Este estudio presenta una técnica híbrida de resumen de texto diseñada para mejorar el análisis de retroalimentación cualitativa de encuestas educativas en línea. La técnica se implementó en la Universidad Abierta Helénica (HOU) para abordar los desafíos de procesar grandes volúmenes de retroalimentación de estudiantes. Los algoritmos TextRank y Walktrap junto con GPT-4o mini se utilizaron para analizar los comentarios de los estudiantes sobre experiencias positivas, desafíos de estudio y sugerencias de mejora. Los resultados indican que los estudiantes están satisfechos con las interacciones tutor-estudiante, pero se plantearon preocupaciones sobre el contenido educativo y problemas de programación. Para evaluar el enfoque de resumen propuesto, se emplearon las métricas de resumen G-Eval y DeepEval, evaluando la relevancia, coherencia, consistencia, fluidez, alineación y cobertura de los resúmenes. Esta investigación aborda la creciente demanda de análisis efectivo de datos cualitativos en la educación superior y contribuye a las discusiones en curso sobre la retroalimentación de los estudiantes en entornos de aprendizaje a distancia. Al resumir de manera efectiva las respuestas abiertas, las universidades pueden comprender mejor las experiencias de los estudiantes y tomar decisiones informadas para mejorar el proceso educativo.