تعتبر فنون التفكير الرياضي ركيزة أساسية للتقدم الفكري وهي محفز رئيسي لتنمية الإبداع البشري. وقد نشر الباحثون مؤخرًا العديد من الأعمال التي تركز على مهمة حل المسائل الكلامية الرياضية (MWP)، وهي خطوة حاسمة نحو الذكاء الاصطناعي العام. تعاني هذه النماذج الحالية من الاعتماد على الاستدلالات السطحية والارتباطات الزائفة لاستنتاج تعبيرات الحلول. من أجل تحسين هذه المشكلة، نقترح في هذا البحث إطارًا لمحللي المسائل الكلامية الرياضية يعتمد على إنشاء متغيرات لغوية للنص المشكلة. يتضمن هذا الأسلوب حل كل مشكلة من المتغيرات واختيار التعبير المتوقع الذي يحصل على أغلبية الأصوات. نستخدم DeBERTa (BERT المحسن بالتحليل مع الانتباه المنفصل) كمحلل للاستفادة من تمثيلاته النصية الغنية ومحفز القناع المحسن لبناء تعبيرات الحلول. علاوة على ذلك، نقدم مجموعة بيانات صعبة، $\mathrm{P\small{ARA}\normalsize{MAWPS}}$PARAMAWPS، تتكون من إعادة صياغة المشاكل الكلامية الرياضية ومتغيراتها المعادية والمعكوسة التي تم اختيارها بعناية من مجموعة البيانات المرجعية $\mathrm{M\small{AWPS}}$MAWPS. نجري تجارب واسعة على هذه المجموعة البيانات بالإضافة إلى مجموعات بيانات مرجعية أخرى باستخدام بعض النماذج الأساسية محللي المسائل الكلامية الرياضية. نظهر أن التدريب على المتغيرات اللغوية لبيانات المشكلات والتصويت على التنبؤات المرشحة يعزز التفكير الرياضي ومتانة النموذج. ونجعل الكود والمعلومات متاحة للعامة.