全球教育数字化转型浪潮激荡，AI技术在学术研究中的应用已经展现出巨大潜力和广阔前景。通过自然语言处理、机器学习、数据挖掘等技术手段，AI不仅能加速文献检索、数据分析和文本生成等环节，还能提供更加精准的研究工具和方法。在实证类研究的数据收集与分析环节，AI能快速筛选、整理海量的外语语料，精准挖掘其中隐藏的语言规律、文化差异等关键信息，为研究奠定坚实的数据基础。在论文撰写阶段，AI写作辅助工具可依据学术规范和语境，提供语法纠错、语句润色、文献引用建议等功能，大幅提高写作效率与质量。在论文修改过程中，通过自然语言处理技术，AI能对论文行文进行深度语义分析，指出逻辑漏洞、内容重复等问题，帮助作者优化论文结构与语言表述。而在论文发表阶段，AI技术可助力研究者快速遴选、定位合适期刊，分析其刊文类型与趋势，提高论文投稿与发表效率。AI技术的应用极大提高了科研工作效率，为创新性研究成果的产生提供了强有力支持，深刻改变了学术研究的范式与路径。

为帮助广大外语教师快速适应这一变革，切实提升科研能力与学术写作水平，中国高校外语教师发展研究院联合上海外教社教育培训中心定于2025年6月6-9日（6月6日报到，7-8日研修，9日离会，线上同步直播）在上海外国语大学虹口校区举办“AI 赋能外语实证类学术论文撰写、修改与发表”高级研修班。本期研修将邀请外语学科知名专家、高被引学者、卓越青年学人以专题讲座、案例解析、示范展示、互动问答等课程形式进行授课，旨在帮助外语教师深入了解AI技术在实证类研究中的应用场景，掌握多元研究范式、路径与效率工具，全面提升学术能力与数字素养，助力教师专业发展。

AI赋能外语实证研究的选题、设计和方法创新

主讲人：滕琳

浙江大学外国语学院教授，博士生导师。研究主要围绕二语写作、自我调节学习、学习者心理情感特征、教师教育及教育信息技术等方面。获得浙江省哲学社会科学优秀成果一等奖等多项科研奖励。担任System客座主编，Journal of Second Language Writing 国际期刊编委。成果见诸于Modern Language Journal、Journal of Second Language Writing、System、Applied Linguistics、Language Teaching Research、TESOL Quarterly等国际核心期刊。2021、2022、2023连续三年入选爱思唯尔外国语言文学领域“中国高被引学者”，2023年入选斯坦福发布全球前2%顶尖科学家榜单。

课程目标：

1. 了解AI赋能外语实证研究热点

2. 掌握外语实证研究选题的前沿范式转换

3. 熟悉外语实证研究设计及方法创新

4. 通过案例了解不同类型实证研究的创新策略  

第一部分：AI赋能外语实证研究选题及范式突破

1. AI赋能外语实证研究热点与选题创新

l外语实证研究内涵

l外语实证研究热点话题

l外语实证研究选题创新策略

l案例分析

2. AI赋能外语实证研究范式突破

l外语实证研究前沿范式转换

lSLA/SLT/ISA研究新思考

l案例分析

第二部分：AI赋能外语实证研究设计及方法创新

1. 外语实证研究设计及创新路径

l外语实证研究设计典型范式

l高质量研究设计的四要素

l“点睛研究设计”的创新路径

l案例分析

2. AI赋能外语实证研究方法创新

l外语实证研究创新方法

l选题、设计与方法的“完美”融合

lAI赋能外语实证研究的伦理思考

l案例分析

如何使用大语言模型进行文献综述与语言润色

主讲人：王峰

山东大学翻译学院教授、博士生导师、博士后合作导师，同济大学文学博士、布鲁塞尔自由大学应用语言学博士，国际韩礼德语言学研究会秘书长，山东省泰山学者青年专家。研究方向：功能语篇分析、语料库翻译学。主持国家社科后期资助项目1项、国家文旅部重点课题1项、省级课题4项。在Perspectives, Critical Arts, Humanities and Social Sciences Communications，SAGE Open, Psychology in the Schools, Australian Journal of Linguistics, Style, Target, Functions of Language, Chinese Semiotic Studies,《外国语》《中国外语》《中国翻译》《外语教学》《外语研究》《外语教学理论与实践》《外语电化教学》《外语导刊》《外语学刊》《上海翻译》等国内外核心期刊上发表论文40余篇。

课程目标：

1. 掌握提升大语言模型输出质量的三大核心方法

2. 熟悉通用型与专用型AI工具在学术写作中的应用场景

3. 学会利用AI工具高效完成文献综述与语言润色

4. 通过实际案例了解学术写作全流程的AI辅助方法

第一部分：提升大语言模型输出质量的“三板斧”

1. 小样本输入

l什么是小样本输入（Few-shot Learning）？

l如何通过提供少量示例优化模型输出质量

l实操演示：在文献综述中应用小样本输入

2. 思维链展示

l思维链（Chain-of-Thought）的概念与作用

l如何引导大语言模型分步骤思考，提升逻辑性与准确性

l案例解析：使用思维链优化复杂问题的分析与回答

3. 增强式检索

l增强式检索（Retrieval-Augmented Generation, RAG）的原理

l如何结合外部知识库提升模型输出的准确性与权威性

l实操演示：在文献综述中应用增强式检索

第二部分：大语言模型特色功能的学术写作应用

1. 通用型AI工具的特色功能与科研应用

lDeepSeek、Kimi、豆包、通义千问等大模型的核心功能及特色

l如何利用通用型AI工具进行文献检索、内容生成与语言修改、润色

l案例展示：使用通用型AI工具完成学术写作的某一步骤

2. 专用型学术AI工具的特色功能及应用

lConsensus、SciSpace、ScopusAI等工具的功能详解

l如何利用专用工具进行文献分析、论文写作与查重

l案例展示：使用专用工具快速定位高质量文献并生成综述

3. 学术写作全过程案例展示

l文献检索：如何利用AI工具高效检索相关文献

l泛读与精读：AI辅助快速提取文献核心内容

l写作与润色：使用AI工具优化语言表达与逻辑结构

l查重：AI工具在查重与降重中的应用

大语言模型辅助质性研究的思路和策略

主讲人：徐浩

北京外国语大学教授、博士生导师。主要研究领域：二语习得、外语教育与教师发展。任中国教育学会外语教学专业委员会常务理事、中国语文现代化学会语言治理研究分会常务理事、全国基础外语教育研究培训中心副秘书长；《英语》（新标准）小学、初中修订版教材分册主编，高中英语修订教材编委；《英语学习》主编、《外语教育研究前沿》副主编、International Journal of Applied Linguistics副主编。

课程目标：

1. 掌握大语言模型在质性研究设计中的深度辅助策略

2. 提升大语言模型在质性数据处理与分析中的协作能力

3. 培养质性研究者的人机协作能力与批判性思维

第一部分：研究设计的全流程互动

1. 选题与研究范式选择

l选题设想讨论

l研究问题聚焦

l研究范式选择

l案例分析I

2. 数据收集工具的设计与开发

l三类访谈的设计

l预访谈的人机模拟

l开放式问卷的开发

l实战练习I

第二部分：数据处理的全方位辅助

1. 概念框架的协作构建

l为数据尝试不同的理论“滤镜”

l操作性定义的论证与完善

l案例分析II

2. 数据分析的三级辅助

l数据分析过程的互动讨论

l数据分析结果的综合与可视化

l数据分析效度的人机协作检验

l实战练习II

如何用AI打破统计迷思，助力量化研究

主讲人：杨艳超

（澳门）中西创新学院国际语言服务研究院副院长，副教授，澳门大学哲学博士；香港大学教育学硕士。2022年负责的“英语听说数字化教学团队”获得省级普通本科院校优秀教学团队。此外担任省级线上线下混合式一流本科课程立项建设课程《英语语音》主持人；省级高校本科（全日制）精品在线开放课程《英语听力》主持人。两门课程均入选“国家高等教育智慧教育平台”首批推荐课程。先后于2017年、2019年获省级教育教学成果奖三等奖两项；曾获得中国外语微课大赛二等奖两项、三等奖两项；河北省高校外语微课大赛一等奖五项； 2021年度香港教育大学基于语料库教学设计大赛一等奖。主持省级教改两项，参与国家社科基金项目及教育部人文社会科学研究规划基金项目各一项、省级教改项目14项。先后于《上海翻译》、Turkish Online Journal of Educational Technology、European Journal of Education、PLOS One、Psychology in the Schools、Frontiers in Psychology、Language Teaching Research、Current Psychology、 Learning and Instruction、Asia Pacific Journal of Education、Early Years、SAGE Open、Psychology research and behavior management等期刊发表CSSCI、SSCI论文18篇。

课程目标：

1. 熟悉统计方法选择

2. 掌握研究假设检验

3. 提升数据分析效率

4. 熟悉数据解读与结果分析

5. 掌握高效图表制作

6. 提升科研写作效率

1. “统计方法有类别”： AI助力厘清统计应用场景

通过AI技术，快速判断研究场景，精准选择统计方法（如单样本T检验、独立样本T检验、配对样本T检验、方差分析、协方差分析、卡方分析、相关分析），告别方法选择困惑，确保研究设计科学严谨。

2. “统计方法有前提”： AI帮你明确研究假设

通过AI技术，自动识别和明确每个研究方法所需的假设前提，如方差齐性、正态分布等，确保研究假设的合理性与准确性。

3. “统计方法会操作”：AI助力掌握SPSS软件操作流程

通过AI指导SPSS操作，即使是初学者也能轻松完成复杂的数据分析任务，减少操作失误，提升分析效率。

4. 统计结果会解读：AI辅助统计结果数据解读

利用AI快速解读SPSS输出结果，自动识别P值、显著性水平、效应量等关键指标，避免误读和遗漏，确保分析结果准确可靠。

5. 统计结果会展示：AI赋能量化论文撰写

利用AI自动生成数据分析报告和论文段落，优化逻辑与结构，帮助您快速完成论文撰写，节省大量时间与精力。

大语言模型赋能审稿意见回复与论文修改

主讲人：雷蕾

博士，上海外国语大学教授、博士生导师。研究兴趣涉及语料库语言学、计量语言学、语言数字人文等领域。在剑桥大学出版社等出版专著5部，在Applied Linguistics、Journal of Second Language Writing、Language Teaching、Journal of English for Academic Purposes、International Journal of Corpus Linguistics、Corpus Linguistics and Linguistic Theory等SSCI期刊发表研究性论文近50篇、书评10余篇，其中两篇论文入选ESI高被引论文；在CSSCI期刊发表论文或书评10余篇。主持完成国家社科基金等项目多项。兼任Journal of English for Academic Purposes (SSCI) 等国内外期刊编委、Corpus-based Studies across Humanities (De Gruyter)副主编。入选爱思唯尔中国高被引学者、全球前2%顶尖科学家。

课程目标：

本讲座旨在帮助外语教师、中青年学者以及希望提高论文写作质量的外语研究者了解并掌握如何利用大语言模型有效地回复审稿意见和修改论文。

1. 了解大语言模型在学术写作中的应用场景，特别是针对审稿意见回复和论文修改方面的优势与局限

2. 掌握利用大语言模型进行语言润色、逻辑梳理、论证加强、以及回应审稿意见的技巧

3. 学习如何批判性地评估大语言模型的输出，了解大语言模型在学术伦理方面的潜在风险和应对策略

课程提要：

1. 学术发表的挑战与大语言模型赋能的机遇

2. 大语言模型在论文修改中的应用：从语言润色到逻辑梳理

3. 大语言模型赋能审稿意见回复：高效精准地回应审稿人

4. 大语言模型在学术伦理方面的考量与实践建议