Proporcionar a los estudiantes recursos de aprendizaje efectivos es esencial para mejorar los resultados educativos, especialmente en campos complejos y conceptualmente diversos como las Matemáticas y la Informática. Para comprender mejor cómo se comunican estas materias, este estudio investiga las estructuras lingüísticas incrustadas en textos académicos de subcampos seleccionados dentro de ambas disciplinas. En particular, nos enfocamos en los metadiscursos, las herramientas lingüísticas utilizadas para expresar definiciones, axiomas, intuiciones y heurísticas dentro de una disciplina. El objetivo principal de esta investigación es identificar qué subcampos de las Matemáticas y la Informática comparten metadiscursos similares. Identificar tales correspondencias puede permitir la reformulación de contenido de subcampos menos familiares utilizando estilos que los estudiantes ya reconocen de áreas más familiares, mejorando así la accesibilidad y la comprensión. Para perseguir este objetivo, compilamos corpora de texto de múltiples subcampos en ambas disciplinas. Comparamos sus metadiscursos utilizando una combinación de métodos de aprendizaje supervisado (redes neuronales) y no supervisado (agrupamiento). Específicamente, aplicamos varios algoritmos de agrupamiento: K-means, Particionamiento alrededor de Medoides (PAM), Agrupamiento basado en densidad y Modelos de Mezcla Gaussiana, para analizar similitudes entre disciplinas. Para validar las clasificaciones resultantes, utilizamos XLNet, un modelo de aprendizaje profundo conocido por su sensibilidad a patrones lingüísticos. El modelo logró una precisión del 78% y un puntaje F1 de 0.944. Nuestros hallazgos muestran que los subcampos pueden agruparse de manera significativa en función de la similitud del metadiscursos, ofreciendo valiosas ideas para adaptar el contenido educativo de manera más efectiva. Para verificar aún más estos agrupamientos y explorar su relevancia pedagógica, realizamos investigaciones tanto cuantitativas como cualitativas que involucraron la participación de estudiantes. Este artículo presenta hallazgos de la componente cualitativa, a saber, un análisis de contenido de entrevistas semiestructuradas con estudiantes y profesores de ingeniería de software.