Los cambios ambientales y el envejecimiento de los sensores pueden causar deriva en las respuestas de los arreglos de sensores (es decir, un cambio en la distribución de la señal/característica medida a lo largo del tiempo), lo que a su vez degrada el rendimiento de clasificación de gases en implementaciones del mundo real de sistemas de nariz electrónica. Estudios previos que utilizaron el Conjunto de Datos de Deriva del Arreglo de Sensores de Gas de UCI como referencia informaron resultados prometedores de compensación de deriva, pero a menudo carecieron de una validación estadística robusta y pueden sobrecompensar la deriva al suprimir la varianza discriminativa de clases. Para abordar estas limitaciones y evaluar rigurosamente las mejoras en la compensación de la deriva del sensor, diseñamos dos tareas de adaptación de dominio basadas en el conjunto de datos de nariz electrónica de UCI: (1) utilizando el primer lote para predecir los lotes restantes, simulando un entorno de laboratorio controlado, y (2) utilizando los Lotes 1 a n-1 para predecir el Lote n, simulando actualizaciones continuas de datos de entrenamiento para el entrenamiento en línea. Luego, probamos sistemáticamente tres métodos: nuestro método de destilación de conocimiento semisupervisado (KD) para la compensación de deriva del sensor; un método previamente evaluado, Análisis de Componentes Regularizados por Dominio (DRCA); y un método híbrido, KD-DRCA, en 30 particiones aleatorias del conjunto de prueba en el conjunto de datos de UCI. Mostramos que el KD semisupervisado superó consistentemente tanto al DRCA como al KD-DRCA, logrando mejoras relativas de hasta el 18% y el 15% en precisión y puntuación F1, respectivamente, sobre la línea base, demostrando la superior efectividad del KD en la compensación de deriva de la nariz electrónica. Este trabajo proporciona una validación estadística rigurosa del KD para la compensación de deriva de la nariz electrónica bajo deriva temporal a largo plazo, con evaluación aleatoria repetida y pruebas de significancia, y demuestra mejoras consistentes sobre el DRCA en el referente de deriva de UCI.