A megérthető input szükséges — és nem elég
Krashen félig igazat mondott. Önmagában az input csak jó hallgatóvá tesz, nem folyékony beszélővé. A teljes hurok: input + output + visszajelzés.
Bhada Yun · Founder, TalkToDia
A fenti cím, összefoglaló és kulcstények a nyelvedre vannak honosítva. Az alábbi részletes szöveget is az angol kanonikus forrásból fordítottuk. Hivatkozunk az eredetire hogy a keresőmotorok és AI-asszisztensek tisztán fel tudják oldani. Ezt a fordítást automatikusan generáltuk, és anyanyelvi átnézésre vár.
Krashen-nek igaza volt az inputról — de csak részben
Stephen Krashen Input Hipotézise (1985) a 20. század végének legbefolyásosabb nyelvtanítási elmélete lett: a nyelveket úgy sajátítjuk el, hogy a jelenlegi szintünknél kissé magasabb szintű üzeneteket értünk meg (a híres „i+1" képlete). Az érthető input szükséges — ez a rész megállta a helyét.
Ami nem állta meg a helyét, az az az állítás, hogy az input elégséges. Két évtizednyi kutatás azt mutatja, hogy a tanulóknak többre van szükségük.
Miért áll meg a tiszta input
Ha 800 órát néztél spanyol Netflixet, és még mindig nem tudsz mondatot alkotni, személyesen bebizonyítottad, hogy az input önmagában korlátozott. Az okok:
- A felismerés nem azonos az előállítással. Értheted a „podrías pasarme la sal" kifejezést anélkül, hogy valaha is elő kellene hívnod magadnak a „podrías" szót. Eltérő előhívási igények, még akkor is, ha az alapul szolgáló tudás átfed (Tulving & Pearlstone 1966).
- A receptív nyelvtan homályos. A komplex szintaxis 80%-át megértheted anélkül, hogy tudnád, hova is kerül valójában az ige.
- Output nélkül nem veszed észre a hiányosságokat. Az output kikényszeríti azt az észrevételt, amit az input soha nem tesz meg.
Van egy negyedik, csendesebb ok, amiért a legtöbb tanuló az input módban marad: privát. A konyhádban elbukhatod a podcastot, és senki sem tudja. Az output kitesz téged. Ez az aszimmetria — az input biztonságos, az output kínos — legalább annyira a 800 órás Netflix-probléma motorja, mint a kognitív ok.
Mike Long Interakciós Hipotézise (1996) hozzáadta a hiányzó darabot a kognitív oldalon: a nyelvet tárgyalásos interakción keresztül sajátítjuk el, ahol előállítasz valamit, a beszélgetőpartner reagál, és az ebből eredő visszajelzés zárja a kört.
A 3 részből álló folyékonyság hurok
Az SLA konszenzusos képe valami olyasmi felé tolódott el, mint az input-interakció-output keretrendszer (Gass 2003; Ortega 2009 a tankönyvi verzióhoz):
- Masszív érthető input — 100 órányi TV, podcast, könyv i+1 szinten
- Kényszerített output — napi beszéd és írás valós nyomás alatt. A kényszerített output az SLA szakzsargon; közönséges magyarsággal: tudatos output gyakorlás.
- Visszajelzés — javítások, átfogalmazások (amikor a partner helyesen újrafogalmazza a mondatodat anélkül, hogy megszakítaná a beszélgetést), vagy önészlelés 24 órán belül
Hagyd ki az inputot, és a nyelvtanod töredékes marad. Hagyd ki az outputot, és lefagysz abban a pillanatban, amikor valaki megszólít. Hagyd ki a visszajelzést, és a rossz mintáid szokássá keményednek — amit az SLA kutatók Selinker (1972) óta fosszilizációnak neveznek.
Hogyan egyensúlyozd ki a hármat normál beosztás mellett
Nincs kanonikus, SLA által áldott arány az input/output/visszajelzés időre, de egy védhető önálló tanulási hüvelykujjszabály napi egy órára így néz ki:
- ~30 perc input (podcast vagy műsor; az L2 feliratok használata rendben van, az L1 feliratok a szinttől függenek — Vanderplank áttekintései összefoglalják a kompromisszumokat)
- ~20 perc output (beszélgetés, naplózás, monológ gyakorlás)
- ~10 perc visszajelzés / áttekintés (tegnapi hiányosságok, előhívási gyakorlat, átfogalmazások)
Az alkalmazás-alapú tanulóknál gyakori minta inkább 55 perc input, 5 perc output, 0 perc visszajelzés. Ez az a konfiguráció, amely az „el tudok olvasni mindent, de lefagyok, amikor kinyitom a számat" szindrómát eredményezi.
Hol segítenek ténylegesen az AI tutorok
Az output és a visszajelzés a drága részek az emberi tutor modellekben — időt és türelmet igényelnek egy folyékonyan beszélő személytől. Az AI tutorok megoldják az ellátási problémát: napi 30 perc outputod lehet visszajelzéssel, heti 30 perc helyett. Az SLA irodalom következetesen azt találja, hogy az interaktív output időben adott visszajelzéssel felgyorsítja a folyékonyság elsajátítását (lásd Mackey & Goo 2007 meta-analízisét az interakcióról és az L2 fejlődésről; Li 2010 kifejezetten az írásbeli korrekciós visszajelzésről).
Források
Próbáld a TalkToDia-t ingyen
Gyakorolj naponta 10 ingyenes üzenetet egy AI-tutor mellett, aki alkalmazkodik a szinted-hez és emlékszik arra, mit tanulsz.
Beszélgetés indítása →Olvass tovább
Best AI Language Tutors in 2026: An Honest Comparison (Including Where We Lose)
ChatGPT, Duolingo, human tutors, and dedicated AI tutors solve different bottlenecks. A first-party comparison that concedes real points — exam prep and C1+ polish are not ours.
What 9,000 Learners Taught Us About Daily Speaking Practice (Real Data)
We published our own retention data — including the embarrassing parts. First-day depth, voice practice, and tiny daily rituals separate the learners who last from the great majority who don't.
Is Talking to an AI Actually Good Language Practice? What the Research Says
The interaction loop that drives acquisition works with an AI partner, and the anxiety research favors it. Here is the honest version — including the five places AI practice falls short.