本研究提出了一种多模态方法，结合变压器文本分类与语言特征分析，帮助教育工作者快速评估文献可读性，适应课堂需求，显著提高文本与英国教育标准的匹配度，促进数据驱动的决策。

本研究探讨了不同语言特征对机器学习可读性评估模型的影响，发现全局解释特征优于传统方法。同时，提出了阿拉伯语和土耳其文本的可读性评估模型，利用深度学习和迁移学习提高评估精度。

对四种最先进的大型语言模型进行了可读性评估，发现它们在适应不同受众时存在差异。研究结果强调了在教育场景中增强大型语言模型的适应性的重要性。当前大型语言模型的可读性范围受限，限制了它们在教育用途上的潜力。