본 논문은 MOOC 환경에서 개념 추천을 위한 새로운 프레임워크인 CLLMRec을 제안한다. CLLMRec은 고품질의 구조화된 지식 그래프에 의존하지 않고, 대규모 언어 모델(LLM)을 활용하여 개인 맞춤형 학습을 지원한다. Semantic Alignment를 통해 학습자와 개념의 텍스트 설명을 통합 표현 공간으로 구성하고, Prerequisite Knowledge Distillation을 통해 개념 간의 선행 관계를 학습하여 효율적인 랭커를 훈련한다. 또한, 딥 지식 추적을 통해 학습자의 인지 상태를 모델링하여 구조적으로 건전하고 인지적으로 적절한 추천을 제공한다. 실제 MOOC 데이터셋에 대한 실험 결과, CLLMRec은 기존의 방법들을 능가하는 성능을 보였다.