这不是一个只靠“会做语言学”就能稳妥套磁的导师。香港科技大学人文学部的 Dennis Tay 更像是在把认知语言学、心理咨询话语和 AI/数据分析放到同一个问题里处理；对申请者来说，真正要证明的不是方向沾边，而是你能把文本、交互数据和可解释方法接起来。
本期看的是香港科技大学 Doctor of Philosophy in Humanities 项目下的语言学/应用认知语言学方向。项目允许学生在语言学、文学与媒体、历史人类学、哲学与宗教等方向内做跨学科研究，博士正常学制为有相关研究型硕士 3 年、无相关研究型硕士 4 年。
先看这类学生适不适合申
比较匹配的是三类背景：第一，语言学、应用语言学、话语分析或心理语言学训练扎实，能读理论也能做数据；第二，有心理健康沟通、咨询话语、医疗传播、教育话语或二语写作相关项目经历；第三，会 Python、语料库方法、时间序列、关联规则、机器学习或深度学习，并且能解释模型结果，而不是只把 AI 当作工具包装。
慎投的情况也很清楚：只有泛泛的教育学或传媒项目，没有语言数据分析经验；只想写“AI赋能语言学习”这种宽题；或者把心理咨询话语理解成普通访谈分析，都容易写偏。这个组的门槛不在名词，而在方法与问题是否真的贴合。
这位导师不是方向沾边就能投
Dennis Tay 的履历有一个明显特点：他受过语言学和计算数学训练，研究并没有停在传统认知语言学解释，而是持续把隐喻、话语和数据建模结合起来。其主页列出的方向包括 applied cognitive linguistics、metaphor theory、mental healthcare communication、discourse analysis，以及 AI、machine learning、deep learning 在人文研究中的应用。
近年的论文也能看到这个重心。Affective Engagement with Metaphor in Introductory Statistics Education（Journal of Experimental Education, 2026）不是单纯讨论教学隐喻，而是把情感投入与学习场景结合。Fingerprints of EFL Writing: An AI Deep Learning Approach（2025）说明他愿意把深度学习放进语言数据识别。Source Domain Associations as Conceptual Assemblages in Trauma Talk（Metaphor and Symbol, 2024）则把创伤话语、隐喻结构和关联规则挖掘接起来。
这里真正影响申请的是：proposal 不能只写“我想研究隐喻”。比较稳妥的写法要落到一个可采集、可标注、可建模的语料场景里，再说明模型如何反过来帮助解释语言现象。
真正能写进 proposal 的入口
第一个切口是心理健康沟通中的隐喻模式。可以把焦点放在创伤叙事、咨询对话或慢病沟通中隐喻如何随时间变化，方法上结合语料标注、关联规则或时间序列建模。风险是伦理审批和真实数据获取，申请时要准备替代方案，例如公开语料、模拟咨询文本或跨文化访谈材料。
第二个切口是 AI 辅助的二语写作特征识别。不要泛写“用大模型改作文”，而是写特定学习者群体、特定语言特征、特定反馈机制。你需要说明模型的可解释性、训练数据来源和教育意义，否则容易变成工具展示。
第三个切口是统计/数据科学教学中的语言与隐喻。这个方向的优势是能连接他 2026 年教育场景论文，也能体现人文学生的数据素养训练；但需要申请者同时理解教学设计、认知语言学和基础统计建模。
不建议主写的方向：泛泛的跨文化传播、纯文学文本隐喻解读、没有数据路径的 AI+人文口号。这些看起来相关，但无法证明你能嵌入他近年的方法路线。
奖学金与资助怎么判断
香港科技大学研究型研究生的 Postgraduate Studentship 为 HK$229,620/年，折合约 HK$19,135/月，博士最长可覆盖 4 年，这是学校层面的 L1 信息。HKPFS 则为 HK$340,800/年，附 4 年学费减免和每年 HK$14,200 会议/研究差旅津贴；未获 HKPFS 的优秀博士申请者还可能被考虑 RedBird PhD Award，包括首年 HK$40,000 招生奖和后续每年 HK$20,000 学术优秀奖。
导师个人经费方面，公开主页显示其工作曾获香港 General Research Fund、新加坡 Academic Research Fund 与 European Commission Horizon 2020 支持。我们不会把这些信息解读成“明确有几个名额”，更稳妥的判断是：学校端博士资助明确，导师方向仍在持续产出，是否接收学生需要套磁确认。
如果你的研究经历和他的方向只有 60% 重合，关键问题不是要不要申，而是你能不能把这 60% 写成一个可验证的数据问题。
