Metoda L1-aware: Amélie koryguje Twój angielski w zależności od języka ojczystego

Dlaczego generyczne aplikacje nie potrafią korygować Twoich prawdziwych błędów

Francuz uczący się angielskiego nie popełnia tych samych błędów co Hiszpan, który nie popełnia tych samych błędów co osoba mówiąca po chińsku. Tymczasem praktycznie wszystkie platformy edukacyjne (Duolingo, Babbel, Busuu, a nawet większość chatbotów AI) stosują jednolitą korektę: informują, że zdanie jest błędne, proponują poprawną wersję i przechodzą do następnego. Problem nigdy nie zostaje nazwany. Uczestnik nie rozumie, dlaczego jego mózg wyprodukował tę formę — wie tylko, że została odrzucona.

Weźmy typowy przykład. Francuz na poziomie średniozaawansowanym pisze: « I have 25 years ». Aplikacja ogólna odpowiada: « Poprawna forma: I am 25 years old. » Czy problem rozwiązany? Nie. Trzy tygodnie później ten sam uczący się napiszę « I have hot », « I have hungry », « I have 32 years of experience ». Reguła powierzchniowa została poprawiona; jednak podstawowa matryca poznawcza — automatyczne przeniesienie czasownika avoir z języka francuskiego na czasownik to have w angielskim — nie została zmieniona.

Zjawisko to ma nazwę w lingwistyce stosowanej: ujemny transfer lingwistyczny (Kellerman 1979, Odlin 1989). Jest to jedno z najlepiej udokumentowanych źródeł błędów u dorosłych uczniów. I to dokładnie to, co narzędzia ogólnego przeznaczenia ignorują, ponieważ ignorowanie ich jest prostsze do industrializacji: korektor bez założenia o L1 to korektor, który łatwo się skaluje.

Koszt dla uczącego się jest wysoki. Błędy transferu ulegają fosylizacji (Selinker 1972) — osadzają się w interlanguage i następnie opierają się wszelkiej poprawie powierzchniowej. Doświadczony nauczyciel angielskiego bez rodzimej mowy angielskiej wie to doskonale: od pewnego poziomu błędy nie znikają wraz z ilością ekspozycji. Znikają jedynie dzięki ukierunkowanej, kontrastywnej interwencji, która uświadamia pochodzenie błędu.

Metoda L1-aware: trzy etapy, jedna logika

Nasza metodologia opiera się na prostej zasadzie: zanim poprawimy błąd, musimy wiedzieć, skąd się bierze. W praktyce każda wypowiedź ucznia przechodzi przez trzy etapy, które nazywamy Detect (Diagnoza) → Contrast (Kontrast) → Anchor (Zakorzenienie).

Detect — Uczeń deklaruje swój język ojczysty podczas rejestracji (i ewentualnie języki pośrednie: Włoch, który nauczył się hiszpańskiego przed angielskim, nosi ze sobą dwie warstwy interferencji). Kiedy uczeń produkuje nieprawidłowe zdanie, Amélie nie ogranicza się do porównania z formą docelową: aktywnie testuje znane hipotezy transferu dla danego L1. « I have 25 years » jest natychmiast rozpoznane jako kalkowanie « j'ai 25 ans ». « I have 25 years » powiedziane przez hispanofona jest rozpoznane jako kalkowanie « tengo 25 años ». Przez włoskiego mówcę jako « ho 25 anni ». Ta sama powierzchnia, trzy różne diagnozy.

Contrast — Korekta jest wyraźnie kontrastywna. Amélie nie mówi « prawidłowa forma to I am 25 years old ». Mówi: « W języku francuskim wiek mówi się z czasownikiem avoir: j'ai 25 ans. W angielskim wiek mówi się z czasownikiem to be: I am 25 years old. To ta sama logika co avoir faim → to be hungry, avoir froid → to be cold, avoir raison → to be right. » Uczeń nie zapamiętuje izolowanego zdania; integruje regułę mapowania między dwoma systemami. Ta strategia aktywuje to, co Schmidt (1990) nazywa noticing: uczeń może nabyć strukturę tylko wtedy, gdy świadomie zauważy różnicę między swoją spontaniczną produkcją a celem. Wyraźny kontrast to najefektywniejsza dźwignia noticing udokumentowana dla dorosłych.

Anchor — Zidentyfikowany błąd nie jest archiwizowany jako izolowany punkt: wchodzi w cykl reaktywacji z rozszerzającymi się interwałami (Cepeda i in. 2006). Amélie będzie ponownie proponować, w rosnących interwałach (3 dni, 9 dni, 21 dni), sytuacje, które wymagają tej samej reguły, ale w różnych kontekstach: opis osoby, opowiadanie anegdoty, symulowana rozmowa. Ta logika zastosowuje dwa zbieżne rezultaty: testing effect (Roediger & Karpicke 2006), który wykazuje, że aktywne odzyskiwanie utrwala pamięć lepiej niż ponowne czytanie; i spacing, który konsoliduje ślad na długookresowo. Celem nie jest, abyś znał odpowiedź dzisiaj. To, że będziesz ją produkować automatycznie za sześć miesięcy.

Do tych trzech etapów dodaje się czwarty zasada poprzeczna: zrozumiały wkład (input) nieznacznie powyżej aktualnego poziomu (Krashen 1985, hipoteza wkładu i+1). Wszystkie korekty, przykłady i ćwiczenia są kalibrowane na szacowany poziom CEFR ucznia plus celowy margines. Zbyt łatwe, uczeń nie robi postępów; zbyt trudne, się zniechęca. Kalibracja L1-aware pozwala precyzyjnie celować w użyteczną lukę.

Często zadawane pytania