Input compréhensible
Tu apprends le plus avec une langue que tu comprends presque entièrement : quelques mots nouveaux au milieu de beaucoup de mots que tu connais déjà. C’est ce qu’on appelle l’input compréhensible. Les apprenants comprennent bien l’oral une fois qu’ils connaissent environ 95 % des mots, soit un mot inconnu sur vingt.
Une histoire de 60 mots sur un dîner tardif, avec 3 mots masqués pour montrer 95 % de mots connus.
La recherche montre#
Le linguiste Stephen Krashen a appelé cela l’input compréhensible : une langue que tu peux comprendre et qui va un peu au-delà de ce que tu sais déjà (Krashen, 1985). La quantité de mots qu’il faut connaître a été mesurée depuis. La part d’un texte que tu comprends augmente avec la part de ses mots que tu connais, et il n’existe pas de seuil unique à partir duquel tout s’éclaire (Schmitt, Jiang et Grabe, 2011). Dans une étude sur des histoires racontées à l’oral, les apprenants les comprenaient bien à partir d’environ 95 % (van Zeeland et Schmitt, 2013). Pour la lecture, le repère habituel est d’environ 98 % (Hu et Nation, 2000).
En clair#
Tu suis mieux une phrase quand tu connais presque tous ses mots. Les mots nouveaux doivent donc arriver quelques-uns à la fois.
Ce que Flexling fait#
garde la trace de chaque mot que tu as rencontré et introduit les nouveaux quelques-uns à la fois. Tout le programme est conçu pour introduire peu à peu quelques mots et notions, et chaque nouvelle phrase s’appuie sur les précédentes.
Sources#
- Krashen (1985). The Input Hypothesis: Issues and Implications. London: Longman.
- Hu & Nation (2000). Unknown vocabulary density and reading comprehension. Reading in a Foreign Language 13(1), 403–430. doi.org/10.64152/10125/66973
- Schmitt, Jiang & Grabe (2011). The percentage of words known in a text and reading comprehension. The Modern Language Journal 95(1), 26–43. doi.org/10.1111/j.1540-4781.2011.01146.x
- van Zeeland & Schmitt (2013). Lexical coverage in L1 and L2 listening comprehension: The same or different from reading comprehension? Applied Linguistics 34(4), 457–479. doi.org/10.1093/applin/ams074