·5 मिनट का पढ़ना·पद्धति

Comprehensible Input ज़रूरी है — लेकिन काफ़ी नहीं

Krashen आधे सही थे। सिर्फ़ input से आप अच्छे listener बनते हैं, fluent speaker नहीं। पूरा loop: input + output + feedback।

Bhada Yun · Founder, TalkToDia

ऊपर का शीर्षक, सारांश और मुख्य तथ्य आपकी भाषा में स्थानीकृत हैं। नीचे का विस्तृत मूल पाठ भी अंग्रेज़ी कैनोनिकल स्रोत से अनूदित किया गया है। हम मूल से लिंक करते हैं ताकि सर्च इंजन और AI सहायक साफ़-सुथरे ढंग से रिज़ॉल्व कर सकें। यह अनुवाद स्वचालित रूप से उत्पन्न हुआ है और मूल वक्ता की समीक्षा की प्रतीक्षा में है।

Krashen इनपुट के बारे में सही थे — लेकिन केवल आंशिक रूप से

Stephen Krashen की Input Hypothesis (1985) 20वीं सदी के उत्तरार्ध में भाषा शिक्षण का सबसे प्रभावशाली विचार बन गया: हम भाषाएँ अपने वर्तमान स्तर से थोड़ा ऊपर के संदेशों को समझकर सीखते हैं (उनका प्रसिद्ध "i+1" फ़ॉर्मूला)। समझने योग्य इनपुट आवश्यक है — यह हिस्सा सही साबित हुआ है।

जो सही साबित नहीं हुआ वह यह दावा है कि इनपुट पर्याप्त है। दो दशकों के शोध से पता चलता है कि सीखने वालों को और अधिक की आवश्यकता होती है।

शुद्ध इनपुट क्यों रुक जाता है

यदि आपने 800 घंटे स्पेनिश Netflix देखा है और फिर भी एक वाक्य नहीं बना सकते, तो आपने व्यक्तिगत रूप से साबित कर दिया है कि केवल इनपुट की सीमाएँ हैं। कारण:

  1. पहचान उत्पादन नहीं है। आप "podrías pasarme la sal" को समझ सकते हैं बिना कभी स्वयं "podrías" को पुनः प्राप्त किए। अलग-अलग पुनर्प्राप्ति माँगें, भले ही अंतर्निहित ज्ञान ओवरलैप हो (Tulving & Pearlstone 1966)।
  2. ग्रहणशील व्याकरण अस्पष्ट होता है। आप जटिल वाक्यविन्यास का 80% समझ सकते हैं बिना यह जाने कि क्रिया वास्तव में कहाँ जाती है।
  3. आउटपुट के बिना, आप अंतराल नहीं देखते। आउटपुट उस नोटिसिंग को मजबूर करता है जो इनपुट कभी नहीं करता।

एक चौथा, शांत कारण है कि अधिकांश सीखने वाले इनपुट मोड में रहते हैं: यह निजी है। आप अपनी रसोई में एक पॉडकास्ट में असफल हो सकते हैं और किसी को पता नहीं चलता। आउटपुट आपको उजागर करता है। यह असमानता — इनपुट सुरक्षित है, आउटपुट शर्मनाक है — 800 घंटे की Netflix समस्या का इंजन है कम से कम उतना ही जितना संज्ञानात्मक समस्या।

Mike Long की Interaction Hypothesis (1996) ने संज्ञानात्मक पक्ष पर लापता टुकड़ा जोड़ा: भाषा बातचीत के माध्यम से बातचीत के माध्यम से अर्जित की जाती है, जहाँ आप कुछ उत्पन्न करते हैं, वार्ताकार प्रतिक्रिया देता है, और परिणामी फीडबैक लूप को बंद करता है।

3-भाग वाला प्रवाह लूप

SLA में सहमति चित्र इनपुट-इंटरैक्शन-आउटपुट फ्रेमवर्क की ओर स्थानांतरित हो गया है (Gass 2003; Ortega 2009 पाठ्यपुस्तक संस्करण के लिए):

  1. विशाल समझने योग्य इनपुट — i+1 पर TV, पॉडकास्ट, किताबों के 100 घंटे
  2. मजबूर आउटपुट — यथार्थवादी दबाव में दैनिक बोलना और लिखना। Forced output SLA की तकनीकी शब्दावली है; सरल हिंदी में, जानबूझकर आउटपुट अभ्यास।
  3. फीडबैक — सुधार, रीकास्ट (जब कोई साथी बातचीत को तोड़े बिना आपके वाक्य को सही ढंग से पुनर्निर्मित करता है), या 24 घंटों के भीतर स्व-नोटिसिंग

इनपुट छोड़ें और आपका व्याकरण खंडित रहता है। आउटपुट छोड़ें और आप जम जाते हैं जिस क्षण कोई आपसे बात करता है। फीडबैक छोड़ें और आपके गलत पैटर्न आदतों में सख्त हो जाते हैं — जिसे Selinker (1972) के बाद से SLA शोधकर्ता fossilization कहते हैं।

सामान्य कार्यक्रम पर तीनों को कैसे संतुलित करें

इनपुट/आउटपुट/फीडबैक समय के लिए कोई विहित SLA-अनुमोदित अनुपात नहीं है, लेकिन एक दिन में एक घंटे के लिए एक रक्षात्मक स्व-अध्ययन अनुमान इस तरह दिखता है:

  • ~30 मिनट इनपुट (एक पॉडकास्ट या शो; L2 उपशीर्षक का उपयोग ठीक है, L1 उपशीर्षक स्तर पर निर्भर करते हैं — Vanderplank की समीक्षाएँ ट्रेड-ऑफ़ को सारांशित करती हैं)
  • ~20 मिनट आउटपुट (बातचीत, जर्नलिंग, मोनोलॉग अभ्यास)
  • ~10 मिनट फीडबैक / समीक्षा (कल के अंतराल, पुनर्प्राप्ति अभ्यास, रीकास्ट)

ऐप-आधारित सीखने वालों में एक सामान्य पैटर्न 55 मिनट इनपुट, 5 मिनट आउटपुट, 0 मिनट फीडबैक के करीब है। यह वह कॉन्फ़िगरेशन है जो "मैं सब कुछ पढ़ सकता हूँ लेकिन जब मैं अपना मुँह खोलता हूँ तो मैं जम जाता हूँ" सिंड्रोम उत्पन्न करता है।

AI ट्यूटर वास्तव में कहाँ मदद करते हैं

मानव-ट्यूटर मॉडल में आउटपुट और फीडबैक महंगे हिस्से हैं — उन्हें एक धाराप्रवाह वक्ता से समय और धैर्य की आवश्यकता होती है। AI ट्यूटर आपूर्ति समस्या को ठीक करते हैं: आप सप्ताह में 30 मिनट के बजाय हर दिन फीडबैक के साथ 30 मिनट का आउटपुट कर सकते हैं। SLA साहित्य लगातार पाता है कि समय पर फीडबैक के साथ इंटरैक्टिव आउटपुट प्रवाह अधिग्रहण को तेज करता है (इंटरैक्शन और L2 विकास पर मेटा-विश्लेषण के लिए Mackey & Goo 2007 देखें; विशेष रूप से लिखित सुधारात्मक फीडबैक के लिए Li 2010)।

स्रोत

TalkToDia मुफ़्त आज़माएं

एक AI ट्यूटर के साथ रोज़ 10 मुफ़्त मैसेज अभ्यास करें — जो आपके स्तर के अनुसार ढलता है और जो आप सीख रहे हैं उसे याद रखता है।

बातचीत शुरू करें →

और पढ़ें