很多教育技术申请人，RP 第一页会写一句话：我想研究 AI 如何改变教育。放在 2026 年的港校 PhD 申请里，这句话太大了。老师会判断的，不是你会不会说 AI，而是你有没有碰过学习数据、课堂任务、在线平台记录、问卷、访谈，或者真实学习行为材料。
李兆璋教授适合从这个角度读。他现在是香港浸会大学教育与心理学系教授，也是文社科学院健康与人类发展学部主任。他的博士来自澳洲国立大学，做的是理论核与粒子物理。一个从物理博士走到教育技术研究的人，通常不会只看“教育创新”这个大词，他会更关心技术进入课堂以后，学生发生了什么变化，数据怎么支持判断。
你看他的公开研究兴趣，学习分析、教育中的大数据与 AI、泛在学习、STEM 教育、Rasch 模型、多层结构方程，都在问一个现实问题：技术进入学习场景以后，学生行为、能力和判断怎么被观察，怎么被测量，怎么被改进。
邮件第一段直接讲三件事：你做过什么材料，你读到导师哪类工作，你想把题目缩到哪个对象和方法。
所以邮件第一段别写“我对 AI 教育很感兴趣”。可以直接写三句话：我之前做过一个线上学习行为项目，处理过学生互动记录和问卷数据；我读到您关于学习分析、计算思维轨迹或生成式 AI 批判思维的研究；如果继续做 PhD，我想把题目缩到大学生使用生成式 AI 完成学习任务时，批判性判断和自我调节行为怎么变化。
他近年的项目也能给申请人一个提醒。公开页面里能看到，2024 到 2026 年他作为 PI 做过生成式人工智能时代社会科学学生批判与分析思维、伦理考量和社会影响的能力建设项目；2023 到 2025 年，他还做过用机器学习展开学生在积木式编程环境中计算思维轨迹的研究。前者要求你懂 AI 工具进入大学学习以后带来的判断问题，后者要求你能把学习过程拆成可观察的数据。
写 RP 的时候，题目不要从“AI 如何改变高等教育”开始。你可以先缩成“大学生使用生成式 AI 完成社会科学写作任务时，批判性判断如何变化”；也可以写“中学生在积木式编程学习中，计算思维表现如何随任务阶段变化”。面试时如果被追问，先答数据从哪里来，再答你用什么方法看变化，最后答这个问题为什么值得做。
适合投这类导师的学生，不一定都来自教育学。教育技术、学习科学、心理测量、统计、数据科学、人机交互、STEM 教育、数字媒体学习，都可以把经历往这个方向整理。真正要避免的是只有课程作业，没有数据、没有对象、没有方法。你如果只写“熟悉教育技术应用”，老师看不到你能做 PhD 的哪一步。
香港浸会大学研究生院页面里，Research Postgraduate 是 MPhil 和 PhD 层级，Education and Psychology 在文社科学院 RPg 学科范围里。Funding 要分成 HKPFS、regular research studentship、院系支持和导师项目经费来问。申请前先做一张表：左边放导师近两年项目，中间放你处理过的材料，右边放你会用的方法。
邮件末尾不要只问“有没有全奖”。可以问：如果我申请 PhD，是否会同时被考虑 HKPFS 和 regular postgraduate studentship；院系是否有额外 RA、TA 或 project-based support；申请前还需要补哪些材料。这样问，比只问“有无名额”更像一个真的准备读研的人。
