AI驱动的中医英语教学改革路径研究——以英语专业（中医方向）本科课程为例

Research on the AI-driven reform pathway for TCM English teaching： a case study of undergraduate courses for English major （TCM-oriented）

摘要

随着中医药国际化进程的加速，培养能够精准、生动地进行跨文化与科学交流的复合型人才成为时代的迫切需求。英语专业（中医方向）本科的传统中医英语教学普遍面临知识体系难以通约与教学模式陈旧的双重困境。针对这一难题，基于认知建构主义与情境学习理论，提出一条人工智能（artificial intelligence，AI）驱动的中医英语教学改革路径。该路径以中医知识图谱（knowledge graph，KG）为基座，以智能导师系统（intelligent tutoring system，ITS）为引擎，以虚拟患者（virtual patient，VP）对话系统为平台，由此构建的“KG+ITS+VP”3层递进的技术架构，实现从知识结构化、教学个性化到实践仿真化的完整闭环。在此基础上，进一步阐述如何结合专门用途英语与任务型语言教学法的原则，重构能力导向的中医英语课程体系、人机协同的教学模式和数据驱动的评估体系。AI驱动的中医英语教学改革路径为破解英语专业本科中医英语教学的长期瓶颈提供技术参考，同时也为其在实践中可能面临的诸多挑战提供批判性反思，为国家培养高层次中医药国际传播人才的后备力量提供系统性解决方案。

Abstract

With the accelerating internationalization of traditional Chinese medicine （TCM）， there is an urgent need to cultivate interdisciplinary talents capable of precise and vivid cross-cultural as well as scientific communication. Traditional undergraduate TCM English teaching for English major （TCM-oriented） generally faces a dual dilemma of incommensurable knowledge systems and outdated pedagogical models. To address this challenge， grounded in Cognitive Constructivism and Situated Learning Theory， this study proposes an AI-driven pathway for educational reform of TCM English， with a TCM knowledge graph （KG） as its foundation， an intelligent tutoring system （ITS） as its engine， and a virtual patient （VP） dialogue system as a platform. The resulting three-tiered， progressive “KG+ITS+VP” technological architecture forms a complete closed loop from knowledge structurization， personalized instruction to practical simulation. Based on this architecture， this study further elaborates on how to reconstruct a competency-oriented curriculum， human-AI collaborative pedagogical models， and a data-driven assessment system， guided by the principles of English for specific purposes and task-based language teaching. This AI-driven pathway not only offers a technical reference for breaking the long-standing bottlenecks in undergraduate TCM English education， but also offers critical reflections on the potential challenges in its implementation， thereby providing a systematic solution for cultivating a high-level talent reserve for the international dissemination of TCM.

Graphical abstract

关键词

人工智能 / 中医英语 / 教学改革 / 英语专业（中医方向）

Key words

Artificial intelligence （AI） / TCM English / educational reform / English major （TCM-oriented）

随着“一带一路”倡议的深入推进，中医药被赋予“走出去”的时代使命，成为“健康中国”的战略基石和构建人类卫生健康共同体的重要组成部分。然而，目前能够用国际通用语言精准、生动地阐释中医理论、讲好中医故事的国际化复合型人才严重匮乏^［1］。传统人才培养体系下，英语专业（中医方向）本科毕业生的中医英语能力往往成为限制其参与国际学术对话和临床交流实践的“短板”。众所周知，中医药的国际认知往往伴随对其科学性、有效性的质疑。因此，中医药国际传播所需的人才不仅是“翻译者”，更是能够在充满审视的全球语境中进行有效科学沟通与文化阐释的“文化-科学大使”。

近年来，人工智能（artificial intelligence，AI）的飞速进步对教学领域产生颠覆性影响，AI赋能的教学改革研究方兴未艾。在语言教学领域，研究已广泛探索AI在个性化学习、高效反馈和自动评估等方面的应用^［2］，特别是生成式AI的出现，为英语口语、词汇、写作等具体课程的教学模式提供了巨大的变革力量^［3］。

英语专业（中医方向）本科阶段的中医英语（以下简称“中医英语”）不仅仅是一门语言课或医学课，更是学生系统搭建中医知识架构进而掌握中医知识跨文化表述与应用能力的主要途径。现有AI赋能语言教学的研究，大多基于相对稳定且共通的知识背景；而AI赋能医学教学的研究，则主要局限于现代生物医学这一单一范式内展开。在外语教学理论的指导下，系统性地整合多项AI工具，构建一条中医英语教学改革路径，既有望弥补将AI技术系统应用于中医英语教学研究的空白，又对破解中医英语教学的难题有着现实意义。

基于此，本研究首先梳理AI技术在外语教学领域的研究现状，进而剖析当前中医英语本科教学面临的双重困境。以认知建构主义与情境学习理论为指导，构建一条包含中医知识图谱（knowledge graph，KG）、智能导师系统（intelligent tutoring system，ITS）和虚拟患者（virtual patient，VP）对话系统的中医英语教学改革路径，并对该路径下的课程体系、教学实践与评估机制进行展望，旨在为培养能够满足中医药全球传播中复杂跨文化与科学交流需求的专业人才提供启示。

1 AI在外语教学中的应用

1.1 AI在通用外语教学中的应用研究

当前，以大语言模型（large language model，LLM）为核心的生成式AI技术，正深刻变革着外语教育的生态。AI对外语教学领域的影响主要从宏观与微观2个层面展开^［4］。前者涉及外语学科发展与人才培养^［5］、教研改革^［6］、语言战略与服务^［7］等议题，后者主要关注外语教材^［8］、翻译实践^［9］、教师教学^［10］、学生学习^［11］等。例如，Sharadgah与Sa’di^［12］系统梳理了2015—2021年AI在英语教学中的应用、影响及其为学生和教育者带来的潜在价值。Fitria^［13］、周海燕^［14］分别将ChatGPT应用于大学英语写作和词汇教学，发现其能检测学生的写作内容错误，给出合理的修正意见，且有助于提高学生的词汇掌握程度，激发学生的学习动机。AI在通用外语教学中的研究主要集中在2个方面：一是对AI技术赋能语言习得中的应用前景和发展趋势的展望；二是AI在外语教学场景中的应用实践。

1.2 AI在专门用途英语和医学英语教学中的应用研究

相较于通用外语教学，AI在专门用途英语（English for specific purposes，ESP）领域的应用研究尚在起步阶段。国内关于AI与英语教学的研究中，已出现“护理英语”和“建筑专业”等ESP领域的关键词，表明研究焦点已逐步转向探索AI技术如何辅助特定领域的语言学习；“medical education”和“medical student”是国际相关研究的核心主题和高频聚类，说明利用AI技术提升医学专业人员的专业外语沟通能力和跨文化交际素养，已成为国际教育技术研究的前沿^［15］。AI在辅助师生教学、教学质量监控、模拟临床环境等方面的应用成果显著^［16］，近年来研究热点主要集中在医学影像及虚拟手术等方面^［17］。尽管目前相关实证研究数量不多，但AI在通用语言教学中被证实有效的各项功能，如术语翻译、语料查询、行业文本分析与生成等，对于ESP学习者掌握专业词汇、熟悉话语体系具有重要的潜在价值。

然而，鉴于中医英语知识体系的特殊性，现有AI模型大多无法直接套用，导致鲜有学者关注AI在中医英语教学领域的应用潜力，这也构成一个亟待开拓的研究领域。在深入探讨改革路径前，须先对中医英语教学的问题根源进行诊断。

2 中医英语教学面临的双重困境

当前，中医英语教学面临着知识体系和教学模式的双重困境，形成一个自我强化的“负循环”：不可通约的知识体系导致标准化教学内容的缺失，而内容的缺失又迫使教学实践退回到低效的传统模式。

2.1 不可通约的知识体系

中医英语教学的首要挑战源于中、西医学两大知识体系的不可通约性。其中，中医名词术语的英译始终是医学研究领域的一大难题。如“气”“阴阳”“脏腑”“经络”等中医核心概念，并非对解剖实体的简单命名，而是对功能、状态与关系的哲学性、隐喻性和概括性描述。这些概念在以生物医学为基础的西方话语体系中几乎找不到直接对应的实体，导致翻译和传播的根本困难。

这种困难集中体现在翻译策略的两难选择上。采用“异化”策略，如将“风火眼”直译为“wind-fire eye”，虽保留文化意象，但对于缺乏中医文化背景的受众而言晦涩难懂。而采用“归化”策略，将其译为“acute conjunctivitis”（急性结膜炎），虽易于理解，却完全丢弃中医关于病因（风邪）、病性（火热）的辨证信息，丧失中医的理论独特性。这种困境直接导致中医术语英译标准的长期缺失和“一词多译”的混乱局面，阻碍了中医英语的有效教学。

2.2 传统教学模式的瓶颈

面对本体论障碍，当前中医英语教学普遍陷入方法困境。ESP强调，语言教学应以学习者在特定学术或职业场景中的真实交际需求为导向，教学内容、方法和材料都应与特定语境紧密结合。对于中医英语学习者而言，其未来的核心交际任务远比一般医学英语复杂，不仅包括临床沟通，也涉及在学术和公共领域中，向秉持怀疑态度的受众解释和论证一个完全不同的医学范式。

然而，中医英语的传统教学模式未能为应对这种高难度的“文化-科学”沟通任务提供充分有效训练。目前国内绝大多数中医药院校中医英语课程仍沿用“通用英语+专业词汇”的传统模式，将语言学习与专业内容学习割裂为2个阶段。教学方法以教师讲授和死记硬背为主，严重缺乏语境化的交际实践。此外，师资队伍的结构性矛盾：即外语教师不懂中医，中医专家不懂语言教学，进一步固化这种低效模式，使得构建真正将语言与内容深度融合的高效课堂变得异常困难。

3 AI驱动的中医英语教学改革路径

3.1 理论与技术基础

针对上述困境，以外语教学理论为纲，AI的出现在技术层面提供破局契机。二者协同作用，有望从底层逻辑上重塑中医英语的教学过程。以下重点阐述“KG+ITS+VP”架构如何分别与认知建构主义和情境学习等教学理论深度契合，共同构建一个兼具技术可行性与理论充分性的中医英语教学范式。

3.1.1 基础层：认知建构主义与中医KG的知识结构化

AI技术在中医英语教学改革中扮演的首要角色，是解决知识表征问题。认知建构主义理论认为，学习并非信息的被动接收，而是学习者基于自身已有知识经验，主动建构新知识意义的过程。学习者头脑中已有的“认知结构”或“图式”是新知识得以“挂载”和“同化”的基础。对于英语专业（中医方向）的本科学生而言，中医英语学习的最大障碍，恰恰在于学习者头脑中缺乏用以理解“气”“证”“辨证论治”等核心概念的基础认知结构。中医药知识主要蕴藏于浩如烟海的古籍、现代医案、教材等非结构化文本中。这些文本语言古奥、内涵丰富，其内在逻辑关系也多是隐性的。

KG是一种基于图的数据结构，通过将独立知识转化为规则的三元组，系统地描述真实世界中的概念、实体及其相互关系。中医KG则是以中医学语言系统为骨架构建的知识图谱体系，有着知识综合性、可视化与交互性等应用优势^［18］，能将这些隐性知识显性化、结构化。近年来，中医KG的构建与应用研究已取得显著进展，覆盖中医基础理论、临床辅助诊疗、名医经验传承等多个方面，技术可行性得到了充分验证^［19-20］。

简单地说，运用自然语言处理（natural language processing，NLP）技术，可从海量中医文献中自动抽取出“证型”“症状”“治则治法”“方剂”“中药”等关键实体，并通过关系抽取，识别实体间的复杂语义关系。例如，肝火上炎（证型）可导致头痛目赤（症状），治宜清肝泻火（治则治法），可用龙胆泻肝汤（方剂）。系统可据此构建如下知识链条，具体见图1。

通过此过程构建的“中医KG”，不仅是一个数据库，更是一个动态、可视化的语义网络。它将中医理论的整体观念、辨证论治的思维逻辑及理、法、方、药之间的内在联系，以机器可读、人机友好的方式呈现出来，从根本上解决中医英语知识体系的本体论障碍。从认知建构主义的视角看，KG扮演“认知脚手架”的角色。在该“脚手架”的支撑下，学习者的学习方式从“记忆事实”转变为“探索关系”，从而实现对中医知识体系真正意义上的主动建构。

3.1.2 引擎层：认知建构主义与ITS的教学个性化

如果说KG提供知识“地图”，第二步就需要“私人引擎”针对每位学习者在地图上开展个性化的教学过程。ITS便可扮演个性化教学“引擎”的角色。ITS是一种先进的教学软件，能够模拟人类导师行为，强调一对一的师生关系，讲究因人施教。教师的角色并非知识的灌输者，而是学习过程的“促进者”，通过提供必要的资源和引导，帮助学生搭建和完善其认知结构。在AI驱动的中医英语教学路径中，ITS深度嵌入中医KG，可从以下几方面扮演建构主义中的促进者角色：

（1）情境化术语学习。建构主义强调在丰富的情境中学习，而传统中医英语术语教学的痛点在于孤立记忆。基于KG，ITS可以围绕任一术语动态生成交互式学习环境，展示其在KG中的位置，链接到相关病因、病机、典型症状、治法及代表方剂。通过概念图构建、辨析题、案例分析等任务，引导学生在关系网络中深度学习。系统会追踪学生的交互数据，智能诊断其薄弱环节，并推送针对性强化练习，实现真正的个性化学习。

（2）智能化翻译训练。结合LLM的强大语言能力，ITS能提供前所未有的翻译训练体验。学生可尝试翻译包含复杂中医概念的句子或段落，系统能从词汇准确度、句法结构、语用风格、文化适切性等多个维度提供精细化反馈和修改建议。例如，系统可以提示学生，将“补气”译为“tonify Qi”在学术语境中比“supplement Qi”更为地道。此外，ITS还可构建包含多个权威译本的平行语料库，引导学生对比分析不同翻译策略，培养其批判性思维和跨文化翻译能力。

此外，通过持续追踪学生的交互数据，ITS能够根据每个学习者的知识水平、学习进度和认知特点，提供自适应的指导和反馈，从而最大限度地促进学习者各自的知识建构过程。

3.1.3 应用层：情境学习理论与VP的实践仿真化

KG和ITS解决知识建构问题，VP对话系统则旨在攻克“应用实践”的难题。情境学习理论认为，学习本质上是一个社会性过程，它最高效地发生在学习者参与真实“实践社群”的活动中。学习者通过“合法边缘性参与”，从社群的边缘逐渐走向核心，最终内化该社群的知识、技能和文化。然而，传统中医英语教学最受诟病的一点，就是缺乏真实、可控、可重复的临床沟通实践机会。VP对话系统正是应用情境学习理论，为解决这一痛点提供可行方案。目前，VP在西医教学中已积累了一系列成功的应用经验，如在临床技能考试中引入VP，考查学生的医患沟通技巧^［21］。本研究基于中医理论，定制针对中医英语教学的VP对话系统，包含以下特色：

（1）构建中医特色的虚拟病例。与西医VP模拟特定疾病不同，中医VP的核心是模拟具有典型“证候”的患者。系统后台连接中医KG，可生成具有不同体质、感受不同病邪、表现出复杂证候组合的VP。VP还可被赋予不同性格和文化背景，从而创造出高度仿真的跨文化诊疗情境。

（2）实现全程交互诊疗。学生可完全通过英语与VP进行“望、闻、问、切”的全程交互。学生需要运用专业英语提问，如“Do you feel a stuffy sensation in your chest？”（是否胸闷痞满），理解VP充满口语和文化色彩的回答，如“I feel so bloated and have no appetite.”（我感觉很胀，没食欲），并根据收集到的信息进行辨证分析。VP系统由强大的对话管理模块驱动，能够理解学生意图，并根据预设的病例逻辑和KG进行连贯、自然地回答和追问。学生能在一个零风险的环境中“安全犯错”，反复学习，这正是情境学习理论所强调的关键要素之一。

（3）提供多维智能反馈。每次对话结束后，AI系统都会对学生的表现进行全面、量化的分析，反馈内容可包括：语言能力评估（发音准确性、语法正确率、提问技巧、术语使用恰当性等）、临床思维评估（问诊环节是否完整、逻辑是否符合中医辨证思路等）和人文素养评估（是否表现出共情、尊重和人文关怀等）。

从情境学习理论的视角来看，VP显然构建了一个“准实践社群”。学生从知识的旁观者，转变为中医跨文化诊疗活动的参与者。通过与VP的社会性互动，逐步内化作为中医药国际传播者所必需的专业话语、临床思维和跨文化沟通策略。

3.2 实践展望

基于上述理论与技术基础，构建一条系统的AI驱动的中医英语教学改革路径。但宏观的技术理念须融入教学实践的全流程，以切实应对中医英语的教学困境。以下探讨如何结合外语教学理论，从课程体系、教学实践和课程评估3个维度，将AI驱动的中医英语教学改革路径转化为可操作的教学实践。

3.2.1 基于ESP理论的课程体系

中医英语教学改革的首要任务是重构课程体系，摒弃“通用英语+专业词汇”的陈旧模式，转向以能力导向为目标、以ESP理论为指导的全新课程体系。需求分析是ESP教学理论的重要部分。有效的ESP课程设计，必须始于对学习者目标情境的“需求分析”^［22］。中医英语课程体系须摆脱工具主义的束缚，与专业内容和学生未来发展需求深度融合。其核心思想是从根本上改变教学目标，即从“学习关于中医的英语”转变为“用英语学习中医，并用英语传播中医”。

新的课程体系将不再以语言知识点（如语法、词汇）为纲，而是围绕学生未来在真实职业场景中所需的核心交际任务来组织教学模块。这些教学模块主要包括：

（1）国际学术研究与交流能力模块。专注于培养学生阅读、评述英文前沿文献的能力，使其接受规范化的学术写作训练，完成符合学术规范的论文撰写，并模拟国际会议场景进行口头报告练习等。

（2）跨文化临床诊疗沟通能力模块。重点训练学生在跨文化背景下，熟练掌握中医问诊的核心句型和交际策略，初步具备与外国患者进行有效沟通的能力，包括采集病史、进行“望闻问切”、解释中医诊断（证候）和治疗方案（理法方药）和进行健康宣教和人文关怀的能力。

（3）中医药文化国际传播能力模块。培养学生运用精准、生动、得体的英语，向不同文化背景的受众（如媒体、公众、政策制定者）介绍中医药核心理念、历史文化和现代发展成就的能力。

3.2.2 基于任务型语言教学法的教学实践活动

任务型语言教学法（task-based language teaching，TBLT）作为一种强调“做中学”的教学法，主张语言学习应围绕一系列有意义的、完整的、结果导向的“任务”来组织，这与ESP强调满足学习者真实世界交际需求的理念不谋而合。

在新的课程体系下，AI技术将深度赋能各个核心教学模块，将AI技术具化为一系列可实施的教学实践活动，旨在精准提升学生在特定任务下的综合能力。具体见表1。

如表1所示，每一项核心能力的培养都设计了与之匹配的AI工具和教学活动。例如，在“中医核心术语的深度理解与应用”模块，KG和ITS的结合使“记忆术语”转向“理解术语在知识网络中的位置和功能”，是一种认知方式的转变。又如，在“国际诊疗中的医患沟通能力”模块，VP系统提供一个高仿真、可重复、标准化的“临床实践场”，使学生能在犯错成本为零的环境中反复锤炼跨文化沟通技巧。这种人机协同的教学模式，将中医英语教师从知识的重复讲授中解放出来，使其能更专注于引导、启发和高阶思维训练，实现教育资源的优化配置。

3.2.3 AI融入的过程性与终结性闭环评估

中医英语课程传统的以期末笔试为主的终结性评估，难以全面、客观地衡量学生在真实交际场景中的综合能力。AI系统能够持续、自动收集和分析学生在各项学习任务中产生的大数据，如在ITS中的术语测试准确率和反应时间，在VP诊疗中的对话时长、提问类型、情感词汇使用频率等。基于这些过程性数据，AI可以实现以下2种评估方式的融合：

（1）形成性评价。AI系统能在每次练习后为学生提供即时的、个性化的、多维度的形成性反馈。例如，与VP开展对话后，系统不仅能指出学生的语法错误，还能生成沟通分析报告，用图表展示对话回合时长对比、情感曲线变化及关键问诊信息的覆盖率等。这种即时反馈能帮助学生清晰认识自身优势与不足，从而及时调整学习策略，实现持续改进。

（2）终结性评价。传统的期末笔试可被更具应用性的人机交互任务所取代或补充。例如，期末考试可要求学生在规定时间内，独立完成一次全英文VP诊疗任务，从接诊、问诊、诊断到给出治疗建议，全面考查其跨文化临床沟通和辨证思维能力。再如，要求学生利用AI辅助工具，完成一篇关于特定中医药研究主题的英文文献综述，考查其信息素养和英文学术写作能力。

综上，AI技术的介入将形成性评价与终结性评价相结合，使得构建一个贯穿学习全程、数据驱动的闭环评估体系成为可能。

4 挑战与局限

AI驱动的中医英语教学改革路径前景广阔，但在具体实践过程中可能面临如下潜在障碍与局限：

4.1 人文关怀的消减

中医是一门“仁术”，强调医患之间充满人文关怀的互动，而AI本质上缺乏真正的人类情感和共情能力。若过度依赖于VP的模拟训练，而忽视真实的人际交流，可能会培养出技术娴熟的“技术员”，而非带有温度的“疗愈者”。因此，在教学设计中，教师需注意通过课堂讨论、角色扮演、临床见习等方式，引导学生进行人文反思，培养其共情与沟通能力。

4.2 算法偏见的固化

AI系统的知识来源于其训练数据，而基于特定经典文献库构建的中医KG，可能会无形中固化某一学派的观点，而使其他学派的理论边缘化。如何令AI表征和处理中医知识体系中固有的模糊性、多解性和争议性，是一个深刻的认识论和技术难题。这就要求中医KG的构建必须是一个持续的、开放的、有专家社群参与和监督的过程。

4.3 实践落地挑战

首先，高质量中医KG、ITS和VP系统的开发、维护和持续更新需要大量的资金和技术人才投入；其次，技术与设施门槛要求具备稳定的网络环境和相应的硬件设备；最后，该路径要求教师从传统的知识传授者，转变为精通技术、善于引导、能够设计复杂教学活动的“学习促进者”，这需要系统、持续的教师培训和专业发展支持。

4.4 数据隐私与伦理

AI系统会收集大量学生的学习行为数据。如何确保这些数据的安全、合规使用，保护学生隐私，防止数据滥用，是必须在设计之初就予以高度重视的伦理议题。

5 结语

本研究针对中医药国际化进程中复合型人才匮乏的核心痛点，深入剖析英语专业（中医方向）本科阶段的传统中医英语教学面临的双重困境，提出一条系统性的AI驱动的中医英语教学改革路径。该路径以中医KG为知识基座，ITS为个性化教学引擎，虚拟VP对话系统为实践应用平台，从课程体系、教学模式、课程评估3个方面探索知识结构化、教学个性化、实践仿真化的中医英语教学新范式。

从理论上看，本研究提出的中医英语教学改革路径将AI的角色从辅助工具提升为重塑跨范式知识表征与传播的催化剂；从实践上看，其为中医药院校的中医英语课程设计具体的改革蓝图，通过人机协同的教学活动与数据驱动的评估机制，将教学目标从“知识掌握”转向“能力应用”，从而为国家培养高层次中医药国际传播人才的“后备军”提供可行方案。鉴于该路径的有效性仍有待实证检验，未来可开展对比实验，量化评估该路径下的教学模式与传统模式在学生语言能力、临床思维能力和跨文化交际能力等方面的差异；或深入挖掘AI平台生成的学习过程数据，探究学生的学习行为模式与学习效果之间的关系等。

参考文献

[1] 谭备战，荆莹.“一带一路”背景下中医药融入东南亚发展的困境与应对路径：以马来西亚为例［J］.南京中医药大学学报（社会科学版），2024，25（2）：99-103.

[2] 徐娜娜.ChatGPT赋能医学英语教学的应用探索及利弊分析［J］.医学教育研究与实践，2024，32（2）：218-223.

[3] 郭茜，冯瑞玲，华远方.ChatGPT在英语学术论文写作与教学中的应用及潜在问题［J］.外语电化教学，2023（2）：18-23，107.

[4] 于晖，宋金戈.知识共建视域下生成式人工智能辅助的外语教学：定位、应用与发展［J］.中国外语，2025，22（3）：4-14.

[5] 胡开宝.人工智能与外语学科［J］.中国外语，2024，21（6）：1，12-16.

[6] 文旭.未来外语教育中的机器人教师：机遇与挑战［J］.中国外语，2025，22（1）：1，10-16.

[7] FERRARI F， VAN DIJCK J， VAN DEN BOSCH A.Observe，inspect，modify：Three conditions for generative AI governance［J］.New Media Soc，2025，27（5）：2788-2806.

[8] 文秋芳.人工智能时代的英语教育：四要素新课程模式解析［J］.中国外语，2024，21（3）：1，11-18.

[9] 江先发，赖文斌.数智时代翻译教学的“ABC”路径探索［J］.上海翻译，2024（1）：63-67.

[10] 魏爽，李璐遥.人工智能辅助二语写作反馈研究：以ChatGPT为例［J］.中国外语，2023，20（3）：33-40.

[11] 杨连瑞.ChatGPT大语言模型背景下的二语习得［J］.现代外语，2024，47（4）：578-584，封3.

[12] SHARADGAH T A， SA’DI R A.A systematic review of research on the use of artificial intelligence in English language teaching and learning （2015-2021）：What are the current effects？［J］.JITE：Research，2022（21）：337-377.

[13] FITRIA，T N.Artificial intelligence （AI） technology in OpenAI ChatGPT application：A review of ChatGPT in writing English essay［J］.J Engl Lang Teach，2023，12（1）：44-58.

[14] 周海燕.ChatGPT在大学英语词汇教学中的辅助应用研究［J］.佳木斯大学社会科学学报，2023，41（6）：192-194.

[15] 成慧，纪文静，裴荣康.人工智能在英语教学中应用的研究进展（2000-2024）：基于CNKI和WOS期刊文献的可视化分析［J］.吕梁教育学院学报，2024，41（4）：12-22.

[16] 张俊祥，李传富，吕维富.人工智能在医学教育、科研和临床实践中的应用前景与挑战［J］.中华全科医学，2024，22（7）：1085-1089.

[17] 金铁峰，朴俊杰，杨洋，等.人工智能在医学教育领域的应用研究：基于CiteSpace的文献共词分析［J］.医学与哲学，2024，45（2）：72-75.

[18] 孙婷，黄缨.名老中医经验传承研究现状与知识图谱构建研究探索［J］.湖北中医药大学学报，2024，26（4）：125-128，封3.

[19] 王松，李正钧，杨涛，等.中医药知识图谱研究现状及发展趋势［J］.南京中医药大学学报，2022，38（3）：272-278.

[20] 高晓苑，高文佳，王欣宇，等.基于医案文本的名老中医诊疗知识图谱构建方法及应用［J］.世界科学技术-中医药现代化，2023，25（9）：2967-2974.

[21] 高阳，赵沁平，周学东，等.虚拟现实技术在新医科人才培养中的作用及应用现状［J］.四川大学学报（医学版），2021，52（2）：182-187.

[22] HUTCHINSON T， WATERS A.English for Specific Purposes：A Learning-Centred Approach［M］.Cambridge：Cambridge University Press，1987.

基金资助

广州市哲学社会科学“十四五”规划项目(2023GZGJ236)

广州中医药大学“筑峰造尖”行动计划“固本”工程一级学科能力提升项目(GZY2025GB1411)

广州中医药大学2025年教学质量与教学改革工程项目“智译岐黄：生成式AI赋能下‘人机协同’的中医英语翻译本科教学模式改革”