截至3月31日，我院科研成果持续产出，第一季度在高水平论文发表、科研经费到账等方面的进展如下：

一、论文发表共3篇（其中第一单位2篇）

二、科研经费到账

截至2026年3月31日，外国语学院科研经费到账70万元，较去年同期增加45.4万元，同比增长184.55%。

科研进展

（一） 论文类

1.语料库研究团队华莹副教授在SSCI一区TOP期刊RELC Journal（JCR 1区，中科院1区，影响因子6.2）发表题为“Zapata, Gabriela C. (ed.) Generative AI Technologies, Multiliteracies, and Language Education (Routledge, 2026）”的书评论文。华莹副教授为唯一作者，上海电机学院为唯一单位。

该论文是华莹老师承担的研究生教研教改项目《多元识读理论视角下AI赋能的研究生学术英语教学模式构建与应用研究》的先期成果。它对多元识读理论视角下AI赋能的二语教育领域最前沿的著作Generative AI Technologies, Multiliteracies, and Language Education开展了系统的综述和评论。自2022年OpenAI推出ChatGPT后，GenAI在二语教育的应用研究激增，但相关研究大多缺乏完善的理论分析框架，分析较为零散；同时，多元识读方法（The New London Group 1996; Cope & Kalantzis 2009），虽在二语课堂受关注却在GenAI支持的二语教育中研究不足。该著作旨在通过多元识读视角，系统阐释GenAI如何变革二语教育。

该论文认为，著作实现了两大理论突破。其一，首次基于多元识读框架，对GenAI融入二语教育进行了系统的探讨：以设计学习模式（Learning by Design）为基础，把超语实践（translanguaging）和跨模态转换（transpositioning）作为切入点，从文化响应性、教师能动性、GenAI工具使用三个维度开展实证分析，最后转向教师视角三角验证多元识读指导准则的必要性。其二，推动了设计学习理论的发展，在GenAI造就的 “网络社交化（cyber-social）” 教学环境中，将其知识过程具象化到二语教学中，明确了GenAI与学习者在各知识过程中既不同又互补的角色。

该论文还认为，著作仍存在两处明显局限：其一，未系统构建人机互动模式，仅做了零散阐释；其二，将GenAI融入二语课堂的伦理问题未作为核心维度开展实证研究。论文指出，后续需系统研究知识过程中的人机互动模式，并通过调查学习者、教师、政策制定者等利益相关者或观察课堂实践，对相关伦理问题进行实证探究。

论文链接：https://journals.sagepub.com/doi/10.1177/00336882261422022

       2.翻译研究团队王珍珍老师的研究“Reflective journal writing and interpreting anxiety: insights from a longitudinal study”在国际期刊Frontiers in Psychology（JCR 1区，中科院3区，影响因子2.9）发表。王珍珍老师为唯一作者，上海电机学院为唯一单位。

该项混合研究聚焦学生口译学习过程中口译焦虑三个维度的发展变化。研究发现，在课程教学过程中，任务焦虑得到了显著缓解，而错误焦虑和自信焦虑缓解不显著。反思日志数据的编码分析发现，认知－情感－行为干预机制在缓解口译焦虑方面发挥了有效作用，课程的前测和后测数据分析也对这一结果进行了三角验证。本研究对语言教学及其他教育情境中的学习焦虑均具有一定的教学启示。

论文链接：https://doi.org/10.3389/fpsyg.2025.1671239

       3. 数字化外语教学研究团队陈忆浓（高级实验师）在SSCI期刊Interactive Learning Environments（JCR1区，中科院3区，影响因子5.3）发表题为“Identifying dominant and heterogeneous factors influencing students’ future capabilities under the digital transformation of higher education: a machine learning approach”的论文。陈忆浓老师为第一作者，上海电机学院为第二单位。

本研究旨在探索数字化转型背景下，高等教育中影响学生“未来能力”（future capabilities）的主导因素及其异质性组合路径。未来能力被定义为学生在未来五年职业发展与社会参与中所需的综合能力，包括数字素养、数据分析与决策能力、跨学科能力、创新与创业思维等关键能力。研究基于自我决定理论（Self-Determination Theory, SDT），将影响因素分为能力（Competence）、自主性（Autonomy）和关联性（Relatedness）三大维度，以揭示心理需求满足、动机激发与学习行为之间的内在机制。

研究以2023年11月至2024年3月德国高等教育数字化论坛（HFD）收集的1,083份有效问卷为样本，采用可解释的机器学习方法——J48决策树模型，对变量进行特征选择与模型构建。结果显示，学习形式的使用频率是提升学生未来能力的核心驱动力；在自主性不足时，高质量的学习空间和对AI工具的正向评价能够有效弥补学生的内在动机不足。此外，学习形式的多样性、学习空间条件、AI使用目的与学习资源配置等因素在不同情境下呈现出不同的组合效果，既可能促进，也可能抑制学生能力发展。

该研究不仅为理解数字化学习环境中学生能力生成机制提供了实证证据，也为高校在课程设计、学习空间布局、AI辅助教学及资源配置等方面的决策提供了指导依据，旨在提升学生的适应能力、创新能力与跨学科协作能力。

论文链接：https://doi.org/10.1080/10494820.2026.2617982