本研究提出将动态知识图谱与大型语言模型结合，以提升电子学习环境中的个性化教学支持。研究表明，该方法能增强学生理解能力，但需警惕大型语言模型的误导风险，强调人类干预的重要性。

研究表明，ChatGPT等语言模型在生成任务中的可读性控制效果有限，而开源模型如BLOOMZ和FlanT5表现良好。通过调整文本难度，LLMs能有效提升学生理解能力，某些LLMs在文本难度处理上超越人类。此外，提示设计对模型性能影响显著，改进的提示选择方法提高了分类准确性。