Zrozumiały input jest konieczny — i nie wystarczy

Krashen miał rację co do inputu — ale tylko częściowo

Hipoteza inputu Stephena Krashena (1985) stała się najbardziej wpływową ideą w nauczaniu języków końca XX wieku: przyswajamy języki poprzez rozumienie komunikatów nieco powyżej naszego obecnego poziomu (jego słynna formuła „i+1"). Zrozumiały input jest niezbędny — ta część się sprawdziła.

To, co się nie sprawdziło, to twierdzenie, że input jest wystarczający. Dwie dekady badań pokazują, że uczący się potrzebują czegoś więcej.

Dlaczego czysty input osiąga plateau

Jeśli obejrzałeś 800 godzin hiszpańskiego Netflixa i nadal nie potrafisz ułożyć zdania, osobiście udowodniłeś, że sam input ma swoje granice. Powody:

1. Rozpoznawanie to nie produkcja. Możesz rozumieć „podrías pasarme la sal" bez konieczności samodzielnego przywołania „podrías". Różne wymagania dotyczące przywołania, nawet gdy podstawowa wiedza się pokrywa (Tulving & Pearlstone 1966).
2. Gramatyka receptywna jest rozmyta. Możesz rozumieć 80% złożonej składni, nie wiedząc, gdzie faktycznie powinien stać czasownik.
3. Bez outputu nie zauważasz luk. Output wymusza dostrzeganie, którego input nigdy nie zapewnia.

Istnieje czwarty, cichszy powód, dla którego większość uczących się pozostaje w trybie inputu: jest prywatny. Możesz nie zrozumieć podcastu w swojej kuchni i nikt się o tym nie dowie. Output cię odsłania. Ta asymetria — input jest bezpieczny, output jest krępujący — jest motorem problemu 800 godzin Netflixa przynajmniej w takim samym stopniu jak kwestia poznawcza.

Hipoteza interakcji Mike'a Longa (1996) dodała brakujący element po stronie poznawczej: język jest przyswajany poprzez negocjowaną interakcję, w której coś produkujesz, rozmówca reaguje, a wynikający z tego feedback zamyka pętlę.

Pętla płynności składająca się z 3 części

Obraz konsensusu w SLA przesunął się w kierunku czegoś w rodzaju schematu input-interakcja-output (Gass 2003; Ortega 2009 dla wersji podręcznikowej):

1. Masywny zrozumiały input — setki godzin telewizji, podcastów, książek na poziomie i+1
2. Wymuszony output — codzienne mówienie i pisanie pod realistyczną presją. Forced output to termin techniczny w SLA; po polsku: celowa praktyka outputu.
3. Feedback — korekty, przeformułowania (gdy partner poprawnie przeformułowuje twoje zdanie bez przerywania rozmowy) lub samodzielne dostrzeganie w ciągu 24 godzin

Pomiń input, a twoja gramatyka pozostanie fragmentaryczna. Pomiń output, a zamrożysz się w momencie, gdy ktoś do ciebie przemówi. Pomiń feedback, a twoje błędne wzorce utwardzą się w nawyki — to, co badacze SLA od czasów Selinkera (1972) nazywają fosylizacją.

Jak zrównoważyć te trzy elementy przy normalnym harmonogramie

Nie istnieje kanoniczny, błogosławiony przez SLA stosunek czasu input/output/feedback, ale rozsądna heurystyka do samodzielnej nauki przy godzinie dziennie wygląda tak:

• ~30 min inputu (podcast lub serial; używanie napisów w L2 jest w porządku, napisy w L1 zależą od poziomu — recenzje Vanderplanka podsumowują kompromisy)
• ~20 min outputu (rozmowa, prowadzenie dziennika, praktyka monologu)
• ~10 min feedbacku / powtórki (wczorajsze luki, praktyka przywołania, przeformułowania)

Typowy wzorzec u uczących się korzystających z aplikacji jest bliższy 55 min inputu, 5 min outputu, 0 min feedbacku. To właśnie ta konfiguracja wytwarza syndrom „potrafię wszystko przeczytać, ale zamrażam się, gdy otwieram usta".

Gdzie tutory AI faktycznie pomagają

Output i feedback to drogie elementy w modelach z ludzkim tutorem — wymagają czasu i cierpliwości od osoby biegle władającej językiem. Tutory AI rozwiązują problem podaży: możesz mieć 30 minut outputu z feedbackiem każdego dnia, zamiast 30 minut tygodniowo. Literatura SLA konsekwentnie stwierdza, że interaktywny output z terminowym feedbackiem przyspiesza przyswajanie płynności (zobacz Mackey & Goo 2007 dla metaanalizy dotyczącej interakcji i rozwoju L2; Li 2010 specyficznie dla pisemnego feedbacku korygującego).