La arquería es un deporte de habilidad muy detallado en el que pequeñas desviaciones en la postura pueden afectar notablemente el rendimiento, lo que motiva la necesidad de una evaluación técnica automatizada y confiable. Sin embargo, la mayoría de los métodos existentes aún se centran en deportes de gran amplitud y no pueden igualar el matiz a nivel de entrenador. Para superar estas limitaciones, presentamos SEMA (Evaluación Multimodal Impulsada por Evidencia Semántica), un sistema de extremo a extremo basado en un modelo de lenguaje grande (LLM) para la evaluación de la calidad de la acción de arquería de forma detallada. Más allá de la predicción de puntuaciones y la generación de textos de evaluación, SEMA también apoya la respuesta a preguntas fundamentadas en el conocimiento y la generación de retroalimentación a través de un marco jerárquico de conocimiento de múltiples fuentes que integra los resultados de la evaluación, la orientación estructurada de entrenamiento y el conocimiento general sobre arquería. Los resultados experimentales muestran que SEMA logra un rendimiento sólido en el nuevo conjunto de datos AAV, superando a los VLM de propósito general y a los métodos AQA adaptados previamente. Además, presentamos el conjunto de datos AAV (Video de Acción de Arquería), el primer conjunto de datos multimodal de evaluación de calidad de acción (AQA) dedicado a la arquería, y lo publicamos públicamente para la comunidad. Este conjunto de datos aborda una brecha crítica en los benchmarks actuales para evaluar la calidad de la acción de arquería y el entrenamiento inteligente en arquería.