Запропоновано шляхи для покращення моделі, такі як: інтеграція контентної фільтрації, що дозволить нам в майбутньому враховувати додаткові характеристики предметів, такі як тип або ж складність, що значно підвищить точність рекомендацій. Також, існує можливість покращити обчислення схожості між предметами або студентами, що в свою чергу дозволить робити рекомендації для кінцевого користувача на основі подібності. У підсумку, демонструється підхід, який дозволяє створити ефективну рекомендаційну систему, що може бути застосована для прогнозування результатів навчання студентів та формування персоналізованих освітніх програм. Підвищення точності таких систем відкриває нові можливості для покращення освітнього процесу, сприяючи більш індивідуальному підходу до навчання.