アスペクトベースの感情分析（ABSA）は、特定のエンティティ（アスペクト）やそのカテゴリに関連する意見を特定し分類する手法です。しかし、教育や医療などの低資源分野では、ABSA研究のリソースが不足しています。本研究は、データ効率を高めるために、小型の生成言語モデルに焦点を当て、従来の評価方法の限界を克服する新しい方法（FTS-OBP）を提案します。これにより、現実的な抽出境界のバリエーションを考慮しつつ、精度を維持できます。また、200〜1000サンプルを用いて、1.5-3.8Bのモデルがプロプライエタリな大規模モデルを上回る性能向上を示し、教育レビューABSAに関連する初の公的リソースも公開しています。これにより、低資源領域での今後の研究が支援されることを期待しています。