课题名称：基于语料库的汉英饮食动词隐喻对比及其认知理据研究
课题批准号：2023WQNCX118
课题负责人：卢艳
所在单位：广州华商学院外国语学院
主要成员：郭珊、江雪、刘琼
一、项目研究内容、目的和意义
本项目以汉英饮食动词为核心对象，借语料库方法梳理其搭配特征、语义演变及认知机制。研究既拓展了语料库语言学在词汇语义领域的应用深度，突破传统“单一语言分析”“定性描述为主”的局限，也为语言教学、翻译实践及自然语言处理提供数据支撑与理论依据，可减少跨文化翻译偏差，优化机器翻译语义模型。
二、研究成果主要内容、重要观点及创新之处
项目形成 3 篇国际期刊论文，核心内容如下：
成果一：高校英语教学决策能力的数据驱动评估（发表于International Journal of Web-Based Learning and Teaching Technologies，2025年6月）
1. 主要内容
针对教学决策“数据单一、难捕动态表现”问题，构建“数据意识与素养、数据应用能力、决策优化能力、协同创新能力”四维评估体系。实证显示：设置语音预警阈值（≥15%波动）、遵循GDPR规范（数据存储≤180天）可强化数据伦理；用Python实现语音情感计算（准确率≥82%）、Tableau生成学习热力图提升数据应用；K-means聚类划分学生类型，针对性干预使“语法敏感型”正确率升18%、“交际回避型”对话表现升23%；“教师 + 数据分析师”协作（每学期≥6次教研）使资源匹配准确率达92%，学生满意度4.6/5分。
2. 重要观点
数据驱动是教学从“经验驱动”转“证据驱动”的核心，需整合多模态数据；需平衡数据应用与人文关怀，跨学科协作可提升决策科学性。
3. 创新之处
首次将“协同创新能力”纳入评估框架，用Python量化学习行为与成绩关联（作业时间与成绩负相关，β=-0.32，p<0.01），提出“分类干预 + 动态优化”模式，解决“一刀切”问题。
成果二：智能翻译系统在英语教育课程改革中的应用（发表于Discover Artificial Intelligence，2025年5月）
1. 主要内容
针对“翻译教学效率低、语义检索准度不足”，提出Con-Se-Agent智能翻译模型。技术上，结合全局 / 局部特征、上下文语义门控，用知识图谱解决低资源语言翻译瓶颈；性能上，3个数据集准确率75.93%-83.32%，优于现有模型，10%训练数据下F1分数高对比模型10%-15%；教学实验中，实验班成绩从78.64 分升至87.80分，显著高于对照班（p<0.05）。
2. 重要观点
智能翻译系统是课程改革关键支撑，多模态融合与知识增强提升技术性能，需与教学场景深度结合。
3. 创新之处
创新“全局 + 局部”语义识别方法，首次将“动态负采样”引入英语教育翻译场景，完成“理论 - 技术 - 应用”全路径验证。
成果三：多模态语言学研究的文献计量分析（发表于Forum for Linguistic Studies，2025年8月）
1. 主要内容
用CiteSpace分析2013-2023年2536篇文献：领域年均增长38%，2023年发文435篇；美、英、中（亚洲唯一前四）为主要产出国，香港大学等为核心机构；热点集中“多模态话语分析”等，未来需关注跨文化差异等方向。
2. 重要观点
多模态语言学需跨学科融合，中国需加强国际协作，研究应从“理论描述” 转“实证应用”。
3. 创新之处
首次完成十年全景分析，提出“四阶段发展模型”（2013-2014基础研究、2015-2016互动拓展、2017-2019多元发展、2020-2023应用专业），明确中国研究定位与不足。
三、成果的学术价值、应用价值与社会影响
1. 学术价值
推动语料库语言学与教育技术融合；填补高校英语教师数据素养评估空白；提供多模态研究趋势图谱，服务选题与政策制定。
2. 应用价值
评估体系与智能翻译系统可直接优化英语教学；研究图谱与模型架构为学术研究、技术研发提供参考。
3. 社会影响
助力汉英跨文化交际，减少语言误解；提升高校英语教学质量，培养国际化人才，服务国家对外交流。
