Comprehensible Input จำเป็น — แต่ไม่พอ

Krashen พูดถูกเรื่อง input — แต่เพียงบางส่วนเท่านั้น

Input Hypothesis (1985) ของ Stephen Krashen กลายเป็นแนวคิดที่มีอิทธิพลมากที่สุดในการสอนภาษาของปลายศตวรรษที่ 20: เราได้มาซึ่งภาษาโดยการเข้าใจข้อความที่สูงกว่าระดับปัจจุบันของเราเล็กน้อย (สูตร "i+1" อันโด่งดังของเขา) comprehensible input เป็นสิ่งจำเป็น — ส่วนนี้ยังคงอยู่

สิ่งที่ไม่อยู่คือการอ้างว่า input เพียงพอ แล้ว การวิจัยสองทศวรรษแสดงให้เห็นว่าผู้เรียนต้องการมากกว่านั้น

ทำไม pure input จึงถึงจุดหยุดนิ่ง

หากคุณดู Netflix ภาษาสเปนไป 800 ชั่วโมงแล้วยังไม่สามารถสร้างประโยคได้ คุณได้พิสูจน์ด้วยตัวเองแล้วว่า input เพียงอย่างเดียวมีข้อจำกัด เหตุผลคือ:

1. การจดจำไม่ใช่การผลิต คุณสามารถเข้าใจ "podrías pasarme la sal" โดยไม่ต้องดึงคำว่า "podrías" ออกมาด้วยตัวเอง ความต้องการในการดึงข้อมูลต่างกัน แม้ว่าความรู้พื้นฐานจะทับซ้อนกัน (Tulving & Pearlstone 1966)
2. ไวยากรณ์แบบรับรู้นั้นคลุมเครือ คุณสามารถเข้าใจ 80% ของไวยากรณ์ที่ซับซ้อนโดยไม่รู้ว่ากริยาควรอยู่ตรงไหนจริงๆ
3. หากไม่มี output คุณจะไม่สังเกตเห็นช่องว่าง output บังคับให้เกิดการสังเกตที่ input ไม่เคยทำ

มีเหตุผลที่สี่ที่เงียบกว่าที่ผู้เรียนส่วนใหญ่อยู่ในโหมด input: มันเป็นเรื่องส่วนตัว คุณสามารถฟัง podcast ล้มเหลวในครัวของคุณและไม่มีใครรู้ output เปิดเผยตัวคุณ ความไม่สมดุลนั้น — input ปลอดภัย output น่าอาย — คือเครื่องยนต์ของปัญหา Netflix 800 ชั่วโมงอย่างน้อยเท่ากับปัญหาทางความรู้ความเข้าใจ

Interaction Hypothesis (1996) ของ Mike Long เพิ่มชิ้นส่วนที่หายไปในด้านความรู้ความเข้าใจ: ภาษาได้มาผ่านการโต้ตอบที่มีการเจรจา ซึ่งคุณผลิตบางสิ่ง คู่สนทนาตอบสนอง และ feedback ที่เกิดขึ้นปิดวงจร

วงจรความคล่องแคล่ว 3 ส่วน

ภาพฉันทามติใน SLA ได้เปลี่ยนไปสู่สิ่งที่คล้ายกับกรอบ input-interaction-output (Gass 2003; Ortega 2009 สำหรับเวอร์ชันตำรา):

1. Massive comprehensible input — หลายร้อยชั่วโมงของทีวี podcast หนังสือที่ระดับ i+1
2. Forced output — การพูดและเขียนทุกวันภายใต้แรงกดดันที่เป็นจริง Forced output เป็นศัพท์เทคนิคของ SLA; ในภาษาอังกฤษธรรมดาคือการฝึก output อย่างตั้งใจ
3. Feedback — การแก้ไข recasts (เมื่อคู่สนทนาปรับโครงสร้างประโยคของคุณให้ถูกต้องโดยไม่ทำลายการสนทนา) หรือการสังเกตตัวเองภายใน 24 ชั่วโมง

ข้าม input และไวยากรณ์ของคุณจะยังคงเป็นเศษเสี้ยว ข้าม output และคุณจะค้างในช่วงเวลาที่มีคนพูดกับคุณ ข้าม feedback และรูปแบบที่ผิดของคุณจะแข็งตัวเป็นนิสัย — สิ่งที่นักวิจัย SLA ตั้งแต่ Selinker (1972) เรียกว่า fossilization

วิธีสร้างสมดุลทั้งสามในตารางปกติ

ไม่มีอัตราส่วน input/output/feedback ที่ได้รับการรับรองจาก SLA อย่างเป็นทางการ แต่แนวทางการเรียนด้วยตนเองที่สมเหตุสมผลสำหรับหนึ่งชั่วโมงต่อวันมีลักษณะดังนี้:

• ~30 นาที input (podcast หรือรายการ; การใช้คำบรรยาย L2 ก็ได้ คำบรรยาย L1 ขึ้นอยู่กับระดับ — บทวิจารณ์ของ Vanderplank สรุปข้อดีข้อเสีย)
• ~20 นาที output (การสนทนา การเขียนบันทึก การฝึกพูดคนเดียว)
• ~10 นาที feedback / ทบทวน (ช่องว่างของเมื่อวาน การฝึกดึงข้อมูล recasts)

รูปแบบทั่วไปในผู้เรียนที่ใช้แอปอยู่ใกล้กับ 55 นาที input, 5 นาที output, 0 นาที feedback นั่นคือการตั้งค่าที่สร้างอาการ "ฉันอ่านทุกอย่างได้แต่ฉันค้างเมื่อฉันเปิดปาก"

AI tutors ช่วยได้จริงตรงไหน

Output และ feedback เป็นส่วนที่แพงในโมเดลติวเตอร์มนุษย์ — ต้องใช้เวลาและความอดทนจากผู้พูดที่คล่องแคล่ว AI tutors แก้ปัญหาอุปทาน: คุณสามารถมี output 30 นาทีพร้อม feedback ทุกวัน แทนที่จะเป็น 30 นาทีต่อสัปดาห์ วรรณกรรม SLA พบอย่างสม่ำเสมอว่า interactive output พร้อม feedback ที่ทันท่วงทีเร่งการได้มาซึ่งความคล่องแคล่ว (ดู Mackey & Goo 2007 สำหรับ meta-analysis เกี่ยวกับการโต้ตอบและการพัฒนา L2; Li 2010 โดยเฉพาะสำหรับ written corrective feedback)