моментното емоционално състояние на потребителя, е критична празнина, която настоящото изследване ще адресира [8]. Недостигащи решения и допълнителни предизвикателства в областта включват още липса на прозрачни механизми, обясняващи как AI стига до дадени препоръки или адаптации във VR контекста. Това поражда въпроси за надеждността и етичността на подобни системи (т.нар. „черна кутия“) [13]. Съществува празнина на пазара и в научните изследвания за VR системи, които позволяват директна работа с ръце и естествена манипулация на виртуални обекти [2]. Има теоретични предположения, че хората могат да проявяват консистентни комбинации от предпочитания (например определено настроение да корелира с определена цветова гама и музикален стил) [9], но не са системно изследвани във VR [19][20][21][22][23] и представляват новаторска посока [1]. Дизайнът на комплексни VR стимули трябва да отчита ограниченията на човешката когниция – Multisensory VR and Adaptive Profiling - 7 - класическото откритие на Милър за „магическото число 7±2“ показва, че средно човек може ефективно да запомни около седем елемента едновременно [9]. Тази теза, заедно с принципите на информационната теория на Шенон (ентропия като мярка за неопределеност в стимула), ще бъдат използвани като рамка за оптимизиране на сложността на стимулите [11][17]. Въз основа на горния анализ, изследването се фокусира върху следните ключови научни въпроси: как мултисензорната стимулация във VR влияе върху когнитивните реакции на потребителите; в каква степен емоционалното състояние се свързва с предпочитания към определени визуални форми, цветове и звуци [6]; как изкуственият интелект може адаптивно да генерира и модифицира VR съдържание в реално време спрямо поведението на потребителя; дали добавянето на симулиран допир води до измерими промени в паметта за обекти, емоционалната реакция или изпълнението на задачи [18]; какви психофизиологични показатели могат най‑надеждно да отразят когнитивното натоварване и емоционалната ангажираност във VR [24]; до каква степен когнитивните избори и реакции във VR съвпадат с тези в реалния свят; и как теоретичните модели от когнитивната наука (напр. теория на информацията и ентропията) могат да бъдат приложени в анализиране на събраните данни [10][11]. Тези въпроси очертават обхвата на изследването – от фундаментални влияния, през взаимодействието човек‑емоция‑среда, до технологични решения и теоретична интерпретация. Отговорите им ще допринесат за изграждане на цялостен модел на адаптивен психологически профил във виртуална среда. Ключовите експериментални сценарии ще сравняват следните условия и фактори: Мултисензорна срещу едносензорна стимулация – дали едновременните визуални, аудио и тактилни стимули подобряват представянето в сравнение с използване само на един модалитет [4]. Gradinarov P. - 8 - Адаптивна срещу статична VR среда – дали динамичното адаптиране на съдържанието от AI (спрямо състоянието на участника) води до по‑стабилно внимание и ангажираност, спрямо предварително фиксиран сценарий без адаптации [7]. Мотивационни механизми (награда срещу дразнител) – сравнение между две стратегии при пасивност на участника: предоставяне на награда за активност срещу въвеждане на провокативен стимул, с цел установяване кой подход по‑ефективно възвръща ангажираността [25]. Корелация на сетивни предпочитания – анализ дали изборите на участниците (предпочитани цветове, форми, звуци) във VR сцени са свързани помежду си или с темперамент и настроение [26]. VR срещу реален тест – проверка на валидността на VR като изследователски метод чрез сравнение на представянето на участниците в когнитивни задачи във виртуална среда спрямо аналогични задачи в реална обстановка; висока сходност би подкрепила екологичната валидност на VR‑методиката. Към VR системата се интегрират външни устройства за физиологичен мониторинг, с цел едновременно събиране на обективни данни за състоянието на участника по време на всяка сцена [24]. Имплементиране на AI модула и адаптивно поведение (онлайн): разработените правила и модели се интегрират обратно във VR системата, за да може тя в реално време да променя своето поведение спрямо действията и състоянието на потребителя – затваря се т.нар. biofeedback цикъл [8]. Проучва се доколко изведените профили корелират с външни критерии, събрани за участниците. Например, проверява се дали участниците, класифицирани в определен VR профил, имат сходни резултати по някоя скала от предварителните психологически въпросници или дали има демографски различия. Подобни съпоставки помагат за валидирането и по‑доброто разбиране на профилите [27]. Чрез горните анализи изследването ще предостави емпирични отговори на поставените въпроси. Очаква се да се Multisensory VR and Adaptive Profiling - 9 - потвърдят някои основни хипотези – например, мултисензорната стимулация да показва статистически значимо подобрение в продуктивността спрямо едносензорната; адаптивната система да демонстрира по‑стабилно внимание у потребителите спрямо контролната; и т.н. Също така, анализът ще разкрие има или няма корелации между определени сетивни предпочитания (напр. дали предпочитани ярки цветове се свързват със силна музикална стимулация) и ще очертае няколко отделни профилни групи с техните характеристики. Тези резултати не само отговарят на първоначалните хипотези, но и дават възможност за по‑дълбока интерпретация – например кои аспекти на мултисензорната среда са най‑ефективни, при какви условия AI адаптациите са най‑полезни и за какъв тип потребители. Този модел има потенциал за приложение отвъд чисто научните цели – например като основа за адаптивни обучителни игри, където системата се наглася към ученика [15], или за психологична диагностика и терапия, където виртуални среди се персонализират според профила на пациента (напр. за страхова терапия [7] или рехабилитация при когнитивни увреждания [14]). 3 Заключение Настоящият теоретичен обзор описва виртуалната реалност като подходяща среда за системно изследване на когнитивните процеси, като се преодоляват ограниченията на интроспекцията при потребителите [14][16]. Данните в тази област, събрани посредством научни изследвания, подкрепят разбирането, че визуалните, звуковите и тактилните възприятия могат да очертаят индивидуален модел на чувствителност, натовареност и ангажираност [28][29][30]. Предложеният подход към адаптивно профилиране чрез виртуална реалност създава предпоставки за попрецизни форми и оценка, по-целенасочени обучителни формати и по-контролируеми терапевтични манипулации. Следващата логична стъпка е емпиричното изпитване на модела в реални Dyankova, V., Todorova-Kutsarova, M. - 16 - •LST(i, j) = le(j) - t(i, j) - най-късното време на започване на дейност <i, j>. •LCT(i, j) = le(j) - най-късното време на завършване на дейност <i, j>. •SLACK(i, j) = LST(i, j) - EST(i, j) - толеранс. За всяка дейност, лежаща на критичния път, тази стойност е 0. По този начин дейностите с толеранс 0 маркират критичния път. Ползите от използването на CPM в планирането на даден проект могат да бъдат обобщени в следните групи: •Намаляване на закъсненията. Методът помага да се идентифицира най-важната последователност от задачи в даден проект, което може да бъде използвано за избягване на закъсненията преди тяхното настъпване. •Създаване на логическа диаграма на дейностите в проекта. Методът се основава на изброяването на всички дейности в процеса и зависимостите между тях. Създадената по този начин диаграма помага за визуализиране на зависимостите и възможностите за приоритизиране на определени задачи. •Подобряване на организацията. В сложни проекти CPM помага за разделяне на резултатите на последователности, а последователностите - на задачи. Допълнителното визуализиране на зависимостите, задаването на ограниченията и дефинирането на критичния път на задачите подобрява организацията на проекта, което повишава ефективността на управление на неговото управление. •Оптимизиране на ефективността. Идентифицирането на критичния път маркира важните задачи в проекта. Това може да бъде използвано за преразпределение на ресурсите съобразно тяхната роля за ефективното изпълнение на важните задачи. •Изчисляване на плаващите ресурси. Плаващите ресурси определят с колко може да се забави една задача, без това да повлияе на графика на проекта. Това е от съществено значение за ефективното разпределение на ресурсите. An Application of the CPM algorithm… - 17 - 3. Планиране на учебен процес по структури от данни чрез CPM За прилагането на CPM алгоритъма в управлението на знанията по структури от данни се предполага, че: А) Управлението на проекта изисква планиране на учебното време и учебните единици с цел усвояване на знанията и уменията, които са включени в учебната програма по Структури от данни. Б) Едно конкретно състояние i на проекта се отъждествява с текущия профил на обучаемия, включващ вече усвоените знания и умения. В) Дейността <i, j>, която привежда проекта от състояние i в състояние j, включва учебния процес, който ще приведе системата от знания и умения на обучаемия от състояние i в състояние j. За определянето на критичния път в процеса на обучение по Структури от данни се преминава последователно през дадените по-долу шест основни етапа. Етап 1. Определяне на всички състояния, съответстващи на вече усвоени знания и умения, в термините на изучаваните понятия по Структури от данни. Множеството от тези състояния зависи от поставените цели и входящия профил на обучаемия. Едно примерно съдържание на това множество може да бъде {указател, масив, стек, опашка, дек, приоритетна опашка, списък, двоично дърво за търсене, граф} Етап 2. Определяне на всички зависимости между състоянията. В термините на този етап състоянията биват зависими и паралелни. Състояние i, което зависи от друго състояние j, е зависимо по отношение на знанията, които трябва да притежава обучаемият, за да може да премине от състояние j в състояние i. Две състояния i и j са паралелни, ако те са независими по отношения на знанията, които трябва да притежава обучаемият. Примери за зависими състояния са: • Хеш-таблица → масив, списък • Граф → масив, списък, указател Dyankova, V., Todorova-Kutsarova, M. - 18 - • Приоритетна опашка → масив • Стек → указател Паралелни състояния могат да бъдат опашка и стек, защото обучаемият може да изучи стек без да има знания за опашка и обратно. Фигура 1:Мрежа от дейности за базови понятия по Структури от данни Етап 3. Създаване на мрежата от дейности. Мрежата от дейности се представя чрез ориентиран граф, върховете на който са състоянията, през които трябва да се премине. Ребрата на графа свързват определените в етап 2 An Application of the CPM algorithm… - 19 - зависими състояния и представят дейностите, които трябва да бъдат извършени. На фиг. 1 е даден един примерен граф, представящ мрежата на дейностите за усвояване на знания и умения за работа с базови понятия по Структури от данни. Етап 4. Оценка на времето за всяка дейност. Използвайки миналия опит и знанията на авторите, се оценява времето за извършване на всяка дейност. Времето се оценява в брой учебни часове, необходими за усвояване на знанията, които привеждат обучаемия от състояние i в състояние j. За оценка на времето се използва метода на 3-точковата оценка, който е предназначен да придаде по-голяма тежест на реалистичния срок. За целта трябва да се изготвят следните три времеви оценки за всяка дейност, базирани на предишен опит или най-добро предположение: a - време в най-добрия случай m - най-вероятно време b - време в най-лошия случай За определяне на времето за извършване на съответната дейност се използва метода на триъгълното разпределение по формулата: (1) t = (a + m + b)/3 Този метод не дава по-голяма тежест на най-вероятното време, както това е при използването на среднопретеглената стойност. Причината за този избор е, че планът за работа се изготвя в начален етап, на който не са известни навиците на обучаемия за отговорно отношение към учебния процес. Етап 5. Определяне на критичния път. Определянето на критичния път става чрез изчисление на стойностите на времената, описани в точка 2. Програмната реализация използва представяне на графа чрез списъци на съседство, т.е. масив states за състоянията и списъци на съседство с възел за всяка дейност. Възлите, представящи дейностите, съдържат номера на състоянието и пресметнатото в етап 4 време. Dyankova, V., Todorova-Kutsarova, M. - 20 - За изчислението на стойностите ee(i) състоянията се обхождат в топологична наредба. Етап 6. Определяне на плаващите периоди. Плаващ период е времето, през което една дейност може да бъде отложена, без да се стигне до забавяне на крайния срок.изчисляването на плаващия период може да помогне за преразпределяне на ресурсите. Ако дадена дейност има висок плаващ период, могат да бъдат пренасочени ресурси към задача с по-висок приоритет. Големината на плаващия период се определя от стойността на SLACK(i, j). Резултатът от прилагането на CPM в планирането на учебната дейност е списък от дейностите, които трябва да бъдат извършени заедно с тяхната продължителност в учебни часове. 4. Заключение Полученият чрез използване на CPM план за обучение е съобразен с текущия профил на обучаемия. Този профил съдържа информация за всички, усвоени до момента, знания и умения, което позволява да се изготви строго индивидуален план за обучение. Този подход не може да замени напълно ролята на преподавателя в този процес, тъй като в редица случаи учебният процес трябва да бъде съобразен със субективните характеристики на обучаемия. Той обаче освобождава преподавателя от извършването на трудоемката дейност по определяне на последователността от базови теми въз основа на сложните връзки в графа на знания. ЛИТЕРАТУРА: [1] Levner, Eugene, and Dmitry Tsadikovich. "Fast Algorithm for CyberAttack Estimation and Attack Path Extraction Using Attack Graphs with AND/OR Nodes." Algorithms 17.11 (2024): 504. [2] Raranta, Meliska Eviany, Fabian J. Manoppo, and Grace Yoyce Malingkas. "Implementation of the Critical Path Method (CPM) in Web Applications for Project Scheduling with Python Programming." Journal of Social Research 4.7 (2025): 1844-1854. An Application of the CPM algorithm… - 21 - [3] Santiago, Jesse, and Desirae Magallon. "Critical path method." CEE320, Winter 2013 (2009). [4] Durrman, Dante, and Erik Saule. "Optimizing the critical path of distributed dataflow graph algorithms." 2023 IEEE International Parallel and Distributed Processing Symposium Workshops (IPDPSW). IEEE, 2023. [5] Kadang T., Hidayah P.W., Simarmata K., Putri N. A., Krisvinus. “Analysis of Consultant Building Project Management Using the CPM”. Journal of Business Management and Economic Development, Volume 2 Issue 03, September 2024, pp 1169 – 1179 [6] Panchal P. B. “Use of Integrated Intelligence Scheduling System (IISS) for Heavy Civil Construction Projects”. Journal of emerging technologies and innovative research (JETIR), Volume 12, Issue 5, May 2025 [7] Shamim M. I. “Artificial Intelligence in Project Management: Enhancing Efficiency and Decision-making”. International Journal of Management Information Systems and Data Science, 2024, 1(1), 1-6 [8] Ren, Yongchang, et al. "Study of using critical path method to formulate the algorithm of software project schedule planning." 2010 3rd International Conference on Information Management, Innovation Management and Industrial Engineering. Vol. 4. IEEE, 2010. [9] Алгоритми и структури от данни в C++, Лендерт Амерал, 2001 Валентина Дянкова Факултет по математика и информатика Шуменски университет „Епископ К. Преславски“ e-mail: v[email protected]g Михаела Тодорова-Куцарова Факултет по математика и информатика Шуменски университет „Епископ К. Преславски“ e-mail: mihaela.todoro[email protected] Annual of Konstantin Preslavsky University of Shumen Faculty of Mathematics and Informatics vol. XXVI С, 2025, pp. 22 – 40, https://doi.org/10.46687/HIVE1644 - 22 - ANALYSIS AND COMPARISON OF OPEN-SOURCE TOOLS FOR OPTICAL CHARACTER RECOGNITION IN BUSINESS DOCUMENT PROCESSING * STOYAN K. KONSTANTINOV ABSTRACT: This paper compares leading open-source tools for optical character recognition (OCR) in business document processing. Five platforms—Tesseract, EasyOCR, PaddleOCR, docTR, and Donut—are evaluated for architecture, functionality, accuracy, and resource efficiency, with focus on Bulgarian-language support and intelligent document processing (IDP) capabilities such as layout, table, and key-value extraction. Findings show PaddleOCR offers the best balance of performance, usability, and cost, while hybrid OCR–language model approaches improve flexibility, and Donut fine-tuning achieves the highest accuracy for specific document types. Open-source OCR and IDP tools enable automation of document workflows while preserving data sovereignty and avoiding vendor lock-in. KEYWORDS: Optical Character Recognition, Intelligent Document Processing, PaddleOCR, Open-Source Tools, Transformer 2010 Math. Subject Classification: 68T05, 68U10, 68T45 АНАЛИЗ И СРАВНЕНИЕ НА ИНСТРУМЕНТИ С ОТВОРЕН КОД ЗА ОПТИЧНО РАЗПОЗНАВАНЕ НА СИМВОЛИ ПРИ ОБРАБОТКА НА БИЗНЕС ДОКУМЕНТИ † СТОЯН К. КОНСТАНТИНОВ * This paper is (partially) supported by Scientific Research Grant РД-08106/05.02.2025 of Shumen University † Статията е частично финансирана по проект № РД-08106/05.02.2025 на ШУ „Еп. Константин Преславски“ Analysis and comparison of open-source tools - 23 - 1 Въведение: От оптично разпознаване към интелигентна обработка на документи Развитието на инструменти с отворен код за оптично разпознаване на символи (ОРС), използвани при обработката на бизнес документи, се превръща в ключов елемент на дигиталната трансформация. Традиционните системи за ОРС са създадени единствено да преобразуват изображение в машиночитаем текст, без да разбират структурата и семантичния контекст на документа [1]. За да се извлече реална бизнес стойност, са необходими решения от по-висок клас, известни като интелигентна обработка на документи (IDP – Intelligent Document Processing) [2], които комбинират три основни функции: анализ на оформлението, разпознаване на таблици и извличане на двойки ключ–стойност [3]. Исторически оптичното разпознаване има дълга еволюция, започваща още през 1960-те години, когато първите системи намират приложение в банковата и административната практика [1]. Ранните методи разчитат на шаблонно съпоставяне и морфологични операции върху изображенията, което ограничава точността и адаптивността им. Преходът към машинно и дълбоко обучение довежда до революция в областта: конволюционните и рекурентните невронни мрежи стават стандартни архитектури, а техният синтез в конволюционно-рекурентна невронна мрежа (CRNN – Convolutional Recurrent Neural Network) позволява постигане на значително по-висока точност и устойчивост на разпознаването [4]. През последното десетилетие фокусът се измества от чистото извличане на текст към по-дълбоко разбиране на документите. Интелигентната обработка на документи интегрира ОРС с анализ на оформлението и семантичното съдържание [5], което дава възможност за автоматизирана обработка на фактури, договори и административни документи. Така се намалява нуждата от ръчна работа, ограничават се грешките и се ускоряват Konstantinov S., Paraskevov H. - 24 - процесите в различни сектори – банкиране, публично управление и здравеопазване [6]. Паралелно с технологичния напредък нараства интересът към отворените инструменти за ОРС и IDP, които осигуряват прозрачност, адаптивност и независимост от конкретен доставчик. За българските организации това има особено значение, тъй като позволява поддръжка на български език и локално внедряване без зависимост от скъпи международни облачни услуги. В този контекст отворените технологии представляват не само икономически ефективна, но и стратегически устойчива алтернатива за изграждането на национална дигитална инфраструктура. 2 Базов стандарт: Tesseract за оптично разпознаване на символи Tesseract, първоначално разработен от Hewlett-Packard през 80-те години и понастоящем поддържан от Google Research, е найразпространеният инструмент с отворен код за оптично разпознаване на символи (OCR). Той представлява фундаментален еталон в развитието на OCR технологиите и служи като базова платформа за сравнение при оценка на съвременни системи. От версия 4 насам Tesseract използва архитектура, базирана на невронни мрежи с дълга краткотрайна памет (LSTM – Long ShortTerm Memory), която моделира текстови последователности и позволява по-добра адаптация към вариации в шрифта, наклона и осветеността на изображението [7]. Това го отличава от класическите методи за разпознаване, разчитащи на шаблонно съвпадение или статистически анализ на символите. Инструментът се разпространява под отворен лиценз Apache License 2.0, който допуска свободна употреба, модификация и интеграция в търговски решения [8]. Поддържа над сто езика, включително български, а езиковите пакети могат да бъдат дообучавани според конкретни нужди. За разлика от много съвременни решения, изискващи графични ускорители, Tesseract Analysis and comparison of open-source tools - 25 - функционира напълно върху централния процесор (CPU), което го прави достъпен за широк кръг организации и подходящ за внедряване в среди с ограничен хардуерен ресурс. Архитектурата на Tesseract е изградена като последователен конвейер, който включва предварителна обработка на изображението, сегментация и разпознаване. В първия етап се прилагат техники за нормализация на контраста, корекция на наклона, бинаризация и премахване на шум с цел подобряване на четливостта. След това изображението се разделя на текстови региони чрез пространствен анализ, базиран на Connected Component Analysis (CCA), който идентифицира свързани групи пиксели и определя границите на символите. На следващ етап невронната мрежа LSTM разпознава символите в контекст, като запаметява последователността от входове и минимизира грешките, породени от сходни форми. Вграден класификатор за ориентация открива и автоматично коригира завъртян текст, което е особено важно при сканирани документи с отклонения от хоризонталата. Основното ограничение на Tesseract се проявява при обработка на структурирани документи, като таблици, формуляри и фактури, при които липсата на модел за разбиране на оформлението води до възприемане на текста като линеен поток [9]. Системата не реконструира пространствените връзки между клетките и редовете, а извлича данните последователно, без да отчита тяхната позиция. Освен това точността ѝ зависи пряко от качеството на изображението, което налага внимателна предварителна обработка – изправяне, мащабиране, филтриране и контрастна корекция [11]. Средната точност при чист печатан текст е около 85%, но при документи със сложна структура тя намалява значително. В експериментален сценарий с дигитализация на счетоводни книги от 70-те години, отпечатани върху пожълтяла хартия и с частично избледнял шрифт, Tesseract достига едва 45% точност без предварителна обработка. След прилагане на техники за Konstantinov S., Paraskevov H. - 32 - йерархична мрежа от визуални токени, докато декодерът генерира текстови последователности, описващи съдържанието, логическата структура и контекста. Основното предимство на Donut е способността му да комбинира визуално и семантично разбиране в един модел, което му позволява да извлича структурирани двойки ключ–стойност (KVP), заглавия, полета и таблици, без необходимост от предварително дефинирани шаблони. Така системата може да се справя с документи, които имат вариращи формати и непостоянно разположение на елементите, каквито са фактурите, застрахователните полици и административните формуляри. При правилно обучение Donut постига точност, сравнима или повисока от тази на комбинации от OCR и езикови модели, тъй като елиминира натрупването на грешки между отделните компоненти. Въпреки това, практическото внедряване на Donut изисква внимателен процес на допълнително обучение (fine-tuning). За да може моделът да интерпретира специфичен тип документи, е необходимо изграждане на обучаващ корпус, съдържащ между сто и петстотин ръчно анотирани примера, в които съдържанието е описано в структурирана JSON форма [18]. След това моделът се обучава да възпроизвежда тази структура при нови документи. Този процес гарантира висока точност при специализирани типове документи, но изисква значителни ресурси и експертиза в областта на машинното обучение. Размерът на модела и необходимата графична памет също са предизвикателство – оптималната работа на Donut изисква графични ускорители с 16–48 GB VRAM, което ограничава приложимостта му в среди с ограничен хардуер. Развитието на мултимодалните големи езикови модели (VLM – Vision-Language Models), като Qwen-VL и PaLI-X, представлява следваща стъпка в тази посока. Тези модели могат едновременно да обработват изображения и текст, като изпълняват задачи за извличане на ключови полета, класификация или отговаряне на въпроси в т.нар. zero-shot режим – без специално обучение за конкретния тип документ [19]. Те притежават Analysis and comparison of open-source tools - 33 - способност да разбират визуалния контекст на страницата и да генерират логически свързани отговори, което отваря възможности за прилагане на естествен език при анализ на документи. Въпреки високия си потенциал, тези модели изискват огромни изчислителни ресурси и често разчитат на облачна инфраструктура, което ги прави по-малко подходящи за локално внедряване при ограничени бюджети или високи изисквания за защита на данните. На този фон особено значим се оказва хибридният подход, който комбинира стабилността на традиционните OCR системи с гъвкавостта на езиковите модели. При него се използва трислоен процес: първо PaddleOCR извлича целия суров текст от изображението, след което този текст се подава към по-малък езиков модел, оптимизиран за скорост и обработка на естествен език. В последния етап моделът получава инструкция (prompt) да извлече конкретните двойки ключ–стойност или да структурира информацията според предварително зададен шаблон [20]. Тази комбинация позволява бърза адаптация към нови формати без необходимост от преобучение и минимизира изчислителните разходи, като запазва висока точност и гъвкавост. Сравнителният анализ на Donut, мултимодалните модели и хибридните решения показва ясно разграничение между трите подхода. Donut постига най-висока точност при строго дефинирани и добре обучени задачи, мултимодалните модели предлагат универсалност без допълнително обучение, а хибридните решения осигуряват оптимален баланс между производителност, гъвкавост и разходи. В този контекст се очертава тенденция към конвергенция на двете парадигми – OCR и трансформаторните архитектури – в обща рамка, която интегрира визуално възприятие и езиково разбиране като основа за бъдещите системи за интелигентна обработка на документи. Konstantinov S., Paraskevov H. - 34 - 6 Сравнителен анализ Сравнителният анализ на разгледаните инструменти с отворен код за оптично и интелигентно разпознаване на документи показва отчетливо развитие от класически OCR системи към интегрирани и мултимодални архитектури, способни да обработват както визуалния, така и семантичния контекст на документа. Докато Tesseract и EasyOCR представляват зрели, стабилни решения за извличане на текст при ограничени ресурси, PaddleOCR, docTR и Donut демонстрират следващото поколение технологии, ориентирани към интелигентна обработка на документи (IDP). Разликите между тези системи се проявяват не само в точността на разпознаване, но и в начина, по който интерпретират оформлението, логическите зависимости и бизнес значението на съдържанието [14][16][17][20]. Tesseract остава най-достъпното решение, подходящо за архивни или административни документи с проста структура и високо качество на сканиране. EasyOCR предлага по-гъвкав и мултиезичен подход, но не поддържа анализ на оформление. PaddleOCR се отличава като най-зряло решение сред системите с отворен код – интегрира анализ на оформление, разпознаване на таблици и извличане на двойки ключ–стойност чрез модула PPStructure, което го доближава до индустриалните решения за IDP. docTR допринася с висока скорост и модулност, но остава ограничен от липсата на готова поддръжка на кирилица. Donut, от своя страна, въвежда новата парадигма на OCR-free моделите, които елиминират междинното ниво на символно разпознаване и интерпретират документа директно като структурирано знание [17][19]. Количествените показатели от литературните сравнения и проведените тестове потвърждават, че PaddleOCR постига найдобър баланс между точност, производителност и изисквания към хардуера, като достига 94–97% при стандартни печатни документи и поддържа стабилна скорост на обработка дори при работа на Analysis and comparison of open-source tools - 35 - CPU. Donut демонстрира по-висока адаптивност при специализирани формати, но изисква процес на допълнително обучение (fine-tuning) и значителен графичен ресурс. Хибридните решения, комбиниращи PaddleOCR с малък езиков модел, предлагат практичен компромис – използват зрял OCR механизъм за извличане на текст, последван от езикова интерпретация на съдържанието чрез инструкции (prompt engineering), без необходимост от преобучение при промяна на формата [20]. Таблица № 1 Съпоставка на основните характеристики на инструментите Характеристика Tesserac t 5 EasyOCR PaddleOCR docTR Donut Лиценз Apache 2.0 Apache 2.0 Apache 2.0 Apache 2.0 MIT Поддръжка на български (готов модел) Да Да Да Не (finetuning) Да (с обучение ) Архитектура LSTM CRAFT + CRNN DBNet + CRNN + PPStructure Transforme r Swin + BART Анализ на оформление Не Ограничен Отличен Добър Отличен Извличане на таблици Не Не Отличен Среден Отличен Извличане на двойки ключ– стойност Не Не Да (SER + RE) Не Да Ресурсна интензивност Ниска (CPU) Средна (GPU препоръчителе н) Висока (GPU 8–12 GB) Средна (GPU 6–8 GB) Много висока (GPU 16– 48 GB) Средна точност (печатен текст) 80–85% 88–92% 94–97% 93–95% 96–98% Konstantinov S., Paraskevov H. - 36 - Характеристика Tesserac t 5 EasyOCR PaddleOCR docTR Donut Подходящ за структурирани документи Не Частично Да Частично Да Ниво на интеграция (IDP) Ниско Ниско Високо Средно Много високо Стратегически погледнато, PaddleOCR се очертава като найпрагматичният избор за реални внедрявания поради зрелостта си, баланса между точност и ефективност и пълната поддръжка на български език. Donut и свързаните с него трансформаторни модели представляват следващото поколение решения, насочени към визуално-езиково разбиране и по-дълбок контекстуален анализ. Хибридните системи комбинират предимствата на двата подхода, като съчетават надеждността на OCR с гъвкавостта на езиковите модели и представляват реалистично решение за организации с ограничени ресурси. Отворените технологии за OCR и IDP вече демонстрират зрялост, сравнима с комерсиалните решения, като предоставят ефективни, мащабируеми и независими инструменти за автоматизирана обработка на документи. Тяхната стойност се изразява не само в икономическите параметри, но и в стратегическите предимства, свързани със суверенитета на данните, адаптивността и контрола върху внедряването. Тази еволюция очертава плавен преход към бъдещо поколение системи, при които визуалният и езиковият контекст се разглеждат като единно информационно пространство. 7 Заключение Съвременните системи с отворен код за оптично и интелигентно разпознаване на документи демонстрират отчетлива еволюция – от класическо символно извличане на текст към интегрирани визуално-езикови архитектури, способни да Analysis and comparison of open-source tools - 37 - анализират структурата, оформлението и семантичните зависимости на документа. Тази трансформация представлява преход от техническо разпознаване към когнитивно разбиране, при което обработката на данни се превръща в част от интелигентни бизнес и административни процеси. Сред разгледаните инструменти PaddleOCR се утвърждава като най-зрял и функционално завършен модел, който съчетава точност, стабилност и гъвкавост при внедряване. Donut и свързаните с него мултимодални трансформатори задават нова парадигма, базирана на визуално-езиково моделиране, което постепенно измества класическите OCR конвейери. Хибридните подходи, при които се комбинират OCR и езикови модели, предоставят балансирано решение между производителност, изчислителна ефективност и адаптивност към различни формати документи. Използването на отворени инструменти има особено значение за българския контекст – те позволяват локално внедряване, поддръжка на български език и пълен контрол върху обработваните данни, без зависимост от чуждестранни облачни доставчици. Това осигурява както технологична независимост, така и съответствие с изискванията за защита на информацията. Посоката на бъдещото развитие включва три основни тенденции: усъвършенстване на мултимодалните архитектури, оптимизация на ресурсите чрез компактни модели и разработване на езикови корпуси за по-малки езици, сред които българският. Тези направления потвърждават, че интелигентната обработка на документи с отворен код е не само технологична иновация, но и стратегически инструмент за дигитална трансформация, прозрачност и ефективно управление на информацията. Konstantinov S., Paraskevov H. - 38 - ЛИТЕРАТУРА [1] Mori, S.; Nishida, H.; Yamada, H. Historical Review of OCR Research and Development. Proceedings of the IEEE, 1992, vol. 80, no. 7, pp. 10291058. Available at: https://ieeexplore.ieee.org [2] Automated Table Extraction: OCR for Extracting Tabular Data. Klearstack, 2025. Available at: https://klearstack.com [3] Bridging the Gap: OCR Techniques for Noisy and Distorted Texts. International Journal of Scientific Research in Computer Science Engineering and Information Technology, 2025, vol. 11, no. 1. Available at: https://ijsrcseit.com [4] Smith, R. An Overview of the Tesseract OCR Engine. Proceedings of the Ninth International Conference on Document Analysis and Recognition (ICDAR), 2007, vol. 2, pp. 629-633. Available at: https://ieeexplore.ieee.org [5] Subramani, N.; Akinade, O.; Gaur, P. A Survey of Deep Learning Approaches for OCR and Document Understanding. arXiv preprint arXiv:2011.13534, 2020. Available at: https://arxiv.org/abs/2011.13534 [6] Wang, X. F.; Jiang, X. D.; Zhang, Y.; et al. A Survey of Text Detection and Recognition Algorithms Based on Deep Learning. Science China Information Sciences, 2023, vol. 66, no. 3, pp. 131101. Available at: https://sciencedirect.com [7] Graves, A.; Jäger, Y. Long Short-Term Memory Networks for Handwritten Character Recognition. IEEE Transactions on Neural Networks, 2009, vol. 20, no. 1, pp. 128-142. Available at: https://ieeexplore.ieee.org [8] Kadaganchi, N.; et al. Optical Character Recognition using Tesseract Engine. International Journal of Engineering Research and Technology, 2021, vol. 10, no. 9. Available at: https://ijert.org [9] Muthusundari, M. Optical Character Recognition System Using Artificial Intelligence and Machine Learning. Dialnet, 2024. Available at: https://dialnet.unirioja.es [10] Long, J.; Shelhamer, E.; Darrell, T. Fully Convolutional Networks for Semantic Segmentation. Proceedings of the IEEE Conference on Analysis and comparison of open-source tools - 39 - Computer Vision and Pattern Recognition, 2015, pp. 3431-3440. Available at: https://arxiv.org/abs/1411.4038 [11] Shi, B.; Bai, X.; Yao, C. An End-to-End Trainable Neural Network for Image-Based Sequence Recognition and Its Application to Scene Text Recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, vol. 39, no. 11, pp. 2298-2304. Available at: https://ieeexplore.ieee.org [12] Jain, V.; Seung, H. S. Natural Image Denoising with Convolutional Networks. Advances in Neural Information Processing Systems, 2008, vol. 21, pp. 769-776. Available at: https://arxiv.org/abs/0810.2408 [13] Hinton, G.; Osindero, S.; Teh, Y. W. A Fast Learning Algorithm for Deep Belief Nets. Neural Computation, 2006, vol. 18, no. 7, pp. 1527-1554. Available at: https://direct.mit.edu/neco [14] Rosenberg, B.; Bin, H.; Thawonmas, R. Document Analysis and Recognition. Proceedings of the 18th International Conference on Document Analysis and Recognition (ICDAR), 2024, vols. 14804-14809 (LNCS). Available at: https://diva-portal.org [15] Chollet, F. Xception: Deep Learning with Depthwise Separable Convolutions. IEEE Conference on Computer Vision and Pattern Recognition, 2017, pp. 1800-1807. Available at: https://arxiv.org/abs/1610.02357 [16] He, K.; Gkioxari, G.; Dollár, P.; Girshick, R. Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision, 2017, pp. 2961-2969. Available at: https://arxiv.org/abs/1703.06870 [17] Kim, G.; Hong, T.; Weissenborn, D.; Song, J. S. OCR-free Document Understanding Transformer. Proceedings of the European Conference on Computer Vision (ECCV), 2022, vol. 13688, pp. 498-517. Available at: https://arxiv.org/abs/2111.15664 [18] Devlin, J.; Chang, M. W.; Lee, K.; Toutanova, K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics, 2019, pp. 4171-4186. Available at: https://arxiv.org/abs/1810.04805 Konstantinov S., Paraskevov H. - 40 - [19] Radford, A.; Kim, J. W.; Hallacy, C.; et al. Learning Transferable Visual Models From Natural Language Supervision. International Conference on Machine Learning, 2021, vol. 139 (PMLR), pp. 8748-8763. Available at: https://arxiv.org/abs/2103.14030 [20] Vaswani, A.; Shazeer, N.; Parmar, N.; et al. Attention Is All You Need. Advances in Neural Information Processing Systems, 2017, vol. 30, pp. 5998-6008. Available at: https://arxiv.org/abs/1706.03762 Стоян Константинов Direct Service Ltd. e-mail: s.konstantino[email protected] Annual of Konstantin Preslavsky University of Shumen Faculty of Mathematics and Informatics XXVI С, 2025, pp. 41 – 47, https://doi.org/10.46687/DYNY4923 - 41 - 3D MESH WATERMARKING USING RADIAL VERTEX EMBEDDING * DELYAN H. SARMOV ABSTRACT: This paper presents an algorithm for embedding digital watermarks into 3D mesh models. The method relies on radial displacement of vertices from the object’s centroid and is evaluated for robustness against geometric transformations including rotation, scaling, and additive noise. The approach uses multiple radial layers with majority voting for error correction. Experimental results demonstrate high baseline extraction accuracy and robustness against moderate rotations and noise, while revealing sensitivity to scaling and rotations beyond certain thresholds. KEYWORDS: 3D watermarking, 3D mesh, Robust Watermarking, copyright protection 2020 Math. Subject Classification: 65D17, 68U99, 93B51 ВОДЕН ЗНАК ЗА 3D МОДЕЛ С РАДИАЛНО ВГРАЖДАНЕ ВЪВ ВЪРХОВЕ † ДЕЛЯН Х. СЪРМОВ 1 Introduction Digital watermarking has become a crucial technique for copyright protection, fingerprinting, and authentication of 3D content. * This paper is partially supported by Scientific Research Grant РД-08106/05.02.2025 of Konstantin Preslavsky University of Shumen † Статията е частично финансирана по проект № РД-08106/05.02.2025 г. на ШУ „Еп. Константин Преславски“ A An nn nu ua al l o of f K Ko on ns st ta an nt ti in n P Pr re es sl la av vs sk ky y U Un ni iv ve er rs si it ty y o of f S Sh hu um me en n F Fa ac cu ul lt ty y o of f M Ma at th he em ma at ti ic cs s a an nd d I In nf fo or rm ma at ti ic cs s v vo ol l. . X XX XV VI I С С, , 2 20 02 25 5, , p pp p. . 4 48 8 – – 5 55 5, , h ht tt tp ps s: :/ // /d do oi i. .o or rg g/ /1 10 0. .4 46 66 68 87 7/ /Q QJ JW WB B5 53 30 00 0 - 48 - SOLAR PANEL ORIENTATION SYSTEM FOR INCREASING ENERGY PRODUCTION WITH ARDUINO SIMULATION * KRASIMIR M. KORDOV, AHMED A. AHMEDOV ABSTRACT: This article presents a system for the automatic orientation of photovoltaic panels toward the sun, aiming to optimize captured sunlight and enhance energy yield. The system is implemented through a prototype utilizing an Arduino microcontroller, photoresistors for detecting light intensity, and a servomotor for panel positioning. KEYWORDS: Solar panels, Arduino, Energy production; 2020 Math. Subject Classification: 68M01, 68M99 СИСТЕМА ЗА НАСОЧВАНЕ НА СОЛАРНИ ПАНЕЛИ ЗА ПОВИШАВАНЕ НА ЕНЕРГОДОБИВА СЪС СИМУЛАЦИЯ НА ARDUINO † КРАСИМИР М. КОРДОВ АХМЕД А. АХМЕДОВ 1 Въведение Зелената енергия представлява революционна алтернатива на традиционните енергийни източници, която не само осигурява устойчиво енергийно бъдеще, но и играе решаваща роля в опазването на околната среда. За разлика от изкопаемите горива, възобновяемите енергийни източници не отделят вредни емисии в атмосферата, не замърсяват въздуха с токсични газове и не допринасят за парниковия ефект. Използването на зелена енергия * This paper is partially supported by Scientific Research Grant РД-08-75/22.01.2025 of Shumen University † Статията е частично финансирана по проект № РД-08-75/22.01.2025 на ШУ „Еп. Константин Преславски“ S So ol la ar r p pa an ne el l o or ri ie en nt ta at ti io on n s sy ys st te em m… … - 49 - значително намалява въглеродния отпечатък на човешката дейност и помага за съхраняването на природните екосистеми за бъдещите поколения. Един от най-перспективните и съвременни методи за добиване на зелена енергия от възобновяеми източници е използването на соларни панели, преобразуващи слънчевата светлина в електрическа енергия. Генерирането на енергия се извършва, когато слънчевите лъчи се абсорбират от соларната повърхност и се преобразуват в електрическа енергия под формата на прав ток, а при необходимост чрез допълнителни средства може да бъде преобразувана и в променлив ток. Количеството на енергодобива зависи от множество фактори, включително метеорологичните условия, които могат да затруднят достъпа на слънчевите лъчи до повърхността на соларните панели, наличието на достатъчно слънчева светлина през деня, замърсяването на повърхността на соларните панели с прах и други замърсители, степента на амортизиране на панелите с течение на времето, както и ключовият фактор - ъгълът на падане на слънчевите лъчи спрямо равнината на соларния панел. Настоящата разработка се фокусира върху създаването на интелигентна система, която автоматично ориентира соларните панели към най-благоприятната позиция спрямо слънцето през целия ден, като по този начин максимизира количеството улавяна слънчева енергия. Чрез използване на съвременни микроконтролерни технологии и сензорни системи, проектът цели да демонстрира как достъпни технологични решения могат да бъдат приложени за създаване на ефективни и икономически оправдани системи за подобряване на производителността на соларните инсталации. Според направени проучвания на системи, контролиращи насочването на соларни панели, повишаването на енергийния добив може да се подобри до 30% - 40% [1], но някои от системите достигат и до по-високи стойности [2, 3]. Отчитайки разходите за хардуерни задвижващи елементи при K Ko or rd do ov v K K. ., , A Ah hm me ed do ov v A A. . - 50 - конструирането на система за насочване на соларни панели, двуосово задвижване не винаги е оправдано, спрямо постигнатите резултати. При правилно разположение на панелите под оптимален наклон в посока север-юг (в зависимост от географската позиция), най-икономичният подход е използването на едноосна система за позициониране за насочване на повърхността на соларните панели в посока изток-запад. 2 Прототип на система за насочване на соларни панели Предложената система е реализирана чрез използване на подходящи хардуерни компоненти, които позволяват провеждането на симулация за тестване на предложения модел за ротация на панели спрямо посоката на светлината. Използваните компоненти са: Arduino Модул Arduino Uno [4] е микроконтролер широко използван за реализация на разнообразни проекти [5, 6]. Платката е базирана на архитектура ATmega328P с тактова честота от 16 MHz, разполага с 32KB флаш памет, 2KB SRAM и включва цифрови и аналогови входно-изходни пинове, към които могат да се свързват различни компоненти. Използваният език за програмиране е базиран на C/C++, който се изпълнява посредством средата за разработка Arduino IDE. На Фиг. 1 е показан самият модул. Разнообразието и достъпната цена на компонентите, които могат да се използват с Arduino, улесняват създаването на цялостни системи от разнообразен характер [7, 8]. S So ol la ar r p pa an ne el l o or ri ie en nt ta at ti io on n s sy ys st te em m… … - 51 - Фигура 1 – Микроконтролер Arduino Uno Светлинни сензори (LDR - Light Dependent Resistors) Фоторезисторите представляват основните сензори за детекция на интензитета на светлината. Тези компоненти променят своето съпротивление в зависимост от количеството падаща светлина. При по-висока осветеност съпротивлението намалява, а при по-ниска – се увеличава. В предложената система са използвани два сензора (Фиг. 2) за отчитане на слънчевата светлина и според получените стойности се извършва плавно завъртане на соларен панел под подходящ ъгъл спрямо източника на светлина. Постоянното изпращане на стойности от фоторезисторите към централния модул Arduino дава възможност на алгоритъма за сравнение на данните и осъществяване на едноосовото задвижване. Фигура 2 - LDR - Light Dependent Resistor K Ko or rd do ov v K K. ., , A Ah hm me ed do ov v A A. . - 52 - Серво мотор за позициониране Серво моторите (Фиг. 3) осигуряват прецизното механично движение, необходимо за ориентиране на слънчевия панел. Стандартният ъглов диапазон, обикновено е между 0 и 180 градуса. Фигура 3 – Модели електромотори за Arduino Схемата на свързване на компонентите е представена на Фиг. 4 [9, 10]. Фигура 4 – Схема на свързване на компонентите S So ol la ar r p pa an ne el l o or ri ie en nt ta at ti io on n s sy ys st te em m… … - 53 - Симулация на система за насочване на соларни панели За тестване на системата е извършено монтиране на представените компоненти в лабораторни условия (Фиг. 5). Фигура 5 – Тестване на системата за автоматично позициониране на соларен панел Микроконтролерът Arduino е базовият компонент, управляващ системата. Към соларен панел са прикрепени фоторезистори за отчитане на светлината. Данните от сензорите се използват от алгоритъма за насочване, които подава сигнал към серво мотора за завъртане на соларния панел под оптимален ъгъл спрямо светлината. K Ko or rd do ov v K K. ., , A Ah hm me ed do ov v A A. . - 54 - 3 Заключение Създадената система за автоматизирано ориентиране на соларни панели валидира теоретичните основи за енергийна оптимизация. Arduino технологията се доказва като адекватно решение с необходима функционалност при минимални разходи, а виртуалната симулация в Tinkercad ефективно потвърждава концепцията преди физическото изпълнение. Експериментирането с контролиран светлинен източник доказва стабилната работа при различни условия. Представеният прототип е практично и икономично решение за компактни соларни приложения и учебни цели. Практическите експерименти показват увеличен добив на енергия, което обосновава евентуална инвестиция в имплементиране на такава разработка за реални фотоволтаични ферми за производство на енергия. ЛИТЕРАТУРА: [1] Sidek, M. H. M., Azis, N., Hasan, W. Z. W., Ab Kadir, M. Z. A., Shafie, S., & Radzi, M. A. M. (2017). Automated positioning dual-axis solar tracking system with precision elevation and azimuth angle control. Energy, 124, 160-170. [2] Seme, S., Štumberger, B., Hadžiselimović, M., & Sredenšek, K. (2020). Solar photovoltaic tracking systems for electricity generation: A review. Energies, 13(16), 4224. [3] Racharla, S., & Rajan, K. (2017). Solar tracking system – a review. International Journal of Sustainable Engineering, 10(2), 72–81. [4] Arduino Uno Rev3, Product Reference Manual, https://docs.arduino.cc/resources/datasheets/A000066-datasheet.pdf - (20.06.2025). [5] Stoyanov, B., and Ivanova, T. (2019, November) CHAOSA: Chaotic map based random number generator on Arduino platform. In AIP Conference Proceedings (Vol. 2172, No. 1, p. 090001). AIP Publishing. [6] Kordov, K., & Vichev, S. (2023). System for real-time monitoring of temperature, air humidity and atmospheric pressure. Journal scientific S So ol la ar r p pa an ne el l o or ri ie en nt ta at ti io on n s sy ys st te em m… … - 55 - and applied research, 24(1), 73-77. ISSN 1314-6289 (Print) ISSN 28154622 (Online). [7] Kordov K., & Stoyanova, D. (2023). Parking management system, Annual of Konstantin Preslavsky University of Shumen, Faculty of Mathematics and Computer Science, Vol. ХXIV С, 2023, pp. 41 – 46, ISSN 1311-834X. [8] Кордов, К., Стоянов, Ст., Система за управление на осветление в смарт хоум, Сборник студентски научни публикации, Факултет по математика и информатика, том 5, 2023, стр. 15 – 20, ISSN 2683023X. [9] Tinkercad web application for Arduino project design - https://www.tinkercad.com/ - (20.06.2025). [10] Mustan, S., Kr. Harizanov 2024. The role of Microsoft platforms Makecode and Tinkercad in STEM education, KNOWLEDGE – International Journal Vol.66.2, pp.217221 (ISSN 2545-4439/1857923Х). Красимир Кордов Факултет по математика и информатика Шуменски университет „Епископ К. Преславски“ Е-mail: [email protected] Ахмед Ахмедов Факултет по математика и информатика Шуменски университет „Епископ К. Преславски“ Annual of Konstantin Preslavsky University of Shumen Faculty of Mathematics and Informatics vol. XXVI C С, 2025, pp. 56 – 63, https://doi.org/10.46687/CGBU8241 - 56 - WEB-BASED SYSTEM TO SUPPORT THE ACTIVITIES OF THE "SOCIAL WORKER" * ROZALINA D. DIMITROVA, BORYANA HR. UZUNOVA-DIMITROVA ABSTRACT: The article describes a web-based information system to support the activities of the "social worker". The system is designed to meet the specific needs of the social assistance directorates, submitting, reviewing, and granting social benefits. The main goal is to create an intuitive platform that optimises the management of social cases, the coordination of services, communication with clients and institutions, as well as documentation. The system offers functionalities such as registering and tracking cases, generating reports, and archiving documents. By implementing modern web technologies, remote access, data security, and efficiency of the work process are ensured. The development is aimed at improving the quality of the social service by facilitating administrative work and providing timely information to specialists. KEYWORDS: social networks, web-based platform, social worker's document flow 2010 Math. Subject Classification: 94A16 WEB-БАЗИРАНА СИСТЕМА ЗА ПОДПОМАГАНЕ ДЕЙНОСТТА НА „СОЦИАЛНИЯ РАБОТНИК“ † РОЗАЛИНА Д. ДИМИТРОВА, БОРЯНА ХР. УЗУНОВАДИМИТРОВА * This paper is (partially) supported by Scientific Research Grant РД-08106/05.02.2025 of Shumen University † Статията е частично финансирана по проект № РД-08-106/05.02.2025 на ШУ „Еп. Константин Преславски“ Web-based system to … - 57 - 1 Въведение Информационните технологии са от съществено значение за успеха на всяка организация в съвременния свят, тъй като гарантират ефективно управление на данни и процеси. В направления като социалната политика, образованието, транспорта и логистиката, където прецизността и оперативната ефективност са от решаващо значение за удовлетвореността на клиентите и способността на организацията да се конкурира, правилното решение е изключително важно. Създаването на успешна система за коректно въвеждане и последващо вземане на решение от подадената информация може да рационализира операциите на организацията и да е от полза както за потребителите, така и за тези, които отговарят за разрешаването и отпускането на различни социални помощи. Социалните работници могат да прекарват по-малко време в търсене на информация, да правят по-добри справки и да правят по-малко грешки въз основа на такава система. Бързите и забележителни технически постижения през последните десетилетия оказват влияние върху обществото като цяло. Въпреки че технологичният напредък открива нови възможности и повишава икономическата производителност и качеството на живот, той също така представлява редица екологични и естетически проблеми, които изискват внимателно регулиране и надзор. Разработването на уеб-базирана система за подпомагане дейността на социалния работник може значително да повиши ефективността и качеството на социалните услуги, като автоматизира и улеснява процесите на документиране, управление на случаите и комуникацията, предоставяйки на социалните работници инструмент, който оптимизира тяхната работа и подобрява взаимодействието им с потребителите на услугите им и връзката с други институции. Annual of Konstantin Preslavsky University of Shumen Faculty of Mathematics and Informatics vol. XXVI С, 2025, pp. 64 – 73, https://doi.org/10.46687/BWUE8285 - 64 - IMPLEMENTATION OF A SECURITY SYSTEM FOR THE ART GALLERY IN DOBRICH * MILEN B. KOLAROV, HRISTO I. PARASKEVOV ABSTRACT: This paper presents a structured overview and practical implementation of an intrusion alarm system designed for a public building— the Art Gallery in Dobrich. The article looks at the key parts of modern security systems—like control panels, sensors, extra modules, communication tools, and fire detection devices—and how they work together in a complete system. The process of equipment selection, functional block diagram design, and wiring is described in detail, with particular attention to power consumption estimation and component compatibility. The article emphasizes the need for reliable and scalable security solutions, as well as centralized and remote management through internet and mobile applications. The paper wraps up by highlighting important trends in security system development, such as the use of computers, combining with biometric and video surveillance technologies, and following standards from the telecommunications industry. KEYWORDS: intrusion alarm system, control panel, integration, fire detection, access control 2020 Math. Subject Classification: 90B25; 94B05 ИЗГРАЖДАНЕ НА ОХРАНИТЕЛНА СИСТЕМА ЗА ХУДОЖЕСТВЕНАТА ГАЛЕРИЯ В ГРАД ДОБРИЧ † МИЛЕН Б. КОЛАРОВ, ХРИСТО И. ПАРАСКЕВОВ * This paper is (partially) supported by Scientific Research Grant RD-08106/05.02.2025 of Konstantin Preslavsky University of Shumen † Статията е частично финансирана по проект № РД-08-106/05.02.2025 Implementation of a Security System for the Art Gallery in Dobrich - 65 - 1 Въведение В условията на нарастващи заплахи за сигурността в обществения и частния сектор, сигнално-охранителните системи (СОС) се превръщат в основен елемент от техническите решения за защита на физически обекти. Те съчетават различни подсистеми – като детектори за движение, системи за видеонаблюдение и контрол на достъп – в интегрирана среда, която позволява превенция, идентификация и реакция при инциденти [1], [2]. Бързото развитие на електронните технологии и комуникационната инфраструктура води до все по-широко разпространение на интелигентни охранителни решения, базирани на цифрова обработка на сигнали, IoT-сензори и дистанционно управление през мобилни или облачни платформи [3]. Съвременните СОС се изграждат по модулен принцип, като се адаптират към конкретните изисквания на обекта, архитектурата на сградата и нивото на риск, като същевременно осигуряват възможности за надграждане и централизирано управление [4] [5]. Класическата архитектура на една сигнално-охранителна система включва основни компоненти като детектори, контролни панели, известителни устройства и комуникационни модули. Основната ѝ задача е да преобразува физическо събитие (напр. движение, отваряне на врата, счупване на стъкло) в електрически сигнал, който чрез шлейфова връзка достига до контролния панел, където се анализира и води до активиране на алармено състояние [6]. Настоящата статия има за цел да представи основните технически и функционални характеристики на съвременните сигнално-охранителни системи, с фокус върху тяхната структура, принцип на действие и възможности за интеграция с видеонаблюдение и системи за контрол на достъп. Особено внимание се отделя на предизвикателствата, свързани с изграждането на комплексни охранителни решения и добрите практики при проектиране на надеждни архитектури. Kolarov, M., Paraskevov, H. - 66 - 2 Основни компоненти на съвременните сигналноохранителни системи В основата на всяка сигнално-охранителна система стои набор от взаимосвързани модули и устройства, които осигуряват наблюдение, детекция, контрол на достъп и комуникация с външни системи. Модулният принцип на изграждане позволява конфигурируемост, надграждаемост и висока степен на адаптивност според нуждите на конкретния обект [1]. В настоящото изследване се разглеждат ключовите компоненти на охранителна система, изградена с оборудване на фирмата PARADOX, поради доказаната и надеждност, богата функционалност и широка разпространеност в България [2], [4]. 2.1. Контролен панел Сърцето на системата е контролният панел Digiplex EVO192, поддържащ до 192 зони, до 999 потребителски кода и до 254 разширителни модула. Панелът разполага с памет за 2048 събития, 5 програмируеми PGM изхода (разширяеми до 250), възможности за управление чрез софтуера NEware и WinLoad, както и интегрирани функции за контрол на достъп и комуникация (GSM, IP). 2.2. Интерфейсни устройства (клавиатури) За управление на системата се използват LCD клавиатури K641R с вграден четец за достъп и TM50 Touch с 5-инчов цветен дисплей и иконичен интерфейс. Клавиатурите поддържат едновременна работа с няколко зони, управление на PGM изходи, конфигуриране чрез SD карта, визуализация на събития и персонализация чрез цветови панели. 2.3. Разширителни модули Системата позволява добавяне на нови зони чрез разширители като ZX4 (4 адресируеми зони), като всяка зона може да бъде независимо конфигурирана, включително с допълнителни ключове за защита от саботаж. 2.4. Сензори и детектори Implementation of a Security System for the Art Gallery in Dobrich - 67 - 2.4.1. Магнитни контакти Използван е адресируемият магнитен контакт ZC1 за мониторинг на отваряне на врати и прозорци. 2.4.2. Пасивни инфрачервени (PIR) датчици PIR датчиците DM50 и DG55+ използват патентована цифрова обработка на сигнали (алгоритъм Digital SHIELD), двоен праг за активиране, автоматична температурна компенсация и защита от електромагнитни смущения. Те покриват ъгъл до 110° и разстояние до 12 м , като отговарят на стандарта EN 50131-2-2 за пасивни инфрачервени детектори [7]. 2.4.3. Акустични датчици за стъкло DG457 осигурява детекция чрез анализ на ултразвукови и звукови честоти, с цифрова филтрация и регулируема чувствителност (до 9 м). 2.5. Комуникационни модули Интеграцията на комуникационни и контролни модули изисква внимателно отчитане на архитектурните и киберфизическите уязвимости в рамките на интелигентни обекти [8]. 2.5.1. IP модул IP150 предоставя отдалечен достъп до системата чрез LAN/WAN, с възможности за известяване по e-mail, SSL/HTTPS криптиране и съвместимост със софтуер WinLoad, NEware и Babyware. 2.5.2. GSM/GPRS модул PCS250 поддържа текстови и гласови известия, възможност за дистанционно активиране/деактивиране чрез SMS, криптиране (AES-256) и поддръжка на до 8 телефонни номера за известяване. 2.6. Модули за контрол на достъп Модулът ACM12 позволява управление на една врата чрез четец, бутон за излизане, магнитен контакт и електромагнитен заключващ механизъм. Съвместим е с четци R915, които поддържат работа с карта, ПИН код или комбинация от двете, с устойчива на външни условия конструкция. 2.7. Пожароизвестители Kolarov, M., Paraskevov, H. - 68 - 2.7.1. Автоматичен пожароизвестител ACC-EN комбинира оптичен и термичен елемент, с възможност за програмиране на чувствителност и импулсен/неимпулсен режим. 2.7.2. Ръчен пожароизвестител HCP-E е аналогов адресируем ръчен модул, съвместим с ESP протокол, с LED индикация и монтажни опции. 2.8. Сирени HPA702L е външна сирена с лампа, алуминиев корпус, акустичен изход 103 dB @ 3 м, 16 програмируеми звукови модулации, защита срещу саботаж и работа в широк температурен диапазон (-25°C до +75°C). 2.9. Захранване и аварийно обезпечаване Основното захранване се реализира чрез блок AMS-G13803P (13.8V DC, 3A, IP65 корпус), а за аварийно обезпечаване се използва акумулаторна батерия 12V/7Ah, осигуряваща автономна работа при отпадане на мрежово захранване. Изборът на подходящи захранващи и резервиращи модули следва да се съобрази с топологията на системата и нейната критичност [9]. 3 Проектиране на охранителна система 3.1. Архитектура и изходни параметри на обекта Проектираната система за сигурност е предназначена за охрана на обекта „Художествена галерия гр. Добрич“. Архитектурният план (фиг. 3.1.1) очертава охраняемите зони и точките за контрол на достъпа. Системата следва да отговаря на следните изисквания: • захранване: AC 220V/50Hz, DC 12V; • реализация на пожароизвестяване и контрол на достъп; • комуникация чрез TCP/IP и радиоканал; • покритие на множество независими зони. 3.2. Блокова схема и взаимодействие на подсистемите Implementation of a Security System for the Art Gallery in Dobrich - 69 - Функционалната архитектура на системата включва три основни подсистеми: • сигнално-охранителна система; • система за контрол на достъп и работно време; • пожароизвестителна система. Всяка подсистема изпълнява автономни задачи, но е интегрирана с останалите чрез централен контролен панел, комуникационни интерфейси и обща логика за алармиране и управление [9]. Системата позволява централизирано управление, локализиране на инциденти, както и автоматизирана реакция при установяване на заплаха. 3.3. Функционален анализ на основните блокове 3.3.1. Контролен панел Контролният панел служи за централизирано управление и координация на свързаните устройства. Основни характеристики включват: • управление чрез клавиатура, дистанционно или ключ; • възможност за програмиране на зони и режими на охрана; • задействане на аларма при нерегламентиран достъп; • автоматично известяване на до четири телефонни номера; • възможност за частично активиране (байпасване) на зони. 3.3.2. Детектори Съществуват различни типове детектори в зависимост от целите и средата на използване: • инфрачервени обемни детектори (аналогови и цифрови); • магнитни контактори за врати и прозорци; • акустични детектори за счупено стъкло; Цифровите детектори осигуряват по-висока точност и пониска чувствителност към смущения [7]. 3.3.3. Клавиатури Клавиатурите осигуряват интерфейс между потребителя и системата. Те се монтират на стратегически места и предлагат: • LCD или LED дисплей с индикация за състоянието на системата; Kolarov, M., Paraskevov, H. - 70 - • вграден зумер и бутони за управление; • поддръжка на информационни съобщения и запаметяване на събития; • паралелно свързване към централата чрез 4-жична шина. 3.3.4. Контактори и сирени Контакторите се използват за отчитане на отваряния/ затваряния на отвори, а сирените служат за звукова сигнализация при алармени събития. По-сложните сирени могат да диференцират алармения сигнал според типа на задействане. 3.3.5. Система за контрол на достъп и работно време Системата включва сървър, контролери, четци за безконтактни карти, електромагнитни насрещници и софтуер. Основните функции са: • управление на достъпа чрез идентификация (карти, ПИН, биометрия); • заключване и освобождаване на врати чрез електромагнити; • логване на събития, ограничаване на достъпа по график; • интеграция със CCTV и други системи чрез LAN или сухи контакти [8], [9]. 4 Реализация на охранителна система 4.1. Монтаж и опроводяване на контролния панел Контролният панел EVO 192 се монтира в метална кутия с пет монтажни пина, защитени с тампер, свързан в режим на 24часова охрана. Кутията допуска и монтаж на разширителни модули. Опроводяването включва свързване на сирени, зонови входове, програмируеми и релейни изходи, телефонна линия, тампери и комуникационна шина COMBUS. Максималната дължина на проводниците не трябва да превишава 914 m, като при отдалечени модули се препоръчва допълнително захранване. Изходът за сирена поддържа 12V DC за една 30W или две 20W сирени при ток до 2А. Implementation of a Security System for the Art Gallery in Dobrich - 71 - 4.2. Изчисляване на енергийна консумация и оразмеряване на линии Методиката за оразмеряване на захранването изисква изчисляване на общата консумация на всеки клон. При превишаване на 700 mA се предвижда използване на външно захранване. Консумацията се изчислява въз основа на номиналната стойност за всеки модул, като при превишаване на допустимата дължина на кабела се предвижда разклоняване чрез допълнително захранване. 4.3. Свързване на входни зони към контролния панел Контролният панел EVO 192 разполага с осем адресируеми входни терминала, към които могат да се свържат еднозонови и двузонови детектори, магнитни контакти и други сензори, използвайки N.O./N.C. конфигурации и EOL резистори. 4.4. Интеграция на пожароизвестителни детектори Пожароизвестителните детектори се свързват към контролния панел и се програмират като Fire Zones. PGM1 може да бъде дефиниран като двупроводен вход за димен детектор. В случай на късо съединение се активира аларма, а при прекъсване – се отчита техническа неизправност. 4.5. Свързване на телефонна линия Контролният панел позволява свързване към телефонна линия за автоматично известяване при алармени събития. 4.6. Конфигурация на модули за контрол на достъпа Модулите за контрол на достъп се конфигурират съгласно архитектурата на системата и изискванията на обекта. Връзките се осъществяват чрез четирижична шина, като се използват контролери, четци и електромагнитни насрещници. 4.7. Връзка към Интернет чрез комуникационен модул Модулът IP150 осигурява отдалечен контрол и мониторинг на охранителната система чрез уеб-браузър. Осигурява се съвместимост с HTTPS протокол, криптиране на данни и възможност за известяване по електронна поща. Kolarov, M., Paraskevov, H. - 72 - 5 Заключение Настоящата статия представи етапите по избор, проектиране и реализация на сигнално-охранителна система за обект от обществено значение – „Художествена галерия гр. Добрич“. Анализирани бяха компонентите и технологиите, използвани за изграждане на система с висока степен на надеждност и възможности за интеграция. Беше извършен преглед на съвременните решения и тенденции в областта на охранителните системи – включително контрол на достъп, пожароизвестяване и комуникационни модули. Представената архитектура показа приложението на модулен подход, адаптивност към изискванията на обекта и възможности за надграждане. Проектираната конфигурация включваше блокова схема на взаимодействие между подсистеми, функционален анализ и оразмеряване на енергийни и комуникационни линии. Въз основа на извършеното проучване могат да се очертаят следните тенденции в развитието на системите за сигурност: Преход към компютъризирани системи със стандартен хардуер и съвместим софтуер; Все по-широка интеграция на охранителни, пожароизвестителни и биометрични системи; Усвояване на технологии и стандарти от телекомуникационния сектор; Централизирано и дистанционно управление чрез интернет свързаност и мобилни приложения; Развитие на мрежовите и безжични комуникационни решения; Възможност за наблюдение от разстояние чрез стационарни и мобилни устройства. Системите за сигурност се утвърждават като неотменна част от архитектурата на обществени и частни обекти. Тяхната ефективност зависи както от техническите решения, така и от правилното им проектиране и интеграция. Implementation of a Security System for the Art Gallery in Dobrich - 73 - ЛИТЕРАТУРА: [1] Smith, J., & Brown, A. (2019). Modern Security Systems: Architecture and Integration. Springer. [2] Попов, Д. (2020). Сигнално-охранителни системи и приложението им в жилищни сгради. Техника и технологии, 12(3), 45–52. [3] Zhao, X., et al. (2021). IoT-enabled Intrusion Detection Systems: A Review. IEEE Access, 9, 112345–112360. [4] Тодоров, И. (2018). Основи на електронната охрана. София: Академично издателство. [5] Ivanov, G. & Petrova, N. (2022). Control and Access Systems in Smart Environments. International Journal of Security Technology, 11(2), 79– 88. [6] Христов, В. (2017). Сигурност и контрол: Теоретични и практически аспекти. Русе: Русенски университет. [7] European Committee for Standardization. (2008). EN 50131-2-2: Alarm systems - Passive infrared detectors. CENELEC. [8] Kotenko, I., & Stepashkin, M. (2020). Cyber-Physical Security of Smart Buildings: Architectural Models and Threat Analysis. Security and Communication Networks, vol. 2020, Article ID 8743056. [9] Стоянов, П. (2019). Интегрирани алармени и контролни системи за сигурност. Електроника и автоматика, 61(4), 22–27. Милен Коларов Сектор Пътна Полиция към ОД на МВР гр. Добрич e-mail: [email protected] Христо Параскевов Факултет по математика и информатика Шуменски университет „Епископ К. Преславски“ Е-mail: [email protected] K Ko or rd do ov v K K. ., , Z Zh he el le ez zo ov v S S. ., , B Be ek ki ir r B B. . - 80 - Mathematics and Computer Science, Vol. ХXIV С, 2023, pp. 41 – 46, ISSN 1311-834X. [7] Кордов, К., Стоянов, Ст., Система за управление на осветление в смарт хоум, Сборник студентски научни публикации, Факултет по математика и информатика, том 5, 2023, стр. 15 – 20, ISSN 2683023X. [8] Ultrasonic distance sensor review - What is an Ultrasonic Sensor, https://www.fierceelectronics.com/sensors/what-ultrasonic-sensor - (20.06.2025). [9] Tinkercad web application for Arduino project design - https://www.tinkercad.com/ - (20.06.2025). [10] Mustan, S., Kr. Harizanov 2024. The role of Microsoft platforms Makecode and Tinkercad in STEM education, KNOWLEDGE – International Journal Vol.66.2, pp.217221 (ISSN 2545-4439/1857923Х). Красимир Кордов Факултет по математика и информатика Шуменски университет „Епископ К. Преславски“ Е-mail: [email protected] Станимир Железов Факултет по математика и информатика Шуменски университет „Епископ К. Преславски“ Е-mail: [email protected] Бекир Бекир Факултет по математика и информатика Шуменски университет „Епископ К. Преславски“ A An nn nu ua al l o of f K Ko on ns st ta an nt ti in n P Pr re es sl la av vs sk ky y U Un ni iv ve er rs si it ty y o of f S Sh hu um me en n F Fa ac cu ul lt ty y o of f M Ma at th he em ma at ti ic cs s a an nd d I In nf fo or rm ma at ti ic cs s v vo ol l. . X XX XV VI I С С, , 2 20 02 25 5, , p pp p. . 8 81 1 – – 9 93 3, , https://doi.org/10.46687/ZMZC7716 - 81 - INTEGRATION OF ARTIFICIAL INTELLIGENCE IN INTRUSION DETECTION AND PREVENTION SYSTEMS * STOYAN R. STOYANOV, TEODORA T. STOYANOVA, RADOSTIN E. RAFAILOV ABSTRACT: This article focuses on the integration of artificial intelligence (AI) into Intrusion Detection and Prevention Systems (IDPS) in response to the rapid evolution of security threats. Traditional signature-based security approaches are unable to cope with complex and advanced attacks. AI-based IDPS use machine learning, deep learning and natural language processing to analyze large volumes of data, detect anomalies and predict emerging threats in real time. The article offers practical recommendations for organizations implementing AI-based security solutions. KEYWORDS: Artificial Intelligence, AI, Intrusion Detection and Prevention Systems, IDPS, Machine learning, Deep learning; 2010 Math. Subject Classification: 68T99, 68M25 ИНТЕГРИРАНЕ НА ИЗКУСТВЕН ИНТЕЛЕКТ В СИСТЕМИТЕ ЗА ОТКРИВАНЕ И ПРЕДОТВРАТЯВАНЕ НА ПРОНИКВАНИЯ † СТОЯН Р. СТОЯНОВ, ТЕОДОРА Т. СТОЯНОВА, РАДОСТИН Е. РАФАИЛОВ * This paper is (partially) supported by Scientific Research Grant RD-08106/05.02.2025 of Konstantin Preslavsky University of Shumen † Статията е частично финансирана по проект № РД-08-106/05.02.2025 на ШУ „Еп. Константин Преславски“ Stoyanov, S., Stoyanova, T., Rafailov, R. - 82 - 1 Въведение С широкото използване на Интернет киберпрестъпността нараства със значителни темпове. Киберпрестъпниците, вариращи от отделни хакери до организирани групи, използват уязвимости в мрежи, системи и приложения, като създават сериозни заплахи за физически лица, организации и критични инфраструктури. Традиционните подходи за киберсигурност (защитни стени, антивирусни програми и системи за откриване на проникване) са надеждни, но трудно успяват да се справят с непрекъснато развиващите се тактики, прилагани от атакуващите. Те работят на принципа на съвпадение на моделите със съществуващи известни модели на атаки. Ограниченията на традиционните подходи налагат възприемането на модерни технологии, които ги укрепват и дават възможност за откриване на заплахи и за реагиране в реално време. Тази революционна концепция се постига с въвеждането на изкуствения интелект (ИИ). В частност чрез алгоритмите за машинно обучение се обучават системи, които анализират големи количества данни с цел откриване на потенциални и нововъзникващи заплахи за сигурността. Прогнозите сочат, че глобалният пазар на ИИ в киберсигурността ще достигне 46,3 млрд. долара до 2027 г. [1]. Причините за увеличаващата се употреба на ИИ са възможността му за автоматизация, прогнозиране на заплахи и краткото време за реакция. Автоматизацията позволява на системите с ИИ да задействат незабавна защита след засичане на потенциална атака. Възможността за прогнозиране на заплахи се свързва със способността на ИИ да анализира големи количества данни за кратко време, непрекъснато да се развива и обучава върху тях. Последната ключова характеристика е времето за реакция, тъй като анализаторите по киберсигурност не винаги реагират бързо на атаките за разлика от системите с ИИ. Системите за откриване и предотвратяване на прониквания (Intrusion Detection And Prevention Systems - IDPS) се използват за Integration of AI in IDPS - 83 - наблюдение на мрежовия трафик и системните дейности за подозрителни модели или аномалии. IDPS базирани на ИИ, използват усъвършенствани техники като машинно обучение, дълбоко обучение и обработка на естествен език за откриване, анализиране и смекчаване на сложни киберзаплахи в реално време, като по този начин значително променят облика на киберсигурността. Те са необходими в съвременната киберсигурност, заради критичната необходимост от ефективни методи за справяне с атаки от типа „нулев ден“ и напреднали постоянни заплахи (Advanced Persistent Threat - APT), в което те са по-добри от традиционните системи [2]. 2 Системите за откриване и предотвратяване на прониквания (IDPS) IDPS са механизми за сигурност, предназначени да наблюдават, идентифицират и смекчават неоторизиран достъп или злонамерени дейности в рамките на мрежа или система. Разработването на IDPS е претърпяло значително развитие през десетилетията, като всеки етап от еволюцията им отразява адаптацията към нарастващата сложност на киберзаплахите. Еволюция на IDPS Най-ранните системи, описани през 1987 г., са базирани на сигнатури и разчитат на предварително дефинирани модели на известни атаки. Ефективни са за идентифициране на предварително документирани заплахи, но трудно се справят с нови и сложни атаки. През 90-те години на миналия век се появяват системи за откриване на аномалии, които използват статистически методи за идентифициране на отклонения от нормалното поведение. Тези подходи демонстрират по-добри показатели за откриване на неизвестни заплахи, но са критикувани заради високия процент фалшиво положителни резултати. Поновите решения се фокусират върху хибридни системи, които комбинират методи, базирани на сигнатури и методи за засичане Stoyanov, S., Stoyanova, T., Rafailov, R. - 84 - на аномалии, за да балансират между точността на откриване и намаляването на фалшивите положителни резултати [3]. Интегрирането на изкуствения интелект допълнително трансформира IDPS, позволявайки динамични възможности за откриване и превенция в реално време. Разликите между традиционните IDPS и тези базирани на ИИ са представени в Таблица 1. Еволюцията на ИИ в IDPS е белязана от значителен напредък както в дефанзивните, така и в офанзивните способности. Въвеждането на технологиите за машинно обучение и дълбоко обучение позволява на системите да откриват поефективно модели, аномалии и потенциални заплахи. С течение на времето инструментите, задвижвани от изкуствен интелект, преминават от реактивни мерки, като например идентифициране на известни сигнатури на зловреден софтуер, към проактивни стратегии, като например прогнозен анализ и автоматизирано реагиране на инциденти. Тази еволюция позиционира ИИ като крайъгълен камък на съвременните решения за киберсигурност [4]. Таблица 1: Сравнение между традиционни и ИИ-базирани IDPS Критерий Традиционни IDPS IDPS базирани на ИИ Метод статични правила, сигнатури поведенчески анализ, обучение от данни Точност на откриване висока при познати заплахи висока както при познати, така и при непознати атаки Фалшиви положителни резултати често срещани (при сложни правила) по-рядко срещани Integration of AI in IDPS - 85 - Гъвкавост ниска висока Скорост на реакция бърза при известни шаблони обучение се по-бавно, но реагира по-бързо при атаки Изисквания към данните не изисква големи обеми от данни изисква големи набори от данни за обучение Обяснимост висока често ниска Мащабируемост трудна при големи мрежи подходяща за мащабиране с облачни решения Поддръжка и актуализация необходимост от ръчна актуализация на сигнатурите автоматично обучение и адаптация към нови заплахи Зависимост от експерти висока по-ниска Приложение в реално време добро за познати заплахи, ограничено за нови ефективно при правилно обучение и оптимизация Приложение на ИИ в IDPS Техники за машинно обучение Машинното обучение се е утвърдило като фундаментален компонент на съвременните IDPS, позволявайки автоматизиран анализ на мащабни данни. Алгоритмите за контролирано обучение, като например Decision Trees и Support Vector Machines (SVM), са широко използвани за откриване на прониквания, като постигат висока точност за маркирани набори от данни. Техники Stoyanov, S., Stoyanova, T., Rafailov, R. - 86 - като k-Means Clustering и Gaussian Mixture Models, са обещаващи при откриване на аномалии, когато липсват маркирани данни. Освен контролирано обучение IDPS използва и неконтролирани техники за обучение, например клъстериране (K-Means или DBSCAN), които идентифицират нови заплахи, с които системата не се е сблъсквала преди [3]. Приложения на дълбокото обучение Дълбокото обучение, подмножество на машинното обучение, значително разширява възможностите на IDPS. Техники като Convolutional Neural Networks (CNNs) и Recurrent Neural Networks (RNNs) са особено ефективни за анализиране на многомерни и последователни данни, като например логове на мрежовия трафик [5]. Установено е, че Long Short-Term Memory Networks (LSTM), които са вид RNN, се отличават с отлични постижения при откриването на времеви модели в данните за проникване, което ги прави подходящи за откриване на заплахи в реално време. За откриване на аномалии все по-често се използват autoencoders и Generative Adversarial Networks (GANs), заради тяхната способност да моделират нормалното поведение и да идентифицират отклоненията. Откриване на аномалии и идентифициране на заплахи ИИ също така улеснява поведенческия анализ, като позволява на системите да разбират нормалната работа на потребителите и приложенията. Тази способност позволява откриването на вътрешни заплахи, напреднали постоянни заплахи (APT) и експлойти от типа „нулев ден“ [2]. Освен това интегрирането на обработката на естествен език (NLP) позволява на системите с ИИ да анализират текстови данни, като например информационни канали за заплахи и системни логове, което допълнително засилва способността им да идентифицират потенциални уязвимости [3]. Архитектура на IDPS Архитектурата на една система за откриване и предотвратяване на прониквания, базирана на ИИ, е критичен Integration of AI in IDPS - 87 - компонент, който определя нейната ефективност и ефикасност при идентифицирането и смекчаването на заплахите за сигурността. Тя интегрира различни модули, всеки от които е предназначен за изпълнение на специфични задачи, вариращи от събиране на данни до вземане на решения. IDPS, базирана на ИИ, обикновено се състои от няколко взаимосвързани компонента, които работят заедно за откриване и предотвратяване на прониквания. Основните компоненти включват [3]: 1. Модул за събиране на данни: Събира необработени данни от различни източници, като например логове на мрежовия трафик, системни логове и външни информационни канали за заплахи. Фигура 1: Архитектура на ИИ-базирана IDPS 2. Модул за предварителна обработка: Почиства, нормализира и форматира данните за анализ, като гарантира, че те са подходящи за алгоритмите на изкуствения интелект. 3. Модул за извличане на характеристики: Извлича значими атрибути от необработените данни, като например IP хедъри, размери на пакети и модели на потребителска активност, с цел по-ефективен анализ. 4. AI Engine: Съдържа модели за машинно обучение и дълбоко обучение, които анализират извлечените характеристики. Stoyanov, S., Stoyanova, T., Rafailov, R. - 88 - 5. Модул за детекция: Обработва резултатите от AI engine, за да открие аномалии, сигнатури или злонамерено поведение. 6. Модул за вземане на решения: Предприема проактивни мерки, като например блокиране на подозрителен трафик и изолиране на компрометирани системи. 7. Модул за известяване и отчетност: Генерира предупреждения за администраторите за откритите заплахи и предприетите действия, като предоставя подробни регистри за понататъшен анализ. Този модулен дизайн, показан на Фигура 1, гарантира, че системата е мащабируема, адаптивна и ефективна, способна да обработва големи обеми от данни и да се развива заедно със средата на заплахите. 3 Предизвикателства и ограничения на ИИ в областта на киберсигурността Въпреки че интегрирането на изкуствения интелект в системите за откриване и предотвратяване на прониквания носи значителни ползи, от съществено значение е да се признаят и преодолеят предизвикателствата и ограниченията, свързани с тези технологии. Разбирането на тези пречки е решаващо за разработването на стабилни стратегии за киберсигурност. Употреба на ИИ от киберпрестъпници Използването на ИИ освен в позитивен, може да се разглежда и негативен аспект. Причината е, че киберпрестъпниците също използват ИИ, но с цел манипулиране на системите за сигурност [1]. Потенциалните противникови атаки включват: • Отравяне на данни: В данните за обучение атакуващите инжектират манипулирани данни, което води до неправилна оценка на заплахите. Това може да стане с безобидно изглеждащи файлове, в които има подвеждаща информация. В резултат, на това системата губи своята ефективност и пропуска повече зловредни програми. Integration of AI in IDPS - 89 - • Техники за избягване: Атакуващите променят минимално всички аспекти на зловредния код, за да се избегне откриването му от ИИ и да се класифицира като добронамерен. • Атаки за обръщане на модела: Атакуващите извличат информация от моделите на ИИ, за да разберат какви са механизмите за сигурност [6]. Фалшиви резултати Пристрастните или небалансирани набори от данни могат да доведат до неточни прогнози. Моделите с прекомерно приспособяване могат да дадат неточни прогнози, което води до фалшиви положителни резултати и ненужни предупреждения. Фалшивите положителни резултати (доброкачествени дейности, маркирани като заплахи) и фалшивите отрицателни резултати (злонамерени дейности, класифицирани като доброкачествени) са критични фактори, влияещи върху използваемостта и надеждността на IDPS [3]. Фалшивите положителни резултати представляват сериозно предизвикателство при прогнозирането на заплахи в реално време. Решенията за сигурност, базирани на ИИ, генерират големи обеми от сигнали, които често изискват ръчна проверка от човешки анализатори. Умората от множеството сигнали води до пропускане на реални заплахи. Докладите показват, че екипите по сигурността прекарват до 40% от времето си в разследване на фалшиви сигнали, генерирани от ИИ [7, 8]. 4 Бъдещи тенденции и предизвикателства Тъй като заплахите стават все по-сложни, решенията, базирани на ИИ, се развиват, за да отговорят на изискванията за усъвършенствано откриване и предотвратяване на заплахи. Наред с тези възможности обаче трябва да се преодолеят значителни предизвикателства, свързани с етиката, неприкосновеността на личния живот, мащабируемостта и прилагането в реално време [3, 2]. Сред водещите технологични тенденции изпъкват: Grozdev, T., Paraskevov, H. - 96 - • осигуряване на сигурно и ефективно съхранение на съдържание чрез PHP/MySQL сървър с API комуникация[2]; • реализация на адаптивен (responsive) дизайн, който гарантира коректна визуализация на съдържанието върху различни видове устройства – компютри, таблети и мобилни телефони[5]; • прилагане на JSON API комуникация за интеграция с външни приложения и интерфейси; • внедряване на версионен контрол чрез Git за проследимост на промените и поддръжка на дългосрочна разработка[6]; • използване на съвременни UI фреймуъркове и CSS библиотеки за модерен и функционален интерфейс[4][5]. Обхватът на изследването включва технологичен анализ, архитектурно моделиране, имплементация и тестване на ключови функционалности на системата. Статията разглежда избора на инструменти, принципите на организация на кода и интерфейса, както и възможностите за бъдещо разширение на платформата. 3 Инфраструктурна платформа и среди за разработка 3.1. Хостинг и платформена съвместимост Изборът на подходяща хостинг среда е от решаващо значение за производителността и стабилността на уеб базираните системи. Разработената CMS система е базирана на AMP (Apache, MySQL, PHP) стек, което позволява широк спектър от хостинг конфигурации — от споделен хостинг до облачни решения[2]. В зависимост от очаквания трафик и обем на съдържанието, системата може да бъде разположена както на традиционни сървъри, така и в облачни среди като Amazon S3, където се реализира високоскоростен достъп до мултимедийни ресурси чрез субдомейни. Клиентската версия на продукта изисква минимум следната сървърна конфигурация: Design and implementation of… - 97 - • Уеб сървър Apache 2.4+ или LiteSpeed; • MySQL база данни версия 8.0+; • PHP интерпретатор версия 8.2+ с активиран GD модул за работа с изображения[2]. За нуждите на разработката се използва локална инсталация чрез AMPPS, както и интеграция с Git, Node.js v23+, NPM v10+ и съвременни front-end библиотеки, което осигурява унифицирана среда за разработка и тестване[4][6][10]. Разграничението между продуктовата и разработващата среда е ясно дефинирано, което съдейства за по-добра поддръжка и версияционен контрол. 3.2. Фронтенд архитектура и потребителски интерфейс Графичният интерфейс на системата е реализиран чрез двустепенен подход: административната зона е изградена върху Bootstrap 5, а клиентската част използва React/Next.js и Tailwind CSS, осигуряващи адаптивен дизайн и висока производителност[3][4][5]. Tailwind CSS е избран заради утилитарния си стил и възможностите за прецизен контрол на стилизацията, докато Bootstrap предлага готови компоненти, подходящи за административна логика[5]. Проектът използва Next.js архитектура, базирана на TypeScript, React и PostCSS, с автоматично маршрутизиране, предварително рендиране и API комуникация чрез Axios. Файловата структура на клиента е ясно структурирана в модули (Layout, Page, lib/api-client.ts), което улеснява поддръжката, мащабирането и интеграцията с външни системи[4]. 4 Инсталационна процедура и функционалност на системата 4.1. Процес на инсталация и конфигурация Инсталирането на системата е реализирано по два начина — чрез Git clone от публично хранилище или чрез ръчно разархивиране на публикуван дистрибутив. Инсталационният процес включва: Grozdev, T., Paraskevov, H. - 98 - • настройка на локален AMP сървър; • активиране на PHP разширения (напр. GD); • създаване на MySQL база и потребител; • изпълнение на уеб-базиран инсталатор през браузър; • отделна инсталация и компилация на клиентската част чрез Node.js и NPM. Допълнително се предлага препоръчана среда за разработка чрез Visual Studio Code, включваща Git интеграция и автоматично наблюдение на промените чрез npm run dev. 4.2. Функционалност, базирана на ролеви достъп Системата е изградена с разграничение между администраторски и обикновени потребителски права. Администраторите разполагат с пълен достъп до: • конфигурации на сайта (наименование, домейн, автор, слоган); • редактор на менюта с поддръжка на йерархична структура; • създаване и редакция на съдържание от различни типове (страници, новини, блог постове); • управление на потребители и профили. Потребителите, от своя страна, имат достъп само до съдържанието, което самите те са създали. Това осигурява контролирана среда, подходяща за мултиавторски платформи и съвместна работа, като едновременно запазва сигурността и целостта на данните. 5 Софтуерна архитектура и класова организация Архитектурата на разработената CMS система следва обектно-ориентиран подход, базиран на разделяне на отговорности чрез специализирани класове: Core, Admin и API. Всеки от тях наследява обща логика и осигурява отделни функционални нива – сървърна логика, административен бекенд и комуникационен слой между клиента и сървъра. Design and implementation of… - 99 - Класът Core служи като базов компонент за достъп до база данни, обработка на входни параметри, работа с файлове и изображения, конвертиране на стойности и изпращане на електронни съобщения. Над него се изграждат класовете Admin и API, които разширяват функционалността чрез: • управление на административната зона и достъпа до административни изгледи (Admin); • обработка на AJAX заявки и структурирани отговори за React клиента в JSON формат (API). Внедрен е ясен механизъм за разпределяне на правомощия и динамично зареждане на изгледи и компоненти според ролята на потребителя. По този начин архитектурата постига модулност, преизползваемост на код и лесна поддръжка. 6 Файлова структура и MVC организация Изграждането на CMS системата следва концепцията на Model–View–Controller (MVC), при която се разделя бизнес логиката от потребителския интерфейс. Структурата на проекта е организирана в логически групирани директории [7][9]: • /assets/classes/ съдържа основните класове (Core, Api, Admin); • /assets/views/ – съдържа логиката за зареждане, редакция и изтриване на съдържание, менюта и потребителски профили; • /assets/html/ – предоставя шаблони за потребителски и административен интерфейс на различни езици; • /assets/scripts/ – включва JavaScript файлове за AJAX обработка, визуални ефекти и WYSIWYG редактор; • /assets/styles/ – дефинира основни и специфични CSS стилове за оформяне на съдържанието; • /templates/ – съдържа визуални теми, които могат да бъдат променяни от администратора. Grozdev, T., Paraskevov, H. - 100 - Тази организация подпомага не само ефективната разработка, но и възможността за бъдещи разширения или интеграции чрез REST API или React компоненти. 7 Производителност и поведение при реални условия С оглед практическото приложение на системата, е проведено тестване с акцент върху времето за зареждане и визуализация на съдържанието в браузърната среда. Благодарение на използването на React и архитектурата тип Single Page Application (SPA), се постига минимално време за реакция при смяна на страници и компоненти[3][4]. Само мултимедийните ресурси (снимки, видео) се зареждат динамично при необходимост, което допълнително оптимизира първоначалното зареждане на системата. Тестовете показват, че клиентската част на системата отговаря на съвременните изисквания за производителност и потребителско изживяване, включително при динамична работа с API сървъра и натоварване със съдържание от различен тип. 8 Заключение и насоки за бъдещо развитие Разработената софтуерна система за управление на интернет съдържание демонстрира ефективното прилагане на съвременни технологии в изграждането на модулна, сигурна и лесно разширяема уеб платформа. Чрез интеграцията на React, Next.js, Tailwind CSS, PHP/MySQL и Node.js, проектът успява да съчетае удобство за крайния потребител с гъвкавост за разработчиците и администраторите. Използваната архитектура тип Single Page Application (SPA) и прилагането на ролево базиран достъп допринасят за висока производителност и сигурност, което прави системата подходяща за реална експлоатация. Внедреният MVC модел, ясната файлова структура и автоматизираната разработваща среда осигуряват добра поддръжка и възможност за бъдещо разширяване. Предстоящите подобрения могат да включват: Design and implementation of… - 101 - • интеграция на изкуствен интелект за автоматични препоръки или категоризация на съдържание; • разработване на мобилно приложение с React Native; • внедряване на коментари, форуми и интерактивни компоненти; • автоматичен превод на съдържание и по-добра поддръжка на многоезичност. В заключение, разработката представлява устойчиво решение, което съчетава добри инженерни практики с висока приложимост, и може да служи като основа за по-широки софтуерни решения в сферата на управление на дигитално съдържание. ЛИТЕРАТУРА: [1] Deane Barker. Web Content Management: Systems, Features, and Best Practices. O'Reilly Media, 2016. [2] Valade, Janet. PHP and MySQL Web Development. Pearson Education, 5th Edition, 2016. [3] Alex Banks, Eve Porcello. Learning React: Functional Web Development with React and Redux. O'Reilly Media, 3rd Edition, 2022. [4] Tim Neutkens, The Vercel Team. The Next.js Handbook. Vercel Docs, 2023. [5] Adam Wathan et al. Tailwind CSS: From Zero to Production. Tailwind Labs, 2022. [6] Flanagan, David. JavaScript: The Definitive Guide. O’Reilly Media, 7th Edition, 2020. [7] Martin Fowler. Patterns of Enterprise Application Architecture. AddisonWesley, 2002. [8] Rouse, Margaret. Role-Based Access Control (RBAC) – Definition. TechTarget, [Online Resource]. Grozdev, T., Paraskevov, H. - 102 - [9] Eric Freeman, Elisabeth Robson. Head First Design Patterns. O'Reilly Media, 2nd Edition, 2020. [10] Krolczyk, Adam. Modern Full-Stack Development: Using TypeScript, React, Node.js, Webpack, and Docker. Apress, 2020. Тодор Гроздев Сектор Пътна Полиция към ОД на МВР гр. Добрич e-mail: todorgeorg[email protected] Христо Параскевов Факултет по математика и информатика Шуменски университет „Епископ К. Преславски“ Е-mail: [email protected] Annual of Konstantin Preslavsky University of Shumen Faculty of Mathematics and Informatics vol. XXVI С, 2025, pp. 103 – 117, https://doi.org/10.46687/TKZP9564 - 103 - A REVIEW AND COMPARATIVE ANALYSIS OF MULTIPLE IMAGE ENCRYPTION TECHNIQUES ILIYA S. ILIEV ABSTRACT: Multiple Image Encryption (MIE) is a critical area in digital image security that allows for the simultaneous encryption of multiple images to increase security and efficiency. This paper provides a comprehensive review of 24 key publications in the field over the past twentyfive years, classifying the methods by technique: chaotic systems, transformation approaches, and optical methods. The results are evaluated using metrics such as NPCR, UACI, entropy, and PSNR. The review highlights trends, limitations, performance, and future directions in MIE, including the potential for combined methods that improve security and recovery quality. The main contribution of the paper is to systematize the methods and identify promising approaches for higher security and efficiency. KEYWORDS: multiple image encryption, chaotic maps, augmented images, stacked images, DNA encoding, holography, phase mask, fresnel transform, image security; 2010 Math. Subject Classification: 94A60 ПРЕГЛЕД И СРАВНИТЕЛЕН АНАЛИЗ НА ТЕХНИКИ ЗА КРИПТИРАНЕ НА МНОЖЕСТВО ОТ ИЗОБРАЖЕНИЯ ИЛИЯ С. ИЛИЕВ 1 Въведение С нарастването на цифровите данни и изображенията в мрежата, сигурността им става критичен проблем. Криптирането на изображения е ключов проблем в съвременната информатика, породен от нуждата да се осигури защита на визуални данни в области като медицината, сателитните комуникации, Iliev, I. - 104 - наблюдението и мултимедийните услуги. С нарастването на обема от данни възниква необходимостта не просто да се криптират отделни изображения, а цели серии от изображения, например многоспектрални сателитни панели, медицински томографски срезове или ключови кадри от видео потоци. Тази нужда води до развитие на концепцията за Multiple Image Encryption (MIE). Multiple Image Encryption представлява ефективен подход за едновременно криптиране на няколко изображения, което осигурява по-висока сигурност и по-малка изчислителна сложност, отколкото многократно прилагане на единични алгоритми. Съществуват разнообразни подходи за MIE, като използване на хаотични функции, DNA кодиране, фазови трансформации и холографски техники [1], [2], [3]. Въпреки множеството изследвания, предизвикателствата остават в областта на скоростта на криптиране, сложността на алгоритмите, нивото на сигурност и качество на възстановяване. Целта на настоящата статия е да систематизира и класифицира съвременните методи за MIE и да предложи сравнителен анализ на техните предимства и ограничения. 2 Изложение Множество техники за криптиране на изображения са предложени през последните две десетилетия, като основните подходи могат да се класифицират в три групи: хаотични системи, трансформационни методи и оптични техники. Хаотичните системи [2], [4], [21], [24] са едно от найпопулярните направления в криптирането на изображения, поради гъвкавостта и високата им сигурност. Те използват логистични, Lorenz, Rossler и 3D хаотични функции за дифузия и объркване на пикселите. Демонстрират висока сигурност с NPCR>99%, UACI≈33% и ентропия близка до 8, което ги прави устойчиви на статистически атаки. Основното им предимство е надеждната Multiple image encryption - 105 - защита, докато изчислителната сложност и чувствителността към начални условия са ограничения. Трансформационните методи [1], [9] и [10] използват Френелови, Gyrator или Wavelet трансформации за мултиплексиране и криптиране в честотния домейн. Те позволяват ефективно криптиране на множество изображения едновременно, но изискват повече изчислителни ресурси и специализирани трансформационни операции. Оптичните техники [6] и [12] използват холография и Ghost Imaging за мултиплексиране, осигурявайки уникални решения за едновременно криптиране. Тези методи предлагат висока скорост, сигурност и паралелност, но са чувствителни към шум и изискват оптична апаратура. Няколко статии предлагат комбинирани подходи, интегриращи хаотични функции, трансформации и оптични методи, за да се постигне баланс между сигурност и качество на възстановяване [16], [18] и [20]. NPCR, UACI и ентропията за тези методи са високи, а PSNR>33dB гарантира добро качество след декриптиране. Хибридните подходи осигуряват по-висока сигурност, устойчивост на различни атаки, автентификация и публично-ключова комуникация. Недостатъците са повишената сложност и изчислителна тежест, и зависимостта от специализиран софтуер. Обзорната статия [23] систематизира съществуващите MIE техники, оценява предимствата и ограниченията им и предлага насоки за бъдещи изследвания. Въпреки значителния напредък, съществуващите техники за криптиране на множество изображения все още имат ограничения по отношение на изчислителна ефективност, устойчивост на специфични атаки и приложимост към различни типове изображения, което подчертава необходимостта от по-ефективни и гъвкави решения, Таблица 1. Iliev, I. - 112 - увеличават сложността. Холографските техники и фазовите трансформации предлагат висока ефективност при едновременна трансмисия на множество изображения, но са чувствителни към шум и изискват сложни системи за възстановяване. Алгоритмите [10] и [11] демонстрират най-добър баланс между сигурност и качество на възстановяване, докато оптичните методи предлагат уникални решения за паралелно криптиране, но изискват допълнителна апаратура и са чувствителни към шум. За демонстрация, всички методи бяха приложени върху стандартни изображения с размер 256×256. Основните наблюдения са: ▪ NPCR и UACI – всички алгоритми показват NPCR>99% и UACI~33%, демонстрирайки висока чувствителност и дифузия; ▪ Ентропия – стойности близки до 8, показващи почти пълна случайност; ▪ PSNR – възстановените изображения показват PSNR>33 dB, осигурявайки високо качество на възстановяване. 5 Дискусия Анализът показва, че няма универсален метод за Multiple Image Encryption, който да съчетава максимална сигурност, висока скорост и минимална сложност. Интегрираните подходи, комбиниращи хаос, DNA кодиране и трансформации, показват най-добри резултати. Възможните насоки за бъдещи изследвания включват оптимизация на алгоритмите за реално време, намаляване на чувствителността към шум и разработка на хибридни модели, съчетаващи няколко принципа на криптиране. Оптичните/холографските методи [1], [9], [12], [13], [14], [15] и [17] се отличават с висока хардуерна паралелност и потенциал за много висока скорост, подходящи за сценарии, където е възможно да се използва оптична апаратура. Основните Multiple image encryption - 113 - слабости са практическата чувствителност и ограничената лесна репродуцируемост в софтуерни/цифрови среди. Хаос-базираните схеми [2], [3], [5], [20], [21], [22] и [24] са най-разпространената група в списъка. Тези методи използват хаотични функции (1D/3D/високоизмерни), permutation–diffusion блокове и често битово разлагане или трансформации за повишаване на сигурността. Предимствата са голямото ключово пространство, чувствителността към начални условия и добрата адаптивност; недостатъците — възможни „слаби“ параметрични режими, нужда от внимателен крипто-аналитичен тест и в някои случаи висока изчислителна цена. DNA/бит-равнинните и хибридните кодирания [4], [5] и [16] добавят нови операции върху представянето на данните, които повишават нелинейността и объркването. Основният trade-off е между повишена устойчивост и значително по-голяма изчислителна сложност. Трансформационните техники [7], [10], [11], [13] и [18] използват wavelet, gyrator, Hilbert, Zigzag и други трансформации за намаляване на корелациите или за подобряване на паралелността. Те често се комбинират с хаос за допълнителна сигурност. Хибридните биометрични решения [6], [8] и [14] осигуряват допълнителни функционалности (public-key комуникация, автентикация), но увеличават сложността и изискванията към инфраструктурата. Резултатите са обобщени в Таблица 3. Таблица 3 Сравнение на Multiple Image Encryption методи по категории Категория Конкретни статии Сигурност Скорост Изчислите лна сложност Коментари Iliev, I. - 114 - Оптични / холографск и [1], [9], [12], [13], [14], [15], [17] Средновисока Висока Среднависока Висока паралелност, но чувствителни към шум и калбриране Хаосбазирани [2], [3], [4], [5], [18], [19], [20], [21], [22], [24] Висока Средна Среднависока Гъвкави, голямо ключово пространство ; някои методи бавни при големи изображения DNA / битово-ниво [4], [5], [16] Много висока Средна Висока Отлична дифузия и конфузия, но изчислителн о тежки Трансформа ции [7], [10], [11], [18] Висока Средна Среднависока Подобрена дифузия, намалена корелация; изчислителн о интензивни Хибридни биометричн и [6], [8], [10], [14], [17] Много висока Средна Висока Допълнителн и функции (PK, автентикация ); изискват специализир ан хардуер 6 Заключение Multiple Image Encryption представлява важен инструмент за сигурност на цифровите изображения. Това е активно развиваща се област с множество подходи, всеки със своите предимства и ограничения. Чрез систематичен преглед на 24 ключови Multiple image encryption - 115 - публикации, тази статия предоставя класификация и сравнителен анализ на съвременните методи в тази област. Комбинираните техники предлагат най-добро съотношение между сигурност и качество на възстановяване. Бъдещите изследвания трябва да се фокусират върху оптимизацията на изчислителната ефективност, приложимостта към различни типове изображения и развитието на нови хибридни алгоритми. ЛИТЕРАТУРА [1] Situ, G., & Zhang, J. (2005). Multiple-image encryption by wavelength multiplexing. Optics letters, 30(11), 1306-1308. https://doi.org/10.1364/OL.30.001306. [2] Zhang, X., & Wang, X. (2017). Multiple-image encryption algorithm based on mixed image element and chaos. Computers & Electrical Engineering, 62, 401-413. https://doi.org/10.1016/j.compeleceng.2016.12.025. [3] Gao, X., Mou, J., Xiong, L., Sha, Y., Yan, H., & Cao, Y. (2022). A fast and efficient multiple images encryption based on single-channel encryption and chaotic system. Nonlinear dynamics, 108(1), 613-636. https://doi.org/10.1007/s11071-021-07192-7. [4] Zhang, X., & Wang, X. (2019). Multiple-image encryption algorithm based on DNA encoding and chaotic system. Multimedia Tools and Applications, 78(6), 7841-7869. https://doi.org/10.1007/s11042-0186496-1. [5] Tang, Z., Song, J., Zhang, X., & Sun, R. (2016). Multiple-image encryption with bit-plane decomposition and chaotic maps. Optics and Lasers in Engineering, 80, 1-11. https://doi.org/10.1016/j.optlaseng.2015.12.004. [6] Zhang, L., Yuan, X., Wang, K., & Zhang, D. (2019). Multiple-image encryption mechanism based on ghost imaging and public key cryptography. IEEE Photonics Journal, 11(4), 1-14. https://doi.org/10.1109/JPHOT.2019.2923705. [7] Zhong, H., & Li, G. (2022). Multi-image encryption algorithm based on wavelet transform and 3D shuffling scrambling. Multimedia Tools and Applications, 81(17), 24757-24776. https://doi.org/10.1007/s11042-022-12479-x. Iliev, I. - 116 - [8] Banerjee, S., Mukhopadhyay, S., & Rondoni, L. (2012). Multi-image encryption based on synchronization of chaotic lasers and iris authentication. Optics and Lasers in Engineering, 50(7), 950-957. https://doi.org/10.1016/j.optlaseng.2012.02.009. [9] Hwang, H. E., Chang, H. T., & Lie, W. N. (2009). Multiple-image encryption and multiplexing using a modified Gerchberg–Saxton algorithm and phase modulation in Fresnel-transform domain. Optics letters, 34(24), 3917-3919. https://doi.org/10.1364/OL.34.003917. [10] Sun, X., Shao, Z., Shang, Y., Liang, M., & Yang, F. (2021). Multipleimage encryption based on cascaded gyrator transforms and highdimensional chaotic system. Multimedia Tools and Applications, 80(10), 15825-15848. https://doi.org/10.1007/s11042-021-10550-7. [11] Zhang, X., & Liu, M. (2024). Multiple-image encryption algorithm based on the stereo Zigzag transformation. Multimedia Tools and Applications, 83(8), 22701-22726. https://doi.org/10.1007/s11042023-16404-8. [12] Yu, X., Zhang, Y., Ma, M., Li, J., Li, X., & Sun, Y. (2024). Multiple image encryption based on multiplexing holography with Kramers– Kronig relations. Optics and Lasers in Engineering, 172, 107887. https://doi.org/10.1016/j.optlaseng.2023.107887. [13] Mosso, E., & Bolognini, N. (2019). Dynamic multiple-image encryption based on chirp z-transform. Journal of Optics, 21(3), 035704. https://doi.org/10.1088/2040-8986/ab015f. [14] Abuturab, M. R. (2020). A superposition based multiple-image encryption using Fresnel-Domain high dimension chaotic phase encoding. Optics and Lasers in Engineering, 129, 106038. https://doi.org/10.1016/j.optlaseng.2020.106038. [15] Wang, Q., Guo, Q., Lei, L., & Zhou, J. (2013). Multiple-image encryption based on interference principle and phase-only mask multiplexing in Fresnel transform domain. Applied optics, 52(28), 6849-6857. https://doi.org/10.1364/AO.52.006849. [16] Pourjabbar Kari, A., Habibizad Navin, A., Bidgoli, A. M., & Mirnia, M. (2021). A novel multi-image cryptosystem based on weighted plain images and using combined chaotic maps. Multimedia Systems, 27(5), 907-925. https://doi.org/10.1007/s00530-021-00772-y. [17] Su, Y., Wang, X., Wang, Z., Liu, C., Li, J., Xu, K., & Wan, W. (2022). Security-enhanced multiple-image encryption based on modified Multiple image encryption - 117 - iterative phase retrieval algorithm with structured phase mask in Fresnel domain. Optik, 254, 168649. https://doi.org/10.1016/j.ijleo.2022.168649. [18] Demirtaş, M. (2022). A Fast multiple image encryption algorithm based on Hilbert curve and chaotic map. In 2022 Innovations in Intelligent Systems and Applications Conference (ASYU) (pp. 1-5). IEEE. https://doi.org/10.1109/ASYU56188.2022.9925564. [19] Paul, A., & Kandar, S. (2022). Simultaneous encryption of multiple images using pseudo-random sequences generated by modified Newton-Raphson technique. Multimedia Tools and Applications, 81(10), 14355-14378. https://doi.org/10.1007/s11042-022-12210-w. [20] Wang, X., & Liu, H. (2022). Cross-plane multi-image encryption using chaos and blurred pixels. Chaos, Solitons & Fractals, 164, 112586. https://doi.org/10.1016/j.chaos.2022.112586. [21] Hoang, T. M. (2022). A novel design of multiple image encryption using perturbed chaotic map. Multimedia Tools and Applications, 81(18), 26535-26589. https://doi.org/10.1007/s11042-022-12139-0. [22] Sui, L., Duan, K., Liang, J., Zhang, Z., & Meng, H. (2014). Asymmetric multiple-image encryption based on coupled logistic maps in fractional Fourier transform domain. Optics and lasers in engineering, 62, 139-152. https://doi.org/10.1016/j.optlaseng.2014.06.003. [23] Eltoukhy, M. M., Alsubaei, F. S., Elnabawy, Y. M., & Hosny, K. M. (2025). Multiple image encryption techniques: Strategies, challenges, and potential future directions. Alexandria Engineering Journal, 125, 367-387. https://doi.org/10.1016/j.aej.2025.04.006. [24] Malik, D. S., & Shah, T. (2020). Color multiple image encryption scheme based on 3D-chaotic maps. Mathematics and Computers in Simulation, 178, 646-666. https://doi.org/10.1016/j.matcom.2020.07.007. Илия Илиев ШУ „Еп. Константин Преславски“ e-mail: [email protected] Annual of Konstantin Preslavsky University of Shumen Faculty of Mathematics and Informatics vol. XXVI С, 2025, pp. 118 – 127, https://doi.org/10.46687/ORXR8708 - 118 - INNOVATIVE PRACTICES UNDER THE PROJECT "MATHEMATICS IS FOR EVERYONE" MILENA G. NYAGOLOVA ABSTRACT: The aim of the study is to identify the most effective innovative methods of teaching mathematics. Theoretical and empirical methods were used to carry out the study. The project activities have led to a better overall performance at various forums related to mathematics - competitions, Olympiads and others at various levels - to international. KEYWORDS: mathematics; teaching methods, functional literacy, interesting, effective school; ИНОВАТИВНИ ПРАКТИКИ ПО ПРОЕКТ „МАТЕМАТИКАТА Е ЗА ВСЕКИ“ МИЛЕНА Г. НЯГОЛОВА Математиката е универсален език, който има приложение във всички области на познанието и бита. Тя е непреходно и стойностно постижение на човека, което е в основата на множество блестящи открития във всички научни области. Не на последно място тя има отражение и върху цялостния обществен живот. В науката съществуват множество класификации на методите на обучение, като някои от тях са: ➢ според източника на информация – словесни, нагледни и практически; ➢ според целта на прилагане – за придобиване на нови знания, за формиране на умения и навици, за прилагане на знанията, за затвърждаване на знанията и уменията и др.; Innovative practices… - 119 - ➢ на Ю. Бабанский – относно учебно-познавателната дейност: за организация и осъществяване; за стимулиране и мотивация; за контрол и самоконтрол;[1] ➢ на проф. д-р И. Иванов – директивни и интерактивни; [2] ➢ на М. Манева – пасивни и активни. [3] Постоянните усилия на целия екип на Основно училище „Васил Левски“, гр. Разград за запазване на позицията на найжелано иновативно училище в региона получиха признание от фондация „Заедно в час“ [5] с включването му в проекта „Училища за пример“. Училището е лидер по иновации и прогрес сред образователните структури в областта. Иновативните методи на обучение по математика, приложени при работата по проекта „Математиката е за всеки“, бяха: сторителинг, проектно-ориентиран метод, ролева игра, обърната класна стая, кейс-метод и др. Бяха използвани всички познати видове уроци, както и уроци за решаване на проблеми и уроци за моделиране. Причината за започване на проекта „Математиката е за всеки“ беше неочакваният тотален срив в средния успех на учениците в началото на 6 клас [4]. На Фигура 1 са представени резултатите. Фигура 1 Съпоставка на средния успех Nyagolova, M. - 120 - Целта на проекта беше формиране на функционална математическа грамотност, която се постига чрез решаване на практически ориентирани задачи и чрез формиране на умения за четене с разбиране и осмисляне на текстове в часовете по математика и български език. Видовете задачи за формиране на математическа грамотност според М. Манева [3] са: ➢ Задачи от вида „Вярно – невярно“; ➢ Задачи от вида „Поставете – insert“; ➢ Задачи за съответствие; ➢ Задачи за попълване на липсващи думи в текст чрез избор, дописване или зачертаване на излишните думи. Работата по проекта помогна и на родителите да се приобщят към дейностите на училищния екип за подобряване качеството на образователния продукт. В науката са описани различни подходи за оценка на ефективното училище. Според проф. д-р И. Иванов условията, оказващи влияние върху ефективността, са: ➢ качеството на подготовката и мотивацията на учителите; ➢ учебните програми; ➢ актуалните материални ресурси; ➢ управлението и организацията на учебния процес; ➢ заинтересоваността и подкрепата на всички структури, свързани с училището и др.[2] Рамката на изследването PISA през 2022г. по математика е фокусирана върху развитието на умения за ХХI-ви век, като Организацията за икономическо сътрудничество и развитие посочва специално някои от тях в следната фигура 2 [8]: Innovative practices… - 121 - Фигура 2 Умения за ХХI-ви век, изследвани в PISA '22 [8] Формирането на функционална математическа грамотност е дълъг и труден процес, изискващ много усилия и висока мотивация от страна на всички участници. В обучението по математика трябва да се прилагат различни иновативни и интерактивни методи за изграждане на функционална математическа грамотност. Тази тема не е достатъчно добре проучена, анализирана и застъпена в педагогическите изследвания и публикации. Факторите, обуславящи ниските резултати (под критичния праг на функционална грамотност) на България, отчитани от изследването PISA, са: 1. Социално-икономическият и културният статус на учениците; 2. Видът на училището, в което се обучават; 3. Нивото на мотивация за учене; Annual of Konstantin Preslavsky University of Shumen Faculty of Mathematics and Informatics vol. XXVI С, 2025, pp. 128 – 138, https://doi.org/10.46687/ACRQ5221 - 128 - SPECIFIC FEATURES IN THE PREPARATION OF ACCOUNTING POLICIES IN NON-FINANCIAL ENTERPRISES * DYANSEL A. MUSTAFOVA, PAVLINA P. DIMITROVA ABSTRACT: In the modern economic environment, accounting policy represents a key element of the financial reporting of every enterprise. It determines the application of specific principles, methods, and assumptions through which a true, fair, and comparable presentation of business activity is achieved. The importance of accounting policy increases particularly in the context of the application of the International Financial Reporting Standards (IFRS), which require consistency, transparency, and professional judgment on the part of management. KEYWORDS: accounting policy, reporting, International Financial Reporting Standards; 2010 Math. Subject Classification: 97B99 ОСОБЕНОСТИ ПРИ ИЗГОТВЯНЕ НА СЧЕТОВОДНАТА ПОЛИТИКА В НЕФИНАНСОВИ ПРЕДПРИЯТИЯ † ДЖАНСЕЛ А. МУСТАФОВА, ПАВЛИНА П. ДИМИТРОВА 1 Въведение В съвременната икономическа среда счетоводната политика представлява ключов елемент от финансовата отчетност на всяко предприятие. Тя обуславя приложението на конкретни принципи, * This paper is partially supported by Scientific Research Grant РД-08118/06.02.2025 of Konstantin Preslavsky University of Shumen † Статията е частично финансирана по проект РД-08-118/06.02.2025 г. на ШУ „Еп. Константин Преславски“ Особености при изготвяне на… - 129 - методи и допускания, чрез които се постига вярно, честно и съпоставимо представяне на стопанската дейност. Значимостта на счетоводната политика нараства особено в контекста на прилагането на Международните стандарти за финансово отчитане (МСФО), които изискват последователност, прозрачност и професионална преценка от страна на ръководството. Настоящият анализ има за цел да изследва особеностите на счетоводната политика в нефинансовите предприятия чрез конкретния пример на „Химимпорт“ АД. Холдинговата структура на дружеството, съчетаващ разнообразие от икономически дейности, включително нефинансови сектори, предоставя богата емпирична база за анализ на приложимите счетоводни практики. Особен интерес представлява взаимодействието между формулираната счетоводна политика и реалното ѝ прилагане в процеса на изготвяне на годишния консолидиран финансов отчет. Обект на изследване е съдържанието, структурата и приложимостта на счетоводната политика, както е отразена в отчетността на „Химимпорт“ АД. Предмет на изследване са публикувани финансови отчети, както и прилежащите към тях приложения вкл. значими счетоводни политики, доклади за дейността и др. Изследването проследява основните елементи на утвърдената политика, извършените промени през периода 2019– 2024 г., както и съответствието ѝ с приложимите стандарти и нормативни изисквания. Особено внимание се отделя на възможностите за усъвършенстване на разкритията и тяхната интеграция с нефинансовите аспекти на отчетността. Целта е да се представят възможности за усъвършенстване оповестяването на счетоводната политика на „Химимпорт“ АД. Във връзка с достигане на целта, се поставят следните задачи: 1. Разглеждане на същността и значението на счетоводната политика за всяко едно предприятие 2. Очертаване кръга от дейности на Химимпорт АД; Mustafova, D., Dimitrova. P. - 130 - 3. Дискутиране по специфичните елементи на дескриптивната информация на предприятието; 4. Изясняване на проблемните части при оповестената счетоводна политика. Ограничения – използвани са данните за периода 20192024г. Анализът се базира само върху някои ключови счетоводни стандарти, като МСФО 1, 2, 9, 12, 15 и 16. Използваният методически инструментариум е анализ и синтез, исторически подход, дескриптивен подход. 2 Изложение Теоретични основи на счетоводната политика Счетоводната политика представлява система от принципи, правила и методи, чрез които дадено предприятие организира и осъществява своето счетоводно отчитане. Тя има нормативна и управленска стойност, тъй като определя как се признават, оценяват, представят и оповестяват финансовите елементи на дейността. От нейния характер и последователност зависи качеството на финансовата отчетност и възможността за съпоставимост между отчетни периоди. Атанасова и Маринова отразяват, че нефинасовата информация „съдържа по-скоро качествени характеристики за обектите на отчитане и за предприятието, като цяло“ [1,2]. П. Димитрова [3] изяснява, че нефинансовата информация „от гносеологическа гледна точка се свързва с факта, че няма финансов характер, т.е. това е предоставяне на съвкупност от данни относно неколичествени показатели“. Значимостта на счетоводната политика се увеличава особено в контекста на прилагането на Международните счетоводни стандарти (МСФО), където се допуска известна свобода на избор на методи – напр. при оценка на активи, амортизационни методи или класификация на финансови инструменти. Това поставя акцент върху необходимостта от ясно дефинирана и публично достъпна политика. Особености при изготвяне на… - 131 - МСС 8 „Счетоводна политика, промени в приблизителни оценки и грешки“ е основният стандарт, който регламентира принципите за избор и прилагане на счетоводна политика. Той изисква последователност във времето и оповестяване на всякакви промени в използваните методи, когато те водят до по-надеждно представяне на информацията. В структурата на счетоводната политика попадат множество елементи – документооборот, методи за оценка на активи и пасиви, амортизация, признаване на приходи и разходи, данъчно отчитане, вътрешен контрол и др. Всеки от тях играе роля за коректното отразяване на икономическата реалност на предприятието. Все по-значим компонент на отчетността става и нефинансовата информация – част от т.нар. ESG аспекти (екологични, социални, управленски). Тя има съществено значение за заинтересованите страни, особено при публични и големи предприятия. Законодателството в България, синхронизирано с европейските директиви (като 2014/95/ЕС и новата 2022/2464/ЕС) [5,6,7,8,9,10,11], изисква от предприятията с обществен интерес да включват нефинансов отчет или декларация за устойчивост. Това допълнително обогатява съдържанието на счетоводната политика и отразява ангажимента на предприятията към прозрачност, устойчиво развитие и социална отговорност. Представяне и анализ на счетоводната политика на „Химимпорт“ АД „Химимпорт“ АД е публично дружество с холдингова структура, включваща дружества в различни икономически сектори – транспорт, финанси, промишленост, селско стопанство и други. Поради този комплексен характер, счетоводната му политика е адаптирана към разнообразни дейности и стандарти за отчетност. Компанията изготвя консолидиран годишен финансов отчет съгласно Международните стандарти за финансово отчитане Mustafova, D., Dimitrova. P. - 132 - (МСФО), в съответствие със Закона за счетоводството и европейските изисквания за публични предприятия [15,16,17,18,19,20,21,22]. Като част от своята счетоводна политика, „Химимпорт“ избира и последователно прилага ключови стандарти като: • МСФО 1 – за представяне на финансовите отчети, • МСФО 15 – за признаване на приходи от договори с клиенти, • МСФО 9 – относно класификацията и оценката на финансови инструменти, • МСФО 16 – при отчитане на лизинги чрез модела „право на ползване“, • МСС 2 и 12 – свързани със запасите и данъците. Приходите се признават в съответствие с МСФО 15 – на базата на идентифицирани договорни задължения, които се изпълняват в определен момент или период. Финансовите активи и пасиви се класифицират в съответствие с МСФО 9 – като измервани по справедлива стойност през печалба или през друг всеобхватен доход, или по амортизирана стойност в зависимост от бизнес модела на предприятието. Запасите се отчитат по себестойност или по нетна реализируема стойност, в зависимост коя от двете е по-ниска. Приложението на МСФО 16 от 2019 г. води до съществени промени в представянето на лизинговите договори. Компанията признава дългосрочните лизинги като активи за право на ползване и съответстващо задължение, което увеличава отчетните активи и пасиви. Това изменение се отразява пряко върху финансовите показатели, особено за предприятията от транспортния и логистичния сектор, които са част от групата на „Химимпорт“. В рамките на консолидираната отчетност се прилагат унифицирани счетоводни политики във всички дъщерни дружества, независимо от техния предмет на дейност. Извършва Особености при изготвяне на… - 133 - се елиминиране на вътрешногруповите сделки и се отчитат миноритарни участия, когато е приложимо. Всички дъщерни предприятия, над които „Химимпорт“ има контрол, са включени в консолидирания отчет с пълна консолидация, съгласно МСФО 10. В последните години компанията започва да отделя особено внимание на нефинансовата отчетност, във връзка с изискванията на ЕС за докладване на информация относно устойчивост, социална отговорност и добро корпоративно управление. Публикуват се данни относно политики за човешки ресурси, околна среда, антикорупционни практики и други нефинансови показатели, съгласно изискванията на чл. 48 от Закона за счетоводството и директивите 2014/95/ЕС и 2022/2464/ЕС. През периода 2019–2024 г. в счетоводната политика на дружеството са настъпили няколко значими изменения. Найсъществени са въвеждането на МСФО 16, разширяването на разкриваната нефинансова информация, актуализацията на критериите за признаване на приходи и адаптацията на отчетността към новите регулаторни изисквания в сферата на устойчивостта. Въпреки че счетоводната политика на „Химимпорт“ АД е в съответствие с приложимите международни стандарти и демонстрира висока степен на последователност, съществуват възможности за нейното допълнително усъвършенстване. Това е особено важно в контекста на нарастващите изисквания за отчетност, както във финансов, така и в нефинансов аспект. На първо място, може да се препоръча по-детайлно структуриране на представянето на счетоводната политика в годишния финансов отчет. В момента тя е интегрирана в пояснителните приложения, но липсват ясно разграничени тематични блокове. По-ясната подредба – например разделяне по области (приходи, амортизации, данъци, финансови инструменти, лизинги) – би улеснила ползвателите на информацията и би повишила прозрачността на отчетността. Mustafova, D., Dimitrova. P. - 134 - Второ, възможно е да се въведе систематично сравнение на прилаганите политики спрямо предходни периоди, както и обосновка на направените промени. Това ще отговори на изискванията на МСС 8 и ще покаже активен контрол и развитие на политиката във времето. На трето място, с оглед на разширяващите се задължения по отношение на нефинансовата отчетност, „Химимпорт“ би могъл да включи отделен раздел в счетоводната си политика, в който да се дефинира подходът към ESG отчетността. Това включва методи за измерване и оценка на нефинансови показатели, както и принципите за събиране и проверка на тази информация. Също така, в бъдеще следва да се обмисли въвеждането на вътрешни насоки за дъщерните дружества, чрез които да се осигури пълна унификация на прилаганите политики в рамките на групата. Това е особено важно при консолидация, както и при промените в законодателството, свързани с корпоративната устойчивост. В заключение, усъвършенстването на счетоводната политика на „Химимпорт“ АД следва да се възприема като непрекъснат процес, насочен към по-висока отчетна прозрачност, съответствие със стандартите и изграждане на доверие сред всички заинтересовани страни. 3 Заключение Счетоводната политика е ключов инструмент за осигуряване на прозрачност, съгласуваност и надеждност на финансовата отчетност. В условията на прилагане на Международните стандарти за финансово отчитане (МСФО), изискванията към формулирането и практическото прилагане на счетоводна политика стават все по-комплексни, особено в предприятия с диверсифицирана дейност и множество дъщерни дружества. Особености при изготвяне на… - 135 - Анализирайки консолидираните отчети на „Химимпорт“ АД за периода 2019–2024 г. беше установено, че дружеството прилага стандартен подход в съответствие с изискванията на МСФО. Въпреки това съществуват определени области, в които счетоводната политика може да бъде усъвършенствана както по отношение на съдържанието, така и по отношение на прозрачността на разкритията. Това включва по-детайлно оповестяване на използваните допускания при оценка на активи и пасиви, по-ясно описание на специфичните методи в различните отрасли, както и по-добра интеграция с нефинансовата отчетност. Направеният преглед показва, че Химимпорт АД е адаптирало своята отчетна политика спрямо промените в нормативната среда, включително прилагането на нови стандарти като МСФО 16. Наред с това обаче се отчита потенциал за развитие, особено в контекста на Европейските стандарти за устойчивост (ESRS), които изискват по-структурирано отчитане на нефинансови аспекти като климатични рискове, устойчиви инвестиции и социална отговорност. Предложените в настоящата работа препоръки имат за цел да подкрепят процеса на усъвършенстване на счетоводната политика в посока по-висока прозрачност, сравнимост и интеграция със съвременните регулаторни изисквания. Те са приложими не само за Химимпорт АД, но и за други нефинансови предприятия, стремящи се към отчетност, която отразява адекватно тяхната икономическа реалност и устойчив потенциал. ЛИТЕРАТУРА: [1] Атанасов, А., Р. Кръстева-Христова, А. Аспарухова. Същност, организация и моделиране на счетоводната политика в нефинансовите предприятия. – Алманах „Научни изследвания“, том 20, СА „Д. А. Ценов“ – Свищов, 2013, с. 291. Mustafova, D., Dimitrova. P. - 136 - [2] Атанасов, А., Р. Маринова. Нефинансовата информация във финансовите отчети като елемент на корпоративната социална отговорност и предпоставка за устойчиво развитие. – SSRN, 2014. Интернет източник: [https://ssrn.com/abstract=2737764](https://ssrn.com/abstract=2737764) (достъпен на 25.03.2025 г.). [3] Димитрова, П. Нефинансовата информация в годишните отчети на предприятията от обществен интерес. – Пловдив, 2022. [4] Закон за счетоводството. – ДВ, бр. 96 от 20.11.2021 г. [5] Директива 2013/34/ЕС на Европейския парламент и на Съвета от 26 юни 2013 г. относно годишните финансови отчети. – Интернет източник: [https://eur-lex.europa.eu](https://eur-lex.europa.eu) (достъпен на 09.04.2025 г.). [6] Директива 2014/95/ЕС на Европейския парламент и на Съвета. – Интернет източник: [https://eur-lex.europa.eu](https://eurlex.europa.eu) (достъпен на 09.04.2025 г.). [7] Директива (ЕС) 2018/410 на Европейския парламент и на Съвета от 14 март 2018 г. – Интернет източник: [https://eurlex.europa.eu/](https://eur-lex.europa.eu/) (достъпен на 26.05.2025 г.). [8] Европейска комисия (ЕК). Насоки относно оповестяването на нефинансова информация (2017/C 215/01). – Интернет източник: [https://eur-lex.europa.eu](https://eur-lex.europa.eu) (достъпен на 28.04.2025 г.). [9] Европейска комисия. CSRD Директива (2022/2464). – Интернет източник: [https://eur-lex.europa.eu](https://eur-lex.europa.eu) (достъпен на 28.04.2025 г.). [10] Европейски стандарт за нефинансово отчитане (ESRS). – Интернет източник: [https://www.efrag.org/](https://www.efrag.org/) (достъпен на 25.05.2025 г.). [11] EFRAG. Climate-related Risks in the Financial Statements. – Интернет източник: https://www.efrag.org (достъпен на 25.05.2025 г.). Особености при изготвяне на… - 137 - [12] EMAS – Схема на Общността за управление по околна среда и одит. – Интернет източник: https://eur-lex.europa.eu/ (достъпен на 14.04.2025 г.). [13] Николов, Е. Глобалната инициатива по отчетност. – Интернет източник: https://www.researchgate.net/ (достъпен на 29.04.2025 г.). [14] Инфосток. Профил на емитент: Химимпорт. – Интернет източник: https://www.infostock.bg/infostock/control/profile/CHIM (достъпен на 26.05.2025 г.). [15] Химимпорт АД. Консолидиран финансов отчет на Групата за 2019 г. – 2020. Интернет източник: https://chimimport.bg (достъпен на 26.05.2025 г.). [16] Химимпорт АД. Консолидиран финансов отчет на Групата за 2020 г. – 2021. Интернет източник: https://chimimport.bg (достъпен на 26.05.2025 г.). [17] Химимпорт АД. Консолидиран финансов отчет на Групата за 2021 г. – 2022. Интернет източник: https://chimimport.bg (достъпен на 26.05.2025 г.). [18] Химимпорт АД. Консолидиран финансов отчет на Групата за 2022 г. – 2023. Интернет източник: https://chimimport.bg (достъпен на 26.05.2025 г.). [19] Химимпорт АД. Консолидиран финансов отчет на Групата за 2023 г. – 2024. Интернет източник: https://chimimport.bg (достъпен на 26.05.2025 г.). [20] Химимпорт АД. Консолидиран финансов отчет на Групата за 2024 г. – 2025. Интернет източник: https://chimimport.bg/bg [21] КРМСФО 23 – Несигурност при отчитане на данъци. – Интернет източник: [https://balans.bg/normativen-akt/krmsfo- Matiash, А., Matiash, О. - 144 - • One strategy for using AI in geometry problem-solving is to teach students to compare geometric shapes with real-world objects and determine their heights by visualizing them using AI tools such as Canva or GeoGebra. • Augmented Reality (AR) is a valuable tool for supporting geometry teaching and learning, helping students better understand composition, spatial representation, and other geometric aspects. • Intelligent tutoring systems that integrate AR can serve as effective learning environments for helping middle and high school students study complex geometry topics. • Overall, the use of AI in geometry teaching (including computer programs, virtual environments, and robotics) offers students great opportunities for developing creativity and optimizing the learning process. • Generative AI enhances visualization in geometry, especially through immersive and interactive 3D modeling. The integration of generative AI with extended reality (XR) technologies enables teachers to design more engaging learning experiences that go beyond traditional instruction. • Combining traditional teaching methods with AI-based tools such as ChatGPT can provide substantial benefits, particularly for students whose cognitive styles align with interactive and exploratory learning, promoting higher-order skills like problemsolving and critical analysis. • Using AI, teachers can design more effective learning materials for students with intellectual disabilities. In geometry lessons for children with mild intellectual impairments, AI can be applied through visual objects or multimedia formats such as videos and quizzes. • In its current form—using ChatGPT—and undoubtedly in its future iterations, AI can enhance learning effectiveness by helping to overcome three barriers: lack of applied learning orientation, Artificial intelligence… - 145 - illusion of deep understanding, and inability to critically assess content. • The fact that AI-generated examples may sometimes be inaccurate, irrelevant, or fabricated can be pedagogically leveraged. Teachers can encourage students to compare, analyze, and correct such examples, turning AI’s fallibility into a learning opportunity that promotes reflection and critical inquiry. • Geometry learning requires practice in reinforcing new knowledge and applying it in varied contexts. One powerful way to practice is teaching others. The processes involved in explaining material to someone else deepen understanding and highlight gaps in comprehension. AI opens new possibilities for this kind of interaction. • Generative AI contributes to automated assessment in geometry, providing immediate feedback essential for student development. Unlike traditional assessment methods that delay feedback, AI-based systems can offer real-time performance analysis, identifying students’ strengths and weaknesses. 3 Conclusion One of the most effective ways to enhance the learning of geometry is the methodically balanced and pedagogically sound integration of digital technologies into the educational process. Through the thoughtful use of artificial intelligence (AI) in geometry instruction, students can explore and explain geometric concepts in multiple forms within a technology-rich environment. Researchers from various countries associate the limited use of modern digital technologies with the insufficient preparation of mathematics teachers for their effective implementation. Methodological science must provide teachers who teach geometry with well-grounded, research-based methodological guidelines and recommendations for the effective use of AI. The systematization and development of methodological recommendations Matiash, А., Matiash, О. - 146 - for the efficient application of AI in teaching geometry represent a key objective of our research References: [1] Abdul Hanid, M., Mohamad Said, M., & Yahaya, N. (2022). Effects of augmented reality application integration with computational thinking in geometry topics. Education Information Technology, 27, 9485–9521. https://doi.org/10.1007/s10639-022-10994-w. 2022 [2] Bubnov, I. V. Opportunities and risks of using artificial intelligence in the educational sphere of modern Ukraine. Abstracts of the XI International Scientific and Practical Conference, Florence, Italy, November 27–29, 285–290. https://eu-conf.com/ua/events/the-latest-informationandcommunicationtechnologies-in-education/. 2023 [3] Dimitriadou, E., & Lanitis, A. On the potential of using generative artificial intelligence for geometry educational activities. HAL Archive. https://www.researchgate.net/publication/391230545. 2025 [4] Dockendorff, M., & Solar, H. ICT integration in mathematics initial teacher training and its impact on visualization: The case of GeoGebra. International Journal of Mathematical Education in Science and Technology, 49(1), 66–84. https://doi.org/10.1080/0020739x.2017.1341060. 2018 [5] Gülburnu, M. Secondary School Students' Views on Geometry Teaching via Three Dimensional Dynamic Geometry Software Cabri 3D: Solid Volume Measurement. International Journal of Curriculum and Instruction, 14(1), 1088–1105. 2022. [6] Mambetova, N. S. The role of artificial intelligence in the creative activity of students in teaching geometry. Vestnik Issyk-Kulskogo Universiteta. https://www.researchgate.net/publication/384961959. 2024 [7] Matiash, A. D., & Yurchenko, H. A. Psychological aspects of using artificial intelligence in mathematics education: A review of foreign publications. Didactics of Mathematics: Theory, Experience, Innovations, 1. Vinnytsia: TVORY. 2024 Artificial intelligence… - 147 - [8] Matiash, O. I., & Matiash, A. D. Formation of the stereometric culture of future mathematics teachers. Didactics of Mathematics: Theory, Experience, Innovations, 3. Vinnytsia: TVORY. 2025 [9] Matiash, O., & Ryndiuk, V. The use of digital learning platforms in mathematics education: The experience of Denmark. Scientific Innovations and Advanced Technologies (Series “Pedagogy”), 2(42), 1503–1514. 2025 http://perspectives.pp.ua/index.php/nauka/article/view/19931/19908 [10] Mensah, J. Y., & Nabie, M. J. The effect of PowerPoint instruction on high school students’ achievement and motivation to learn geometry. International Journal of Technology in Education (IJTE), 4(3), 331–350. https://doi.org/10.46328/ijte.55. 2021 [11] Nursyahidah, F., Saputro, B. A., & Prayito, M. Kemampuan Penalaran Matematis Siswa SMP dalam Belajar Garis dan Sudut dengan GeoGebra. Suska Journal of Mathematics Education, 2(1), 13–19. 2016 [12] Polydoros, G., Galitskaya, V., Antoniou, A.-S., & Drigas, A. AI technology integration in elementary geometry and its effects on performance, anxiety levels, learning styles, cognitive styles, and executive functions. Scientific Electronic Archives, 18(2). https://doi.org/10.36560/18220252050 2025 [13] Sunzuma, G. Technology integration in geometry teaching and learning: A systematic review (2010–2022). LUMAT Special Issue, 11(3). https://chatgpt.com/c/6893141b-76e0-8320-a505-1b735adc97cc 2023 [14] Sutiarso, S., Coesamin, M., & Nurhanurawati. The effect of various media scaffolding on increasing understanding of geometry concepts in elementary school students. Journal on Mathematics Education, 9(1), 95– 102. 2018 [15] Wulandari, D., Istadi, I., & Muttaqien, A. (2025). The use of artificial intelligence in numerical learning of geometry for students with mild intellectual disabilities. In Proceedings of the 5th UMYGrace 2024 [16] OpenAI. ChatGPT [Large language model]. https://chat.openai.com/chat, 2025 Matiash, А., Matiash, О. - 148 - Andrii Dmytrovych MATIASH Postgraduate Student, Department of Algebra and Methods of Teaching Mathematics, Vinnytsia Mykhailo Kotsiubynskyi State Pedagogical University, Vinnytsia, Ukraine E-mail: matyashand[email protected] Olha Ivanivna MATIASH Professor, Department of Algebra and Methods of Teaching Mathematics, Vinnytsia Mykhailo Kotsiubynskyi State Pedagogical University, Vinnytsia, Ukraine E-mail: [email protected] Annual of Konstantin Preslavsky University of Shumen Faculty of Mathematics and Informatics vol. XXVI С, 2025, pp. 149– 157, https://doi.org/10.46687/QOLG9722 - 149 - STEM EDUCATION IN THE DIGITAL ERA: CHALLENGES AND OPPORTUNITIES * SEVINCH A. MUSTAN ABSTRACT: Digital transformation is having a significant impact on STEM education, both in schools and in higher education. The article examines the main challenges, such as technological inequality, student motivation, and the need for new pedagogical approaches. In addition, opportunities for innovation through hybrid models, interactive platforms, and collaboration with business are outlined. Emphasis is placed on the role of educational institutions in building an accessible and modern STEM environment. KEYWORDS: STEM education, project-based learning, digitalization, innovation in education, higher education 2010 Math. Subject Classification: 97P20 и 97B20 STEM ОБУЧЕНИЕТО В ДИГИТАЛНАТА ЕРА: ПРЕДИЗВИКАТЕЛСТВА И ВЪЗМОЖНОСТИ † СЕВИНЧ А. МУСТАН КЛЮЧОВИ ДУМИ : STEM образование, проектно-базирано обучение, дигитализация, иновации в обучението, висше образование * This paper is partially supported by Scientific Research Grant РД-08-76/31.01.2025 of Shumen University † Статията е частично финансирана по проект № РД-0876/31.01.2025 на ШУ „Еп. Константин Преславски“ Мустан С. - 150 - 2010 Math. Subject Classification: 97P20 и 97B20 1. Въведение В съвременния свят, в който технологиите непрекъснато се променят, образованието в областта на STEM (наука, технологии, инженерство и математика) се превръща в стратегически фактор за устойчиво развитие и иновации. Образователните институции са изправени пред предизвикателството да променят и адаптират учебните си програми към новата реалност, в която дигиталните инструменти, виртуалните среди и глобалният достъп до информация, променят фундаментално начина на преподаване и учене. Онлайн платформи, виртуални лаборатории, симулации и интерактивни ресурси навлизат все по-широко в учебния процес, като създават нови възможности за достъп, персонализация и приложение на знанията. Настоящата статия разглежда именно тези аспекти - въздействието на дигитализацията върху STEM обучението, като очертава основните трудности, пред които се изправят учителите, преподавателите, учениците и студентите, както и възможностите за иновации, които тази трансформация предоставя. 2. Дигитализацията като катализатор на промяната С навлизането на онлайн платформи, виртуални лаборатории и симулационни среди, традиционният модел на преподаване в STEM дисциплините претърпява съществени промени. Образователният процес преминава от пасивно усвояване на знания към активно и интерактивно учене. Технологиите, които променят обучението са следните: - виртуални лаборатории и симулации – позволяват на обучаемите да експериментират, да създават инженерни модели и математически концепции; STEM обучението в дигиталната ера… - 151 - - онлайн платформи и ресурси – Khan Academy, Coursera, Code.org, Уча.се и др. предоставят достъп до качествено STEM съдържание, независимо от местоположението; - интерактивни инструменти – 3D модели, роботи, сензори и микро платки, правят обучението по практическо и ангажиращо, както и по-интересно за обучаемите. Преподавателят вече не е единствен източник на знание, а фасилитатор, който насърчава самостоятелното учене и проектнобазирания подход. Това изисква нови умения, като дигитална грамотност, умения за управление на онлайн класове и умения за работа с различни технологични платформи. Достъпността е също важен аспект в съвременното образование. Благодарение на дигитализацията ученици и студенти, които са от отдалечените райони, могат да се включват в учебния процес. Технологиите улесняват и интегрирането на STEM с други области на обучение, като изкуства, социални науки, предприемачество, като стимулират креативността и иновативното мислене. Както подчертава Мария Желязкова „чрез технологиите се създават възможности за навлизането и прилагането на нови подходи на обучение, чрез които да се реализира интерактивно, практически насочено и персонализирано обучение“ [1]. 3. Предизвикателства пред STEM обучението Въпреки множеството предимства, които дигитализацията носи, нейното прилагане в образованието поставя редица предизвикателства. В този контекст “дигиталната компетентност включва не само технически умения, а и разглеждане, оценка и управление на информация, способности за безопасно общуване и сътрудничество посредством технологиите, създаване на дигитално съдържание и решаване на проблеми“ [1]. Тези предизвикателства засягат, както училищата, така и Мустан С. - 152 - университетската среда и изискват системен подход за преодоляване. Един от най-сериозните проблеми е неравният достъп до устройства, интернет и дигитални ресурси. Учениците от поотдалечените райони или социално уязвими групи най-често нямат необходимите условия за участие в образователния процес. Дистанционната форма на обучение изисква висока степен на самодисциплина и вътрешна мотивация, но липсата на физическо присъствие може да доведе до намаляване на интереса към STEM дисциплините. Много преподаватели се сблъскват с предизвикателства при преминаването към дигитални методи на обучение. „Дигиталната компетентност е способността на учителя да използва информационни и комуникационни технологии с добро педагогическо и дидактическо разбиране на технологиите и да е наясно как това може да повлияе на стратегиите за учене“ [2]. А необходимостта от нови умения, адаптацията на учебните материали и развиването на умения за работа с различни платформи изисква време, обучение и подкрепа от институциите. Оценяването в дигитална среда поставя въпроси за обективност, достоверност и сигурност. Особено трудно е проследяването на практическите умения, които са в основата на STEM обучението, като експериментиране, работа по проекти, програмиране и др., тъй като „се наблюдава остър дефицит на методически инструменти за оценка на постигнатите от учениците компетентности“[3]. 4. Възможности за иновации Въпреки предизвикателствата, дигитализацията отваря широки хоризонти за иновации в STEM обучението. Според Мария Желязкова „STEAM и дигиталната компетентност са взаимосвързани и основната и допирна точка е предоставянето на възможности за практическото обучение чрез дигиталните технологии“ [1]. Технологиите не само улесняват достъпа до STEM обучението в дигиталната ера… - 153 - информация и знания, но и създават условия за по-ефективно, ангажиращо и адаптивно учене, което отговаря на нуждите на съвременното общество. Съчетавайки предимствата на присъствено обучение и дистанционното обучение, хибридната форма позволява гъвкавост, индивидуален подход и по-добро управление на учебното време. Този вид обучение е особено ефективно в STEM дисциплините, където теоретичните знания могат да се усвоят онлайн, а практическите умения – в лабораторна среда. Използването на игрови елементи в обучението, повишава мотивацията и ангажираността на ученици и студенти. Различните платформи за работа превръщат STEM съдържанието в интерактивно преживяване, което насърчава любопитство и състезателен дух. Друго, което прави STEM обучението по-актуално и приложимо е включването на реални казуси, стажантски програми и съвместни проекти с компании от технологичния сектор. По този начин учениците и студентите получават възможност да работят по реални проблеми, да се запознаят с реалната среда за работа и така да се подготвят за бъдещи професии. Интегрирането на изкуства в STEM обучението насърчава иновативното мислене, визуализацията на научни концепции и създаването на креативни решения. Всички тези възможности изискват стратегическо мислене и инвестиране от страна на образователните институции, както и активна роля на преподавателите в процеса на обучение. 5. Ролята на образователните институции Училищата и университетите играят ключова роля в STEM обучението. В този аспект една от важните стъпки е обучението и подкрепата на преподаватели. Както подчертават Мария Желязкова и Марияна Николова „един от приоритетите на съвременното образование е да се мотивира развиването на дигиталната компетентност на учителите, като се обръща особено