本研究は、自由記述型の教育評価フィードバックを主題カテゴリと感情に分けて分類するための検証済みプロトコルの耐久性と言語横断的な転移可能性を評価する。

  • 研究者らは、スパースな語彙特徴、凍結されたトランスフォーマー埋め込み、プロンプト付き大規模言語モデルという3つの表現生成を用いて、元のスペイン語データに対してプロトコルを再実行した。
  • 感情分類タスクは、アスペクトラベル付き教育データセットで検証された45,000件のコメントからなるバランスの取れたコーパスを使用して英語へ転移された。
  • 2026年のフロンティアモデルは、最も困難なスペイン語タスクで最高の主題F1スコアを達成したが、安価なモデルと比較して感情分類において優位性は示さなかった。

著者らは、プロトコルが異なる表現技術や言語にわたって効果的であるため、モデルの選択は方法論のプロパティではなくデプロイメントの判断であると結論づけている。