一句話重點
EMI 課堂上學生「聽不懂」的核心障礙往往不是文法，而是學術詞彙——區區 570 個詞族（word families）就佔了學術文本約一成的篇幅，而要讓一個詞「附帶學會」，學生平均需要在輸入中反覆遇見它許多次。把學術詞彙當成可規劃、可重複、可檢核的教學標的，是 EMI 教師投資報酬率最高的一步。
研究發現了什麼
Coxhead（2000，發表於 TESOL Quarterly）從 350 萬詞的學術語料庫中，篩選出跨學科高頻出現的 570 個詞族，建立了著名的學術詞彙表（Academic Word List, AWL，學術詞彙清單）。這份清單的威力在於覆蓋率：AWL 詞彙約佔學術文本總詞數的 10.0%，但在同等規模的小說語料中僅佔 1.4%。換句話說，這些像 analyze、derive、hypothesis 之類的詞，是學術英語特有的「骨架詞」——學生在日常英語接觸中很難自然學到，卻在每一頁教科書、每一場講課中反覆出現。
那麼，學生光靠大量聽課與閱讀，能不能「自然而然」學會這些詞？Uchihara、Webb 與 Yanagisawa（2019，發表於 Language Learning）統合了 26 份研究、45 個效果量（N = 1,918），分析「重複接觸次數」與「附帶詞彙學習（incidental vocabulary learning）」之間的關係，得到中等程度的相關 r = .34。這個數字有兩層意義：重複接觸確實有效——遇見次數越多，學會的機率越高；但 .34 也意味著單靠重複遠遠不夠，還有大量變異來自其他因素。
該統合分析的調節變項分析進一步指出，重複的效果會受到分散式學習（spaced learning，間隔學習）、視覺輔助、學習者投入程度等條件影響。也就是說，同樣遇見一個詞八次，「分散在三週、搭配圖表、學生有主動處理」與「擠在同一篇文章裡匆匆掃過」，學習成效並不相同。
AWL 是跨學科的通用學術詞彙清單，不能取代各學科的技術詞彙（如材料科學的 ductility、經濟學的 elasticity）；後者仍需各科教師自行盤點。另外，Uchihara 等人的統合分析以相關性研究為主，r = .34 描述的是關聯強度，不宜直接解讀為因果效果量。
教師可以怎麼做
開學前盤點你的「課程關鍵 50 詞」
從講義與教科書中挑出本學期最關鍵的學術詞彙與學科技術詞彙各 20–30 個，明確列給學生。與其讓學生在茫茫詞海中自行掙扎，不如直接告訴他們：這些詞值得刻意投資。
刻意安排重複接觸，而非一次教完
同一個關鍵詞，安排在講課、投影片、課後閱讀、小考中分散出現多次。重複接觸與附帶學習的相關達 r = .34，而分散式呈現比集中轟炸更有利於保留。
首次出現時「停三秒」處理詞彙
講課中第一次用到關鍵術語時，停下來給定義、給中文對應詞、給一個例句。這種短暫的明示處理（explicit treatment）能大幅提高學生後續遇見該詞時的辨識率。
要求學生建立學科詞彙筆記
請學生為每個關鍵詞記錄：定義、課堂例句、自造例句、中文對應。主動產出比被動畫線更能促進深層處理，也正對應統合分析中「學習者投入」這個調節變項。
每週用低風險詞彙小考收尾
每週 5 題詞彙小考（填空或配對），分數權重低、頻率高。這同時創造了「再一次接觸」與「提取練習」的雙重效益。
搭配 Uedu 工具
把你的「課程關鍵 50 詞」清單交給測驗系統的 AI 自動出題，快速生成每週詞彙小考題庫（定義配對、語境填空、近義辨析）。設定作答後立即顯示正解，讓每次小考都是一次有回饋的重複接觸。學期中可比對同一批詞在第 3 週與第 12 週的答對率，直接看見重複接觸的累積效果。
把講義與指定閱讀上傳到 ClassroomGPT 的頻道知識庫，學生遇到不懂的術語時，AI 助教能根據你的教材語境解釋該詞在本課程中的用法，而不是給出泛泛的字典定義——這正是學科詞彙教學最需要的「語境化解釋」。
下週上課前，從你的投影片中挑出 10 個 AWL 詞彙，課堂開場用 3 分鐘讓學生兩兩互考「定義＋中文對應」。課末再用測驗系統出 5 題語境填空。一週後重測——你會看到重複接觸如何把「眼熟」變成「會用」。
結語
學術詞彙是 EMI 課堂的隱形門檻：它不在課綱裡，卻決定學生能不能跟上課綱。把 570 個骨架詞與你的學科關鍵詞變成明確、重複、有檢核的教學標的，你就把「聽不懂」的最大來源，變成了可以系統性拆除的障礙。