Un estudio reevalúa un protocolo validado para clasificar la retroalimentación abierta de evaluación docente por categoría temática y sentimiento. La investigación prueba si el protocolo, originalmente construido con incrustaciones congeladas de la era de 2019, sigue siendo efectivo a medida que avanzan los métodos de representación y se transfiere al inglés.
Los autores ejecutaron el protocolo en un corpus institucional español original a través de tres generaciones de representaciones: características léxicas dispersas, incrustaciones de transformador congeladas y modelos de lenguaje grandes con indicaciones. También transfirieron la tarea de sentimiento a un corpus equilibrado de 45.000 comentarios en inglés verificado contra un conjunto de datos educativo etiquetado por aspecto.
Los resultados muestran que el protocolo es duradero; un modelo frontier de 2026 obtuvo la F1 temática más alta en la tarea española más difícil. Sin embargo, no mostró ventaja de sentimiento sobre modelos más baratos ni separación descriptiva de ellos en inglés, lo que indica que la elección del modelo es una decisión de implementación y no una propiedad del método.