Begrijpelijke input is nodig — en niet genoeg
Krashen had half gelijk. Uren input alleen maken je een goede luisteraar, geen vloeiende spreker. De volledige lus: input + output + feedback.
Bhada Yun · Founder, TalkToDia
De kop, samenvatting en kernfeiten hierboven zijn naar jouw taal gelokaliseerd. De uitgebreide tekst hieronder is eveneens vertaald uit de Engelse canonieke bron. We linken naar het origineel zodat zoekmachines en AI-assistenten netjes resolven. Deze vertaling is automatisch gegenereerd en wacht nog op een review door een moedertaalspreker.
Krashen had gelijk over input — maar slechts gedeeltelijk
Stephen Krashens Input Hypothesis (1985) werd het meest invloedrijke idee in het taalonderwijs van de late 20e eeuw: we verwerven talen door boodschappen te begrijpen die net iets boven ons huidige niveau liggen (zijn beroemde "i+1"-formule). Begrijpelijke input is noodzakelijk — dat deel heeft standgehouden.
Wat niet heeft standgehouden is de bewering dat input voldoende is. Twee decennia onderzoek tonen aan dat leerders meer nodig hebben.
Waarom pure input stagneert
Als je 800 uur Spaanstalige Netflix hebt gekeken en nog steeds geen zin kunt vormen, heb je persoonlijk bewezen dat input alleen zijn grenzen heeft. De redenen:
- Herkenning is geen productie. Je kunt "podrías pasarme la sal" begrijpen zonder ooit zelf "podrías" te hoeven ophalen. Verschillende ophaaleisen, zelfs wanneer de onderliggende kennis overlapt (Tulving & Pearlstone 1966).
- Receptieve grammatica is vaag. Je kunt 80% van complexe zinsbouw begrijpen zonder te weten waar het werkwoord daadwerkelijk hoort.
- Zonder output merk je hiaten niet op. Output dwingt het opmerken af dat input nooit doet.
Er is een vierde, stillere reden waarom de meeste leerders in inputmodus blijven: het is privé. Je kunt falen bij een podcast in je keuken en niemand weet het. Output stelt je bloot. Die asymmetrie — input is veilig, output is gênant — is de motor van het 800-uur-Netflix-probleem minstens evenveel als de cognitieve.
Mike Longs Interaction Hypothesis (1996) voegde het ontbrekende stuk toe aan de cognitieve kant: taal wordt verworven door onderhandelde interactie, waarbij je iets produceert, de gesprekspartner reageert en de resulterende feedback de cirkel sluit.
De driedelige vloeiendheidsloop
Het consensusbeeld in SLA is verschoven naar zoiets als het input-interactie-output-raamwerk (Gass 2003; Ortega 2009 voor de leerboekversie):
- Massale begrijpelijke input — 100en uren tv, podcasts, boeken op i+1-niveau
- Gedwongen output — dagelijks spreken en schrijven onder realistische druk. Forced output is de SLA-vakterm; in gewoon Nederlands: bewuste outputoefening.
- Feedback — correcties, herformuleringen (wanneer een partner je zin correct herformuleert zonder het gesprek te onderbreken), of zelfopmerking binnen 24 uur
Sla input over en je grammatica blijft fragmentarisch. Sla output over en je bevriest zodra iemand tegen je spreekt. Sla feedback over en je verkeerde patronen verharden tot gewoonten — wat SLA-onderzoekers sinds Selinker (1972) fossilisatie noemen.
Hoe de drie in balans te brengen met een normaal schema
Er is geen canonieke SLA-goedgekeurde verhouding voor input/output/feedback-tijd, maar een verdedigbare zelfstudie-heuristiek voor een uur per dag ziet er zo uit:
- ~30 min input (een podcast of serie; L2-ondertiteling is prima, L1-ondertiteling hangt af van niveau — Vanderplanks reviews vatten de afwegingen samen)
- ~20 min output (conversatie, dagboek bijhouden, monoloogoefening)
- ~10 min feedback / herhaling (hiaten van gisteren, ophaaloefening, herformuleringen)
Een veelvoorkomend patroon bij app-gebaseerde leerders ligt dichter bij 55 min input, 5 min output, 0 min feedback. Dat is de configuratie die het "ik kan alles lezen maar ik bevries wanneer ik mijn mond open"-syndroom produceert.
Waar AI-tutoren daadwerkelijk helpen
Output en feedback zijn de dure onderdelen in menselijke-tutormodellen — ze vereisen tijd en geduld van een vloeiende spreker. AI-tutoren lossen het aanbodprobleem op: je kunt elke dag 30 minuten output met feedback hebben, in plaats van 30 minuten per week. De SLA-literatuur vindt consistent dat interactieve output met tijdige feedback de verwerving van vloeiendheid versnelt (zie Mackey & Goo 2007 voor een meta-analyse over interactie en L2-ontwikkeling; Li 2010 specifiek voor schriftelijke corrigerende feedback).
Bronnen
Probeer TalkToDia gratis
Oefen elke dag 10 gratis berichten met een AI-tutor die zich aanpast aan jouw niveau en onthoudt wat je leert.
Gesprek starten →Verder lezen
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.