Projektas prisidės prie naujo aukštos pridėtinės vertės produkto kūrimo, bus sudaromos sąlygos tyrėjams dalyvauti įmonės mokslinių tyrimų ir eksperimentinės plėtros veiklose, skatinama intelektinė nuosavybė ir ankstyvoji sukurto naujo produkto bandomoji gamyba. Besimokančiųjų mokymosi tempas ir poreikiai gali labai skirtis, todėl efektyvios mokymo sistemos užtikrinimas tampa sudėtinga problema, kuriai spręsti reikalinga individualizuoti mokymo medžiagos parinkimą kiekvienam besimokančiajam pagal jo gebėjimus, žinias ir poreikius. Vykdant projektą siekiama sukurti kompiuterio ir besimokančiojo sąveikos modelį, kuris galėtų efektyviai stebėti besimokančiojo pažangą ir poreikius ir pagal tai parinkti reikiamą mokymo medžiagą. Naujausi dideli kalbos modeliai, turi didelį potencialą švietimo srityje, tačiau pritaikymas konkretiems mokymo atvejams, pavyzdžiui, programavimo mokymui, pritaikant koncepcijų žemėlapių sudarymui ir palyginimui dar nėra pakankamai ištirtas. Mokymo procese labai svarbus yra besimokančiojo grįžtamasis ryšys. Vienas iš sprendimų šiam ryšiui gerinti – semantinės ir sentimentinės analizės taikymas. Šiuo metu nėra plačiai prieinamų sprendimų, kurie taikytų semantinę ir sentimentinę analizę siekiant tiksliau įvertinti besimokančiojo grįžtamąjį ryšį ir mokymosi efektyvumą ir pagal tai parinkti mokymo medžiagą. Įprastai mokymo medžiagos parinkimas atliekamas vadovaujantis pedagoginiais principais, tačiau tai ne visada gali būti efektyvu. Šiai problemai spręsti reikalingi taikomieji moksliniai tyrimai, kurie leistų integruoti giliojo žinių stebėjimo algoritmus ir didelius kalbos modelius ir sukurti modelį mokymo medžiagos pritaikymui besimokančiųjų poreikiams.