申请上外语言科学研究院这个方向时，我最想让老师看到的是自己在“语言学”和“数据处理”之间的积累，而不只是英语专业背景。我的本科是山西大学英语专业语言学方向，学校属于省部共建院校，GPA 3.85，专业排名 6/89，约前 6.7%。英语方面，六级 582，雅思 7.0，专四也拿到了优秀。
科研和项目经历是我材料里比较核心的部分。我参加过一项省级语言数据挖掘科研项目，主要做多语言情感分析，是项目核心成员；同时有一篇省级期刊论文在投，第二作者，主题是人工智能在语言教学中的应用。项目上，我重点做过基于 Python 的多语言文本分类系统，用来适配语言学研究里的语料处理场景；也搭过语言学习智能推荐平台，尝试结合用户学习数据规划个性化学习路径；另外参与过方言语音数据库建设，负责数据采集和标注，处理过 300 小时左右的方言语音数据。
竞赛和奖项更多是辅助证明我的英语能力和学习稳定性。全国大学生英语竞赛拿过国家级二等奖，“外研社·国才杯”全国英语写作大赛拿过省级一等奖，也参加过校级计算机编程大赛并拿到三等奖，当时主要靠自学 Python 完成。奖项方面有 1 次国家奖学金、2 次校级一等奖学金，还有校级三好学生、省级优秀学生干部和科研创新专项奖学金。
结果确定以后，我选择了上海外国语大学语言科学研究院语言数据科学实验室，方向是语言与人工智能，导师是王老师。整个保研过程中，我一共拿到了 4 所院校的 offer，包括 2 所外语类 211、1 所综合类 211 和 1 所双一流院校。
当时也有一所综合类 211 院校的语言学专业 offer 可以选择，但我最后更看重上外这个方向的交叉特色。它不是单纯做传统语言学，也不是完全转向计算机，而是把语言科学、数据方法和人工智能结合得更紧，这和我本科阶段做过的项目比较接近。我的申请主要集中在夏令营阶段，上外夏令营入营并拿到优营，后面就没有再参加预推免和九推。
我的投递范围没有铺得特别大，主要围绕语言学、语言数据和应用语言学相关方向展开。上海外国语大学语言科学研究院是重点准备的一站，夏令营顺利入营并获得优营，后续也成为我的最终选择。
北京语言大学语言科学院同样比较匹配我的背景，夏令营阶段也入营并拿到优营。广东外语外贸大学外国语言学及应用语言学研究中心给了入营机会，不过最后没有拿到优营。南京师范大学文学院这一站没有入营，也提醒我不要只按学校名气和专业大类判断成功率，具体学院偏好的研究方向和材料匹配度很重要。
准备节奏上，我比较早就把材料的主线定成“英语语言学基础加语言数据处理能力”。简历前后改了 6 版，重点不只是罗列奖项，而是把 Python 编程、数据处理、语料处理和语言学问题之间的联系写清楚。
个人陈述大概打磨了 4 版。写上外时，我会主动结合语言科学研究院“语言+科技”的跨学科特点，说明自己为什么想做语言数据科学，以及研究生阶段希望继续关注语言与人工智能结合的方向。推荐信需要 2 封副教授及以上老师的推荐，我提前约了语言学专业课老师和计算机项目指导老师，大约提前了 2 个月沟通。
成绩单和证明材料也要尽早处理。我先准备好前五学期盖章成绩单，夏令营期间又补交了六学期完整成绩单，同时附上英语专业四级优秀证书。奖项材料按国家级、省级、校级分类整理扫描件，英语竞赛和科研创新类奖项会放在更显眼的位置。
这类交叉方向的材料，最怕写成“我会英语，也学过一点编程”。我的处理方式是尽量让每段经历都对应一个具体问题：比如文本分类系统解决什么语料处理需求，推荐平台如何用学习数据生成路径，方言语音数据库里我负责的采集、标注和质量控制是什么。
项目材料除了文字说明，我还准备了语言数据处理系统的演示视频、核心代码片段和数据标注规范文档。面试老师问到项目时，单说“参与了”是不够的，必须能讲清楚个人负责模块、技术路线、遇到的问题和解决方法。尤其是跨专业申请，老师往往会追问你到底掌握到什么程度，所以材料里写进去的技术点都要能展开。
上外这场是线上面试，全程大约 25 分钟，没有单独笔试，但有现场口述算法思路。流程比较紧凑：先是 3 分钟英文自我介绍，然后是 10 分钟左右专业知识问答，接着围绕科研项目深挖约 8 分钟，最后用 4 分钟左右交流综合问题。
专业问题覆盖得比较宽。语言学基础部分问到了生成语法理论、语料库语言学方法和语言类型学基本概念；计算机与 AI 部分问到 Python 数据处理库的使用、机器学习基础算法以及文本分类模型评估指标。项目深挖时，老师会继续追问多语言文本分类系统为什么这样选算法、方言语音数据标注的难点和解决方案、语言学习平台里用户画像是怎样构建的。
英语部分的压力不低，除了 3 分钟英文自我介绍，还有语言数据科学相关英文论文摘要的段落翻译，以及关于本科科研经历和未来研究规划的英文问答。整体难度我觉得中等偏上，尤其适合提前练学术表达，不能只准备生活化口语。
做语言与人工智能这类方向的申请，关键不是把自己包装成计算机背景，而是证明自己能把语言学问题转化成可以分析、建模或处理的数据问题。英语专业同学如果想走类似方向，Python、语料库方法、机器学习基础和项目复盘都要提前补起来。
我不建议把申请材料写得太满，尤其不要堆很多自己讲不清楚的技术词。老师真正追问时，会很快判断你是亲自做过，还是只停留在项目名称上。更稳妥的做法是少写一点，但每一项都能说明数据来源、处理过程、个人贡献、结果评价和不足。
择校时也要接受会有不确定性。南京师范大学没有入营，广外入营但没有优营，这些都说明投递结果不完全由排名或奖项决定。对我来说，最后能去上外，主要是因为本科语言学训练、英语能力、Python 项目和语言数据方向之间形成了比较清晰的闭环。提前把这条主线想明白，后面的简历、个人陈述和面试回答都会更有底气。