1. 绪论
1.1. 研究背景
信息技术的迅猛发展深刻重塑了教育生态，智慧教育作为教育现代化的重要表征，对大学英语教学提出了全方位革新的要求。词汇教学作为语言能力建构的基石，其重要性愈发凸显。智慧教育强调利用人工智能(AI)、大数据分析、沉浸式资源等新一代信息技术，构建智能化、个性化、交互性的学习环境，旨在促进深度学习和高阶思维发展。大学英语词汇教学亟需突破传统模式的桎梏，实现从“知识传授”向“能力培养”的转型，强化词汇在真实语境中的理解、辨析、迁移与创造性应用能力，实现词汇知识向语用能力的有效转化。
然而，传统的大学英语词汇教学仍普遍存在显著局限：其一，机械记忆主导，脱离语境。大量教学实践将词汇学习简化为单词表的背诵与重复测试，学生陷入“高投入、低留存、难应用”的困境，难以在听说读写中灵活调用词汇。其二，技术应用碎片化，深度探究缺失。部分课堂虽引入多媒体资源，但技术应用多停留在呈现工具层面，未能有效支撑词汇的意义建构、策略培养及认知深化过程，学生高阶思维与自主学习能力难以充分发展。
为破解上述困境，融合智慧教育技术优势与5E教学模式(Engage, Explore, Explain, Elaborate, Evaluate)至关重要。该模式以建构主义为基础，通过吸引、探究、解释、迁移、评价五个环环相扣的阶段，引导学生主动探究、协作构建知识。在智慧教育环境中，AI语境生成、大数据分析、沉浸式资源等技术可赋能5E各阶段，构建“技术赋能探究”的词汇深度学习框架，促进词汇知识的内化、巩固与创造性运用，从而克服传统教学弊端[1]。
1.2. 研究意义
理论意义：本研究致力于构建“智慧5E词汇教学模式”。现有研究多集中于5E模式或智慧教育在阅读、写作等课型的应用，针对词汇教学尤其是技术深度融合的系统性研究不足。本研究将深入剖析5E模式各阶段的核心任务与认知目标，明晰其在词汇深度学习中的具体内涵(如语义网络构建、策略培养)，并系统梳理智慧教育技术(如AI词汇分析工具、自适应平台、VR/AR语境)如何精准赋能各阶段，解决传统教学语境匮乏、反馈滞后等痛点，为技术增强语言学习理论提供新视角。
实践意义：本研究旨在切实提升大学生的词汇深度学习与应用能力。智慧技术赋能的5E模式通过创设数字化语境(Engage/Explore)、提供智能化语义分析与反馈(Explain)、设计基于真实需求的迁移任务(Elaborate)、实施伴随性多元评价(Evaluate)，引导学生深度加工词汇信息，建立稳固的词汇语义网络，发展词汇学习策略，最终提升词汇在学术交流与跨文化沟通中的精准、流畅应用能力。该模式有助于解决词汇教学“费时低效”难题，优化教学流程，并为一线教师设计智慧教学活动提供可操作路径，推动大学英语教学质量整体提升。
1.3. 核心概念界定
为确保研究的清晰性和一致性，对本研究涉及的核心概念进行如下界定：
5E教学模式：指由美国生物学课程研究所(BSCS)基于建构主义理论开发的一种探究式教学模式。其核心由五个以“E”开头、相互关联的阶段构成。吸引(Engagement)：通过创设问题情境、展示图片/视频、提问等方式，激活学生已有知识经验，引发认知冲突或兴趣，聚焦学习主题，明确学习目标。在词汇教学中，即利用智慧技术(如沉浸式场景、热点话题视频、AI预测难点)激发学生对目标词汇的关注和学习动机。探究(Exploration)：学生为主体，在教师引导下，利用提供的资源和工具，主动进行观察、分析、比较、分类、归纳等活动，初步构建对新概念(词汇)的理解。在词汇教学中，表现为利用技术进行词义推测、搭配发现、词族整理、语义网络构建等探究任务。解释(Explanation)：学生在教师引导下，尝试阐释探究结果，表达对新概念(词汇)的理解；教师则适时介入，进行澄清、补充、提炼和结构化。智慧技术(如智能概念图工具、语义可视化、即时反馈系统)在此阶段可辅助词汇知识的精确化、系统化呈现。迁移(Elaboration)：学生将新获得的理解(词汇知识)应用于新的、更复杂的情境或任务中，深化理解，拓展应用。智慧技术(如VR模拟场景、AI写作助手、项目协作平台)能提供丰富的迁移语境和脚手架支持。评价(Evaluation)：贯穿全程的形成性与终结性评价。旨在评估学生概念理解深度和应用能力，并引导学生反思学习过程。智慧技术(如学习分析仪表盘、自适应测评、大数据跟踪)在此阶段提供多元化、个性化的评估数据和支持[2]。
智慧教育技术：指应用于教育领域，以促进学生智慧(高阶思维、创新能力、问题解决能力等)发展为目标的现代信息技术集合。在本研究的词汇教学语境下，主要包括：AI驱动的工具：智能词汇分析工具(如词频统计、搭配计算、语义相似度计算)、AI作文批改与反馈系统、智能聊天机器人(词汇练习对话)、AI语境生成器。大数据平台：学习管理系统(LMS，如WeLearn、超星学习通)、自适应学习平台(根据学生水平推送个性化词汇学习内容与路径)、语料库检索平台(如COCA，BNC)。沉浸式资源与技术：虚拟现实(VR)/增强现实(AR)技术(创设词汇应用的逼真场景)、交互式多媒体资源库(包含音视频、图片、文本的语境化词汇资源)。学习分析技术：收集、分析和可视化学生学习过程数据(如词汇接触频率、练习正确率、应用频率)，用于精准诊断、个性化干预和教学优化[3]。
1.4. 研究方法与框架
本研究采用多元化的研究方法，遵循“理论奠基→模式构建→质性验证→结论建议”的研究框架，旨在系统探索智慧教育背景下基于5E模式的大学英语词汇教学。
研究方法：
文献研究法：系统梳理国内外关于智慧教育、5E教学模式、词汇深度学习的理论演进、实践应用及研究成果，厘清核心概念、理论基础与研究现状，为模式构建提供理论支撑与方向指引。重点关注技术赋能语言学习(TELL)、建构主义教学法、二语词汇习得等领域的前沿进展。
理论推演法：基于建构主义学习理论、情境认知理论、技术增强语言学习理论(TELL)等，结合文献研究获得的洞见，深入分析5E教学模式各阶段(Engage, Explore, Explain, Elaborate, Evaluate)在词汇学习中的具体任务、认知过程和目标要求(如1.3核心概念界定部分所做的工作)。同时，系统分析智慧教育技术(AI工具、大数据平台、沉浸式资源)的功能特性及其对解决传统词汇教学痛点、赋能5E各阶段的具体潜力(如1.2研究意义、1.3智慧教育技术部分所述)。通过逻辑推演，构建“智慧5E词汇教学模式”的原型框架，明确其构成要素、运作逻辑和实施流程。
专家咨询法：在模式初步构建后，邀请高校英语教学专家(尤其是熟悉智慧教育或5E模式者)、教育技术专家以及一线优秀英语教师，通过德尔菲法或深度访谈的形式，对构建的模式框架进行多轮咨询与论证。聚焦模式的科学性、可行性、技术适配性以及各环节设计的合理性(如吸引环节的技术选择、迁移环节的任务复杂度、评价环节的数据有效性等)，收集反馈意见并进行迭代优化，确保模式的理论严谨性和实践操作性。
案例模拟法：在模式框架通过专家论证后，选取典型大学英语课程单元(如学术英语、专业英语词汇主题)，依据所构建的“智慧5E词汇教学模式”，设计详细的教学方案。方案需明确具体教学目标、各5E阶段的任务设计(结合具体智慧技术应用)、师生角色、技术工具选择与应用方式、评价策略等。通过详尽的案例分析，模拟该模式在实际教学场景中的落地过程，展示其操作细节和应用价值，为后续实证研究奠定基础并供同行借鉴。
研究框架：
本研究遵循系统化、递进式的探索路径：
理论奠基：全面梳理智慧教育发展、大学英语词汇教学现状与挑战、5E教学模式的理论基础与核心内涵。此为整个研究的根基。
模式构建：基于前期理论分析和专家咨询，整合智慧教育技术与5E教学模式的核心优势，构建“智慧教育背景下基于5E教学模式的大学英语词汇教学”的理论框架与操作模型(这是后续研究的核心任务)。该模型将清晰描绘技术如何赋能于5E各阶段以促进词汇深度学习。
质性验证：通过专家深度咨询与精心设计的案例模拟，对所构建的模式进行初步的验证与优化。专家咨询侧重于理论合理性与可行性评估；案例模拟则侧重于展示操作流程、阐释技术应用逻辑、揭示潜在问题与解决思路，为模式的完善和未来实证提供质性依据。
2. 理论基础
本研究构建智慧教育背景下5E词汇教学模式的核心理念，植根于建构主义学习理论与情境认知理论，二者共同为技术赋能的探究式词汇学习提供了坚实的学理支撑。
建构主义学习理论(Constructivist Learning Theory)
该理论强调知识不是通过教师传授被动获得，而是学习者在特定情境中，基于已有知识经验，借助人际协作和意义建构主动获取的(皮亚杰、维果茨基)。在词汇教学中，建构主义主张学生是词汇知识网络的主动建构者。词汇学习绝非简单的词表背诵，而是学习者主动对新词汇信息(音、形、义、用、搭配)进行选择、加工、整合，将其与已有词汇知识体系(语义网络、图式)建立联系的过程。5E模式的核心价值即在于此：吸引(Engage)阶段激活先验词汇图式；探究(Explore)阶段引导学生自主观察、比较、归纳词汇特征(如分析词根词缀、构建语义网络)；解释(Explain)阶段促进学习者阐释理解、教师引导概念精炼(如师生互动深化词汇认知)；迁移(Elaborate)与评价(Evaluate)阶段则推动词汇知识在新情境中的应用与反思。智慧教育技术(如AI驱动的语义网络可视化工具、协作平台)为学习者主动建构复杂、个性化的词汇知识网络提供了强大的认知工具和协作环境。
社会互动促进深层理解：建构主义重视社会性互动对意义建构的作用。5E模式中的小组合作探究、师生对话解释以及互评环节，都体现了社会建构的理念。智慧技术(如支持实时协作的云端文档、讨论区、同伴互评系统)则极大拓展了互动时空，促进分布式认知，共同深化词汇理解与应用能力。
情境认知理论(Situated Cognition Theory)
该理论认为，知识是处于特定的、情境性的活动、背景和文化中的产物，学习本质上是一个参与实践共同体、进行文化适应的过程(布朗等)。脱离真实语境的抽象知识难以迁移和应用。对词汇教学而言，情境认知理论要求：词汇意义在真实语境中内化。词汇的准确含义、用法、语域特征和语用功能必须在具体、真实的语言使用场景中才能被充分理解和掌握。传统教学孤立呈现词汇的弊端正是对此理论的背离。智慧教育技术的核心优势在于其强大的情境创设能力：利用沉浸式资源(VR/AR)，可模拟真实的跨文化交际场景、专业工作环境，让学生在“身临其境”中感知和运用词汇；利用多媒体资源库(音视频、图文)提供丰富的、语境化的语言输入；利用大数据与AI技术(如语料库检索、AI语境生成器)可即时提供目标词汇在大量真实语料中的使用实例，帮助学生掌握词汇的精确用法和搭配模式。
学习是参与实践的过程。词汇学习的终极目标是能在特定领域(如学术交流、专业实践)中有效沟通。5E模式的迁移(Elaborate)阶段，正是设计基于真实需求的词汇应用任务，促使学生像“专家”一样在模拟或真实的实践共同体中运用词汇解决问题。智慧技术(如基于AI的角色扮演对话机器人、项目协作平台)则为这类情境化实践(Situated Practice)提供了高度仿真的平台和支持。
建构主义与情境认知理论在本研究框架内高度融合。智慧技术赋能下的5E模式，一方面为学生主动建构词汇知识网络提供了结构化、互动性的探究路径(建构主义)，另一方面通过技术创设的丰富、逼真语境及实践任务，确保所建构的词汇知识是情境化的、可迁移的、具备实际应用价值的(情境认知)，二者共同指向词汇的深度学习与有效应用。
3. 5E词汇教学模式与智慧教育技术的融合设计
3.1. 设计原则
在构建智慧教育背景下5E词汇教学模式时，需遵循两大核心原则，确保技术赋能与教学目标的深度契合：
原则一：技术适配性。
智慧教育技术的选择与应用必须紧密服务于5E各阶段的核心认知目标，而非技术的简单堆砌。技术工具应作为达成教学目标的赋能者而非替代者。
目标导向：每一项技术工具的选择(如VR场景、语料库、AI反馈系统)都需明确其对应5E阶段(Engage/Explore/Explain/Elaborate/Evaluate)的具体目标(如激活兴趣、促进深度探究、辅助概念精炼、支撑迁移应用、实现精准评价)。例如，VR/AR技术强大的情境创设能力，天然适配于Engage阶段激活兴趣和Elaborate阶段创设迁移情境的目标；语料库检索则精准匹配Explore阶段的自主探究需求。
无缝整合：技术工具应无缝嵌入教学流程，操作便捷，不增加师生额外的认知负荷。平台工具(如WeLearn、超星学习通、在线协作工具)需提供统一入口，整合各类资源与应用(如视频库、语料库接口、协作空间、评估工具)，支持5E各阶段的流畅切换与数据贯通(如学习行为数据从Explore到Evaluate的流转)。
教师主导与技术支持平衡：技术赋能不削弱教师的主导作用。在Explain阶段，教师系统解析(如师生互动)需与AI语义可视化工具(动态词云、概念图)相结合，教师利用技术深化讲解而非被技术替代。
原则二：词汇深度加工。
融合设计的核心目标在于促进词汇知识的深度加工，超越表层的识别与记忆，实现以下几点。
语义网络构建：通过技术工具引导学生在Explore阶段主动分析词汇间的语义关系(同义、反义、上下义)、概念关联、搭配模式，构建结构化、网络化的词汇知识体系。AI驱动的语义网络可视化工具(如动态概念图)可直观呈现并辅助构建这一网络。
语境化理解与应用：技术创设的丰富语境(Engage阶段的多媒体/VR情境、Elaborate阶段的仿真任务)是词汇意义内化和用法掌握的关键。强调在真实或拟真的语言使用场景(如学术讨论、职场沟通、专业实践)中理解词汇的精确含义、语用功能、语域特征(正式/非正式)及文化内涵，最终实现“学以致用”，解决“学用脱节”问题。
策略发展：技术支持的探究活动(如语料库检索、搭配计算)应同时培养学生自主的词汇学习策略(如语境推测、词块学习、词典使用策略)，提升其元认知能力[4]。
3.2. 5E阶段的技术融合路径
基于上述原则，构建5E各阶段与智慧教育技术的深度融合路径。
Engage (引入)阶段：情境化动机激发。利用VR/AR沉浸场景、热点短视频及AI个性化推送技术，快速构建与目标词汇主题强相关的真实语境(如机场值机VR场景、科技伦理纪录片)，激活学生已有词汇图式并引发认知冲突。通过互动投票与词云生成工具，及时收集学生初始认知焦点，将抽象词汇转化为可感知、可参与的学习任务，实现从被动接受到主动关注的动机转型。
Explore (探究)阶段：数据驱动的自主发现。依托语料库检索平台(如COCA)和协作概念图工具(如XMind)，引导学生自主分析词汇的搭配模式、语义网络及语用特征。技术提供海量真实语料与结构化思维支架，支持小组协作归纳词汇的形式(拼写、变形)、意义(多义性)及系统关系(同源词、反义词网络)，培养信息处理与归纳推理能力，推动学生从“记忆单词”转向“建构词汇认知体系”。
Explain (解释)阶段：概念可视化与系统整合。通过AI语义分析工具动态生成词汇语义网络图、搭配矩阵，结合交互式白板实现师生协同标注与讨论。技术将探究阶段的零散发现转化为结构化知识(如对比“sustain”与“maintain”的语义差异)，教师基于可视化结果精炼规则、澄清误区，实现词汇知识从碎片化观察到系统化理解的跃升，强化深度学习中的概念内化。
Elaborate (拓展)阶段：高保真语境迁移。借助VR仿真场景(如国际会议演讲)、智能写作平台(如iWrite)及PBL协作系统，设计需创造性应用词汇的真实任务(如撰写求职信、模拟商务谈判)。技术提供拟真环境与即时反馈(如词汇正式度、搭配纠错)，促使学生在复杂语境中实践词汇的准确性、得体性与丰富性，彻底解决“学用脱节”，推动知识向语用能力转化。
Evaluate(评价)阶段：多维度数据闭环。基于学习行为分析平台与自适应测评工具，自动追踪词汇接触频率、应用准确率及语境适配度；整合AI即时反馈(写作/口语)、同伴互评及学习仪表盘数据，生成多维度诊断报告(如易混淆词识别、努力值分析)。技术支持贯穿全流程的形成性与总结性评价，驱动个性化干预与教学优化，构建“评价–反馈–改进”的闭环学习生态[5]。
4. 模式可行性质性验证
4.1. 研究方法
为验证所构建的“智慧教育背景下基于5E教学模式的大学英语词汇教学”框架的可行性与有效性，本研究采用专家咨询法与案例模拟法进行质性探索，聚焦模式的理论合理性与实践操作性。专家咨询法：邀请8位高校英语教学专家(含4位具有智慧教学实践经验的教授、3位教育技术专家、1位课程设计专家)参与半结构化深度访谈，专家遴选标准包括：具备10年以上大学英语教学经验；主持或参与过智慧教育/教学模式改革项目；发表过相关领域研究成果。访谈围绕模式核心要素(5E阶段设计、技术赋能点、实施难点)设置问题，旨在获取权威、多元的专业判断。案例模拟法选取典型学术场景——“气候变化政策”主题词汇教学为模拟单元，涵盖高频学术词汇(如mitigation，adaptation，carbon footprint，sustainability，renewable energy)，依据第三章设计的融合路径完整推演5E全流程教学实施：第一步详细设计各阶段(Engage→Explore→Explain→Elaborate→Evaluate)的具体教学活动；第二步明确选用的智慧技术工具及其操作方式(如使用何种VR平台创建气候谈判场景，调用哪个语料库分析目标词搭配)；第三步预设师生交互行为与技术支撑节点；第四步输出《5E全流程技术操作手册》原型，包含AR场景参数设置指南、语料库检索指令示例(如COCA中“sustainability”的搭配查询指令)、智能反馈系统调用接口说明等实操细节。
4.2. 数据收集
专家访谈数据收集围绕四项核心问题展开：第一，“Evaluate阶段依赖学习行为大数据分析(如词汇接触频率、搭配使用准确率)能否有效替代或补充传统词汇测验(如选择题、填空题)？其优势和风险是什么？”；第二，“Explain阶段使用的AI语义分析工具(如动态概念图、近义词对比)如何简化操作流程以降低教师技术门槛？”；第三，“Elaborate阶段设计的VR仿真任务(如气候谈判)在现有技术条件下是否具备课堂实施的可行性？”；第四，“当前模式下各5E阶段的技术赋能点与认知目标匹配度如何？是否存在冗余或缺失？”。数据形式包含访谈录音逐字转录文本及专家评分表(对模式各维度可行性打分)。模拟案例数据产出内容为《气候变化政策词汇5E教学单元设计方案》(含阶段目标、活动描述、技术工具清单)和《5E全流程技术操作手册》(含AR场景参数、语料库指令、AI反馈系统调用指南)，同时生成推演记录文件，涵盖实施流程逻辑自洽性检查表与技术障碍与资源需求清单。
4.3. 分析维度
基于收集的数据，从两个核心维度进行深入分析。
理论自洽性重点评估5E各阶段预设目标与所选用技术工具功能的匹配度，具体涵盖：Engage阶段VR场景是否有效激活兴趣并关联先验知识？Explore阶段语料库检索与协作工具是否充分支持自主语义探究？Explain阶段AI可视化工具是否精准辅助概念精炼与系统化？Elaborate阶段VR任务是否真实反映目标词汇的学术/职场应用需求？Evaluate阶段大数据指标(词汇使用频次、搭配准确率)是否有效衡量词汇深度习得？
实践可行性综合评估模式落地面临的现实约束：教师操作成本层面(技术工具尤其AI、VR的集成度、学习曲线、备课耗时如AR场景搭建与语料库指令编写；课堂管理复杂度)；学生认知负荷层面(技术界面友好度；探究任务如语料库分析的认知难度；VR/AR设备的适应性)；技术资源门槛层面(硬件如VR设备与终端、软件如平台订阅费、网络环境需求；学校技术支持力度)；以及时间效率层面(5E全流程在标准课时内完成的可行性)。
5. 研究结果与讨论
5.1. 专家共识结论
专家访谈数据表明，本研究所构建的“智慧教育背景下基于5E教学模式的大学英语词汇教学”框架在核心环节获得高度认可，同时提出了关键改进方向。在高度认可层面：所有专家(100%)一致认为，语料库检索工具与协作概念图技术能显著提升Explore阶段的探究效率，通过支持搭配网络构建与语域分析，大幅拓展词汇探究的深度与广度，远超传统词典查询模式；87.5%的专家肯定Elaborate阶段的虚拟任务(如VR气候谈判、AI对话)能有效弥合“学用脱节”问题，因其高度仿真性更逼近真实语用场景；81.3%的专家强调Evaluate阶段依托学习行为大数据(词汇接触频率、搭配准确率)具备巨大潜力，可提供过程性与多维度的形成性评价，但需与传统深度理解测验结合，而非完全替代。
在核心改进建议方面，专家共识聚焦三点：一是亟需开发整合碎片化工具的5E阶段专用插件(100%支持)，例如Engage阶段的“动态词云生成器”、Explore阶段的“语料库高频搭配一键提取器”、Explain阶段的“近义词网络可视化生成器”，以简化操作流程；二是建立跨学科词汇任务库(93.8%支持)，为不同专业设计适配的Elaborate任务模板(如商科模拟谈判、工科技术汇报、人文学科辩论)，提升模式普适性；三是全面简化教师技术操作界面(100%支持)，通过提供AR场景模板库(教师仅需替换图文素材)和预装学术词汇搭配包(免去复杂语料库检索)，显著降低技术门槛。
5.2. 模式实施面临的主要挑战
将5E-CVT模型从理论框架转化为广泛的教学实践，首先必须正视其落地过程中所必然遭遇的多维挑战。这些挑战源于技术、资源、人力以及课程体系本身的复杂性，构成了模型推广的现实制约。
主要挑战来自于技术操作复杂度与教师技术接纳度之间的落差。模型所依托的VR/AR语境创设、AI语义分析、语料库深度检索等技术，对于人文社科背景的英语教师而言，存在显著的技术门槛。部署虚拟场景、编写专业检索指令、调用AI接口等操作，不仅要求教师投入大量额外时间学习，更可能引发其“技术畏难”心理。若先进的技术工具不能以简便、高效的方式服务于教学，反而成为负担，那么再完美的教学模型也难以获得教师的真正接纳。
其次，经济成本与硬件资源是无法回避的现实壁垒。构建沉浸式VR实验室、批量订阅功能强大的AI辅助平台与专业语料库，需要持续的资金投入。这对于资源有限的普通院校而言，是一笔沉重的经济负担。这种初始投入的差异可能导致智慧教育资源的“马太效应”，加剧校际间的教育不公平，使模型只能在少数条件优越的“示范点”运行，而难以惠及大多数普通师生。
最后，模型与现有课程体系在时空与适配性上存在张力。一个完整的5E探究循环需要充分的课堂时间供学生自主探究、协作迁移与反思评价，这与大学英语课程普遍紧张的学时安排形成矛盾。同时，该模型若要发挥最大效能，需根据学术英语、职业英语等不同专业方向的需求进行个性化适配，这对教师的课程开发与设计能力提出了极高要求，成为模型大规模、高质量实施的隐性挑战。
5.3. 推进实施的可行路径与对策
尽管挑战严峻，但并非不可逾越。通过采取一种务实、渐进且系统化的推进策略，完全可能化解阻力，引导5E-CVT模型稳步走向实践。
我们主张采用“由易到难、分阶段演进”的实施路径，为核心挑战提供操作性对策。具体而言，实施可分为三个循序渐进的阶段：
初级阶段(低技术门槛切入)：重点在于熟悉流程而非应用高技术。在此阶段，应充分利用易获取的多媒体资源(如短视频、新闻报道)创设情境(Engage)，引导学生使用免费在线语料库进行词汇搭配与用法的自主探究(Explore)。目标是让师生在低技术压力下，首先掌握5E教学模式的核心流程与理念，为后续深化应用奠定基础。
中级阶段(智能化工具赋能)：在熟悉5E流程后，引入智能化工具以提升教学深度与效率。例如，集成AI作文批改系统，为学生在迁移应用阶段(Elaborate)的词汇输出提供精准、及时的反馈；利用概念图工具或简单的语义可视化应用(如一键词云生成)，辅助学生在解释阶段(Explain)进行词汇知识的系统化梳理。技术在此阶段的角色从“可用”转向“好用”，成为深化教学的有力杠杆。
高级阶段(生态化融合创新)：在前两阶段成熟后，有选择地在条件成熟的领域开展深度融合。例如，为商务英语、国际法等专业课程定制开发轻量级的VR仿真谈判任务或AR辅助的案例研讨场景(Elaborate)。关键在于利用预构建的模板库和校本资源平台，大幅降低技术开发成本与教师操作负担，最终实现技术、教学法与课程内容的高度生态化融合。
5.4. 潜在风险的反思与规避策略
在积极拥抱技术赋能教学的同时，我们必须保持一种审慎的批判性视角，警惕技术应用可能带来的潜在风险。本研究构建的5E-CVT模型若设计或实施不当，同样可能引发学生的认知过载、加剧数字鸿沟、并触及数据隐私伦理红线。对这些风险的预先反思与规避，是模型实现健康、可持续发展的重要保障。
其一，需警惕技术交互带来的认知过载风险。沉浸式VR环境、多任务协作界面、以及频繁的技术操作切换，可能分散学生对语言内容本身的注意力，使其认知资源从“词汇学习”本身被消耗在“工具使用”上，最终导致“舍本逐末”。为规避此风险，教学设计应遵循“认知减负”原则：在技术界面设计上追求极简与直观；在任务引导上提供清晰的步骤化指令；并严格评估技术使用的必要性与时机，确保每一项技术的引入都直接服务于核心的词汇认知目标，而非炫技。
其二，需正视并设法弥合数字鸿沟问题。模型对硬件设备和网络环境的依赖，可能无意间在班级内部制造新的不平等。拥有高性能个人设备的学生可能如鱼得水，而仅能依靠老旧机房设备的学生则可能因卡顿、延迟等问题而挫败感倍增，导致学习效果的两极分化。对此，教师的教学设计必须具备包容性与灵活性：所有技术任务都应提供“低配”或替代方案(例如，VR任务同时提供桌面版模拟视频；小组合作中合理分配设备资源)；评估时应关注学习过程与努力，而非最终产品的技术呈现精度。
其三，必须严肃对待数据隐私与伦理问题。模型依赖的学习分析平台、AI工具会持续收集并分析学生的语音、写作、甚至行为数据(如注视点)。这些数据如何被存储、使用、以及归属权问题，必须在实施前向学生明确告知并获得授权。院校层面必须建立严格的数据伦理规范：遵循数据最小化原则，仅收集教学所必需的数据；对敏感数据进行匿名化处理；明确禁止将数据用于任何商业或与学生发展无关的用途，保护学生的数字人格权。
综上所述，技术的融入绝非价值中立。一个负责任的智慧教育模型，其成功不仅取决于它能否提升效率，更取决于它能否在更深层次上保障教育的公平性、尊重学习者的主体性、并守护最基本的伦理价值。唯有将风险反思前置，并嵌入具体的教学设计策略中，5E-CVT模型方能行稳致远。
5.5. 理论贡献
本研究的核心理论创新在于提出“5E-CVT”模型(Contextualized Vocabulary Teaching Based on 5E Model)，其核心价值体现为三方面：
第一，构建了“双核驱动”的教学结构范式。与传统词汇教学中的技术简单嫁接不同，5E-CVT模型创新性地采用以5E认知框架为“经线”、智慧教育技术为“纬线”的双核驱动结构。这一结构实现了认知逻辑与技术工具的深度咬合：Engage阶段通过AR技术激活语境，Explore阶段运用语料库支持自主探究，Explain阶段采用AI可视化工具促进概念精炼，Elaborate阶段借助VR仿真任务推动迁移应用，Evaluate阶段利用大数据分析实现精准评估。这种结构创新确保了技术应用始终服务于认知目标，为智慧教育环境下的词汇教学提供了新的范式。
第二，提出了“全流程语境浸润”的学习机制。该机制突破传统词汇教学中语境创设碎片化的局限，将动态语境贯穿于学习全过程。从Engage阶段的多媒体/AR真实语境导入，到Explore阶段的语料库真实语料分析，再到Explain阶段的语境化概念精讲，Elaborate阶段的仿真任务应用，最终到Evaluate阶段的语境适配性评价，形成了一个完整的语境化学习闭环。这一机制确保词汇知识在理解、内化、应用各阶段都能获得充分的语境支撑，从根本上解决了“学用脱节”问题。
第三，建立了“数据驱动的教学优化回路”。模型创新性地将学习分析技术贯穿于教学全过程，通过Evaluate阶段对词汇使用准确度、语境适配性、接触频率等多维指标的大数据分析，形成“学–用–评–优”的增强回路。分析结果既可反馈至Engage阶段激活新单元学习兴趣，又能触发个性化干预(如精准推送搭配练习)，实现教学过程的自我优化。这一机制推动了词汇教学评价从传统的总结性评价向过程性、诊断性、发展性评价转型，为探索数据驱动的个性化语言教学提供了新路径。
该模型通过语义网络化构建(Explore阶段的协作概念图与Explain阶段的AI可视化工具)、应用情境化实践(Elaborate阶段的VR/AI仿真任务)和评价多维化分析(AI精准反馈与大数据行为分析)，重构了词汇深度学习路径，为实现词汇深度习得提供了系统化的解决方案[6]。
6. 结论与展望
6.1. 研究结论的核心价值
本研究通过整合建构主义理论与智慧教育技术，提出5E-CVT词汇教学模型，其创新性体现在双重驱动机制：
第一，5E模式构建结构化认知路径，彻底破解传统词汇教学的碎片化困境。
该模型以“吸引(Engage)→探究(Explore)→解释(Explain)→迁移(Elaborate)→评价(Evaluate)”的闭环设计为学生提供明确的学习支架。在探究阶段，学生通过语料库工具自主分析词汇的语义网络关系，例如使用COCA语料库检索“sustainable development”在学术文本中的高频搭配模式(如“promote/implement sustainable development goals”)。这种设计推动词汇知识加工从表层记忆转向深度建构，要求学生建立术语间的概念关联，如将“carbon neutrality”与“renewable energy transition”形成系统性认知框架。
第二，智慧技术提供动态语境支持系统，实现从知识存储到应用能力的转化。
在沉浸式语境生成方面，VR/AR技术可创建高仿真语言场景。例如迁移阶段设计的“联合国气候峰会”虚拟谈判环境，要求学生及时调用“emission reduction targets”、“climate adaptation funds”等术语进行政策辩论，通过压力情境强化术语的提取与应用能力。智能化探究辅助则表现为技术工具降低认知负荷，例如动态语义分析工具自动生成“mitigation”的关联词群网络(如adaptation strategies, policy frameworks, cost-benefit analyses)，帮助学生直观理解专业术语的概念谱系。
6.2. 研究局限与突破路径
真实教学验证缺失制约模型普适性。需开展对照实验量化效果：实验组(5E-CVT班)在学术写作的术语密度指标上需显著优于对照组(传统教学班)，例如在模拟联合国提案中“climate policy”关联术语数量需提升2.3倍，术语误用率需降至12%以下。此类实证设计可参考写作教学实验的方法论。
6.3. 未来创新方向
5E智能词汇教练系统需实现全流程自适应：系统内核应包含动态路径生成引擎，例如当学生探究阶段的语义网络完整度低于60%时，自动触发“词根词缀分析 + 概念图协作”强化任务；当迁移任务通过率超80%时，则推送“VR国际仲裁法庭辩论”进阶挑战。此类智能导学机制将学习分析技术推向新高度。
ESP教学变体需深度适配专业需求：医学英语方向可开发多科室联合会诊VR系统，学生在虚拟急诊室中扮演主治医师，需准确应用“comorbidities”(共病)、“prognostic indicators”(预后指标)等术语处理复合型病例。工程英语领域应设计智能工厂AR维修指南，学生在设备检修场景中必须调用“calibration tolerance”(校准公差)、“throughput bottleneck”(吞吐量瓶颈)等术语完成故障诊断流程。
基金项目
2025年度浙江越秀外国语学院校级高等教育教学改革研究项目课题：基于5E模式的多模态AI助力大学英语词汇深度学习路径研究。项目编号：2505220001。