本文为一篇反思性实践文章，详细阐述了一位学术能力发展中心（ALC）的任课讲师在为跨学科新课程《MTH128：数学、物理与创业学的跨学科融合》设计和实施辅导课时的经历。面对如何掌握不熟悉的内容、如何设计有吸引力的活动、如何辅导复杂的考试，并且同时融入专门学术英语（ESAP）的学习等多重挑战，该讲师将XIPU AI作为战略性辅助工具。本文通过三个案例研究，展示了人工智能如何被用于解读抽象的学科概念、设计有趣的课堂活动以及解构复杂的考试任务。本文对该方法的影响进行了反思，注意到了它在提升教师教学效能和学生学习成效方面的积极作用，同时也批判性地审视了人工智能带来的关键挑战，例如事实性错误。文章最后提出“增强实践”作为一种可持续的模式，即人工智能作为一种工具，增强而非取代专业学术英语教师的作用。

 

 

 

专门学术英语，嵌入式学术素养，教育中的生成式人工智能，跨学科教学法

 

 

    《MTH128：数学、物理与创业学的跨学科融合》是数学物理学院为大二学生开设的一门全新课程，旨在搭建分析方法与创业思维之间的桥梁。该课程通过案例研究和团队项目，培养学生识别机遇、分析市场和设计商业模式的能力。在教学方面，本课程由讲座和辅导课两部分组成（MTH128 课程手册, 2025）。

        学术能力发展中心成立于2025年，是西交利物浦大学全球文化与语言学苑的一部分。它旨在为所有学术院系提供英语语言与学术技能支持。该中心的教师被嵌入到各个学院，为学生提供针对特定学科主题和技能的学业支持。笔者被派驻数学物理学院，并在2025-26学年第一学期负责为应用数学、金融数学和精算学专业的学生讲授MTH128辅导课。

        MTH128辅导课旨在回顾讲座要点，并通过小组合作和相关活动强化学习效果。更为关键的是，辅导课必须为学生提供明确的支架式支持，以培养他们顺利完成考核任务所需的各项技能。此外，来自学术能力发展中心的辅导课教师还肩负着提升学生在商业语境下运用英语能力的职责，例如阅读案例研究、撰写商业计划书以及进行演讲。

        教授这门独特的跨学科课程面临多方面的挑战。首先，作为一名没有数学或商科专业背景的学术英语教师，我面临的直接障碍是必须快速准确地掌握陌生而复杂的内容，以建立专业可信度，从而提供有效的学习支持。其次，我需要设计辅导课活动，在讲座内容与考核所需的实践应用之间建立起清晰连贯的桥梁。第三，激发学生的课堂参与度至关重要，尤其是当许多学生质疑以商科为导向的内容与他们主修的数学或物理学专业有何关联时。最后，也是最为关键的一点是，在应对上述所有挑战的同时，我还必须将专门学术英语技能的培养有机地融入教学全程。

        本文详细阐述了作为嵌入式学术英语教师，如何通过策略性地运用XIPU AI，来应对教授跨学科课程MTH128时所面临的多重挑战。文章首先在专门学术英语教学法的理论框架下对这些挑战进行了背景分析，随后通过案例研究展示了人工智能在解析复杂概念、设计课堂活动以及解构考核任务中的具体应用。最后，文章反思了这种技术增强型教学实践对教师发展、学生学习以及人工智能在专业教育中伦理整合的深远意义。

 

 

        专门学术英语侧重于教授特定学科领域独特的语言和交流方式（Hyland, 2022）。这意味着要超越通用学术英语，关注特定领域中使用的真实文本、词汇和论证方式（Hyland, 2022）。对于在像数学物理学院这样的院系内工作的学术英语教师而言，这产生了一个双重角色。我们并非内容专家，而是学术交流方面的专家，必须快速了解该学科，以便有效地支持学生。在这种模式下，学术英语教师扮演着“话语分析师”的角色，解构学科内的文本和陈述；同时也扮演着“支架搭建者”的角色，设计循序渐进的引导活动，帮助学生掌握这些形式（Wingate, 2012）。我们的专长不在于拥有专业知识，而在于帮助学生能够清晰准确地交流这些知识。

        然而，MTH128课程带来了引言中概述的多方面的挑战，对学术英语教学模型提出了考验。我的工作是快速学习，然后帮助学生使用一种全新的、混合的交流形式。它结合了数学模型、商业理论以及用英语陈述观点的学术技能。除此之外，我还需要设计引人入胜的辅导课，清晰地连接讲座主题与考试内容，同时积极培养学生完成海报和演示所需的特定英语技能。本质上，我并非为一个成熟的学科搭建支架，而是在为一个新兴的跨学科领域进行引导。这就要求作为引导者的我，首先自己必须探索这片未知的跨学科领域，然后才能引导学生前行。

        现代科技可以为此提供解决方案。近期的教育研究表明，生成式人工智能不应被视为教师的替代品，而应被看作一种协作工具——一个用于创意生成、内容简化和教学设计的合作伙伴（Zhai et al., 2021）。例如，Kasneci等人（2023）强调了人工智能作为教师“实践伙伴”的潜力。对于面临需要快速熟悉不熟悉学科内容的嵌入式学术英语教师而言，这一工具被证明是很有价值的。它提供了一种生成教学理念和创建教学内容的有效途径，从而使教师能够专注于核心专业职责，如课程设计和提供反馈。因此，我在MTH128中的经历，代表了传统学术英语教学法与新兴的人工智能辅助教学可能性相交汇的一个实践案例研究。

 

 

        我面临的第一个也是最直接的挑战，是能够简单解释该课程中关于创新创业的理论和概念，这些概念对我以及许多数学专业的学生来说都是全新的。为了弥合自身知识差距，并与讲座课之间建立清晰的桥梁，我将XIPU AI用作“解释概念的工具”，将晦涩的术语转化为易于理解的学习要点。

        例如，在解析“源创新”和“流创新”这两个关键概念的区别时，由于讲座中的定义较为抽象，我便向人工智能提问：“你能向一个中学生解释‘源创新’和‘流创新’吗？让概念简单易懂并给出例子。”这里，我要求人工智能向“中学生”解释，是为了促使其提供简单的解释和清晰的例子。人工智能给出了一个具体的类比：源创新就像是创造一种全新的饮料，比如用全新的原料做成草莓柠檬水。流创新则像是改进学生们讨论的方式，如从传纸条切换到使用群聊，就能更快更便捷地交流（见图1）。这个简单、具体的类比成为了我辅导课复习的核心。它不仅巩固了我自己的理解，也为学生提供了一个难忘的思维模型，使我们能够快速进入更复杂的、针对学科的应用，例如讨论现实商业世界中的源创新与流创新。

 

 

        除了定义以外，学生们也难以理解如何将“数学思维”转化为现实世界中的创业帮手。为了解决这一问题，我将XIPU AI用作“研究助手”，请其生成一篇关于詹姆斯·西蒙斯的文章，并附带几道阅读理解题（见图2）。人工智能提供了关于西蒙斯量化对冲基金的简明摘要，并生成了诸如“你认为为什么在投资中使用数学模型有时比依赖人的猜测更好？”之类的问题。这个量身定制的案例研究起到了双重作用：通过将数学描述为强大的创业工具，验证了本课程的核心；同时也为学生提供了练习分析性阅读的相关材料，这对培养学术技能至关重要。在这个例子中，人工智能生成的问题引导了课堂讨论，直接将每周主题与一个具体的高知名度案例联系起来。

 

 

        在基本掌握内容之后，下一个挑战是将这些概念转化为有吸引力、以学生为中心的活动。因为该课程的成功取决于学生积极实践其所倡导的创新思维，因此，我将XIPU AI用作“创意伙伴”，用来快速构思和完善互动的教学设计，使抽象的思维模式变得具体。

        有一节课是关于四种创新思维：发散、聚合、联想和批判性思维。如果思维缺乏应用，则可能停留在理论层面。为了从定义过渡到实践，我向人工智能提问：“为这四种思维类型（发散、聚合、联想、批判性）各生成一个简短、简单的10分钟课堂活动。每个活动应与数学专业学生相关，并与产品或商业创意的生成大致相关” （见图3）。这些提示语恰到好处：它们扎根于学生熟悉的概念，同时有效地推动学生进入创业思维模式进行创意生成。我采纳了这些建议，并将其改编成一个快节奏的辅导站轮换活动，让学生亲身体验在不同思维模式之间进行心理切换。

 

 

        为了提升学生的课堂参与感，需要相关的动手活动。我求助于人工智能来集思广益并详细描述这些活动。首先，我提问：“建议一个实用的、30分钟的团队活动，用于练习使用奥斯本的九维检核表来修改创意，请使用一个简单常见的物品。”人工智能提出了“水瓶活动”，即小组采用一个标准水瓶，并应用检核表上的问题，如“修改？”（能否改变形状？）或“另作他用？”（能否用作工具？）（见图4）。它提供了一个完整的活动流程。这些活动流程提供了一个强大、立即可用的结构，从而，我可以进行个性化调整。它为我在节省了大量时间的同时确保了教学上的合理性。

 

 

        辅导课有效性的最终检验，在于其能否有效帮助学生准备该课程的两个考试：一份有关商业模式和商业计划的团队海报，以及基于该海报的个人演讲。我的职责是解释考试任务单上的详细要求，并提供有针对性的帮助。为此，我将XIPU AI用作“共同支架搭建者”，利用它来解构作业要求，并生成明确的、针对学科的框架，引导学生从困惑走向清晰。

        学生的考试任务单上充斥着学术和商业术语，这对学生构成了初始障碍。我的第一步是利用人工智能作为这些复杂文档的“翻译器”。例如，我上传了一张海报核心要求的截图，并提问：“分析这份海报考试要求。用简单的语言和例子解释商业模式部分应包含哪些内容。具体阐明‘内容’、‘结构’、‘治理机制’和‘价值逻辑’这些术语的含义。人工智能给出了清晰的分解，它通过“健康早餐配送服务”这个易于理解的例子解释了每个术语（见图5）。这次应用使我将考试任务单转化为具体、友好的学生指南，有效地弥合了作业要求与学生理解之间的差距。

 

 

        除了解释“是什么”，学生们还需要一个关于“怎么做”的模板——即如何按照任务单的要求组织一个的四分钟演讲。我向人工智能提供了演讲的考试要求，并提问：“这是一个四分钟演讲的考试要求，请生成一个清晰可行的演讲提纲，包括具体的标题、内容要点以及关键的演讲指示性语言。（见图6）”人工智能生成了一份连贯的框架，将演示结构化为五个符合任务单要求的明确部分。这个提纲并非供学生抄袭，而是一个有支架作用的模板，直观地反映了学术演讲的预期结构和流程。在课堂上，我们利用这个模板讨论了演讲的基本结构，以及如何使用有效的指示性语言来引导听众。这个过程揭开了考试的神秘面纱，使学生能够专注于在清晰的框架内发展有力的内容。

 

 

 

 

 

        在跨学科教学中使用生成式人工智能辅助首先提升了我作为嵌入式学术英语教师的自我认同和效能感。最初，教授自身专业领域之外的内容给我带来了很大的焦虑，特别是担心学生会提出我无法回答的数学或商业方面的具体问题。XIPU AI从根本上缓解了这一问题。它并未将我转变为该学科的专家，但其作为一个实时的解释者和创意生成器，使我成为了一个更自信、适应性更强的跨学科话语引导者。
        这种转变的影响是巨大的。我不再将大量时间用于苦苦解读不熟悉的材料，而是可以将这些时间重新投入到更有意义的教学任务中，例如设计教学方法、预判学生的问题、规划差异化语言教学等。人工智能承担了内容处理的繁重工作，而我的任务则是为学生群体筛选和调整合适的输出。因此，我的位置从一个潜在的知识瓶颈转变为一个学习过程的引导者。这段经历重新定义了我对嵌入式实践的理解：精通不在于掌握所有内容，而在于掌握使任何内容对学生而言都可理解、可应用的工具和方法。

 

        方法成功的最终衡量标准是学生的学习成果。我观察到了一些积极的结果。首先，考核作业提交的质量显著提高。学生的海报和演讲文稿展现出更强的结构连贯性，其中阐述商业模式、创新技巧和财务预测的部分定义更清晰、逻辑联系更紧密。这表明，人工智能成功地将模糊的考试要求变得易于理解。

        其次，课堂讨论和提问的质量有所提高。当核心概念通过人工智能生成的类比（如柠檬小摊）变得易于理解后，学生们对专业术语上的理解不再困惑，继而更多地进行高阶应用层面的讨论，例如如何使用数学原理创造商业机会等。人工智能设计的教学活动（如水瓶创新挑战），在课堂上营造出良好的活力和团队合作氛围，这表明设计良好、相关性强的活动可以克服学生最初对课程与自身专业是否相关的疑虑。课堂上来自学生的非正式反馈，如“辅导课帮助我将讲座理论与我们实际要做的事情联系起来”，表明学生们认为人工智能辅助的课程有效地弥合了抽象概念与实际作业之间的差距。

 

        然而，这种积极的体验并非建立在对技术的盲从之上，而是根植于批判性思辨的基石。认识到人工智能的局限性，是确保其被合乎伦理且有效运用的前提。

 

        首要的风险在于“幻觉”或“有把握的谬误”，即人工智能生成看似合理但实则错误或虚构的信息（Kasneci et al., 2023）。例如，当我要求它解释“创新的四个维度”时，其提供的答案与讲座内容并不相符。为规避此风险并确保信息的可靠性，我建立了一套验证流程。任何由人工智能生成的解释（例如关于商业模式中的“价值逻辑”），我从不照单全收，而是系统地将其与原始资料来源——即官方讲座幻灯片、阅读材料及课程手册——进行核验。遇到模糊不清或复杂的技术要点，我会直接咨询MTH128课程的主讲教师，将潜在的知识盲区转化为协作契机，并确保学科的准确性。此外，我也将这一核查过程透明地与学生们分享，在传授课程知识的同时，以身作则地培养他们的数字素养与批判性评估信源的能力。

        其次，跨学科教学所需的理解深度构成了另一重挑战。数学和商科中的复杂概念无法仅凭人工智能生成的一段文字就能掌握。为弥合基础知识的鸿沟，我并未将人工智能视作一个简单的答案生成器，而是将其作为一个动态的阐释工具。例如，在准备一节关于数学模型在创业中应用的课时，我需要理解詹姆斯·西蒙斯成功背后的核心理念。如果简单搜索“量化对冲基金”，只会得到一篇术语堆砌的解释。于是，我采用了迭代式提问：“请用一个类比，向非专业人士解释量化交易模型是如何识别机会的。”人工智能将其比作一个通过历史数据寻找规律以预测风暴的气象模型。为了深入探究，我接着问：“这个气象类比在金融领域的核心局限性是什么？”人工智能进而阐明，气象遵循物理规律，而市场模式可能因人类心理的转变而失效。通过这种引导式对话，我将复杂的概念提炼为核心理念（数据中寻找模式）、一个易于理解的类比，及其固有的局限性。随后，我将这些洞见整合成清晰、便于学生理解的讲解。这个过程为我搭建了一座坚实的认知桥梁，使我无需成为深度的学科专家，也能有效地引导学生讨论数学在创业中的巨大潜能。

        第三，人工智能从根本上缺乏专业的教学法判断力和情境意识。它可以生成十个活动创意，却无法预估一个班级的课堂氛围、既有知识水平或英语语言能力。因此，它的产出始终只是有待专业教师筛选的原材料。我的角色是对人工智能的每一个建议进行批判性选择、调整和情境化——根据课堂动态挑选合适的活动，调整框架以确保其兼顾包容性与挑战性，并嵌入专门的学术语言训练。这一人类监督的过程最终通过保持伦理透明度得以完善。我坦然地向学生说明我将人工智能作为现代教学资源的做法，并强调，其目的在于增强而非取代教师的专业知识和教学决策。

 

        这段MTH128辅导课课堂的历程，勾勒出人工智能时代嵌入式学术英语教学的一种强有力的新范式。此次实践印证了，当我们以策略性和批判性的方式运用生成式人工智能时，它非但不会对专门用途语言教师构成威胁，反而能成为一种强大的赋能者。通过有效地解析复杂概念、设计引人入胜的课堂活动以及解构考核任务，XIPU AI让我超越了自身学科知识的初始局限，使我得以聚焦于自己的核心专长。从学生的作业和课堂对话中观察到的成效表明，这种方法也让学生直接受益。它为学生提供了更清晰的框架和更具吸引力的实践机会，在抽象理论与具体应用之间搭建了桥梁。然而，这一模式的成功取决于教师不可替代的角色。我们必须以身作则，向学生示范如何批判性地评估人工智能的输出、交叉核验信息来源，以及运用合理的教学法判断力。

        归根结底，本案例研究倡导的是一种学术英语教学中的增强型实践模式。在这一模式中，人工智能承担了信息处理和创意生成的密集型工作，将教师解放出来，从而能够投身于更具深远意义的教学层面。对于那些在日益跨学科的学术环境中摸索前行的学术英语教师而言，以乐观且审慎的态度拥抱此类工具，是一条可行的路径，能够帮助他们以更强大的适应力、更丰富的创造力和更深远的影响力去支持学生的学业成功。

 

 

Hyland, K. (2022). ‘English for Specific Purposes: What is it and where is it taking us?’, ESP Today, 10 (2), 202-220. Available at: https://doi.org/10.18485/esptoday.2022.10.2.1 (Accessed: Dec 24 2025) 

Kasneci, E., et al. (2023). ‘ChatGPT for good? On opportunities and challenges of large language models for education’, Learning and Individual Differences, 103, 102274. Available at: https://doi.org/10.1016/j.lindif.2023.102274 (Accessed: Dec 24 2025) 

MTH128 Module Handbook (2025) Xi'an Jiaotong-Liverpool University. Available at: https://core.xjtlu.edu.cn/mod/resource/view.php?id=28388 (Accessed: Dec 23 2025) 

Wingate, U. (2012). ‘Using academic literacies and genre-based models for academic writing instruction: A ‘literacy’ journey’, Journal of English for Academic Purposes, 11(1), 26-37. Available at: https://doi.org/10.1016/j.jeap.2011.11.006 (Accessed: Dec 24 2025) 

Zhai, X., et al. (2021). ‘A Review of Artificial Intelligence (AI) in Education from 2010 to 2020’, Hindawi Complexity, 2021. Available at: https://doi.org/10.1155/2021/8812542 (Accessed: Dec 25 2025)