ورودی قابل‌فهم لازم است — اما کافی نیست

Krashen در مورد ورودی درست می‌گفت — اما فقط تا حدی

فرضیه ورودی استفن کراشن (1985) تأثیرگذارترین ایده در آموزش زبان اواخر قرن بیستم شد: ما زبان‌ها را از طریق درک پیام‌هایی کمی بالاتر از سطح فعلی خود فرا می‌گیریم (فرمول معروف او "i+1"). ورودی قابل فهم ضروری است — این بخش همچنان پابرجاست.

آنچه پابرجا نمانده این ادعاست که ورودی کافی است. دو دهه تحقیق نشان می‌دهد که زبان‌آموزان به چیزهای بیشتری نیاز دارند.

چرا ورودی محض به رکود می‌رسد

اگر 800 ساعت Netflix اسپانیایی تماشا کرده‌اید و هنوز نمی‌توانید یک جمله بسازید، شخصاً ثابت کرده‌اید که ورودی به تنهایی محدودیت دارد. دلایل:

1. تشخیص همان تولید نیست. می‌توانید "podrías pasarme la sal" را بفهمید بدون اینکه هرگز مجبور شوید خودتان "podrías" را بازیابی کنید. تقاضاهای بازیابی متفاوت، حتی زمانی که دانش زیربنایی همپوشانی دارد (Tulving & Pearlstone 1966).
2. دستور زبان دریافتی مبهم است. می‌توانید 80% نحو پیچیده را بفهمید بدون اینکه بدانید فعل واقعاً کجا قرار می‌گیرد.
3. بدون خروجی، شکاف‌ها را متوجه نمی‌شوید. خروجی شما را مجبور به توجهی می‌کند که ورودی هرگز نمی‌کند.

دلیل چهارم و آرام‌تری وجود دارد که اکثر زبان‌آموزان در حالت ورودی می‌مانند: خصوصی است. می‌توانید در آشپزخانه خود در یک پادکست شکست بخورید و کسی نمی‌داند. خروجی شما را در معرض دید قرار می‌دهد. این عدم تقارن — ورودی امن است، خروجی شرم‌آور — موتور مشکل 800 ساعت Netflix است حداقل به اندازه مشکل شناختی.

فرضیه تعامل مایک لانگ (1996) قطعه گمشده را در بُعد شناختی اضافه کرد: زبان از طریق تعامل مذاکره‌شده فراگرفته می‌شود، جایی که شما چیزی تولید می‌کنید، طرف مقابل واکنش نشان می‌دهد و بازخورد حاصل حلقه را می‌بندد.

حلقه سه‌بخشی روانی

تصویر اجماع در SLA به سمت چیزی شبیه چارچوب ورودی-تعامل-خروجی تغییر کرده است (Gass 2003؛ Ortega 2009 برای نسخه کتاب درسی):

1. ورودی قابل فهم انبوه — صدها ساعت تلویزیون، پادکست، کتاب در سطح i+1
2. خروجی اجباری — صحبت کردن و نوشتن روزانه تحت فشار واقع‌گرایانه. خروجی اجباری اصطلاح هنری SLA است؛ به زبان ساده، تمرین خروجی عمدی.
3. بازخورد — تصحیح‌ها، بازنویسی‌ها (زمانی که شریک جمله شما را بدون شکستن مکالمه به درستی بازنویسی می‌کند)، یا خودآگاهی ظرف 24 ساعت

ورودی را حذف کنید و دستور زبان شما تکه‌تکه باقی می‌ماند. خروجی را حذف کنید و لحظه‌ای که کسی با شما صحبت می‌کند می‌خکوبید. بازخورد را حذف کنید و الگوهای اشتباه شما به عادت تبدیل می‌شوند — آنچه محققان SLA از زمان Selinker (1972) آن را سنگواره‌شدگی می‌نامند.

چگونه این سه را در یک برنامه عادی متعادل کنیم

هیچ نسبت مبارک‌شده SLA کانونیکی برای زمان ورودی/خروجی/بازخورد وجود ندارد، اما یک اکتشافی قابل دفاع برای خودآموزی یک ساعت در روز چنین است:

• ~30 دقیقه ورودی (یک پادکست یا برنامه؛ استفاده از زیرنویس L2 مشکلی ندارد، زیرنویس L1 بستگی به سطح دارد — بررسی‌های Vanderplank مبادلات را خلاصه می‌کند)
• ~20 دقیقه خروجی (مکالمه، نوشتن روزانه، تمرین تک‌گویی)
• ~10 دقیقه بازخورد / مرور (شکاف‌های دیروز، تمرین بازیابی، بازنویسی‌ها)

یک الگوی رایج در زبان‌آموزان مبتنی بر اپلیکیشن نزدیک به 55 دقیقه ورودی، 5 دقیقه خروجی، 0 دقیقه بازخورد است. این پیکربندی است که سندرم "می‌توانم همه چیز را بخوانم اما وقتی دهانم را باز می‌کنم می‌خکوبم" را تولید می‌کند.

جایی که معلم‌های هوش مصنوعی واقعاً کمک می‌کنند

خروجی و بازخورد بخش‌های پرهزینه در مدل‌های معلم انسانی هستند — آنها به زمان و صبر از یک گوینده روان نیاز دارند. معلم‌های هوش مصنوعی مشکل عرضه را حل می‌کنند: می‌توانید هر روز 30 دقیقه خروجی با بازخورد داشته باشید، به جای 30 دقیقه در هفته. ادبیات SLA به طور مداوم می‌یابد که خروجی تعاملی با بازخورد به‌موقع کسب روانی را تسریع می‌کند (Mackey & Goo 2007 را برای یک متاآنالیز در مورد تعامل و توسعه L2 ببینید؛ Li 2010 به طور خاص برای بازخورد تصحیحی نوشتاری).