1) 报告题目：人智协同环境下英语专业研究生自主学习模式探索

报告人：徐锦芬，华中科技大学二级教授，博士生导师，国务院政府特殊津贴专家，华中卓越学者首席教授，中国英汉语比较研究会二语习得研究专业委员会会长、中国英汉语比较研究会外语教师教育与发展委员会常务理事、中国英汉语比较研究会写作教学与研究专业委员会常务理事，TESOL中国华中区域专家委员会副主任委员，北京外国语大学客座教授。多家SSCI及CSSCI外语类核心期刊编委。研究方向为外语教育、二语习得、教师发展。主持完成国家社科重点项目以及教育部人文社科等省部级以上课题20多项；在国内外重要期刊发表论文250多篇；出版专著和主编教材30多部。曾获湖北省教学成果一等奖，湖北省社科优秀成果二等奖，获“湖北省优秀教师”、“宝钢教育基金优秀教师”、“我最喜爱的魅力导师”、“十佳优秀研究生导师”等荣誉称号。

摘要：本报告依托一项质性研究，系统探究了人智协同（Human-AI Collaboration）学习环境中，英语专业研究生自主学习模式的构建与运作机制。研究采用扎根理论方法，通过三级编码分析了30名被试者的回溯性学习日志及访谈。揭示了该自主学习模式的三个关键阶段：个性化学习规划阶段、自主学习开展阶段，以及学习过程与成果反思阶段。在个性化学习规划阶段，研究生进行需求分析、经验获取、目标与计划设定，并对学习资源进行推荐和筛选。自主学习开展阶段包括任务完成、人智协同评估、人智监控与调节、人智辅助指导，以及社群交流互动。学习过程与成果反思阶段旨在总结有效成果和不足之处。此外，本研究还通过情景编码和过程编码，进一步厘清了这三个阶段间的复杂、动态作用机制，构建了人智协同学习环境下英语专业研究生自主学习模型。编码分析结果表明，该自主学习模型呈现出螺旋式上升的发展态势，是一个动态的三阶段模型。这一研究不仅丰富了人智协同学习理论的应用场景，也为促进英语专业研究生自主学习能力的有效提升提供了实证依据与理论指导。

2) 报告题目：Digital (Applied) Linguistics: When AI Transforms Corpus Research

报告人：Eric Friginal is Professor and Head of the Department of English and Communication at The Hong Kong Polytechnic University. He specializes in applied corpus linguistics, language policy and planning, technology and language teaching, sociolinguistics, and the analysis of spoken professional discourse in the workplace. His publications include The Routledge Handbook of Corpus Approaches to Discourse Analysis (2020); Advances in Corpus-based Research on Academic Writing: Effects of Discipline, Register, and Writer Expertise (John Benjamins, 2020); and English in Global Aviation: Context, Research, and Pedagogy (Bloomsbury, 2020). He is the founding co-editor-in-chief of Applied Corpus Linguistics (ACORP) Journal.

摘要：The intersection of corpus linguistics and generative AI opens exciting avenues for enhancing language research and analysis. This presentation explores the transformative impact of merging these disciplines, particularly through the application of AI models to deepen our understanding of language production (in speech and writing). Traditionally, corpus linguistics has shed light on authentic language usage (Biber et al., 2010; Friginal, 2018), and the advent of advanced generative AI models adds new layers to our ability to analyze language patterns. I will explore how AI-generated corpora can serve as valuable complements to conventional corpus approaches, offering a broader and more flexible array of language samples for investigation. In addition, I will examine the implications of employing AI to model human speech and writing, which could enhance our insights into language variation and usage. The capabilities of AI in analyzing linguistic trends, recognizing emerging language features, and managing extensive datasets present fresh opportunities for research (Berber Sardinha, 2023). However, it is crucial to address the ethical considerations and limitations associated with AI in this context, advocating for a balanced integration of innovative technology and foundational linguistic principles. By merging insights from both corpus linguistics and AI, I aim to inspire new research pathways and foster creative methodologies for language analysis in the digital era.

3) 报告题目：人工智能赋能外语教育20年变化及前沿跟踪

报告人：王俊菊，山东大学二级教授、特聘教授、博士生导师，全国新文科教育研究中心副主任，原外国语学院党委书记、院长、翻译学院院长。主要从事二语写作、外语教育、二语习得等领域的研究，发表论文110余篇，出版著作/教材30余部。兼任教育部高等学校英语专业教学指导分委员会委员，山东省通用语类本科专业教学指导委员会主任委员，中国英汉语比较研究会写作教学与研究专委会会长、外语教师教育与发展专委会副会长等，首批国家一流专业（英语）、首批国家一流课程《英语应用文写作》、首批教育部外语写作课程群虚拟教研室负责人。获评“万人计划教学名师”“享受国务院政府特殊津贴专家”“教育部新世纪优秀人才”“宝钢全国优秀教师”“霍英东教育基金会高等院校教育教学奖”“山东省泰山学者特聘专家”“山东省有突出贡献的中青年专家”“山东省社科名家”“山东省教学名师”“山东省教书育人楷模”“山东省三八红旗手”等。

摘要：本研究采用范围综述方法考察人工智能赋能外语教育的近20年的变化趋势，跟踪国际学术前沿，重点关注期刊来源、作者分布、理论视角、焦点话题、研究方法设计、人工智能工具等。分析发现，人工智能赋能外语教育呈现出整体上升、区间起伏的总体趋势；教育技术类期刊为主要发文载体，作者地域分布较广但中国学者占比最大；理论视角主要包括技术接受理论和社会文化理论，焦点话题较为广泛，多为人工智能与语言技能提高、学习情感心理及综合能力培养等；研究设计以混合或量化研究为主，大多面向大学生群体；主要涉及ChatGPT等生成式人工智能、智能导学系统、自动问答与聊天机器人等工具。研究发现展示了生成式人工智能的巨大潜力和应用空间，对深化人工智能赋能外语教育具有借鉴与启示意义。

4) 报告题目：人工智能与外语学科

报告人：胡开宝，上海外国语大学教授，博士生导师，教育部国家长江学者特聘教授，国家社科基金重大项目首席专家，教育部黄大年式教师团队负责人。现任上海外国语大学校长助理、语料库研究院院长，兼任中国翻译协会常务理事、中国英汉语比较研究会常务理事暨外语学科发展研究专业委员会主任、中国高校语言学跨学科委员会主任委员、上海市科技翻译学会会长。担任国际期刊Corpus-based Studies across Humanities主编、国际期刊Corpora编委、CSSCI期刊《中国外语》《上海翻译》编委、Routledge出版社Advances in Applied Linguistics系列丛书和Springer出版社Corpora and Intercultural Studies系列丛书主编，以及Routledge出版社Advances in Corpus Linguistics系列丛书编委。2015年度获得教育部第七届高等学校科学研究优秀成果奖三等奖。2022年度，获得上海市第十五届哲学社会科学优秀成果奖二等奖。2024年获得教育部第九届高等学校科学研究优秀成果奖二等奖1项（排名第1）和一等奖1项（排名第3）。

摘要：近年来，人工智能技术飞速发展，广泛应用于工作、学习和生活之中。在这一历史背景下，人工智能不仅对外语学科提出了挑战，而且也带来机遇。一方面，人工智能的应用降低了社会对外语专业人才的需求，改变了外语教学模式和主体。另一方面，人工智能的应用能够推动外语教学的智能化、自动化和可视化，创造出新的就业机会。外语学科虽然面临诸多挑战，但也迎来了重要的历史机遇，并且具备人工智能所不具备的价值和功能，因此不会被人工智能所取代。只要我们重视外语学科的科学性和人文性，开设与人工智能或人文学科相关的课程或专业，推动人工智能在外语教学与学术研究中的应用，外语学科将实现可持续发展。

5) 报告题目：新质生产力视域下的中国外语专业人才规划

报告人：沈骑，同济大学外国语学院副院长、博士，长聘教授、博士生导师、博士后合作导师，语言规划与全球治理研究中心主任，上海市曙光学者，担任Educational Linguistics（De Gruyter）执行主编，兼任国际SSCI期刊Language Policy及Journal of Multilingual and Multicultural Development 编委、中国语文现代化学会语言治理研究分会理事长、中国高等教育学会一带一路分会常务理事、中国教育语言学研究会常务理事。主要从事语言政策与规划研究和教育语言学研究，近期关注语言治理研究，特别是区域国别语言规划与全球治理研究、城市语言治理和外语教育规划研究。主持承担国家社科基金、教育部及国家语委重点项目等项目10余项；出版学术专著5部，在SSCI，A&HCI及CSSCI检索的国内外重要期刊发表论文140余篇；2024年中国知网高影响力学者，科睿唯安WOS“社会科学”ESI高被引论文作者，论文曾入选 “2019年中国研究者人文社科领域高被引论文”；多篇论文被《新华文摘》《中国社会科学文摘》《高校文科学报学术文摘》《人大复印资料·语言文字学》转载。

摘要：新质生产力的发展需求推动着社会各个领域的重构与变革，也为外语专业人才培养带来了前所未有的挑战与机遇。为了适应与服务新质生产力发展的现实需求，中国高校外语专业在专业价值定位、知识体系与教学体系等方面亟待转型与变革。本研究拟从新质生产力理念出发，剖析当前外语专业人才培养中存在的结构性矛盾，提出新质外语专业人才培养的语言观、知识观和教学观，并在此基础上提出外语专业人才培养的优化路径。

6) 报告题目：外语教学视野下的语言数据研究：现状与趋势

报告人：董记华，山东大学外国语学院教授，博士生导师，山东省青年泰山学者，山东大学齐鲁青年学者，山东大学文科优青，新西兰奥克兰大学应用语言学博士、博士后，新西兰奥克兰大学联合博士生导师。兼任中国英汉语比较研究会写作教学与研究专业委员会理事，山东省国外语言学学会常务理事，山东省大数据研究会语言大数据研究专业委员会长。研究方向为语料库语言学、学术英语写作、专门用途英语、二语习得、语篇分析、动态系统理论等。在English for Specific Purposes, International Journal of Corpus Linguistics, Journal of English for Academic Purposes, ReCALL和 System等国际知名SSCI期刊和国内期刊发表论文40余篇，出版专著2部。主持国家社科基金项目2项，外文局、教育部考试中心、教育部语合中心、省级等项目10余项。

摘要：在数字智能化时代，语言数据作为基于语言符号系统构建的数据集合，已成为外语教育领域的重要资源，并在推动教学创新、深化跨文化理解以及促进语言研究等方面发挥着重要作用。本文聚焦国内外的外语教学领域中语言数据的研究，采用文献计量学方法，系统综述和分析1998-2024年间在国内CSSCI和国际SSCI期刊发表的相关论文。研究发现，语言数据在国内外的外语教学中已受到广泛关注，相关研究涵盖了教学效果评估、学习模式优化、跨文化交流能力提升等多个维度。通过基线网络分析和共被引分析等方法，本文揭示了该领域的热点话题和主要研究趋势，并发现该领域的研究经历了初期探索、技术进步与深度拓展三个阶段。研究同时分析了语言数据研究的未来发展方向，尤其是在外语教师素质提升、数字资源建设和教学模式改革等方面的应用，并讨论了语言数据在推动外语教学改革、优化教学模式及促进语言数字化和智能化研究和应用中的潜力和路径。本研究不仅有助于丰富语言学和语言教学研究领域中语言数据要素及其理论的理解，还为外语教学中的教学模式改革、教师数字素质提升和个性化教学等方面提供了理论参考和实证依据。

7) 报告题目：基于大语言模型的术语自动抽取研究

报告人：邓耀臣，大连外国语大学教授、博士生导师，《外语与外语教学》主编，享受国务院政府特殊津贴专家。研究方向为语料库语言学理论及应用、计算术语学。主持完成国家社科基金一般项目2 项，国家社科基金重大项目子课题1 项，参与国家社科基金重大项目、国家社科基金、教育部社科基金一般项目多项。在Applied Linguistics、International Journal of Corpus Linguistics、Journal of Quantitative Linguistics、《外国语》、《中国外语》、《外语教学》、《外语与外语教学》等国内外外语类权威期刊发表论文40余篇，主编出版学术专著3部。

摘要：术语自动抽取技术旨在从不断更新的专业文本中高效提炼专业术语，并为知识图谱构建、文本分类、主题建模等任务提供基础支持。近年来，大语言模型（Large Language Model, LLM）的兴起为术语自动抽取带来了新的机遇。LLM基于海量文本进行预训练，从而学习到了丰富的语言表示，具有较强的上下文理解及语义捕获能力，因而在复杂语言领域的信息抽取任务中表现出色。为了深入发掘LLM在术语自动抽取任务中的潜力，本研究探讨了基于LLM的术语自动抽取方法，并分析不同提示设计对抽取性能的影响。此外，本研究将基于LLM的方法与传统方法进行对比实验，以揭示前者在术语抽取中的独特优势。实验结果显示，基于LLM的术语自动抽取方法在准确性和效率上均有显著提升，并在多个领域的术语抽取任务中展现了稳定的性能。相较于传统方法，基于LLM的方法不依赖专业术语词典等外部资源，能够在小规模的抽取任务中取得理想的成果。该研究结果将为术语自动抽取相关领域的研究与实践带来新的启示。

时    间：2024年11月16日-17日

地    点：山东大学法新楼报告厅