По надолу можете да намерите същата информация на български
Dear Colleagues,
Greetings from the Science and Research Institute at the University of Economics – Varna. As part of our ongoing initiative to integrate AI into higher education and streamline our research workflows, we have developed a self-sustained, hands-on training module designed to help you select the right Large Language Model (LLM) and AI tools for your specific needs.
In our research here at UE – Varna, we’ve found that the "one-size-fits-all" approach to AI often leads to frustration. This session is designed to move beyond the hype and into practical application.
Duration: Self-paced (approx. 60–90 minutes)
Objective: To transition from "using AI" to "orchestrating AI" for research, administration, and teaching.
Based on recent industry benchmarks and the tech stack currently scaling global businesses, we categorize AI tools into functional pillars. Review the list below and identify which pillar currently consumes most of your manual labor:
Analysis & Reasoning (The Big Three): * ChatGPT (OpenAI): Best for general versatility and data analysis.
Claude (Anthropic): Preferred for nuanced writing and complex coding (excellent for academic paper drafting).
Google Gemini: Best for integration with Google Workspace and real-time web research.
Content & Presentation: Jasper (writing), Gamma (instant slide decks), and Canva (design).
Research & Productivity: Perplexity (cited search), Otter.ai (transcription), and Motion (AI scheduling).
Next-Gen Automation: Zapier or CrewAI for connecting multiple tasks without manual intervention.
Instructions: Complete the following two tasks.
Task A: The Tool Swap
Pick one repetitive task you perform (e.g., summarizing student feedback, formatting bibliographies, or drafting lecture outlines).
Perform the task using your "usual" LLM.
Switch to a different model (e.g., if you use ChatGPT, try Claude 3.5 Sonnet).
Note the difference: Which handled the academic context better? Which followed your formatting constraints more accurately?
Task B: Prompt Iteration
Use this "Researcher’s Prompt" template in the tool of your choice:
"Act as an expert researcher in [Your Field]. I am providing a draft of [Abstract/Syllabus]. Analyze it for logical flow, identify three missing perspectives from current 2024 literature, and suggest a more engaging title for an academic audience at UE-Varna."
A training session is only as strong as its collective intelligence. I invite you to reply to this thread (or post in our internal forum) with your insights on the following:
Which LLM has become your "daily driver" for research, and why?
Describe one "AI Fail": A time a model gave you an incorrect or "hallucinated" answer in an academic context. How did you spot it?
Tool Recommendation: Is there a tool from the list above (like Gamma for presentations or Perplexity for sourcing) that you’ve found particularly transformative for your department?
As researchers, our goal is to use these tools to scale our output without burning out. By automating the administrative "scaffolding" of our work, we free up cognitive space for high-level critical thinking and student mentorship.
As a researcher at UE – Varna, we know that context is everything. An effective prompt is not just a question; it is a structured instruction that defines a role, a specific context, and a desired output format.
Goal: Analysis of financial statements or regulatory documents.
Prompt: "Act as a financial analyst. Analyze the attached PDF report for [Company] according to IFRS (International Financial Reporting Standards). Extract key liquidity and profitability ratios. Present the results in a table and identify three potential financial risks specific to the Bulgarian economic environment in 2024."
Goal: Segmentation and content strategy.
Prompt: "You are a marketing strategist. Create a buyer persona for a new fintech product targeting students at the University of Economics – Varna. Then, generate 5 LinkedIn post ideas that address the financial needs of this audience, using a professional yet accessible tone."
Goal: Data cleaning and model explanation.
Prompt: "Act as a Data Science expert. I have a dataset of delivery delays for a logistics company. Write Python code using the
pandaslibrary to identify missing values and calculate the average delivery time by region. Explain the logic of the code step-by-step, suitable for first-year Economic Informatics students."
Goal: Case study simulation and strategic planning.
Prompt: "Act as a sustainable tourism consultant. Propose a digitalization strategy for a small hotel business on the Black Sea coast based on a SWOT analysis. Focus on using AI for reservation management and personalized guest experiences. Use an academic style suitable for publication in the journal 'Izvestia' of UE-Varna."
To get the best results, always include these four elements in your instructions:
| Element | Description | Example |
| Role | Who is the AI pretending to be? | "Act as an academic editor..." |
| Object | What is it working on? | "Analyze this syllabus..." |
| Context | What is the goal/setting? | "...for Marketing students at UE-Varna." |
| Activity | What is the final format? | "Create a 10-point list in Markdown." |
For complex tasks, I recommend using the "Chain of Thought" approach. Instead of asking for the final result immediately, add the following sentence to your prompt: "Think step-by-step and propose an outline to me before you begin writing."
We look forward to reading your experiences and integrating your feedback into our future AI-in-Education workshops.
Follow us for more info on our social media: https://www.linkedin.com/feed/update/urn:li:activity:7414256080601542657
+++++++++++++++++++++++++++
Уважаеми колеги,
Поздрави от Икономически университет – Варна. Като част от текущата ни инициатива за интегриране на изкуствения интелект във висшето образование и оптимизиране на работните процеси в научната дейност, разработихме модул за самостоятелно практическо обучение. Целта му е да ви помогне да изберете правилния модел на голям език (LLM) и подходящите AI инструменти за вашите специфични нужди.
В нашите изследвания тук, в ИУ – Варна, установихме, че подходът „един модел за всичко“ често води до незадоволителни резултати. Тази сесия е разработена с цел да преминем отвъд маркетинговия шум и да се фокусираме върху практическото приложение.
Продължителност: Индивидуално темпо (прибл. 60–90 минути)
Цел: Преход от просто „използване на AI“ към „дирижиране на AI“ за научни изследвания, администрация и преподаване.
Базирайки се на актуални бенчмаркове и технологичния стек, който движи съвременния бизнес, класифицираме AI инструментите в няколко основни категории. Прегледайте списъка и идентифицирайте кой от тях отнема най-много от вашето време за ръчна работа:
Анализ и разсъждения (Голямата тройка):
ChatGPT (OpenAI): Най-добър за обща гъвкавост и анализ на данни.
Claude (Anthropic): Предпочитан за нюансирано писане и сложен програмен код (отличен за съставяне на научни статии).
Google Gemini: Най-добра интеграция с Google Workspace и проучвания в реално време.
Съдържание и презентации: Jasper (писане), Gamma (незабавни презентации) и Canva (дизайн).
Изследвания и продуктивност: Perplexity (търсене с цитирани източници), Otter.ai (транскрипция) и Motion (AI планиране на график).
Автоматизация от следващо поколение: Zapier или CrewAI за свързване на множество задачи без ръчна намеса.
Инструкции: Изпълнете следните две задачи.
Задача А: Сравнение на инструменти
Изберете една повтаряща се задача (напр. обобщаване на обратна връзка от студенти, форматиране на библиография или изготвяне на план за лекция).
Изпълнете задачата с вашия „обичаен“ LLM модел.
Превключете към друг модел (напр. ако използвате ChatGPT, опитайте Claude 3.5 Sonnet).
Отбележете разликата: Кой модел се справи по-добре с академичния контекст? Кой спази по-точно ограниченията за форматиране?
Задача Б: Итерация на инструкциите (Prompt Iteration)
Използвайте този шаблон за изследователи в избрания от вас инструмент:
"Действай като експерт-изследовател в областта на [Вашата област]. Предоставям ти проект за [Анотация/Учебна програма]. Анализирай логическата структура, идентифицирай три липсващи гледни точки според актуалната литература от 2024 г. и предложи по-ангажиращо заглавие за академична аудитория в ИУ-Варна."
Една обучителна сесия е толкова силна, колкото е силен колективният интелект в нея. Каня ви да отговорите на този имейл (или да пишете във вътрешния ни форум) с вашите прозрения по следните въпроси:
Кой LLM се превърна в основен инструмент за вашите изследвания и защо?
Опишете един „AI провал“: Случай, в който моделът ви даде некоректен или „халюциниран“ отговор в академичен контекст. Как го забелязахте?
Препоръка за инструмент: Има ли инструмент от списъка по-горе (като Gamma за презентации или Perplexity за източници), който намирате за особено полезен за вашата катедра?
Като изследователи, нашата цел е да използваме тези инструменти, за да мащабираме дейността си, без да стигаме до прегаряне (burnout). Чрез автоматизиране на административната „скеле“ на нашата работа, ние освобождаваме когнитивен ресурс за критично мислене на високо ниво и менторство на студентите.
Като изследователи в Икономически университет – Варна, знаем, че контекстът е всичко. Ефективният "prompt" (инструкция) не е просто въпрос, а структура, която задава роля, контекст и очакван формат.
Ето кратък наръчник с практически примери, разделени по основни направления в нашия университет:
Цел: Анализ на финансови отчети или регулаторни документи.
Prompt: „Действай като финансов анализатор. Анализирай прикачения PDF отчет на [Компания] съгласно стандартите на МСС (Международни счетоводни стандарти). Извлечи ключови коефициенти за ликвидност и рентабилност. Представи резултатите в таблица и посочи три потенциални финансови риска, специфични за икономическата среда в България през 2024 г.“
Цел: Сегментиране и стратегия за съдържание.
Prompt: „Ти си маркетинг стратег. Създай профил на идеален клиент (buyer persona) за нов финтех продукт, насочен към студенти в ИУ-Варна. След това генерирай 5 идеи за теми в LinkedIn, които адресират финансовите нужди на тази аудитория, използвайки професионален, но достъпен тон.“
Цел: Почистване на данни и обяснение на модели.
Prompt: „Действай като експерт по Data Science. Имам набор от данни (dataset) със закъснения в доставките на логистична компания. Напиши Python код, който използва библиотеката
pandasза идентифициране на липсващи стойности и изчисляване на средното време за доставка по региони. Обясни логиката на кода стъпка по стъпка, подходящо за студенти в начален курс по Икономическа информатика.“
Цел: Симулация на казуси и стратегическо планиране.
Prompt: „Действай като консултант по устойчив туризъм. Предложи стратегия за дигитализация на малък хотелски бизнес по Черноморието, базирана на модела SWOT. Фокусирай се върху използването на AI за управление на резервациите и персонализирано преживяване на гостите. Използвай академичен стил, подходящ за публикация в сп. 'Известия на ИУ-Варна'.“
За да получите най-добрия резултат, винаги включвайте тези четири елемента в инструкциите си:
| Елемент | Описание | Пример |
| Роля | Какъв е изкуственият интелект? | „Действай като академичен редактор...“ |
| Обект | Върху какво работи? | „Анализирай тази учебна програма...“ |
| Контекст | Каква е целта/мястото? | „...за студенти от специалност Маркетинг в ИУ-Варна.“ |
| Активност | Какъв е крайният формат? | „Изготви списък от 10 точки в Markdown формат.“ |
За по-сложни задачи, препоръчваме да използвате т.нар. "Chain of Thought" (Верига от мисли) подход. Вместо да искате финалния резултат веднага, добавете към инструкцията изречението: "Мисли стъпка по стъпка и ми предложи план, преди да започнеш писането."
Очаквамe да се запознаeм с вашия опит и да интегрирамe обратната ви връзка в бъдещите ни сесии относно AI в образованието.
Следвайте ни в социалните мрежи: https://www.linkedin.com/feed/update/urn:li:activity:7414256080601542657
06 Jan 2026
