Эффективная трансформация образовательной системы требует применения инновационных подходов. Одним из прикладных механизмов получения качественной обратной связи в этой сфере служит аспектно-ориентированный анализ тональности (Aspect-Based Sentiment Analysis, ABSA). Многозадачная архитектура для оценки студентами преподавания (ОСП) позволяет выявлять и структурировать конкретные параметры образовательного процесса. Работа базируется на первом открытом массиве данных, содержащем 6025 отзывов на испанском языке. Представленная архитектура предлагает сегментированную и многомаркерную классификацию отзывов, обеспечивая детализированную обратную связь по девяти аспектам, включая «Качество преподавания» и «Атмосферу в аудитории». Сфера применения подхода выходит за рамки анализа ОСП и содержит ценные сведения для совершенствования учебных курсов, оценки педагогического состава и принятия управленческих решений в высшем образовании. Сопоставление эффективности тонко настроенных трансформерных моделей BERT и RoBERTa с большими языковыми моделями (LLM) GPT-4o, GPT-4o-mini и LLama-3.1-8B показало превосходство LLM GPT-4o: для выявления положительных аспектов значение F1 составило 0.69, отрицательных — 0.79. LLM задействуют методологию цепочки мыслей (Chain of Thought, CoT) в режиме тонкой настройки и малого количества подсказок (few-shot), при этом подходы Few-shot CoT обеспечивают лучшую масштабируемость и интерпретируемость. Предложенная архитектура трансформирует неструктурированную обратную связь в четко организованные выводы, способствуя повышению качества преподавания и вовлеченности студентов