Математика и Информатика

https://doi.org/10.53656/math2023-5-5-cho

2023/5, стр. 491 - 505

ИЗБОР НА ПОДХОДЯЩ МОДЕЛ ЗА ИЗСЛЕДВАНЕ НА ЗАДАЧИТЕ ОТ НВО ПО МАТЕМАТИКА СЛЕД VII КЛАС СПОРЕД МЕТОДИТЕ НА IRT

Павлин Цонев
OrcID: 0000-0003-1289-3750
E-mail: ptsonev@yahoo.com
Department of Natural Sciences and Humanities
“Georgi Benkovski” Bulgarian Air Force Academy
Dolna MitropoliaBulgaria

Резюме: В статията, с методите на Item Response Theory, са анализирани измерителните качества на тестовите задачи с избираем отговор от НВО за VII клас за областите София-град и Плевен, проведено през 2021 година. След съгласуване с емпиричните данни е обоснован изборът на двупараметричния модел по тази методика. Направено е сравнение на получените данни и тези от Класическата теория на тестовете.

Ключови думи: Item Response Theory; вероятностно моделиране; тестови задачи с избираем отговор; трудност; разграничителна сила

1. Увод

Националното външно оценяване (НВО) на учениците от VII клас е важен елемент от тяхното образование. Анализирането на резултатите, получени вследствие от това оценяване, е важно за образователната система. Всяка година се правят класирания по двата изпита – български език и литература и математика. Сравняват се резултатите от тези класирания. Правят се изводи за нивото на успеваемост в различните населени места. Сравнява се трудността на изпитите в различни години. Всичко това се прави с методите на Класическата теория на тестовете (КТТ).

Публикацията в сп. „Математика и информатика“ (Tsonev 2022) с методите на КТТ изследва измерителните качества на задачите с избираем отговор от проведеното през 2021 година НВО по математика за VII клас, като са използвани данните от областите София-град и Плевен. Настоящата статия прилага по-съвременни методи за такова изследване, а именно методологията на IRT (Item Response Theory), описана в много източници, като например (Mcdonald 1999), (Hambleton 1991) и др. В този смисъл, статията е продължение на цитираната публикация.

По-долу, с методите на IRT, са анализирани измерителните качества на тестовите задачи с избираем отговор на проведеното през 2021 година НВО по математика за VII клас, като са използвани данните от областите Софияград и Плевен. Целият тест е достъпен на сайта на \(\mathrm{MOH}^{1}\). В резултат от анализа е направен извод за избор на подходящ IRT модел за изследване на задачите с избираем отговор в НВО по математика за VII клас.

Изследването на измерителните качества с помощта на КТТ е свързано с някои проблеми, като например:

– оценката на измерителните качества на задачите и на теста, като цяло зависи от конкретната група лица и конкретната група задачи, които участват в изследването;

– трудността и разграничителната сила на задачите зависятот изследваните лица;

– измерването на надеждността чрез разделяне на теста на две половини или чрез повторно провеждане на теста са, по същество, изкуствени.

Някои от ограниченията на класическата теория могат да бъдат преодолени, ако се приложи единна скала за представяне на трудността на тестовите задачи и постиженията на учениците в една и съща мерна единица. Такава възможност предлага IRT методологията, която на български език е известна като „Вероятностно моделиране“ (Bankov 2002) или „Теорията за отговор на тестов въпрос“ (Jalev 2014).

Тук ще разглеждаме и използваме IRTмодели, които са за задачи от вида „решена – нерешена“, т.е. не се дават бонуси за частичен напредък по задачата. В основата на IRT стои предположението, че вероятността един ученик да реши правилно дадена тестова задача, може да бъде изразена чрез една а бстрактна величина, наречена способност. Функцията, която пресмята тази вероятност, се нарича характеристична функция, а съответната ѝ графика – характеристична крива. На всяка задача се съпоставя една такава функция. Най -често разпространените методи за избор на характеристична функция са с един, два или три параметъра и се наричат съответно едно-, двуи трипараметрични модели.

Еднопараметричният модел на IRT, който за краткост ще означаваме с 1PL се определя от характеристичната функция \[ P_{i}(\theta)=\tfrac{e^{\theta-b_{i}}}{1+e^{\theta-b_{i}}} \] където \(i\) е номерът на задачата, \(P_{i}(\theta)\) е вероятността произволно избран ученик със способност \(\theta\) да реши \(i\)-тата задача, а \(b_{i}\) е трудността на задачата. Така вероятността ученик със способност \(\theta\) да реши задача с трудност \(b_{i}\), е равна на 0,5. Това дава възможност за способност на учениците \(\theta\) и трудност на задачите \(b_{i}\) да се използва една и съща скала, наречена скала на способностите (ability scale). Интервалът, в който обичайно се изменя \(b_{i}\),e \((-2 ; 2)\), като колкото е по-близка тази стойност до 2, толкова е по-висока трудността на \(i\)-тата задача. Графично това означава, че характеристичната крива на по-трудните задачи се разполага по-вдясно на чертежа.

Двупараметричният модел (2PL) зависи от още един параметър \(a_{i}\), който се нарича дискриминация на задачата и се определя с функцията: \[ P_{i}(\theta)=\tfrac{e^{1,7 a_{i}\left(\theta-b_{i}\right)}}{1+e^{1,7 a_{i}\left(\theta-b_{i}\right)}} \]

По-високите стойности на дискриминацията задават по-стръмни характеристични криви и по-добре разграничават учениците със способности, близки до \(b_{i}\). Най-често интервалът, в който приема стойности \(a_{i}, \mathrm{e}(0 ; 2)\). При трипараметричния модел (\(\mathbf{3 P L}\) ) се въвежда и параметър \(c_{i}\), който се счита за коефициент на налучкване. Характеристичната функция на този модел е:

\[ P_{i}(\theta)=c_{i}+\left(1-c_{i}\right) \tfrac{e^{\theta-b_{i}}}{1+e^{\theta-b_{i}}} \]

Графично стойността на параметъра \(c_{i}\) изобразява хоризонтална асимптота \(P=c_{i}\) на характеристичната крива при \(\theta \rightarrow-\infty\).

Някои от основните предимства на IRT моделите, които ги правят за предпочитане пред КТТ, са:

– оценката на параметрите \(a_{i}, b_{i}\) и \(c_{i}\) не зависи от контролната група лица, с която е правено изследването;

– статистическите свойства на задачите се изследват по-прецизно;

– тези статистически свойства се онагледяват с графиките на съответната функция \(P_{i}(\theta)\) (по-долу има примери на такива графики за конкретни задачи), което улеснява интерпретацията и разбирането им. На графиките хоризонталната ос е оста на способностите \(\theta\) (споменатата ability scale), а по вертикалната ос се нанася вероятността \(P_{i}(\theta)\) за правилно решаване на задачата, пресметната с някоя от функциите по-горе.

Данните в изследването са обработени с приложението jMetrik \({ }^{2}\), от което са получени трите параметъра \(a_{i}, b_{i}\) и \(c_{i}\), а графиките са начертани с приложението GeoGebra \({ }^{3}\).

2. Сравняване графиките на трите модела за параметризация

За изследването са използвани резултатите от проведеното НВО в края на VII клас по математика с 10 995 ученици от област София-град и 1845 ученици от област Плевен, които са се явили на изпит през 2021 година. Разглеждани са само първите 18 задачи с избираем отговор. Обработени са данните за всички 18 задачи за учениците от двете области, взети заедно. Използваният софтуер jMetrik оразмерява скалата на способностите така, че разпределението на способностите на всички ученици е със средна стойност 0 и стандартно отклонение 1.

След като се начертаят графиките на характеристичните криви за всяка задача според трите IRT модела, се забелязват няколко групи, в които могат да се класифицират задачите.

Фигура 1. IRT характеристични криви на задача 1

Фигура 2. IRT характеристични криви на задача 10

По отношение на 3PL модела повечето задачи са с висока стойност на параметъра на налучкване, но има и такива като задачи 1 (фиг. 1) и 10 (фиг. 2), при които този параметър е нисък. За някои задачи той е над 0,3, като например задачи \(2,4,10\) и 12. Например графиката 3PL на задача 2 (фиг. 3) показва, че този модел не може да разграничи учениците със способности, по-ниски от \(\theta \lt -0,5\), т.е. учениците с такива способности могат с вероятност около 0,4 да посочат правилния отговор на задачата поради ефекта на налучкването.

Задачи, в които 1PL моделът се различава съществено от другите два модела - задачи 1 (фиг. 1), 4, 10 (фиг. 2) и 12. Графиките на тези задачи по 2PL и 3PL моделите са по-стрьмни, защото при тях параметърьт \(a \gt 1\), т.е. задачите имат по-висока разграничителна сила.

Фигура 3. IRT характеристични криви на задача 2

Фигура 4. IRT характеристични криви на задача 9

Задачи, в които трите графики имат големи разлики – задачи 9, 18 и 14. Например в задача 9 (фиг. 4) моделът 1PL дава слаба разграничителна сила, а моделът 3PL може да разграничи само ученици със способности \(-1 \lt \theta \lt 0,5\).

Трите модела имат сходни графики – например задача 11 (фиг. 5), която има много добра разграничителна сила и нисък коефициент на налучкване.

Фигура 5. IRT характеристични криви на задача 11

3. Сравнение на трите модела спрямо параметъра \(\theta\) на способностите на учениците.

За да се избере подходящ IRT модел, се търси този, който има най-добро съгласуване с емпиричните данни. Ще приложим метод, който е описан на стр. \(66-67\) в книгата (Hambleton 1991). За всеки от трите модела всеки от учениците получава стойност на параметьра \(\theta\), който е число в интервала \((-3 ; 3)\). Този интервал се разделя на 12 равни части. След това за всяка задача и за всеки подинтервал се намира отношението на броя на учениците, които са отговорили вярно на въпроса, и броя на всички ученици в този подинтервал. Така на фигура 6 са изобразени графиките за задача 1 (наречени графики с остатъците).

Фигура 6. Графики с остатъците на задача 1 за трите IRT модела

Всяка точка \(A, B, C, \ldots\) има абсциса средата на интервал с дължина 0,5 и ордината частта от учениците, решили вярно задачата, които имат способност \(\theta\) в този интервал. За тази задача може да се забележи, че:

– има оптимална трудност;

– трите криви са близки по вид;

– липсват точки, съответстващи на ученици със способности по-малки от \(-2,5\) и по- големи от 2;

– и при трите модела точките са близко разположени до графиките; това показва добра съгласуваност и за трите модела;

– 1PL моделът има по-слаба разграничителна сила;

– графиките на 2PL и 3PL моделите малко по-добре се доближават до емпиричните данни, но при 3PL модела няма ученици със способности, по-малки от –2.

Фигура 7. Графики с остатъците на задача 2 за трите IRT модела

На фигура 7 са изобразени графиките с остатъците на задача 2. При нея се вижда, че:

– задачата е сравнително лесна;

– моделът 3PL дава висок коефициент на налучкване, което не се съгласува добре при учениците с ниски способности (точка А е далеч от кривата);

– моделите 1PL и 2PL се съгласуват добре с данните за учениците с по-ниски способности, като 2PL има малко по-добра разграничителна сила.

Фигура 8. Графики с остатъците на задача 4 за трите IRT модела

На фигура 8 са изобразени графиките с остатъците на задача 4. При нея се вижда, че:

– задачата е сравнително лесна и с добра разграничителна сила;

– добро съгласуване на данните, особено за 2PL модела.

На фигура 9 са изобразени графиките с остатъците на задача 18. При нея се вижда, че:

– задачата е лесна и с добра разграничителна сила;

– добро съгласуване на данните особено за 2PL модела;

– моделът 1PL дава теоретично по-силно представяне на учениците, отколкото са емпиричните данни;

– моделът 3PL дава високо ниво на налучкване по-сериозни разлики при учениците с по-ниски способности.

Фигура 9. Графики с остатъците на задача 18 за трите IRT модела

Подобни изводи могат да се направят за почти всички задачи с изключение на задача 17. При нея се наблюдават по-сериозни разлики в кривите и емпиричните резултати (фиг. 10). Тя е пример за това, че задача с недобри характеристики според Класическата теория на тестовете (в случая тя има слаба разграничителна сила), не се съгласува добре с моделите от IRT. Вижда се голямо разминаване, особено в 1PL и 2PL моделите, както и трудността при тях и тази при 3PL. За първите два модела може да се каже, че слабите ученици се представят по-добре, а силните ученици – по-зле, отколкото дава теоретичната крива. За тази задача 3PL има най-добра съгласуваност с емпиричните данни. Този модел обаче има добра разграничителна способност само за учениците с високи стойности на \(\theta\).

Фигура 10. Графики с остатъците на задача 17 за трите IRT модела

В заключение, изглежда, че трите модела дават добра съгласуваност с емпиричните данни. Сериозен недостатък на модела 3PL е, че липсват ученици със способност под –2, като в много от задачите той дава високи стойности на коефициента на налучкване и с това се различава съществено от другите два модела. При това, за ниски стойности на \(\theta\) този модел няма добра разграничителна сила и не се съгласува много добре с емпиричните данни. Моделът 1PL не отчита добре разграничителната сила на задачите. Следователно може да се каже, че 2PL моделът е за предпочитане за моделиране на данните с IRT.

4. Съпоставка на резултатите от КТТ и IRT

В таблици 1 и 2 са представени обобщените резултати на осемнадесетте задачи според КТТ и според двупараметричния 2PL модел на IRT. Задачите са подредени низходящо според съответния коефициент, получен от КТТ.

Коефициентът на корелация в таблица 1 е отрицателен, защото висока стойност на коефициента за трудност от КТТ всъщност означава, че задачата е решена от повече ученици, т.е. тя е лесна, докато това съответства на ниските стойности на параметъра от IRT. Абсолютната стойности на параметьра \(b\) от IRT. Абсолютната стойност на този коефициент е практически равен на 1. Следователно и двете теории класифицират по еднакъв начин трудността на задачите.

Таблица 1.Наредба споредтрудносттаТаблица 2.Наредба споредrbpisТрудностb-paramRpbisa-param120,82-1,11лесна10,682,84многодобра180,78-1,11лесна40,592,35много добра100,75-0,94лесна90,572,38многодобра20,70-0,90лесна140,561,87много добра90,69-0,68оптимална70,541,70много добра160,67-0,71оптимална50,501,53много добра150,65-0,68оптимална130,491,48много добра40,64-0,52оптимална100,491,99много добра110,61-0,47оптимална120,482,58много добра50,60-0,41оптимална80,481,42много добра130,59-0,39оптимална160,471,50много добра140,58-0,34оптимална110,471,38много добра80,55-0,25оптимална60,471,34много добра170,55-0,32оптимална150,441,30много добра70,53-0,15оптимална180,441,67много добра10,51-0,11оптимална30,431,20много добра30,450,19оптимална20,411,29много добра60,390,40оптимална170,310,79добраКоефициент накорелация0,99079Коефициентнакорелация0,82955

Според таблица 2 корелацията между разграничителната сила на задачите, която се дава от коефициентите rpbis и параметъра \(a\), също има висока стойност. Всички задачи, с изключение на задача 17 имат параметър \(a \gt 1\), което означава, че имат много добра разграничителна сила.

Две задачи правят впечатление:

– задача 17 има ниска разграничителна сила и по двете теории. Едно обяснение е дадено в (Tsonev 2022);

– задача 12 има по-добри показатели за разграничителна сила според IRT, отколкото според КТТ. Задачата е от най-лесните според двете теории. От фигура 11 може да се прецени, че 2PL добре се съгласува с емпиричните данни за всички ученици.

Фигура 11. Задача 12 и нейната 2PL графика с остатъците

5. Диаграма на задачите и респондентите (item-person-map)

За построяването на такива диаграми се използва, че трудността на задачите (параметърът \(b\) ) и способностите на учениците могат да се разположат върху една и съща скала (Ability scale).

Фигура 12. Диаграма на област София-град

Фигура 13. Диаграма на област Плевен

Разглеждат се резултатите от изследването с двупараметричния модел върху данните от областите София-град и Плевен, взети заедно. На фигурите 12 и 13 маркираният ред, означен с \(\theta / b\), е интервалът ( \(-2,2 ; 2\) ) от скалата на способностите. Интервалът е разделен на подинтервали с дължина 0,2. Под този ред са написани номерата на 18-те задачи, като всяка задача е поставена на мястото, където попада нейният параметър на трудност \(b\). Над маркирания ред е представен процентът ученици със способност \(\theta\) в съответния интервал с дължина 0,2, изобразени отделно за област София-град (фиг. 12) и за област Плевен (фиг. 13), като:

– на всеки символ “#” отговаря \(1 \%\) ученици;

– на всеки символ “.” отговаря под \(1 \%\) ученици.

Така, под маркирания ред е графиката на разпределението на трудността на задачите върху скалата на способностите, а над него е разпределението на способностите на учениците върху същата скала. Може да считаме, че тестът, съставен от представените задачи, е добре балансиран за съответните ученици, ако двете разпределения имат връх в близки стойности на маркирания ред и покриват почти едни и същ интервал от него. Графиките от фигури 12 и 13 дават възможност да се прецени доколко тестът, съставен само от 18-те задачи с избираем отговор, е „подходящ“ за съответната област.

Прилики между двете диаграми:

– учениците и в двете области се разпределят по целия интервал ( \(-2,2 ; 2\) );

– задачите са съсредоточени в средната третина на интервала; това означава, че липсват задачи за много-слабите и много-силните ученици;

– и задачите, и учениците имат сравнително добро „нормално“ разпределение;

– най-много задачи имат коефициент на трудност \(b=-0.2\), докато най-големият брой ученици са с малко по-ниски способности;

– липсват ученици със способност 1,6, която е малко под най-високата измерена способност 1,8;

– както показаха изследванията с КТТ (Tsonev 2022) задачите с номера 1, 3, 6 и 7 са най-трудни, а задачите с номера 2, 10, 12 и 18 са най-лесни, което много добре се съгласува с резултатите от КТТ.

Разлики в двете диаграми:

– пиковите стойности за област София-град са две – първата е в средата на разглеждания интервал, а втората е в десния край, където са учениците с най-високи способности;

– графиките над и под реда \(\theta / b\) се съгласуват по-добре за област Плевен, отколкото за област София;

– голяма част от учениците от област София имат способности, които надвишават максималното ниво на трудност на задачите \(b=0,4\).

Изводите, които могат да се направят, са, че в област София-град голяма част от учениците са отлично подготвени за решаването на задачите с избираем отговор, тези задачи не са ги затруднили в голяма степен и не биха били полезни, сами по себе си, за класиране след VII клас. За тази цел задачите с отворен отговор ще дадат повече възможности. За учениците в област Плевен може да се каже, че и само с тези 18 задачи те биха се диференцирали в много добра степен в гимназиите след VII клас.

6. Заключение

Две са основните цели на провежданите НВО по БЕЛ и математика – да подредят учениците след VII клас според техните постижения и да оценят доколко добре те са изучили учебния материал по тези два предмета.

В България изследването на тестовете се прави най-често чрез Класическата теория на тестовете. С помощта на методите на по-съвременната IRT може да се открият допълнителни характеристики, да се потвърдят или отхвърлят вече намерени свойства както на тестовите задачи, така и на способностите на учениците.

От направеното изследване върху резултатите от областите София-град и Плевен може да се каже, че:

– трите модела на параметризация според IRT добре представят характеристиките на задачите;

– моделът с два параметъра най-добре се съгласува както с емпиричните данни, така и с изводите от КТТ;

– в по-малките области на България, където конкуренцията при класирането за гимназиите е по-слаба, дори само първите 18 тестови задачи с избираем отговор могат да подредят учениците според техните постижения;

– за по-големите области тези задачи не са достатъчни за такава наредба;

– въпреки тези разлики, трудността на задачите се съгласува добре със способностите на учениците

В следващите изследвания на автора ще бъдат разгледани тестовите задачи със свободен отговор.

БЕЛЕЖКИ

1. Национално външно оценяване за VII клас, МОН, Retrieved 14.06.2023 from: https://web.mon.bg/upload/26732/NVO-MATH_7kl_18062021.pdf

2. jMetrik, Retrieved 14.06.2023 from: https://itemanalysis.com/jmetrikdownload/

3. GeoGebra, Retrieved 14.06.2023 from: https://www.geogebra.org/

ЛИТЕРАТУРА

БАНКОВ, К., 2002. Вероятностно моделиране за измерване на ученическите постижения, Математика и информатика, год. 45, кн. 4.

ДЖАЛЕВ, Л., 2014. Приложимост на Класическата тестова теория и Теорията за отговор на тестов въпрос: преглед на литературата по въпроса. Българско списание по психология, 1, брой 1 – 3.

HAMBLETON, R.K., SWAMINATHAN, H. & ROGERS, H.J., 1991. Fundamentals of Item Response Theory. Sage.

McDONALD, R.P., 1999. Test Theory: A Unified Treatment (1st ed.). New York: Psychology Press.

ЦОНЕВ, П., 2022. Някои изводи върху резултатите от националното външно оценяване по математика за VII клас, Математика и информатика год. 65, кн. 6, с. 587 – 601.

REFERENCES

BANKOV, K., 2002. Probabilistic Modeling for Measuring Student Achievement. Mathematics and Informatics, vol. 45, no. 4 [in Bulgarian].

JALEV, L., 2014. Applicability of Classical Test Theory and Test Question Answer Theory: A Literature Review. Bulgarian Journal of Psychology. no. 1 pp. 1 – 3. [in Bulgarian]

HAMBLETON, R.K., SWAMINATHAN, H. & ROGERS, H.J., 1991. Fundamentals of Item Response Theory. Sage.

McDONALD, R.P., 1999. Test Theory: A Unified Treatment (1st ed.). New York: Psychology Press.

TSONEV, P., 2022. Some conclusions on the results of the national external assessment in mathematics for grade VII. Mathematics and Informatics, vol. 65, no. 6, pp. 587 – 601. [in Bulgarian]

2025 година
Книжка 6
ENHANCING STUDENT MOTIVATION AND ACHIEVEMENT THROUGH DIGITAL MIND MAPPING

Mikloš Kovač, Mirjana Brdar, Goran Radojev, Radivoje Stojković

OPTIMIZATION VS BOOSTING: COMPARISON OF STRATEGIES ON EDUCATIONAL DATASETS TO EXPLORE LOW-PERFORMING AT-RISK AND DROPOUT STUDENTS

Ranjit Paul, Asmaa Mohamed, Peren Jerfi Canatalay, Ashima Kukkar, Sadiq Hussain, Arun K. Baruah, Jiten Hazarika, Silvia Gaftandzhieva, Esraa A. Mahareek, Abeer S. Desuky, Rositsa Doneva

ARTIFICIAL INTELLIGENCE AS A TOOL FOR PEDAGOGICAL INNOVATIONS IN MATHEMATICS EDUCATION

Stanka Hadzhikoleva, Maria Borisova, , Borislava Kirilova

Книжка 4
Книжка 3
МОДЕЛИ НА ВЕРОЯТНОСТНИ ПРОСТРАНСТВА В ОЛИМПИАДНИ ЗАДАЧИ

Драгомир Грозев, Станислав Харизанов

Книжка 1
A NOTE ON A GENERALIZED DYNAMICAL SYSTEM OCCURS IN MODELLING “THE BATTLE OF THE SEXES”: CHAOS IN SOCIOBIOLOGY

Nikolay Kyurkchiev, Anton Iliev, Vesselin Kyurkchiev, Angel Golev, Todorka Terzieva, Asen Rahnev

EDUCATIONAL RESOURCES FOR STUDYING MIDSEGMENTS OF TRIANGLE AND TRAPEZOID

Toni Chehlarova1), Neda Chehlarova2), Georgi Gachev

2024 година
Книжка 6
ВЪЗМОЖНОСТИ ЗА ИЗГРАЖДАНЕ НА МЕЖДУПРЕДМЕТНИ ВРЪЗКИ МАТЕМАТИКА – ИНФОРМАТИКА

Елена Каращранова, Ирена Атанасова, Надежда Борисова

Книжка 5
FRAMEWORK FOR DESIGNING VISUALLY ORIENTATED TOOLS TO SUPPORT PROJECT MANAGEMENT

Dalibor Milev, Nadezhda Borisova, Elena Karashtranova

3D ОБРАЗОВАТЕЛЕН ПОДХОД В ОБУЧЕНИЕТО ПО СТЕРЕОМЕТРИЯ

Пеньо Лебамовски, Марияна Николова

Книжка 4
DYNAMICS OF A NEW CLASS OF OSCILLATORS: MELNIKOV’S APPROACH, POSSIBLE APPLICATION TO ANTENNA ARRAY THEORY

Nikolay Kyurkchiev, Tsvetelin Zaevski, Anton Iliev, Vesselin Kyurkchiev, Asen Rahnev

Книжка 3
РАЗСТОЯНИЯ МЕЖДУ ЗАБЕЛЕЖИТЕЛНИ ТОЧКИ И НЕРАВЕНСТВА В ИЗПЪКНАЛ ЧЕТИРИЪГЪЛНИК

Йордан Табов, Станислав Стефанов, Красимир Кънчев, Хаим Хаимов

USING AI TO IMPROVE ANSWER EVALUATION IN AUTOMATED EXAMS

Georgi Cholakov, Asya Stoyanova-Doycheva

Книжка 2
ON INTEGRATION OF STEM MODULES IN MATHEMATICS EDUCATION

Elena Karashtranova, Aharon Goldreich, Nadezhda Borisova

Книжка 1
STUDENT SATISFACTION WITH THE QUALITY OF A BLENDED LEARNING COURSE

Silvia Gaftandzhieva, Rositsa Doneva, Sadiq Hussain, Ashis Talukder, Gunadeep Chetia, Nisha Gohain

MODERN ROAD SAFETY TRAINING USING GAME-BASED TOOLS

Stefan Stavrev, Ivelina Velcheva

ARTIFICIAL INTELLIGENCE FOR GOOD AND BAD IN CYBER AND INFORMATION SECURITY

Nikolay Kasakliev, Elena Somova, Margarita Gocheva

2023 година
Книжка 6
QUALITY OF BLENDED LEARNING COURSES: STUDENTS’ PERSPECTIVE

Silvia Gaftandzhieva, Rositsa Doneva, Sadiq Hussain, Ashis Talukder, Gunadeep Chetia, Nisha Gohain

МОДЕЛ НА ЛЕОНТИЕВ С MS EXCEL

Велика Кунева, Мариян Милев

Книжка 5
AREAS ASSOCIATED TO A QUADRILATERAL

Oleg Mushkarov, Nikolai Nikolov

ON THE DYNAMICS OF A ClASS OF THIRD-ORDER POLYNOMIAL DIFFERENCE EQUATIONS WITH INFINITE NUMBER OF PERIOD-THREE SOLUTIONS

Jasmin Bektešević, Vahidin Hadžiabdić, Midhat Mehuljić, Sadjit Metović, Haris Lulić

СИСТЕМА ЗА ИЗВЛИЧАНЕ И ВИЗУАЛИЗАЦИЯ НА ДАННИ ОТ ИНТЕРНЕТ

Георги Чолаков, Емил Дойчев, Светла Коева

Книжка 4
MULTIPLE REPRESENTATIONS OF FUNCTIONS IN THE FRAME OF DISTANCE LEARNING

Radoslav Božić, Hajnalka Peics, Aleksandar Milenković

INTEGRATED LESSONS IN CALCULUS USING SOFTWARE

Pohoriliak Oleksandr, Olga Syniavska, Anna Slyvka-Tylyshchak, Antonina Tegza, Alexander Tylyshchak

Книжка 3
ПРИЛОЖЕНИЕ НА ЕЛЕМЕНТИ ОТ ГЕОМЕТРИЯТА НА ЧЕТИРИЪГЪЛНИКА ЗА РЕШАВАНЕ НА НЕСТАНДАРТНИ ЗАДАЧИ

Йордан Табов, Веселин Ненков, Асен Велчев, Станислав Стефанов

Книжка 2
Книжка 1
НОВА ФОРМУЛА ЗА ЛИЦЕ НА ЧЕТИРИЪГЪЛНИК (ЧЕТИВО ЗА VII КЛАС)

Йордан Табов, Асен Велчев, Станислав Стефанов, Хаим Хаимов

2022 година
Книжка 6
MOBILE GAME-BASED MATH LEARNING FOR PRIMARY SCHOOL

Margarita Gocheva, Nikolay Kasakliev, Elena Somova

Книжка 5
SECURITY ANALYSIS ON CONTENT MANAGEMENT SYSTEMS

Lilyana Petkova, Vasilisa Pavlova

MONITORING OF STUDENT ENROLMENT CAMPAIGN THROUGH DATA ANALYTICS TOOLS

Silvia Gaftandzhieva, Rositsa Doneva, Milen Bliznakov

TYPES OF SOLUTIONS IN THE DIDACTIC GAME “LOGIC MONSTERS”

Nataliya Hristova Pavlova, Michaela Savova Toncheva

Книжка 4
PERSONAL DATA PROCESSING IN A DIGITAL EDUCATIONAL ENVIRONMENT

Evgeniya Nikolova, Mariya Monova-Zheleva, Yanislav Zhelev

Книжка 3
Книжка 2
STEM ROBOTICS IN PRIMARY SCHOOL

Tsanko Mihov, Gencho Stoitsov, Ivan Dimitrov

A METAGRAPH MODEL OF CYBER PROTECTION OF AN INFORMATION SYSTEM

Emiliya Koleva, Evgeni Andreev, Mariya Nikolova

Книжка 1
CONVOLUTIONAL NEURAL NETWORKS IN THE TASK OF IMAGE CLASSIFICATION

Larisa Zelenina, Liudmila Khaimina, Evgenii Khaimin, D. Khripunov, Inga Zashikhina

INNOVATIVE PROPOSALS FOR DATABASE STORAGE AND MANAGEMENT

Yulian Ivanov Petkov, Alexandre Ivanov Chikalanov

APPLICATION OF MATHEMATICAL MODELS IN GRAPHIC DESIGN

Ivaylo Staribratov, Nikol Manolova

РЕШЕНИЯ НА КОНКУРСНИ ЗАДАЧИ БРОЙ 6, 2021 Г.

Задача 1. Дадени са различни естествени числа, всяко от които има прос- ти делители, не по-големи от . Докажете, че произведението на някои три от тези числа е точен куб. Решение: числата са представим във вида . Нека разгледаме квадрат

2021 година
Книжка 6
E-LEARNING DURING COVID-19 PANDEMIC: AN EMPIRICAL RESEARCH

Margarita Gocheva, Nikolay Kasakliev, Elena Somova

Книжка 5
ПОДГОТОВКА ЗА XXV МЛАДЕЖКА БАЛКАНИАДА ПО МАТЕМАТИКА 2021

Ивайло Кортезов, Емил Карлов, Мирослав Маринов

EXCEL’S CALCULATION OF BASIC ASSETS AMORTISATION VALUES

Vehbi Ramaj, Sead Rešić, Anes Z. Hadžiomerović

EDUCATIONAL ENVIRONMENT AS A FORM FOR DEVELOPMENT OF MATH TEACHERS METHODOLOGICAL COMPETENCE

Olha Matiash, Liubov Mykhailenko, Vasyl Shvets, Oleksandr Shkolnyi

Книжка 4
LEARNING ANALYTICS TOOL FOR BULGARIAN SCHOOL EDUCATION

Silvia Gaftandzhieva, Rositsa Doneva, George Pashev, Mariya Docheva

Книжка 3
THE PROBLEM OF IMAGES’ CLASSIFICATION: NEURAL NETWORKS

Larisa Zelenina, Liudmila Khaimina, Evgenii Khaimin, D. Khripunov, Inga Zashikhina

MIDLINES OF QUADRILATERAL

Sead Rešić, Maid Omerović, Anes Z. Hadžiomerović, Ahmed Palić

ВИРТУАЛЕН ЧАС ПО МАТЕМАТИКА

Севдалина Георгиева

Книжка 2
MOBILE MATH GAME PROTOTYPE ON THE BASE OF TEMPLATES FOR PRIMARY SCHOOL

Margarita Gocheva, Elena Somova, Nikolay Kasakliev, Vladimira Angelova

КОНКУРСНИ ЗАДАЧИ БРОЙ 2/2021 Г.

Краен срок за изпращане на решения: 0 юни 0 г.

РЕШЕНИЯ НА ЗАДАЧИТЕ ОТ БРОЙ 1, 2021

Краен срок за изпращане на решения: 0 юни 0 г.

Книжка 1
СЕДЕМНАДЕСЕТА ЖАУТИКОВСКА ОЛИМПИАДА ПО МАТЕМАТИКА, ИНФОРМАТИКА И ФИЗИКА АЛМАТИ, 7-12 ЯНУАРИ 2021

Диян Димитров, Светлин Лалов, Стефан Хаджистойков, Елена Киселова

ОНЛАЙН СЪСТЕЗАНИЕ „VIVA МАТЕМАТИКА С КОМПЮТЪР“

Петър Кендеров, Тони Чехларова, Георги Гачев

2020 година
Книжка 6
ABSTRACT DATA TYPES

Lasko M. Laskov

Книжка 5
GAMIFICATION IN CLOUD-BASED COLLABORATIVE LEARNING

Denitza Charkova, Elena Somova, Maria Gachkova

NEURAL NETWORKS IN A CHARACTER RECOGNITION MOBILE APPLICATION

L.I. Zelenina, L.E. Khaimina, E.S. Khaimin, D.I. Antufiev, I.M. Zashikhina

APPLICATIONS OF ANAGLIFIC IMAGES IN MATHEMATICAL TRAINING

Krasimir Harizanov, Stanislava Ivanova

МЕТОД НА ДЕЦАТА В БЛОКА

Ивайло Кортезов

Книжка 4
TECHNOLOGIES AND TOOLS FOR CREATING ADAPTIVE E-LEARNING CONTENT

Todorka Terzieva, Valya Arnaudova, Asen Rahnev, Vanya Ivanova

Книжка 3
MATHEMATICAL MODELLING IN LEARNING OUTCOMES ASSESSMENT (BINARY MODEL FOR THE ASSESSMMENT OF STUDENT’S COMPETENCES FORMATION)

L. E. Khaimina, E. A. Demenkova, M. E. Demenkov, E. S. Khaimin, L. I. Zelenina, I. M. Zashikhina

PROBLEMS 2 AND 5 ON THE IMO’2019 PAPER

Sava Grozdev, Veselin Nenkov

Книжка 2
ЗА ВЕКТОРНОТО ПРОСТРАНСТВО НА МАГИЧЕСКИТЕ КВАДРАТИ ОТ ТРЕТИ РЕД (В ЗАНИМАТЕЛНАТА МАТЕМАТИКА)

Здравко Лалчев, Маргарита Върбанова, Мирослав Стоимиров, Ирина Вутова

КОНКУРЕНТНИ ПЕРПЕНДИКУЛЯРИ, ОПРЕДЕЛЕНИ ОТ ПРАВИЛНИ МНОГОЪГЪЛНИЦИ

Йоана Христова, Геновева Маринова, Никола Кушев, Светослав Апостолов, Цветомир Иванов

A NEW PROOF OF THE FEUERBACH THEOREM

Sava Grozdev, Hiroshi Okumura, Deko Dekov

PROBLEM 3 ON THE IMO’2019 PAPER

Sava Grozdev, Veselin Nenkov

Книжка 1
GENDER ISSUES IN VIRTUAL TRAINING FOR MATHEMATICAL KANGAROO CONTEST

Mark Applebaum, Erga Heller, Lior Solomovich, Judith Zamir

KLAMKIN’S INEQUALITY AND ITS APPLICATION

Šefket Arslanagić, Daniela Zubović

НЯКОЛКО ПРИЛОЖЕНИЯ НА ВЪРТЯЩАТА ХОМОТЕТИЯ

Сава Гроздев, Веселин Ненков

2019 година
Книжка 6
DISCRETE MATHEMATICS AND PROGRAMMING – TEACHING AND LEARNING APPROACHES

Mariyana Raykova, Hristina Kostadinova, Stoyan Boev

CONVERTER FROM MOODLE LESSONS TO INTERACTIVE EPUB EBOOKS

Martin Takev, Elena Somova, Miguel Rodríguez-Artacho

ЦИКЛОИДА

Аяпбергенов Азамат, Бокаева Молдир, Чурымбаев Бекнур, Калдыбек Жансуйген

КАРДИОИДА

Евгений Воронцов, Никита Платонов

БОЛГАРСКАЯ ОЛИМПИАДА ПО ФИНАНСОВОЙ И АКТУАРНОЙ МАТЕМАТИКЕ В РОССИИ

Росен Николаев, Сава Гроздев, Богдана Конева, Нина Патронова, Мария Шабанова

КОНКУРСНИ ЗАДАЧИ НА БРОЯ

Задача 1. Да се намерят всички полиноми, които за всяка реална стойност на удовлетворяват равенството Татяна Маджарова, Варна Задача 2. Правоъгълният триъгълник има остри ъгли и , а центърът на вписаната му окръжност е . Точката , лежаща в , е такава, че и . Симетралите

РЕШЕНИЯ НА ЗАДАЧИТЕ ОТ БРОЙ 1, 2019

Задача 1. Да се намерят всички цели числа , за които

Книжка 5
ДЪЛБОКО КОПИЕ В C++ И JAVA

Христина Костадинова, Марияна Райкова

КОНКУРСНИ ЗАДАЧИ НА БРОЯ

Задача 1. Да се намери безкрайно множество от двойки положителни ра- ционални числа Милен Найденов, Варна

РЕШЕНИЯ НА ЗАДАЧИТЕ ОТ БРОЙ 6, 2018

Задача 1. Точката е левият долен връх на безкрайна шахматна дъска. Една муха тръгва от и се движи само по страните на квадратчетата. Нека е общ връх на някои квадратчета. Казва- ме, че мухата изминава пътя между и , ако се движи само надясно и нагоре. Ако точките и са противоположни върхове на правоъгълник , да се намери броят на пътищата, свърз- ващи точките и , по които мухата може да мине, когато: а) и ; б) и ; в) и

Книжка 4
THE REARRANGEMENT INEQUALITY

Šefket Arslanagić

АСТРОИДА

Борислав Борисов, Деян Димитров, Николай Нинов, Теодор Христов

COMPUTER PROGRAMMING IN MATHEMATICS EDUCATION

Marin Marinov, Lasko Laskov

CREATING INTERACTIVE AND TRACEABLE EPUB LEARNING CONTENT FROM MOODLE COURSES

Martin Takev, Miguel Rodríguez-Artacho, Elena Somova

КОНКУРСНИ ЗАДАЧИ НА БРОЯ

Задача 1. Да се реши уравнението . Христо Лесов, Казанлък Задача 2. Да се докаже, че в четириъгълник с перпендикулярни диагонали съществува точка , за която са изпълнени равенствата , , , . Хаим Хаимов, Варна Задача 3. В правилен 13-ъгълник по произволен начин са избрани два диа- гонала. Каква е вероятността избраните диагонали да не се пресичат? Сава Гроздев, София, и Веселин Ненков, Бели Осъм

РЕШЕНИЯ НА ЗАДАЧИТЕ ОТ БРОЙ 5, 2018

Задача 1. Ако и са съвършени числа, за които целите части на числата и са равни и различни от нула, да се намери .

Книжка 3
RESULTS OF THE FIRST WEEK OF CYBERSECURITY IN ARKHANGELSK REGION

Olga Troitskaya, Olga Bezumova, Elena Lytkina, Tatyana Shirikova

DIDACTIC POTENTIAL OF REMOTE CONTESTS IN COMPUTER SCIENCE

Natalia Sofronova, Anatoliy Belchusov

КОНКУРСНИ ЗАДАЧИ НА БРОЯ

Краен срок за изпращане на решения 30 ноември 2019 г.

РЕШЕНИЯ НА ЗАДАЧИТЕ ОТ БРОЙ 4, 2018

Задача 1. Да се намерят всички тройки естествени числа е изпълнено равенството: а)

Книжка 2
ЕЛЕКТРОНЕН УЧЕБНИК ПО ОБЗОРНИ ЛЕКЦИИ ЗА ДЪРЖАВЕН ИЗПИТ В СРЕДАТА DISPEL

Асен Рахнев, Боян Златанов, Евгения Ангелова, Ивайло Старибратов, Валя Арнаудова, Слав Чолаков

ГЕОМЕТРИЧНИ МЕСТА, ПОРОДЕНИ ОТ РАВНОСТРАННИ ТРИЪГЪЛНИЦИ С ВЪРХОВЕ ВЪРХУ ОКРЪЖНОСТ

Борислав Борисов, Деян Димитров, Николай Нинов, Теодор Христов

ЕКСТРЕМАЛНИ СВОЙСТВА НА ТОЧКАТА НА ЛЕМОАН В ЧЕТИРИЪГЪЛНИК

Веселин Ненков, Станислав Стефанов, Хаим Хаимов

A TRIANGLE AND A TRAPEZOID WITH A COMMON CONIC

Sava Grozdev, Veselin Nenkov

КОНКУРСНИ ЗАДАЧИ НА БРОЯ

Христо Лесов, Казанлък Задача 2. Окръжност с диаметър и правоъгълник с диагонал имат общ център. Да се докаже, че за произволна точка M от е изпълне- но равенството . Милен Найденов, Варна Задача 3. В изпъкналия четириъгълник са изпълнени равенства- та и . Точката е средата на диагонала , а , , и са ортоганалните проекции на съответно върху правите , , и . Ако и са средите съответно на отсечките и , да се докаже, че точките , и лежат на една права.

РЕШЕНИЯ НА ЗАДАЧИТЕ ОТ БРОЙ 3, 2018

Задача 1. Да се реши уравнението . Росен Николаев, Дико Суружон, Варна Решение. Въвеждаме означението , където . Съгласно това означение разлежданото уравнение придобива вида не е решение на уравнението. Затова са възможни само случаите 1) и 2) . Разглеж- даме двата случая поотделно. Случай 1): при е изпълнено равенството . Тогава имаме:

Книжка 1
PROBLEM 6. FROM IMO’2018

Sava Grozdev, Veselin Nenkov

РЕШЕНИЯ НА ЗАДАЧИТЕ ОТ БРОЙ 2, 2018

Задача 1. Да се намери най-малкото естествено число , при което куба с целочислени дължини на ръбовете в сантиметри имат сума на обемите, рав- на на Христо Лесов, Казанлък Решение: тъй като , то не е куб на ес- тествено число и затова . Разглеждаме последователно случаите за . 1) При разглеждаме естествени числа и , за които са изпълнени релациите и . Тогава то , т.е. . Освен това откъдето , т.е. .Така получихме, че . Лесно се проверява, че при и няма естествен

КОНКУРСНИ ЗАДАЧИ НА БРОЯ

Задача 1. Да се намерят всички цели числа , за които

2018 година
Книжка 6
„ЭНЦИКЛОПЕДИЯ ЗАМЕЧАТЕЛЬНЫХ ПЛОСКИХ КРИВЫХ“ – МЕЖДУНАРОДНЫЙ СЕТЕВОЙ ИССЛЕДОВАТЕЛЬСКИЙ ПРОЕКТ В РАМКАХ MITE

Роза Атамуратова, Михаил Алфёров, Марина Белорукова, Веселин Ненков, Валерий Майер, Генадий Клековкин, Раиса Овчинникова, Мария Шабанова, Александр Ястребов

A NEW MEANING OF THE NOTION “EXPANSION OF A NUMBER”

Rosen Nikolaev, Tanka Milkova, Radan Miryanov

Книжка 5
ИТОГИ ПРОВЕДЕНИЯ ВТОРОЙ МЕЖДУНАРОДНОЙ ОЛИМПИАДЬI ПО ФИНАНСОВОЙ И АКТУАРНОЙ МАТЕМАТИКЕ СРЕДИ ШКОЛЬНИКОВ И СТУДЕНТОВ

Сава Гроздев, Росен Николаев, Мария Шабанова, Лариса Форкунова, Нина Патронова

LEARNING AND ASSESSMENT BASED ON GAMIFIED E-COURSE IN MOODLE

Mariya Gachkova, Martin Takev, Elena Somova

УЛИТКА ПАСКАЛЯ

Дарья Коптева, Ксения Горская

КОМБИНАТОРНИ ЗАДАЧИ, СВЪРЗАНИ С ТРИЪГЪЛНИК

Росен Николаев, Танка Милкова, Катя Чалъкова

Книжка 4
ЗА ПРОСТИТЕ ЧИСЛА

Сава Гроздев, Веселин Ненков

ИНЦЕНТЪР НА ЧЕТИРИЪГЪЛНИК

Станислав Стефанов

ЭПИЦИКЛОИДА

Инкар Аскар, Камила Сарсембаева

ГИПОЦИКЛОИДА

Борислав Борисов, Деян Димитров, Иван Стефанов, Николай Нинов, Теодор Христов

Книжка 3
ПОЛИНОМИ ОТ ТРЕТА СТЕПЕН С КОЛИНЕАРНИ КОРЕНИ

Сава Гроздев, Веселин Ненков

ЧЕТИРИДЕСЕТ И ПЕТА НАЦИОНАЛНА СТУДЕНТСКА ОЛИМПИАДА ПО МАТЕМАТИКА

Сава Гроздев, Росен Николаев, Станислава Стоилова, Веселин Ненков

Книжка 2
TWO INTERESTING INEQUALITIES FOR ACUTE TRIANGLES

Šefket Arslanagić, Amar Bašić

ПЕРФЕКТНА ИЗОГОНАЛНОСТ В ЧЕТИРИЪГЪЛНИК

Веселин Ненков, Станислав Стефанов, Хаим Хаимов

НЯКОИ ТИПОВЕ ЗАДАЧИ СЪС СИМЕТРИЧНИ ЧИСЛА

Росен Николаев, Танка Милкова, Радан Мирянов

Книжка 1
Драги читатели,

където тези проценти са наполовина, в Източна Европа те са около 25%, в

COMPUTER DISCOVERED MATHEMATICS: CONSTRUCTIONS OF MALFATTI SQUARES

Sava Grozdev, Hiroshi Okumura, Deko Dekov

ВРЪЗКИ МЕЖДУ ЗАБЕЛЕЖИТЕЛНИ ТОЧКИ В ЧЕТИРИЪГЪЛНИКА

Станислав Стефанов, Веселин Ненков

КОНКУРСНИ ЗАДАЧИ НА БРОЯ

Задача 2. Да се докаже, че всяка от симедианите в триъгълник с лице разделя триъгълника на два триъгълника, лицата на които са корени на урав- нението където и са дължините на прилежащите на симедианата страни на три- ъгълника. Милен Найденов, Варна Задача 3. Четириъгълникът е описан около окръжност с център , като продълженията на страните му и се пресичат в точка . Ако е втората пресечна точка на описаните окръжности на триъгълниците и , да се докаже, че Хаим Х

РЕШЕНИЯ НА ЗАДАЧИТЕ ОТ БРОЙ 2, 2017

Задача 1. Да се определи дали съществуват естествени числа и , при които стойността на израза е: а) куб на естествено число; б) сбор от кубовете на две естествени числа; в) сбор от кубовете на три естествени числа. Христо Лесов, Казанлък Решение: при и имаме . Следова- телно случай а) има положителен отговор. Тъй като при число- то се дели на , то при и имаме е естестве- но число. Следователно всяко число от разглеждания вид при деление на дава ос

2017 година
Книжка 6
A SURVEY OF MATHEMATICS DISCOVERED BY COMPUTERS. PART 2

Sava Grozdev, Hiroshi Okumura, Deko Dekov

ТРИ ИНВАРИАНТЫ В ОДНУ ЗАДА

Ксения Горская, Дарья Коптева, Асхат Ермекбаев, Арман Жетиру, Азат Бермухамедов, Салтанат Кошер, Лили Стефанова, Ирина Христова, Александра Йовкова

GAMES WITH

Aldiyar Zhumashov

SOME NUMERICAL SQUARE ROOTS (PART TWO)

Rosen Nikolaev, Tanka Milkova, Yordan Petkov

ЗАНИМАТЕЛНИ ЗАДАЧИ ПО ТЕМАТА „КАРТИННА ГАЛЕРИЯ“

Мирослав Стоимиров, Ирина Вутова

Книжка 5
ВТОРОЙ МЕЖДУНАРОДНЫЙ СЕТЕВОЙ ИССЛЕДОВАТЕЛЬСКИЙ ПРОЕКТ УЧАЩИХСЯ В РАМКАХ MITE

Мария Шабанова, Марина Белорукова, Роза Атамуратова, Веселин Ненков

SOME NUMERICAL SEQUENCES CONCERNING SQUARE ROOTS (PART ONE)

Rosen Nikolaev, Tanka Milkova, Yordan Petkov

Книжка 4
ГЕНЕРАТОР НА ТЕСТОВЕ

Ангел Ангелов, Веселин Дзивев

INTERESTING PROOFS OF SOME ALGEBRAIC INEQUALITIES

Šefket Arslanagić, Faruk Zejnulahi

PROBLEMS ON THE BROCARD CIRCLE

Sava Grozdev, Hiroshi Okumura, Deko Dekov

ПРИЛОЖЕНИЕ НА ЛИНЕЙНАТА АЛГЕБРА В ИКОНОМИКАТА

Велика Кунева, Захаринка Ангелова

СКОРОСТТА НА СВЕТЛИНАТА

Сава Гроздев, Веселин Ненков

Книжка 3
НЯКОЛКО ПРИЛОЖЕНИЯ НА ТЕОРЕМАТА НА МЕНЕЛАЙ ЗА ВПИСАНИ ОКРЪЖНОСТИ

Александра Йовкова, Ирина Христова, Лили Стефанова

НАЦИОНАЛНА СТУДЕНТСКА ОЛИМПИАДА ПО МАТЕМАТИКА

Сава Гроздев, Росен Николаев, Веселин Ненков

СПОМЕН ЗА ПРОФЕСОР АНТОН ШОУРЕК

Александра Трифонова

Книжка 2
ИЗКУСТВЕНА ИМУННА СИСТЕМА

Йоанна Илиева, Селин Шемсиева, Светлана Вълчева, Сюзан Феимова

ВТОРИ КОЛЕДЕН ЛИНГВИСТИЧЕН ТУРНИР

Иван Держански, Веселин Златилов

Книжка 1
ГЕОМЕТРИЯ НА ЧЕТИРИЪГЪЛНИКА, ТОЧКА НА МИКЕЛ, ИНВЕРСНА ИЗОГОНАЛНОСТ

Веселин Ненков, Станислав Стефанов, Хаим Хаимов

2016 година
Книжка 6
ПЕРВЫЙ МЕЖДУНАРОДНЫЙ СЕТЕВОЙ ИССЛЕДОВАТЕЛЬСКИЙ ПРОЕКТ УЧАЩИХСЯ В РАМКАХ MITE

Мария Шабанова, Марина Белорукова, Роза Атамуратова, Веселин Ненков

НЕКОТОРЫЕ ТРАЕКТОРИИ, КОТОРЫЕ ОПРЕДЕЛЕНЫ РАВНОБЕДРЕННЫМИ ТРЕУГОЛЬНИКАМИ

Ксения Горская, Дарья Коптева, Даниил Микуров, Еркен Мудебаев, Казбек Мухамбетов, Адилбек Темирханов, Лили Стефанова, Ирина Христова, Радина Иванова

ПСЕВДОЦЕНТЪР И ОРТОЦЕНТЪР – ЗАБЕЛЕЖИТЕЛНИ ТОЧКИ В ЧЕТИРИЪГЪЛНИКА

Веселин Ненков, Станислав Стефанов, Хаим Хаимов

FUZZY LOGIC

Reinhard Magenreuter

GENETIC ALGORITHM

Reinhard Magenreuter

Книжка 5
NEURAL NETWORKS

Reinhard Magenreuter

Книжка 4
АКТИВНО, УЧАСТВАЩО НАБЛЮДЕНИЕ – ТИП ИНТЕРВЮ

Христо Христов, Христо Крушков

ХИПОТЕЗАТА В ОБУЧЕНИЕТО ПО МАТЕМАТИКА

Румяна Маврова, Пенка Рангелова, Елена Тодорова

Книжка 3
ОБОБЩЕНИЕ НА ТЕОРЕМАТА НА ЧЕЗАР КОШНИЦА

Сава Гроздев, Веселин Ненков

Книжка 2
ОЙЛЕР-ВЕН ДИАГРАМИ ИЛИ MZ-КАРТИ В НАЧАЛНАТА УЧИЛИЩНА МАТЕМАТИКА

Здравко Лалчев, Маргарита Върбанова, Ирина Вутова, Иван Душков

ОБВЪРЗВАНЕ НА ОБУЧЕНИЕТО ПО АЛГЕБРА И ГЕОМЕТРИЯ

Румяна Маврова, Пенка Рангелова

Книжка 1
STATIONARY NUMBERS

Smaiyl Makyshov

МЕЖДУНАРОДНА ЖАУТИКОВСКА ОЛИМПИАДА

Сава Гроздев, Веселин Ненков

2015 година
Книжка 6
Книжка 5
Книжка 4
Книжка 3
МОТИВАЦИОННИТЕ ЗАДАЧИ В ОБУЧЕНИЕТО ПО МАТЕМАТИКА

Румяна Маврова, Пенка Рангелова, Зара Данаилова-Стойнова

Книжка 2
САМОСТОЯТЕЛНО РЕШАВАНЕ НА ЗАДАЧИ С EXCEL

Пламен Пенев, Диана Стефанова

Книжка 1
ГЕОМЕТРИЧНА КОНСТРУКЦИЯ НА КРИВА НА ЧЕВА

Сава Гроздев, Веселин Ненков

2014 година
Книжка 6
КОНКУРЕНТНОСТ, ПОРОДЕНА ОТ ТАНГЕНТИ

Сава Гроздев, Веселин Ненков

Книжка 5
ИНФОРМАТИКА В ШКОЛАХ РОССИИ

С. А. Бешенков, Э. В. Миндзаева

ОЩЕ ЕВРИСТИКИ С EXCEL

Пламен Пенев

ДВА ПОДХОДА ЗА ИЗУЧАВАНЕ НА УРАВНЕНИЯ В НАЧАЛНАТА УЧИЛИЩНА МАТЕМАТИКА

Здравко Лалчев, Маргарита Върбанова, Ирина Вутова

Книжка 4
ОБУЧЕНИЕ В СТИЛ EDUTAINMENT С ИЗПОЛЗВАНЕ НА КОМПЮТЪРНА ГРАФИКА

Христо Крушков, Асен Рахнев, Мариана Крушкова

Книжка 3
ИНВЕРСИЯТА – МЕТОД В НАЧАЛНАТА УЧИЛИЩНА МАТЕМАТИКА

Здравко Лалчев, Маргарита Върбанова

СТИМУЛИРАНЕ НА ТВОРЧЕСКА АКТИВНОСТ ПРИ БИЛИНГВИ ЧРЕЗ ДИНАМИЧЕН СОФТУЕР

Сава Гроздев, Диана Стефанова, Калина Василева, Станислава Колева, Радка Тодорова

ПРОГРАМИРАНЕ НА ЧИСЛОВИ РЕДИЦИ

Ивайло Старибратов, Цветана Димитрова

Книжка 2
ФРАКТАЛЬНЫЕ МЕТО

Валерий Секованов, Елена Селезнева, Светлана Шляхтина

Книжка 1
ЕВРИСТИКА С EXCEL

Пламен Пенев

SOME INEQUALITIES IN THE TRIANGLE

Šefket Arslanagić

2013 година
Книжка 6
Книжка 5
МАТЕМАТИЧЕСКИЕ РЕГАТЬI

Александр Блинков

Книжка 4
Книжка 3
АКАДЕМИК ПЕТЪР КЕНДЕРОВ НА 70 ГОДИНИ

чл. кор. Юлиан Ревалски

ОБЛАЧНИ ТЕХНОЛОГИИ И ВЪЗМОЖНОСТИ ЗА ПРИЛОЖЕНИЕ В ОБРАЗОВАНИЕТО

Сава Гроздев, Иванка Марашева, Емил Делинов

СЪСТЕЗАТЕЛНИ ЗАДАЧИ ПО ИНФОРМАТИКА ЗА ГРУПА Е

Ивайло Старибратов, Цветана Димитрова

Книжка 2
ЕКСПЕРИМЕНТАЛНАТА МАТЕМАТИКА В УЧИЛИЩЕ

Сава Гроздев, Борислав Лазаров

МАТЕМАТИКА С КОМПЮТЪР

Сава Гроздев, Деко Деков

ЕЛИПТИЧЕН АРБЕЛОС

Пролет Лазарова

Книжка 1
ФРАГМЕНТИ ОТ ПАМЕТТА

Генчо Скордев

2012 година
Книжка 6
ДВЕ ДИДАКТИЧЕСКИ СТЪЛБИ

Сава Гроздев, Светлозар Дойчев

ТЕОРЕМА НА ПОНСЕЛЕ ЗА ЧЕТИРИЪГЪЛНИЦИ

Сава Гроздев, Веселин Ненков

ИЗЛИЧАНЕ НА ОБЕКТИВНИ ЗНАНИЯ ОТ ИНТЕРНЕТ

Ивайло Пенев, Пламен Пенев

Книжка 5
ДЕСЕТА МЕЖДУНАРОДНА ОЛИМПИАДА ПО ЛИНГВИСТИКА

д–р Иван А. Держански (ИМИ–БАН)

ТЕОРЕМА НА ВАН ОБЕЛ И ПРИЛОЖЕНИЯ

Тодорка Глушкова, Боян Златанов

МАТЕМАТИЧЕСКИ КЛУБ „СИГМА” В СВЕТЛИНАТА НА ПРОЕКТ УСПЕХ

Сава Гроздев, Иванка Марашева, Емил Делинов

I N M E M O R I A M

На 26 септември 2012 г. след продължително боледуване ни напусна проф. дпн Иван Ганчев Донев. Той е първият професор и първият доктор на науките в България по методика на обучението по математика. Роден е на 6 май 1935 г. в с. Страхилово, В. Търновско. След завършване на СУ “Св. Кл. Охридски” става учител по математика в гр. Свищов. Тук той организира първите кръжоци и със- тезания по математика. През 1960 г. Иван Ганчев печели конкурс за асистент в СУ и още през следващата година започ

Книжка 4
Книжка 3
СЛУЧАЙНО СЪРФИРАНЕ В ИНТЕРНЕТ

Евгения Стоименова

Книжка 2
SEEMOUS OLYMPIAD FOR UNIVERSITY STUDENTS

Sava Grozdev, Veselin Nenkov

EUROMATH SCIENTIFIC CONFERENCE

Sava Grozdev, Veselin Nenkov

FIVE WAYS TO SOLVE A PROBLEM FOR A TRIANGLE

Šefket Arslanagić, Dragoljub Milošević

ПРОПОРЦИИ

Валя Георгиева

ПЪТЕШЕСТВИЕ В СВЕТА НА КОМБИНАТОРИКАТА

Росица Керчева, Румяна Иванова

ПОЛЗОТВОРНА ПРОМЯНА

Ивайло Старибратов

Книжка 1
ЗА ЕЛЕКТРОННОТО ОБУЧЕНИЕ

Даниела Дурева (Тупарова)

МАТЕМАТИКАТА E ЗАБАВНА

Веселина Вълканова

СРАВНЯВАНЕ НА ИЗРАЗИ С КВАДРАТНИ КОРЕНИ

Гинка Бизова, Ваня Лалева