留在心间的语言

第1章 · 六百个小时——却说不出一句话

1.1 两个场景

阿玛尔（Amal）三十四岁，三年前从叙利亚来到德国。她完成了要求她做的一切，甚至做得更多：她参加了普通融合课程——六百个课时的语言课，外加一百个小时的国情导向课——她写满了生词本，做完了练习卷，刷遍了模拟题。最后，她通过了“移民德语考试”，成绩达到 B1。这使她跻身同批学员中较好的一半。那张证书放在家里的一个透明塑料袋里。

在超市收银台前，收银员转过头，又快又随口地问了一句：“„Sammeln Se Punkte?" — 您集点吗？”阿玛尔听不懂这几个词。她甚至没听出来这是一句问话。她感觉到身后的长队、等待的人群和投来的目光。她微笑、点头、付款，然后——什么也没说。在回家的路上，她在心里翻译着那句没说出口的话。要是回到家里，她能准确无误地解释什么时候该用第三格（Dativ）。

第二个场景发生在一千公里以南，博洛尼亚的一个高中班级里。在这里，英语从小学起就列入了课程表；教室里的大多数人已经上了十多年英语课，经历了无数语法任务、词汇测验和课堂考试。老师播放了一部英文原声纪录片。两分钟后，有人举手问有没有意大利语版本。这不是挑衅，而是实话实说：声音根本进不到他们脑子里。

这两个场景是虚构的。但它们背后的数字却不是。

1.2 数字说明了什么

德国的融合课程绝非边缘性的补充项目，而是该国核心的语言政策工具：七百个课时，由法律明确规定，其公开目标是带领学员在结业考试中达到 B1 水平。¹ 2024年，在参加结业考试的普通融合课程学员中，有百分之 58.6 达到了这一 B1 水平；百分之 31.8 停留在 A2，百分之 9.6 低于这一水平。² 这个数字值得细读两遍。它统计的仅仅是那些坚持到参加考试的人——即便在他们当中，每十个人里也有四个人未能达到课程目标。

而这个数字还透露出第二层更隐蔽的含义。因为 B1 并不是一个很高的水平。欧洲语言共同参考框架将其描述为门槛级（进阶级）：达到 B1 的人，能够就熟悉的事物用简单连贯的句子进行表达，并在对方使用清晰的标准语时理解主要内容。³ 可收银员说的并不是清晰的标准语。日常生活几乎从不按标准语出牌。这意味着：即便达到了课程目标，也无法保证拥有在收银台、诊所或家长会上真正需要的语言能力。阿玛尔不是这个体系的例外，她恰恰是它的成功案例。

意大利的场景也有自己的统计数据。意大利对毕业年级进行全国统考；2025年，高中毕业年级有百分之 53.3 的学生在英语阅读理解上达到了规定水平——而在听力理解上只有百分之 43，在该国南部甚至明显低于十分之三。⁴ 经过十多年的课堂教学，当这门语言被真正说出来时，只有不到一半的人能听懂。请注意：仅仅是听懂，还根本没谈到开口说。

两个国家，两种制度，两类截然不同的学习者群体——却呈现出同一种模式：投入极其庞大，鲜活语言的产出却微乎其微。如果只了解其中一个场景，人们或许会归咎于国情差异、课程质量或学习动机。但两者的重合指向了另一种怀疑：问题不出在国家身上，而出在我们认为语言是如何进入大脑的方式上。

1.3 关于语言的知识，与运用语言的能力

这种怀疑有一个经典的名称。1980年代初，斯蒂芬·克拉申（Stephen Krashen）将这里所谈的区分置于语言习得研究的核心：成年人拥有“发展第二语言能力的两条截然不同且相互独立的途径”。⁵ 一条途径是学得（Lernen）——关于语言的有意识知识：懂规则、能说出规则的名称、能谈论规则。另一条途径是习得（Erwerb）——一种无意识的过程，与儿童建立母语的过程相同：你察觉不到它的发生，它的结果也不是规则知识，而是一种语感。一个句子“听起来对”或“听起来不对”，哪怕你说不出为什么。

这一区分一下子解释了上述两个场景。阿玛尔学会了课程体系承诺教给她的东西：关于德语的知识。她能解释清楚的第三格是真真切切的知识——但在收银台前的那一刻，这是错误类型的知识。那里没有时间去套用规则；在那里，句子必须凭着语感脱口而出。而博洛尼亚的那个班级学了十一年英语，却惊人地几乎没有习得多少英语——因为课堂教学向他们展示的主要是谈论语言的句子，却极少提供足够数量的语言本身，以至于语感根本无从建立。

需要补充说明的是：这两条途径的严格割裂在学界一直存在争议——学到的知识是否真的永远无法转化为习得的能力，许多研究者对克拉申的这一论断表示怀疑。⁶ 但对本书而言，这场争论并不像表面看起来那么重要。因为这一区分所指出的现象本身是毫无争议的：规则知识与流利运用的能力是两码事；前者可以通过讲解和操练规则来获得，而后者则已被证实无法通过这种方式充分获得。四十年的研究几乎没有改变这一核心结论。⁷

1.4 为什么问题不出在教师身上

写到这里，最省事的做法莫过于诊断出一场失职：糟糕的课程、缺乏热情的老师、懒惰的学生。本书不会这样做，而且这并非出于客套。融合课程和学校班级里的教师们是在一个由体制规定好条件的环境中工作的：教学大纲指向考试，而考试天然倾向于考查那些容易考查的东西——规则知识、词汇表、练熟的题型。一个班级往往有二十人甚至更多，每个学习者每节课能分到的开口时间只有寥寥几分钟。此外还有焦虑：害怕出错丢脸、害怕考试、害怕别人的评判——对于那些正在目的语国家努力争取立足之地的成年人来说，这种焦虑更是伴随着每一堂课。

在这样的条件下，以规则为中心的教学并非愚蠢，而是一种理性的适应：它可规划、可考查、可结算。只不过，它生产出来的恰恰就是它所考查的东西——而不是阿玛尔在收银台前所需要的东西。如果我们不想指责这个体系，而是想要理解它，就必须换一种方式提问：不是问“谁做错了？”，而是问“语言究竟在什么条件下才会真正产生——我们又该如何创造这些条件，哪怕是在课堂之外，哪怕不必让任何人为此经历挫败？”

1.5 本书主张什么——又不主张什么

本书的论点可以用三句话来概括。语言是习得的，不是死记硬背出来的：它源于可理解的输入——源于人们凭借画面、语境和先备知识的帮助而能够理解的语言。当这种输入被锚定下来时——在情感、节奏和旋律上被锚定，就像一首你从未刻意去记却留在脑海里的歌——语言便会留存下来。而当人们彼此联结时——当社群降低了焦虑，使说话和歌唱变成大家一起做、而不是在众人面前表演的事情时——语言便会舒展开来。可理解、有锚定、有联结：以下各章所提出的一切建议，都将以这三个条件作为衡量标准。

Pontivo——本书为其阐述教育理念的平台——正是尝试将这三个条件转化为具体形态的产物：配有双语同步字幕以及针对未听懂之处的点击释义的真实电影；供群体共同歌唱的歌本；由教师引导、所有人都能跟上的课堂；以及将这一切凝聚在一起的叙事。⁸

同样重要的是本书不主张什么。本书并不声称 Pontivo 已经证实了它所构建的一切。支撑该平台的原则有着数十年的研究依据；这一点将在各章中逐一列出文献出处加以论证。然而，具体的构建形态——这个播放器、这本歌本、这部漫画，以及它们的这种组合——则是一系列尚未经过实证测量的设计假设。本书将始终严格区分这两个层面，并在最后一章坦诚列出一份有待测量的清单。本丛书所秉持的准则同样适用于此：追求可检验，而非空泛断言——无论对外还是对己皆是如此。

1.6 本书的脉络

全书脉络分为六个部分。第I部分提出问题，并在第2章奠定基础：人类真正习得语言的条件——“可理解？有锚定？有联结？”这三个问题将在那里获得科学根基。第II部分转向输入：探讨带有双轨字幕的电影，为什么配有文字的动态画面是一种密度罕见的可理解输入——以及这种潜力的边界在哪里。第III部分聚焦旋律：探讨唱出来的语言为何与说出来的语言有着不同的记忆留存方式，以及这一现象成立的条件。第IV部分步入社会空间：探讨已被证实比几乎任何其他共同活动都能更快建立联结的合唱团，以及将母语从干扰因素转变为脚手架的课堂。第V部分将三条脉络汇聚到一项单一的练习中：由一个群体将一首家乡的歌共同翻译成新语言，然后一起唱出来——那里将展示为什么这种看似不起眼的形式是整个理念中密度最高的核心，以及《Coro One Sky》这一叙事在其中扮演着怎样的角色。最后，第VI部分回到阿玛尔和博洛尼亚的班级：描述 Pontivo 为之构建的三个具体学习场景，划定这一方法的边界——并确立未来必须用来自我检验的衡量标尺。

全书开篇是一位明明持有证书、却只能沉默付款的女性。到本书结束时，读者应当能够清晰地理解，为什么六百个小时的课堂教学未能帮她打破这种沉默——以及真正需要的究竟是什么。下一章将从一切语言习得开始的地方讲起：当一个人不是在“学”语言，而是在“获得”语言时，大脑里究竟发生了什么。

第2章 · 习得的条件

2.1 孩子得到了什么

从来没有人给一个三岁的孩子讲解过第三格（Dativ）。然而有一天，他站在厨房里，说出了一个带有第三格的句子——不是因为他运用了某条语法规则，而是因为这个句子对他来说听起来是对的。孩子并不是像学一门学校科目那样学会语言的。他是“得到”语言的：从成千上万个小时对他说的、嵌入在他能理解的情境中的语言里得到的——在吃饭时、穿衣时、听大人读绘本时、为争夺最后一颗小熊软糖而吵嘴时。理解走在最前面；语言形式随后自然而然地跟了上来。

对待这一观察必须保持谨慎。成年人不是放大版的儿童；他们的时间更少，大脑结构不同，自我认知已经定型，而且脑子里总有一门第一语言在同时发声。¹ 但过去四十年的语言习得研究始终稳固地支持着一个核心论断：在儿童身上构建语言的那套机制，成年人依然可以使用——只要你能给成年人提供儿童所得到的东西。因此，本章的问题不是成年人能否习得语言，而是在什么条件下习得。其中有两个条件可以明确指出、加以论证——并付诸构建。

2.2 第一个条件：可理解的输入

斯蒂芬·克拉申将第一个条件浓缩为一个已成为该学科最著名缩写的公式：i + 1。如果 i 是学习者目前的水平，那么当他理解了略高于这一水平的语言时，习得就会发生。克拉申自己的表述比流行的简化版更为精确：从 i 迈向 i + 1 的一个“必要（但非充分）条件”是，“习得者理解包含 i + 1 的输入——这里的‘理解’是指他的注意力集中在信息的意义而非形式上”。² 这句话包含两层意思。第一：仅仅听到语言是不够的，必须理解它。第二：理解恰恰不是通过分析语言形式实现的，而是绕过形式——借助语言之外的一切线索实现的：情境、画面、世界知识、说话者的表情。正因如此，人们才能够理解自己尚未掌握的语言。而假说认为，恰恰就在这一瞬间，语言能力得到了生长。

由此可以推导出一个常被忽视、却对本书后续内容至关重要的第三点：我们无需对 i + 1 进行精确配给。克拉申本人就曾强调，输入不必刻意针对“下一个语法结构”去量身定制——只要有足够多的可理解输入，i + 1 就会自动包含在其中。³ 那些今天讲第三格、下周“轮到”现在完成时的教学大纲，试图去人为控制某种只要数量足够就会自然出现的东西。这在实践上带来了一种对常规稀缺逻辑的颠覆：目标不是调配出恰当剂量的语言，而是提供海量的可理解语言。

在这里同样必须保持诚实：可理解输入是必要的，这一点在学界无人否认；但它是否充分，则存在很大争议。互动研究表明，在对话中进行意义协商才能让输入真正发挥最大效力；而输出研究则表明，自己开口说和动手写具有不可替代的独特功能——只听懂而不表达的人，永远不必亲自去造句子。⁴ 因此，本书并不采纳克拉申的极端论断，而是取其学界共识的核心：没有海量的可理解输入，就产生不了语言；其他一切都建立在这个基础之上。这对于一个主要提供输入的平台意味着怎样的局限，第9章将作出坦诚的盘点。

2.3 实践检验：斐济的“书海”实验

如此宏大的假说需要在大学研讨室之外接受检验。最精彩的一项检验来自 1980/81 年斐济的乡村小学，在那里，英语是第二语言，而课堂教学原本是严格按照语法结构组织的。沃里克·埃利（Warwick Elley）和弗朗西斯·曼古拜（Francis Mangubhai）为4年级和5年级的班级各配备了 250 本吸引人的英文故事书——形成一片“书海”——并让学生每天用二十到三十分钟接触这些书：一半班级采用师生共读、大声朗读的方式，另一半班级采用安静的自主阅读。对照组班级则继续沿用原有的结构化教学大纲。关键在于：实验班没有增加任何额外的英语课时——同样的时间，只是填充了不同的内容。⁵

八个月后，“书海”班4年级学生的阅读理解能力提高了十五个月的水平，而对照班只提高了六年半；在听力理解和语法结构测试中也呈现出同样的模式。到了第二年，这种领先优势扩展到了写作和其他学科；在全部七项不同的语言测试中，效应量介于 0.76 至 1.18 之间——在教育学研究中，这是非常大的数值。那些仅仅是获得了大量可理解、有趣故事的孩子，全面超越了接受系统化语法教学的孩子，甚至恰恰在后者系统操练的项目——语法上，也超越了他们。⁶

当然也需保持一份审慎：斐济实验是在课堂里的儿童身上用纸质书构成的“书海”。这一结论能否直接照搬到屏幕前的成年人身上，尚未因此得到证实——真正具有普遍支撑力的是其背后的原则：丰富、可理解、有意义的输入优于以形式为中心的讲授，而且无需任何人为此投入更多时间。至于电影能否为成年人扮演这一角色，以及在什么条件下才能扮演，这是第II部分要探讨的问题——对此同样有专门的研究支撑。

2.4 第二个条件：低情感过滤

第二个条件关乎的不是输入本身，而是接收输入的人。克拉申称之为情感过滤：焦虑、缺乏自信、缺乏动机，就像挡在已理解的输入与大脑中构建语言的机制之间的一道隔板。如果过滤很高，一个人即便完全听懂了一条信息——脑子里却依然什么也留不下。克拉申得出的结论非常务实：有效的语言教师，就是“能够在低焦虑情境下提供输入并帮助学生理解输入的人”。⁷

“过滤”这一形象是个比喻，并非已被证实的神经机制，它也因此受到过批评。⁸ 但它所指出的现象，却是整个学科中证据最充分的事实之一。伊莱恩·霍维茨（Elaine Horwitz）及其同事于 1986 年为“外语焦虑”命名并设计了测量工具，将其描述为一种独立的综合征：“由语言学习过程的特殊性所引发的一套独特的自我认知、信念、情感与行为复合体”——因为没有任何其他学校科目，会像用一门尚未掌握的语言开口说话那样，如此直接地冲击一个人的自我形象与自我表达。⁹ 四十年来使用该量表及同类量表开展的研究始终表明同一个结果：语言焦虑越高，学习表现越差，这一规律跨越了不同国家、不同语种和不同年龄段。¹⁰ 任何一个曾在教室里被点名提问、听到自己的心跳声比老师的提问声还要响的人，都从内部体验过这种机制。

对于构建学习环境而言，这绝非旁枝末节的注脚，而是首要的工程设计准则。仅仅提供优质的输入是不够的；还必须把情境构建得让任何人在接收和回应输入时都无需感到恐惧。这正是本书用整整一个部分来探讨“社群”的深层原因：将个人声音保护在群体之中的合唱团，以及在朋友之间犯错也没关系的封闭小组——正如第IV部分将要展示的那样——绝非可有可无的社交点缀，而是实实在在的“降焦虑器”，因而也就是字面意义上的语言习得条件。

2.5 第三个问题：什么能留下来？

可理解且无焦虑——这就够了吗？还差一步。在理解一句话与真正拥有这句话之间，横亘着第三道门槛：记忆留存。每个人都经历过当时听懂了、随后却消失得无影无踪的语言——上周的讲座、昨天的闲聊。同时，每个人也都经历过相反的情况：童年的广告顺口溜、三十年后仍能一字不差背出来的歌词、连同演员语调一起模仿出来的电影台词。显然，有些形式的输入是能粘住的——因为它们经过了多重编码（画面与声音同时出现），因为它们饱含情感，因为节奏与旋律承载着它们，也因为一个故事为它们安放了位置。

本书将这第三个条件概括为有锚定（verankert）一词。与“输入”和“情感过滤”不同，这不是一个既有的学术术语，而是本书用来统合几项原本分别研究的效应的总括概念——图像与文字的双重编码、对歌唱内容的记忆、叙事的力量——这些效应将在第II、第III和第V部分中逐一加以论证。¹¹ 至此，贯穿全书的检验框架已然完备。它由三个可以拿来审视任何学习环境（无论是教室还是应用程序）的问题组成：

• 可理解？ — 学习者是否获得了大量他能够理解的语言，因为语境、画面和先备知识在帮助他？
• 有锚定？ — 输入的形态是否足以让它留存下来——经过多重编码、饱含情感、富有节奏、融入叙事？
• 有联结？ — 这一切是否发生在一个能够降低焦虑、而非制造焦虑的空间里？

第1章所描述的规则教学对这三个问题的回答全都是“否”：它的输入匮乏且以形式为中心，它的材料是为了便于出题考查而非为了记忆留存而设计的，而它的考试情境则是一台制造焦虑的机器。这就是用三句话概括的诊断——同时也是后续一切内容的构建蓝图。

2.6 吸引力：为什么人们会再次归来

可理解、有锚定、有联结——这三个问题描述了输入进入大脑后会发生什么。而第四个问题则决定了输入究竟有没有机会发生：一个周一自愿来学习的人，为什么周二还会再来？动机心理学对此给出了一个非常稳固的回答。根据德西（Deci）和瑞安（Ryan）的自我决定理论，当人类的三项基本心理需求得到满足时，投入感就能实现自我维持：自主性（我选择）、胜任感（我能行）以及社会联结（我归属于此）。¹² 不妨将这三个概念与本书的构建蓝图对照阅读：选择看什么电影体现了自主性；母语字幕行从第一天晚上起就创造出胜任感——在课程里听不懂的地方，在这里听懂了；而第IV部分所探讨的群体，则是社会联结。相比之下，传统学习软件里的填空题无法满足这三项需求中的任何一项：它替学习者做出选择，它主要记录错误，而且只能独自一人完成。

当这三项需求汇聚在一起时，投入的活动便可能进入契克森米哈伊（Csíkszentmihályi）所说的沉浸状态（Flow / 心流）：行动本身在推动自己，费力感从主观体验中消失了。¹³ 这种差异在日常生活中肉眼可见：家庭作业之所以被完成，是因为体制要检查；而一部电影之所以被看到底，是因为人们想知道接下来会发生什么。对于一种以海量为第一条件（见 2.2 节）的方法而言，这绝非心理学上的次要注脚，而是对“数量从何而来”这一问题本身的回答：海量输入不是靠自律硬撑出来的，而是靠吸引力自然汇聚而成的。

2.7 从原则到构建

如果我们认真对待这三个问题，语言习得理论就会转化为一项工程构建任务：一位在盖尔森基兴的成年女性、一名在博洛尼亚的青少年，究竟能从哪里获得海量的目标语可理解输入——不是每周四十五分钟，而是每天晚上自愿地、欣然地接触？这种输入必须具备怎样的形态，才能不仅被理解，而且留在记忆里？我们又该如何围绕它构建一个降低焦虑、而非放大焦虑的社会空间？

本书接下来的四个部分将依次探讨这些问题。第一个答案其实比语言教学界长期以来愿意承认的更近在咫尺：一百年来，它一直在银幕和屏幕上闪烁；它真实、饱含情感、数量庞大，而且几乎配有世界上每一种语言的字幕。下一章将探讨电影——探讨当我们以正确的方式去构建一个看片之夜时，它会变成什么。

第3章 · 看、听、读：双重编码的电影

3.1 一场欧洲的偶然实验

为什么荷兰人、斯堪的纳维亚人、葡萄牙人的英语说得如此出色——而德国人、西班牙人、意大利人的英语却差那么多？常规的回答指向学校教育。更耐人寻味的回答则指向电视机。当有声电影在1920年代和30年代传入欧洲时，每个国家都必须决定如何处理外语片。那些负担得起昂贵配音费用的大语种国家——德国、意大利、西班牙、法国——选择了重新配音。而小国家则选择了加字幕。这一决定最初完全是出于经济和政治原因作出的，远早于任何人想到语言教学法之前——然而，就像所有媒介体制一样，它一旦形成便延续了数代人。

历史由此布置了一场任何研究人员都绝不可能获批开展的实验：整整几代人口，历经数十年，一组接触英语原声配字幕，另一组接触配音版。一项计量经济学研究对此算了一笔总账：拥有字幕传统的国家在英语语言测试中的表现明显更优——估算出的字幕效应相当于平均技能水平的约百分之 17，在跨国比较中达到一个半标准差，而且这一效应恰恰在电视提供最多的地方最为强烈：听力理解。¹ 葡萄牙用字幕，西班牙用配音；葡萄牙的 TOEFL（托福）成绩明显高于西班牙——尽管这是两个语言高度相近的邻国。² 当然，解读这些数字需要保持应有的审慎：它们是国家均值，而非对个体学习者的测量，且各国之间的差异远不止于看电视的习惯。³ 但这一大方向是很难被否定掉的——更何况它所指的方向，与本章将要探讨的实验室及课堂研究完全一致。

换句话说，看电视的夜晚从来就不只是消遣娱乐。它是人类有史以来建造的最大的语言学习机器——只不过从来没有人把它当作学习机器来建造。本章要问的是它为什么有效，而下一章要问的是，如何将它从偶然的副产品变成一件趁手的工具。

3.2 两个通道胜过一个通道

第一个原因在于记忆的架构。阿兰·佩维奥（Allan Paivio）在1970年代和80年代提出了双重编码理论（Dual-Coding-Theorie）：人类在两个彼此独立却又相互连接的系统中加工信息——一个是处理词语的言语系统，另一个是处理直观形象的表象系统。同时存入这两个系统的内容，即一个词配以它的画面，会留下两条而非一条记忆痕迹，相应地也就拥有更多被重新提取出来的路径。⁴ 理查德·梅耶（Richard Mayer）在此基础上构建了一套经过广泛实证检验的多媒体学习理论，其基本结论如今已是教科书级的常识：人们通过“文字加画面”学习的效果，优于单纯通过文字学习。⁵

对于语言习得而言，这远不止是一种记忆技巧。不妨回想一下第2章中克拉申的悖论：只有当人们理解了自己原本还不会的语言时，习得才会发生——而这之所以可能，仅仅是因为在语言之外还有其他东西在帮助理解。电影恰恰就是这个“语言之外的东西”：情节展示了正在谈论什么；表情展示了话里的用意；场景提供了初学者将一串听不懂的语流转化为可理解信息所需的语境。电影就是自带理解辅助的 i + 1——是工业级规模的可理解输入。

3.3 第三条轨道：目标语字幕

然而，光靠听和看仍会留下一道缺口。如果只是听一门外语，人们往往甚至不知道一个词在哪里结束、下一个词从哪里开始——因为连续的语流里是没有空格的。这时，第三条轨道便登场了：目标语字幕，即边听边读你所听到的内容。早在1980年代，罗伯特·范德普兰克（Robert Vanderplank）就利用 BBC 的图文电视字幕进行了系统观察，发现学习者能够从配有字幕的电视节目中汲取语言——而且字幕并不会分散听的注意力，反而会让听到的声音变得“可读”。⁶ 自那以后，这发展成了一个专门的研究方向。该方向的元分析——涵盖十八项关于听力理解与词汇的研究——得出了一个明确的结论：目标语字幕对理解与词汇学习均有显著提升，且效应量很大。⁷

密歇根大学的一项高被引研究非常漂亮地解释了其中的原因。阿拉伯语、汉语、西班牙语和俄语的学习者观看了带目标语字幕和不带目标语字幕的简短视频；在带字幕的条件下，他们在词汇和理解测试中的表现明显更好。作者们给出的解释至关重要：字幕有助于识别词界——它将“原本无法理解的语流”切分成一个个可以附着意义的单元，并将听到的声音与写下来的文字联系起来。⁸ 而针对儿童的研究则表明，这一机制并不依赖于课堂教学：孩子们仅仅是看了外语电视节目，就在不知不觉中可测量地吸收了语言——完全是附带发生的，没有任务要求，背后也没有考试压力。⁹

3.4 冗余性问题——坦诚的交锋

写到这里，本书必须直面一个在商业宣传文案中绝不会提及的张力。因为第 3.2 节所依据的同一套多媒体学习研究，还提出了一条看似反对屏幕文字的冗余原则（Redundanzprinzip）：当人们一边听讲解、一边同时阅读完全相同的文字时，学习效果往往比没有文字时更差——同一段文字的双重呈现会堵塞信息加工通道，而不是支撑它。¹⁰ 如果这条原则无条件成立，那么带字幕的电影就是一个糟糕的主意。

解开这一矛盾的关键在于学习目标，这一点值得精确阐述。冗余原则是在母语者身上得出的，当时的任务是通过听口头讲解来学习学科内容——比如闪电是如何形成的、刹车系统是如何工作的。对母语者来说，同步滚动的文字确实是多余的：它不包含任何耳朵无法毫不费力获取的信息。但对语言学习者而言，情况恰恰相反。他的学习目标不是语言背后的知识内容，而是语言本身——而且他的耳朵恰恰无法毫不费力地获取信息：他会跟丢词界、漏掉词尾，每听三个词就有一个靠猜。因此，目标语字幕对他来说不是已理解内容的第二份拷贝，而往往是通往未理解内容的唯一入口。如今，关于冗余原则的文献自身也已明确指出了这些边界条件：对于非母语者、面对难以听懂的音频、或者在呈现简短且缓慢的文本时，冗余原则会发生逆转或消失。¹¹ 因此，第 3.3 节中关于目标语字幕的研究结论绝非需要遮掩的反常现象——它们恰恰是证据确凿的特殊情况：在这里，冗余转化成了支撑。尽管如此，这场争论仍应留下一根警醒的刺：屏幕上的文字不是免费的。它会消耗注意力；任何一个使用字幕的学习环境，都必须经受住这样的追问：它是否把这份注意力投资在了刀刃上。

3.5 两种语言同时呈现：双语字幕的假设

Pontivo 走得比单语字幕更远：它的播放器同时显示两条字幕轨——与音频同步的目标语，以及位于其下方的学习者母语。这一设计的逻辑顺理成章地源于前文所述的一切：目标语轨负责切分语流并将声音与文字相连；母语轨则负责保障理解——哪怕在画面和语境本身已不足以支撑理解的地方，它依然能守住“可理解”这一条件，从而让未经简化的真实原版材料首次对初学者敞开大门。提前借用第7章的一个概念来说，这就是鲜活的超语实践（Translanguaging）：母语没有被拒之门外，而是作为理解的脚手架被引入进来。¹²

学术界对双语双行字幕怎么看？这方面的研究很年轻、规模较小——但令人鼓舞。一项针对中国英语学习者的眼动研究对比了全部四种条件（仅母语、仅目标语、双语同时、无字幕）：与单语字幕相比，双轨字幕并未造成可测量的额外认知负荷，而且相比无字幕观看显著促进了理解；学习者的视线会自动分配任务——稳定地注视母语行以获取意义，灵活地扫视目标语行以捕捉形式。¹³ 其他研究也发现了通过双语字幕观看带来词汇增长的证据。¹⁴ 但如果把这些结果夸大其词，那就不诚实了：目前这类研究数量尚少、样本较小，且多使用简短视频片段。至于 Pontivo 的具体构建形态——在难民群体和学校班级中长年累月地常态化使用同步双轨字幕——能否兑现理论原则所承诺的效果，仍是一项设计假设：理由充分，但尚未经过实证测量。它在第9章的测量清单上位居前列。

3.6 电影还做不到什么

保持诚实还意味着承认：电影有其局限，其中有两点是根本性的。第一点：它能提供整体理解，却无法提供针对单个词语的解释。如果一个人在半句话里卡在了某个词上，再精妙的双轨字幕也帮不了他——他需要的是针对这一个词的解答，而且是立刻解答，同时又不必退出电影。如何将这“需要的一刻”转化为词汇积累，是下一章要探讨的问题。第二点局限则更为深层：电影无法把任何人直接变成开口说话的人。它填满的是耳朵，不是嘴巴。要把听懂的语言转化为说出口的语言还需要什么条件——以及为什么这条路可以通过歌唱来打通——这将是第III部分和第IV部分的主题。

第4章 · 需要时刻的词语

4.1 卡住的地方

你正坐在屏幕前看电影，一切进展顺利，你能看懂——突然出现了一个词，整句话的意思都系在它身上。Der Schwarm verhält sich wie ein einziges Tier. “群”（Schwarm）？第3章里的双轨字幕能帮上一部分忙：屏幕下方就写着整句话的译文。可是，原句里的哪个词对应译文里的哪个词？为什么动词会放在那个位置？而这个显然至关重要的词，到底是什么意思？在这一刻，学习者进入了一种令所有教学法专家梦寐以求的状态：他想要知道某个东西。不是因为教学大纲里有要求，而是因为这个词此刻正挡在他看电影的路上。本章的问题是：我们该如何对待这一刻——如果善加利用，这些词语又会迎来怎样的命运。

4.2 偶然学习是真实的——但也是缓慢的

词汇研究带来了一个好消息和一个令人不安的消息。好消息是：词汇量确实会偶然地（附带地）增长——在阅读、倾听和观看的过程中，无需生词本，仅仅因为词语在可理解的语境中反复出现。母语者所拥有的绝大部分词汇正是这样建立起来的；从来没有人专门教过他们两万个单词。¹ 在屏幕前同样如此：在鲁汶大学那项对比了三种字幕形态的研究中，观众在将三个法语视频片段观看两遍之后，可测量地吸收了新词——在识别新词的词形以及回忆在哪个片段里见过该词的测试中，字幕组的表现均显著优于对照组。²

而令人不安的消息也藏在同一项研究里：当被问及这些词是什么意思时，字幕组的领先优势就变薄了——只有那些字幕中对关键词进行了高亮标记的小组，在词义识别上超过了对照组；而在自由回忆词义的测试中，这一效应完全消失了。³ 这并非个例，而是偶然学习的常态结论：它首先建立起的是对词形的感觉——有这么个词，听起来是这样，应该放在这里——只有经过多次重逢之后，才会建立起稳固的词义。偶然学习覆盖面广，但深度较浅；每次接触留下的痕迹很淡，而低频词又很少能再次遇到。⁴ 只看不查的人确实也在学习——只不过学得很慢。

4.3 词汇旁注改变了什么

有一件久经考验的工具恰好针对这一弱点：词汇旁注（Glosse）——写在文本边缘的简短词义解释，在印刷史上与书籍本身一样古老。学术界对它进行了彻底的测量。一项涵盖 42 项研究、近四千名学习者的元分析得出了一个非常明确的结论：带旁注的阅读在即时测试中使目标词习得率达到百分之 45.3（无旁注为百分之 26.6），在延时测试中达到百分之 33.4（无旁注为百分之 19.8）——旁注几乎使偶然学习的效果翻了一倍。⁵ 同一项分析中的两个细节对后续所有设计都至关重要。第一：用学习者的母语撰写的旁注，效果优于用目标语撰写的解释——这再次证明，母语在学习过程中是脚手架，而不是敌人。⁶ 第二：效果最强的是那些让学习者稍微动一下脑筋的旁注（例如需要从中选出贴切词义的多选式旁注），效果最弱的则是那些根本无需主动查找就直接塞给学习者的旁注。⁷

第二个发现背后有一套值得了解的理论，因为它直接回应了第 4.1 节中的“需要时刻”：劳弗（Laufer）与许尔斯泰因（Hulstijn）提出的投入量假说（Involvement-Load-Hypothese）。粗略地说，该假说认为，在学习发生的那一刻，以下三种成分包含得越多，一个词就越容易留存下来：需要（我现在需要懂这个词）、检索（我必须去弄清它的意思）和评估（我必须检验这个意思是否契合当前的语境）。⁸ 周日晚上背生词本的时候，这三种成分都少得可怜。而在看电影时的那一次点击，却同时具备了全部三项：需要源于扣人心弦的剧情，检索就是点击这一动作本身，而评估则发生在弹出的释义与眼前画面相互印证的那一瞬间。

4.4 点击释义——以及它身上的假设

Pontivo 的点击释义，就是翻译成二十一世纪形态的词汇旁注：当学习者在播放器里卡在某处时，只需轻轻一点，就能获得针对这个句子在这个语境下的解释——用他的母语呈现，且无需退出电影。⁹ 这远不止是一次词典查询，因为它解释的不是真空里的孤立单词，而是具体语境中的这一处表达：习语搭配、言外之意，以及造出这个句子的语法结构。根据词汇旁注研究已知的一切，这恰恰是正确的构建形态：母语呈现、由需求驱动、紧扣语境。¹⁰

但写到这里，本书必须把两项假设坦诚地摆在台面上。第一项假设：这些释义是由语言模型生成的——这台机器能生成非常出色的解释，但偶尔也会生成错误的解释；而学术界用来测量旁注效果的研究，测量的都是经过人工审校的旁注，而非机器生成的旁注。机器生成的旁注能否保持其理论依据所要求的质量，目前尚无定论，必须加以质量控制——本丛书的姊妹篇曾用整整一部专著来探讨机器生成的解答必须具备可靠依据这一问题。¹¹ 第二项假设关乎分寸：词汇旁注研究同样深知，打断是有代价的。如果一个人每隔五秒钟就点击一次，他就不再是在看电影，而是在翻阅一本带插图的词典——从而恰恰丢掉了让电影作为输入如此宝贵的东西：流畅感、故事性以及想要看下去的沉浸感。在“填补理解漏洞的点击”与“把看片之夜切得支离破碎的点击”之间，健康的平衡点究竟在哪里，目前尚无实证答案。这两点都已列入第9章的测量清单。

4.5 听懂了还不等于记住了

让我们假设一切顺利：电影源源不断地提供大量可理解输入，双轨字幕维持着高水平的理解，点击释义则在卡壳之处加深了加工。那么，当这个夜晚结束时，学习者确实——听懂了。然而，在“听懂”与“真正拥有一门语言”之间，隔着漫长的黑夜，而黑夜是一张筛子。第二天早上脑子里还剩下什么，不仅取决于接触的次数，更取决于这些材料是如何被存入大脑的：它们是否拥有一种能让记忆抓得住的形式。人类最古老的这种记忆形式，既不是语法表格，也不是规则条文，而是诗行、节奏与旋律——是那首你从未刻意去背、却再也忘不掉的歌。为什么会这样，它对语言习得又意味着什么，这是下一部分要探讨的问题。

第5章 · 为什么歌曲会留在脑海里

5.1 没人主动预定的记忆

几乎每个人脑子里都装着几句自己从未学过的语言的歌词。在1980年代度过青春的人，直到今天还能跟着哼唱意大利语副歌，哪怕他们根本不会意大利语；孩子们在真正听懂第一个英语单词的好几年前，就能把英文流行歌曲的歌词模仿得惟妙惟肖。从来没有人专门操练过这些词句，也没有人刻意想去记住它们——它们就这样自己留了下来。语言教学法专家蒂姆·默菲（Tim Murphey）为这种现象最无害的形态起了一个生动的名字：song-stuck-in-my-head（脑中挥之不去的歌）现象，即不管你愿不愿意，那首歌都会在脑海里继续循环播放。¹

对于一本探讨语言习得的书而言，这绝非一件仅供猎奇的趣闻。第4章结尾曾提出这样一个问题：输入必须具备怎样的形式，才能熬过黑夜的筛选留存下来？其实，有一个答案已经在人类历史上公开摆了数千年：在文字诞生之前，人类一直靠诗行、节奏与旋律来传承知识——这不是为了审美消遣，而是因为有韵律束缚的语言是唯一能够可靠地从一个大脑传递到另一个大脑的语言。现在的问题是，这一古老的经验能否经受住现代科学的检验：唱出来的语言真的比说出来的语言更容易记住吗——如果真是如此，又是在什么条件下成立？

5.2 实验室怎么说：旋律切分了语流

第一个现代科学的回答来自马赛的一个实验室，它直接扣住了第3章提出的语流切分难题：在陌生的外语语流中，一个词在哪里结束，下一个词又从哪里开始？达妮埃莱·舍恩（Daniele Schön）及其同事让成年受试者聆听一段人工合成的语流——一长串毫无停顿地连在一起的音节，听者只能依靠音节出现的统计规律从中辨认出所谓的“词”。当这段语流以朗读（平调说话）的方式呈现时，听者在七分钟后的辨词准确率仍停留在随机猜测水平。而当完全相同的语流以歌唱的方式呈现——每个音节都固定对应一个音高——他们便成功识别出了词界。² 作者们总结道：恰恰在习得的初始阶段，在首次切分一门新语言时，“音乐的激励特性与结构化特性”共同发挥了作用——旋律不仅让语流听起来更悦耳，它还在切分语流。³

第二个实证模块来自爱丁堡，关乎的不是听，而是说。卡伦·卢德克（Karen Ludke）、费尔南达·费雷拉（Fernanda Ferreira）和凯蒂·奥弗里（Katie Overy）让六十名成年人用十五分钟学习匈牙利语日常短句——采用“听后跟读”的方法，分为三组：普通跟读组、带节奏跟读组、歌唱跟唱组。结果，歌唱组的总体表现最好，而且恰恰在分量最重的两项测试中，其领先优势达到了统计学显著水平：回忆并说出匈牙利语口语句子。⁴ 尤为值得注意的是那些无法解释这一差异的因素：无论是年龄、情绪状态，还是语音工作记忆容量、抑或音乐天赋与受训经历，都不是造成差异的原因。⁵ 受试者无需是音乐家——歌唱这一行为本身就完成了这项工作。作者们将其解释凝练为一个公式，本书也将其采纳过来：“听唱法”能够有力支撑对外语短句的逐字记忆。⁶

这为什么合乎情理，完全可以从前几章的内容拼合出来：歌曲正是第3章意义上的多重编码输入——文字、旋律、节奏，往往还加上身体律动；它迫使人们重复却不会让人感到厌烦（没有人会把一篇课文读上二十遍，但谁都会把一段副歌连唱二十遍）；它放慢并拉长了音节，从而让语音形态比快速口语更容易听清；而且它把语言挂在了情感上。然而，合乎情理是廉价的。真实的图景更为复杂，它应当被写进正文主线，而不是藏在脚注的小字里。

5.3 坦诚相告：什么时候歌曲帮不上忙

因为同一研究领域也发现了指向相反方向的证据。音乐认知研究领域的领军学者之一伊莎贝尔·佩雷茨（Isabelle Peretz）与阿梅莉·拉塞特（Amélie Racette）让成年人学习歌词，结果发现：歌唱时回忆起的词数比朗读时更少，而且材料是以歌唱还是朗读的方式呈现，对歌词记忆并没有产生差异。⁷ 而早在 1994 年，旺达·华莱士（Wanda Wallace）就已经证明，只有当旋律在不同诗节之间反复重现且易于学会时，它才能支撑文本记忆；只听过一次或不断变化的旋律不仅帮不上忙——反而会消耗认知资源。⁸

这推翻了本书的第III部分吗？没有——它反而精确界定了这一部分，而且界定出的位置恰恰就是 Pontivo 歌本所建造的位置。把这些研究结论并排放在一起阅读，得出的不是一片嘈杂的矛盾，而是一份清晰的条件清单。当旋律简单且反复出现时，歌曲就能帮上忙——此时旋律承担起了华莱士所说的结构切分工作，而不会自己变成需要额外学习的负担；反之，如果旋律复杂难学，它就会变成一项双重任务，导致文本记忆受损（这正是拉塞特实验的结果：她的受试者必须同时学习陌生的旋律）。此外，歌曲有助于逐字逐句记住固定表达和短句——正如卢德克的口语产出测试所示——但它不能替代电影所提供的广泛理解。而且，歌曲对开口跟唱的人帮助大，对只用耳朵听的人帮助小：歌唱就是自带节拍器的发音练习。⁹ 简言之：歌曲不是包治百病的灵丹妙药，而是一件专用工具——一件专门用来把那些必须牢牢掌握的表达锚定在记忆里的工具。

5.4 从实验室到歌本

Pontivo 中的歌本模块，恰恰就是作为这样一件专用工具来构建的。它选用简单、重复率高的歌曲——民歌、童谣、轮唱曲、现代合唱歌曲——也就是说，这些曲目天然满足华莱士提出的条件：诗节旋律反复出现，副歌不断回环。它将歌词与和弦一同显示（采用合唱实践通用的 ChordPro 格式），以便一把吉他或一架钢琴就能托起整个群体的歌声。而且——这是引向下一部分的关键所在——它不是供个人自娱自乐的卡拉 OK 点唱机，而是一件群体工具：通过教师/学生模式，由一个人选定歌曲，所有人便在同一时间、同一空间里唱起同一首歌。¹⁰

本书的诚实原则同样适用于此：这本歌本，配以这些歌曲，嵌入在这样的使用场景中，能否将实验室里歌唱的领先优势转化为可测量的语言习得成果，仍是一项设计假设——毕竟实验室研究使用的是十几分钟的任务和单个受试者，而非长达数月的周期和整班学生。¹¹ 但这项假设落子的位置极其精准：它押注在证据最充分的情形上（简单重复的旋律、逐字记忆、主动跟唱），而避开了已被证伪的情形（复杂陌生的旋律、被动聆听、把歌曲当作包揽一切输入的万能替代品）。

不过，有一件事是歌曲做得到、而任何实验室研究都未曾测量、任何电影也无法替代的：人们可以一起唱歌。一个班级不可能在超市收银台前齐声说同一句话——但他们可以从第一天起就一起唱歌，哪怕是那些还不会说半个词的人也能参与其中。在这个过程中，一群人身上会发生什么——他们的焦虑、他们的联结、他们的归属感会发生怎样的变化——这或许是整本书中最强有力的单项实证发现。这正是下一章的主题。

第6章 · 合唱团：归属感降低门槛

6.1 九十分钟

不妨想象一下周二晚上社区活动室里的场景。十四个素不相识的人，其中两个人来到这个国家才几个月。七点钟的时候，他们拘谨地站在排椅之间。到了八点半，他们围成半圆站在一起，刚才把同一首轮唱曲唱砸了三次，大家一起笑了两回；当有人提议下周提前十分钟开始时，所有人都点头赞同。在这九十分钟里发生了一些事情——一些在普通语言课程里往往几个月都不会发生的事情。

这种变化是可以测量的。进化心理学家罗宾·邓巴（Robin Dunbar）领衔的研究团队对新开设的成人夜校课程进行了长达七个月的追踪——包括合唱班，以及作为对照的手工班和创意写作班——并让学员在三个时间点评估自己与所在群体的亲近程度。结果显示：在第一个月结束时，合唱班学员感受到的群体亲近感增幅显著高于所有对照组；直到几个月后，其他班级的亲近感才慢慢追上来。¹ 研究人员为这一发现起了一个让人过目不忘的名字：破冰效应（Eisbrecher-Effekt）——歌唱能够在陌生人之间迅速建立社会联结，而无需经历漫长的个人交谈。² 他们的进化心理学解释是：当人类群体的规模扩大到无法再靠一对一闲聊来维系感情时，歌唱很可能就是人类用来凝聚群体的最古老的工具之一。³ 周二晚上的合唱团并不是在进行什么社会学实验，它只是在启动一台非常古老的机器。

6.2 共同歌唱对人产生了什么影响

“破冰效应”并非孤证；在它周围，有一大片关于合唱与身心健康的研究领域。研究人员在排练前后对业余合唱团成员进行了检测，发现在合唱之后，成员的积极情绪增加、消极情绪减少——同时唾液中的免疫球蛋白 A（一种免疫防御指标）显著上升；而在同一群体中，仅仅聆听合唱音乐并不会产生这一效果。⁴ 如果直接询问合唱团成员自己的感受，答案更是一致：在早期一项系统性调查中，百分之 87 的受访者表示从歌唱中获得了社交益处，百分之 75 获得了情感益处。⁵ 当然，我们需要冷静地看待这类文献——其中很大一部分基于自愿参加合唱团的人的主观报告，且生理学研究的样本量普遍较小。⁶ 但不同研究结果的高度汇合令人瞩目：跨越不同的研究方法与不同的国家，始终浮现出同一种模式——情绪改善、压力降低，以及最重要的：强烈的社会联结感。

对于本书所探讨的问题而言，第三项研究发现最为关键。迄今规模最大的一项儿童歌唱研究——对英国国家项目“Sing Up”的评估，涵盖了超过六千名儿童的数据——发现了一个清晰的关联：儿童的歌唱发展水平越高，其自我认知就越积极，感受到的社会归属感也越强——而且这一关联不受年龄、性别和族裔背景的影响。⁷ 作者们自己也提醒应保持审慎：这是一项相关性发现，而非已证实的单向因果关系；更有归属感的人或许本身也更喜欢唱歌。⁸ 但恰恰是这项研究牢牢锁定了核心事实：歌唱与归属感紧密相连，无论一个孩子来自哪里。

6.3 受保护的声音

此时有人可能会反驳：这固然很美——但它跟语言习得有什么关系？回答会将我们带回第2章，而且分为两步。

第一步关乎焦虑。在语言学习中，没有任何一刻比当众张嘴说话更令人焦虑：你的声音听起来像个笨拙的孩子，你会受到评判，而你的自我形象——一个成熟、干练、值得尊重的成年人——正面临威胁；外语焦虑研究早已表明，当众开口恰恰是外语焦虑的核心，而且它会可测量地压低学习表现。⁹ 合唱团则是唯一能够从结构上化解这一难题、而非靠规定去禁止焦虑的社会形式：在众人的歌声中，单个人的声音是听不见的。在合唱团里唱错一个音，不会让人出丑——因为字面意义上根本没有人会察觉。这便让一件在其他任何地方都无法想象的事情成为可能：从第一天起就用目标语进行大声、主动的产出，而出丑的风险为零。一个班级不可能用齐声合唱的方式去起草一封给政府部门的信；但他们可以一起合唱歌曲，哪怕是那些还不会说一个词的人。用第2章的术语来说，合唱团就是一个实体化的“降滤器”：它创造出了让输入真正进得去、让产出真正敢出来的先决条件。

组织心理学为这一先决条件起了一个精确的名字。埃米·埃德蒙森（Amy Edmondson）称之为心理安全感（psychologische Sicherheit）：即群体成员共同持有的一种信念，确信在这里承担人际风险——提问、犯错、暴露无知——不会受到惩罚；在她对五十一个工作团队的研究中，恰恰是这种信念构成了人们愿意去学习而非自我防卫的前提。¹⁰ 合唱团无需靠口头号召来建立这种安全感；它把安全感直接写进了自己的组织形态里：众人的和声掩护了个人的声音，因此那个原本需要防范的风险从一开始就不复存在。

第二步关乎坚持。第II部分和第III部分的结论告诉我们，语言习得首先需要的是一样东西：数量——长达数月的输入，每个词数百次的重逢。然而，数量并不是一个教学法指标，而是一个动机指标：只有当人们愿意再次归来时，数量才会产生。而人们总会回到自己有归属感的地方去。因此，“破冰效应”绝非附着在教学法边缘的心理保健福利，而是整座大厦的基石：最初几周建立起的群体联结，直接决定了后续那几个月究竟存不存在——而其他所有学习机制，都必须在这几个月的时间里才能发挥作用。

把这两步合在一起，就是本书所提出的逻辑链条——在这里同样应当尽可能坦诚地摊开：合唱研究证实了联结、情绪改善与归属感；但它并未直接证实人们在合唱团里习得了语言。从合唱团推导至语言习得，中间经过了两个已获证实的环节——焦虑抑制习得、归属感支撑坚持——作为一条推理链，它合乎情理，但作为一个整体，它尚未经过直接测量。¹¹ 第9章将把这条完整的链条列入测量清单。

6.4 为了那些需要融入新家园的人

对于一个特定的群体而言，这条逻辑链不是象牙塔里的学术推演，而是切身的日常现实：那就是初来乍到、身处异国他乡的人。像第1章里的阿玛尔那样的难民，面临的不只是语言问题，还有归属感问题，而且这两者会相互加剧——不会说话就很难融入社交圈，而没有社交圈就更没有可以说话的对象。传统的语言课程无法打破这一死循环：在课程教室里，坐在她身边的全都是面临着同样困境的人。

共同歌唱则在唯一无需语言先决条件的地方打破了这个循环。站在本地居民身边一起合唱，不需要先考取任何语言等级——旋律托着大家，歌词就在眼前，个人的声音融在群体之中。在这里，归属感产生在语言之前，而不是作为学会语言之后的奖赏。追踪研究了由难民与本地居民共同组成的音乐团体的“社群音乐”（Community Music）文献，始终一致地描述着这种模式：远在共同语言能够顺畅沟通之前，身心健康、跨文化的相互理解以及“抵达新家园”的踏实感就已经建立起来了。¹² 这是极为罕见的一种融合举措：在这里，接收国社会扮演的不是主考官，而是站在一起唱歌的伙伴。社会学为这类空间起了一个专门的名称：第三空间——既非家庭，亦非工作场所或政府机关，而是一片将身份地位挡在门外、以交谈（在这里则是歌唱）作为唯一入场券的中立之地。¹³ 合唱团，就是一个初来乍到者在掌握前两个空间的语言之前，就能够昂首迈入的第三空间。

6.5 从实证发现到构建

Pontivo 的合唱团模块将这些研究发现转化为了三项具体的构建决策。第一是教师/学生模式：由一个人——合唱团指挥、教师或小组发起人——选定歌曲，所有其他人的屏幕上便在同一瞬间显示出完全相同的内容，包含歌词与和弦。这在技术上看似不起眼，在社交上却至关重要：它创造出了所有人的目光同时聚焦的同一个共同客体——也就是下一章将要探讨的“共同注意”的基本形态。第二是封闭小组：合唱团、班级和家庭在外部人员无法进入的私密空间里歌唱。在小组内部发生的一切——跑调的音符、失误的尝试、对某个人意义非凡的歌曲——都留在小组内部；那个在音响上掩护了个人声音的安全空间，由此延伸到了社会交往层面。第三是曲目库：简单、重复率高且配有和弦的歌曲（见第5章），其中还包括——这将在第V部分中被证明是整个理念中密度最高的核心模块——由小组成员自己带来的家乡歌曲。¹⁴

至于这一数字化构建形态能否达到线下社区活动室合唱团的效果，按照诚实原则，目前尚无定论：前文引述的研究考察的都是线下实体聚集的群体，而非借助应用程序辅助的群体。¹⁵ 但这些构建决策绝非凭空臆造，而是从实证研究中翻译过来的：每一项决策背后都有据可查。

接下来剩下的问题是：由谁来引导这个群体——以及当一位教师带领全班学生穿行于电影与歌曲之间时，母语又将扮演怎样的角色。这就是课堂，而在它背后，同样有一套历经百年沉淀的理论。

第7章 · 课堂：共同注意与合法的母语

7.1 禁令

在阿玛尔参加的融合课程里，有一条看似天经地义、以至于从来没有人去解释理由的规矩：这里只准说德语。老师用德语向那些还不会德语的人解释德语；而阿玛尔随身带来的阿拉伯语——一门发育完备、她可以用来思考、论证和表达幽默的成熟语言——在教室里却不是工具，而是需要排除的干扰。这条禁令有一段历史，而且它比人们以为的更短暂、更世俗：二十世纪初叶商业语言学校推行的“直接法”（direkte Methode）将单语教学奉为圭臬——这在很大程度上是因为它对雇佣外籍教师的连锁语言学校极为方便：只要规定只准用目标语授课，老师就不必懂学生的母语。¹ 权宜之计变成了教条，教条又变成了条件反射。可在科学上，它从来就没有站稳过脚跟。

本章要探讨的是：如果我们从学习研究的角度出发重新思考，一间课堂究竟应该是什么样的——以及为什么母语在课堂里绝非目标语的敌人，而是它最重要的脚手架。

7.2 脚手架

这一理念的理论基础源于1930年代的列夫·维果茨基（Lew Vygotskij），其核心思想非常简明：学习首先是一个社会性过程，然后才内化为个体的心理过程。一个孩子今天只有在熟练者的牵引下才能做到的事，明天就能独立完成；这两者之间的跨度——即独立解决问题所能达到的水平，与“在成人指导下或与更有能力的同伴合作解决问题”所能达到的潜在水平之间的距离——被维果茨基称为最近发展区（Zone der nächsten Entwicklung）。² 学习就发生在这个区域里；教学者的任务不是把现成的知识递过去，而是经营好这个区域：把任务设置在比独立能力高一步的位置，并提供恰到好处的支撑，使这一步能够迈过去。伍德（Wood）、布鲁纳（Bruner）和罗斯（Ross）为这种支撑创造了一个此后传遍所有教学法领域的形象比喻：脚手架（scaffolding / 支架）——由更有经验的人搭建起来、并随着学习者自身承重能力的增强而逐步拆除的辅助结构。³

请注意，这一思想与来自完全不同学术传统的克拉申的 i + 1（见第2章）契合得何其紧密：两者都指出，学习发生在能力边缘往上一小步的地方——而且帮助学习者跨过这道边缘的，是对理解的扶助，而不是对语言形式的讲解。第3章中的双语字幕，从字面意义上说正是一座脚手架：当学习者自身的语言力量还不够时，它托住理解；而当不再需要它时，又可以一行一行地将它拆除。

7.3 母语作为脚手架

那么，用什么材料来搭建脚手架呢？一位成年学习者所拥有的最稳固的支撑，就是他已经掌握的那门语言。毕生致力于批评“单语教学教条”的德国英语教学法学者沃尔夫冈·布茨卡姆（Wolfgang Butzkamm）曾用最朴素的话阐明了这一点：母语不是外语学习的干扰因素，而是外语学习最大的资本；正是通过母语，我们学会了“说话”究竟是怎么一回事——明白声音承载着意义、句子有着结构、词语可以用来行事——而这份底层认知会伴随我们进入此后学习的每一门新语言。⁴ 近年来的多语研究在超语实践（Translanguaging）这一概念下进一步展开了同一思想：多语者脑子里并不是装着两个彼此隔绝的语言抽屉，而是拥有一个共同的语言库，可以根据情境灵活调用；一个把第一语言拒之门外的课堂，实际上是把学生的一部分思维工具锁在了门外。⁵

这绝非单纯的理论立场；实证研究的印记早已散见于本书各章，值得在此汇总一番。第4章的词汇旁注元分析表明：用母语撰写的词义解释效果优于目标语解释，即便对高水平学习者也是如此。⁶ 第3章的眼动研究表明：母语字幕行是稳固的锚点，学习者从这里出发去探索目标语字幕行——意义有了着落，形式才得以被攻克。⁷ 而第2章的斐济“书海”实验，正是在那些孩子们回家说斐济语或印地语的学校里取得了成功——没有人强迫他们忘掉母语，英语是叠加上来的。⁸ 无论在哪里，只要人们允许把母语当作工具来使用，而不是把它当作漏洞来封堵，母语就会成为学习的助力。

为了避免误解，需要明确指出：以上种种绝不意味着反对在课堂上尽可能多地使用目标语——海量可理解输入依然是首要条件。它反对的是对第一语言的禁令：反对那种宁可让学生一头雾水、也拒绝用半句母语提供理解辅助的课程，反对那种让用母语思考的人感到羞愧的做法。脚手架不会挡住大楼的去路，它恰恰让大楼得以建成。

如果有人认为这只是少数派的异端观点，那就低估了当代语言政策已经走到了多远：欧洲委员会在2020年发布的《欧洲语言共同参考框架：伴随卷》中，已明确将多语能力提升为教育指导方针——在那里，多语能力不再被视为若干门孤立单语能力的简单相加，而是被定义为一个连贯互通的整体语言库，课堂教学应当加以善用而非压制。⁹ 因此，将第一语言纳入教学已不再是什么离经叛道的教学冒险，而是欧洲参考框架自身所指引的方向。

7.4 构建出的数字化课堂

Pontivo 的课堂模块从技术上实现了这两个理念——在教师引导下的共同注意，以及作为脚手架的母语——而且在一个关键之处，它做到了一间实体教室无法做到的事。

教师/学生模式就是共同注意的构建形态：教师选定内容——一部电影、一个场景、一首歌曲——所有人的屏幕上便在同一瞬间显示出相同的内容。这听起来平淡无奇，却是从乡村私塾时代起一切课堂教学的核心：同一个客体，许多双眼睛，一只引导的手。平台并没有取代教师的引导权，而是帮教师消除了摩擦损耗——免去了分发材料、免去了“请翻到第 34 页第二段”、免去了“老师，我这里打不开”。¹⁰

真正独特的地方在于第二个层面：同一部电影在每位学生的屏幕上播放时，下方都配着他自己的母语字幕行。在一个同时坐着阿拉伯语、乌克兰语、提格雷尼亚语和波兰语学生的班级里——这是任何融合课程班级的常态——全班一起观看同一部德语电影，而每个孩子下方都有一座属于自己的母语脚手架。在实体教室里，这是不可能实现的；没有哪位老师能同时用四种语言在学生耳边轻声翻译。而在平台上，这只是一行配置代码：多语引擎将目标语、母语和界面语言拆分为三条相互独立的维度。¹¹ 这就是作为基础设施的超语实践：全班共享同一个学习客体与同一门目标语——同时每个人又都保留着自己的理解工具。

那么教师呢？教师没有被替代，而是被解放了——从机器能够胜任的那部分工作（同时用四种语言保障基本理解）中解脱出来，去专注于只有人类教师才能做到的事：挑选材料、阐释深意、给予鼓励、在电影结束后主持讨论、布置能将所见所闻转化为语言产出的任务。教育学研究有力地支持这种分工：在哈蒂（Hattie）著名的元分析综合研究中，师生关系质量位居影响学习成就的最强因素之列——因此，机器省下来归还给师生关系互动的每一分钟，都是投资在了课堂教学最有效的变量上。¹² 任何试图让教师变得多余的工具，在教育学上都是设计错误的：脚手架原则本身就需要那位懂得何时扶一把、何时放开手的引导者。¹³

出于诚实原则，此处还应写明一项已明确标示为未来意向的规划：长远来看，教学实践应当反过来参与平台的共同开发——教师们可以参照参与式行动研究的模式，反馈某处不够准确的点击释义，或将一首译得精彩的歌词提交到公共曲库中。¹⁴ 这一反馈闭环目前尚未建成；它作为构建蓝图写在这里，而非既成事实的宣称。

7.5 课堂还缺少什么

一间能够一起看电影、一起唱歌的课堂已经拥有了很多东西——但它还缺少一样源自班级内部的材料。到目前为止，所有材料的流向都是单向的：从平台目录流向学习群体。而整个理念中密度最高的核心模块，将把这个流向反转过来：它把学习者自己带来的东西——他们故乡的歌曲——变成课堂教材，并让学习者自己成为讲解这些材料的人。在这个过程中，在语言上、社交上和人性层面上会发生什么，正是下一章的主题——随着它的展开，本书也将抵达最核心的画龙点睛之处。

第8章 · Coro One Sky：用新语言唱响家乡的歌

8.1 这项练习

本章所探讨的这项练习可以用一句话概括：合唱团的一位成员带来一首自己家乡的歌；整个小组共同将它翻译成新语言；然后大家一起——用意大利语、用德语——合着原来的旋律把它唱出来。

不妨具体想象一下这个过程，才能看清其中蕴含的力量。一名叙利亚少年哼起了母亲常唱的那段旋律；他把阿拉伯语歌词写下来，逐行向小组成员解释它们的意思——解释它们真正的意思，因为词典里的字面释义对他来说远远不够。小组成员纷纷提出意大利语译法，推敲、舍弃、打磨：这一行配旋律太长了，这个词意境不对，这里的重音必须落在第二个音节上。遇到卡壳的地方，老师帮忙理顺语法。两个晚上之后，一段可以唱出来的意大利语诗节诞生了。接着，整个合唱团站起身来唱响这段歌词——而那个带来这首歌的少年，听到了二十个人用这门新语言唱出了他母亲曾用老语言唱过的歌。

在这项看似不起眼的练习里，本书此前铺陈的所有脉络汇聚到了同一个焦点上。值得把它的内在机制拆解开来看一看——其中包含五项机制，而每一项机制的实证依据都已在前面的章节中准备就绪。

8.2 五项机制

第一：旋律早已在脑海里。第5章结尾曾列出一份条件清单：当旋律简单、反复出现且本身无需额外学习时，歌曲就能承载文本记忆——拉塞特（Racette）之所以得出相反结论，恰恰是因为她的受试者必须同时应对新歌词和陌生的旋律。¹ 而家乡的歌则是完美满足这一条件的极致案例：旋律从童年时代起就已经深深印在脑海里，连同节奏、句长和重音模式——华莱士（Wallace）所描述的用来对文本进行“组块化”的整座旋律脚手架，早已现成地立在记忆之中。² 新的意大利语或德语词语，被直接挂进了一个古老、深植于心且饱含情感的结构里。在记忆研究领域，还没有比这更理想的外语存储空间。

第二：翻译是最深层的词汇加工。第4章指出了让一个词留存下来的三种成分：需要、检索、评估。³ 共同翻译歌词将这三者推向了极致。这里的“需要”不是教学法模拟出来的假想任务，而是真切的情感需求——这是我的歌，译文必须对味；“检索”贯穿于查词典、请教老师和小组讨论之中；而“评估”则是能想象到的最严格的标准：这个词不仅意思要准，还必须唱得出来——音节数、重音位置、元音音色都得合拍。每一行歌词都是一道群体形式的多选式旁注：生成不同版本、相互比较、果断取舍。⁴ 而且，最终定稿的歌词是整个小组自己创造出来的——记忆心理学中最稳健的发现之一“生成效应”（Generierungseffekt）恰恰指出：在所有测试形式中，自己生成的内容都比单纯阅读的内容记忆得更牢固。⁵

第三：角色发生了反转。在传统的语言课程里，难民在结构上始终处于“匮乏者”的位置——是那个缺少某种能力的人。而在这一练习中，在这首歌的时间里，他是教室里唯一的专家：只有他懂原文，只有他能拍板译文是否传神，老师和全组人都得仰仗他。第2章已证实会压低学习表现的外语焦虑，其根源正是受到威胁的自我形象——一个成年人听到自己说出像幼童一样笨拙的话。⁶ 而在这里发生的恰恰相反：在新语言还来不及表达能力之前，他的胜任感就已经先一步被所有人看见了。第6章提到的“Sing Up”研究为这一点提供了实证线索：良好的歌唱体验与积极的自我认知及归属感密切相关——作者们推测，其背后的核心机制正是亲身体验到的自我效能感。⁷

第四：融合首次实现了双向流动。同化逻辑说的是：把你的歌留在过去，来学我们的歌。而这项练习说的恰恰相反：你的歌值得在这门新语言里存在下去。原有的文化根脉没有被丢弃，而是被渡引了过来；新语言不再是母语文化的竞争对手，而是成了承载自身生命故事的新容器。这不是作为课堂小技巧的超语实践，而是字面意义上的超语实践：两种语言在同一段诗节上并肩工作。⁸ 与此同时，接收国社会也不再是高高在上的主考官，而是共同译者与合唱伙伴——本地人也在学习这首歌、了解歌曲背后的故事，认识身边这群一起唱歌的人。在本书所描述的所有形式中，这是唯一一种让本地居民反过来向初来乍到者学习的形式——融合从此不再是一条单行道。

恰恰是这种互动结构能够有效消除偏见，这绝非一厢情愿的美好寄托，而是社会心理学中经过最充分检验的结论之一。戈登·奥尔波特（Gordon Allport）的“接触假说”指出了群体间接触真正奏效的条件：情境中的平等地位与共同目标——而佩蒂格鲁和特罗普（Pettigrew/Tropp）涵盖五百多项研究的大型元分析证实：群体接触通常本就能降低偏见，但在满足奥尔波特条件时效果最为显著。⁹ 不妨将这两项条件与我们的练习对照阅读：角色反转确立了平等的地位，而打磨出一段能唱的诗节则是共同的目标。至于音乐在此之上带来的额外加持——共享的节奏、同步的呼吸，以及在翻译后的歌声中亲耳听到来自阿斯马拉的歌谣诉说着与本地歌谣同样的希望——在音乐认知学中被作为社会联结机制加以讨论；我们固然不能将其夸大为已获神经生物学证实的“偏见消除器”，但完全有理由将其视为接触条件的强力放大器。¹⁰

第五：最终的践行是无焦虑的。最后一步是大家一起歌唱——正如第6章所述，这是唯一一种从第一天起就能以零出丑风险进行新语言大声产出的形式，个人的声音安全地隐蔽在群体的和声之中。而且，翻译出来的歌不会唱过就散：它会进入小组成员的常备曲库，被一遍又一遍地唱响——第4章所说的偶然学习所必需的重复，就这样自然而然地内置其中，却从来不需要挂上“练习”的名号。

由此可见：这五项机制中没有哪一项是本书凭空发明的——旋律脚手架、加工深度、生成效应、自我效能感、焦虑降低，每一项都是各自独立证实、有些甚至已有数十年历史的经典发现。这项练习所做的，是将它们汇聚到了同一个形式之中。这正是它的力量所在——而且，坦诚地说，也是它在实证检验上的难点所在，本章最后一节将回到这一点。

8.3 叙事：为什么这一切需要一个故事

Pontivo 将这项练习——以及它背后的整套方法——讲述成了一个故事：Coro One Sky，一部关于一群来自不同国家的孩子在同一片天空下一起歌唱的漫画。有人或许会以为这只是外在的包装。但认知研究表明，它的意义远不止于此。¹¹

杰罗姆·布鲁纳（Jerome Bruner）——也就是第7章中“脚手架”这一形象的提出者之一——曾深刻指出，叙事性思维是人类理解世界的一种独特的、不可替代的模式：人们是通过故事，而不是通过带有真假值的逻辑命题来组织和理解社会现实的。¹² 马尔（Mar）和奥特利（Oatley）在此基础上发展出了一个系统的研究纲领：虚构叙事（Fiktion）起到的是社会世界的模拟（Simulation）功能——它通过抽象与凝练，让读者得以亲历自己未曾亲身经历过的社会体验。¹³ 对于语言教学法而言，还有一项更为实在的证据（它已在第2章中出现过）：斐济的“书海”实验正是靠故事书奏效的；此后的广泛阅读（Extensive Reading）研究传统也一再证明，叙事性的、自主选择的、轻松易读的读物——其中明确包括漫画——能够有力地承载语言习得，因为在练习题需要靠外力去“推”读者的地方，故事会自然而然地“拉”着读者往下走。¹⁴

因此，在整个教育理念中，这部叙事作品承担了三项任务。首先，它为教学方法提供了具体的人物与先后顺序：读过漫画的人，会看到漫画里的孩子们正在经历这项练习所要求的一切——初来乍到的陌生感、第一次跟着大家开口唱歌、拿出自己的家乡歌——从而心里清楚接下来会发生什么；无论是对孩子，还是对第一次尝试这种形式的教师来说，可预期性都是极佳的理解辅助。其次，它提供了目标语的轻松读物，在字面意义上实现了双重编码——画面配文字——成为整个平台上门槛最低的输入形式。最后，它让这套方法变得易于传述：一所学校、一场家长会、一位合唱团指挥，理解“同一片天空下的合唱团”的速度，远快于理解任何一份学术假说清单。

这里同样需要划清诚实的边界：关于叙事作用的实证依据来自阅读与虚构文学研究；至于一部平台内置漫画能否实现这些功能，属于理论迁移，而非直接证明。¹⁵ 这部漫画是整个理念中最难量化测量的部分——但同时也是成本最低的部分：它不占用任何课堂时间，也不与任何其他模块争抢资源。只要把假设明确标示为假设，这种投入极小而潜在收益合理的尝试是完全值得去做的。

8.4 审慎保护原则——以及那一项最大的假设

恰恰因为本章是全书最富感染力的一章，在章节结束时，必须把两件事清清楚楚地写在这里。

第一件事是一条保护原则。家乡的歌从来不是冷冰冰的中性材料：它们身上维系着童年、家庭，有时甚至是失落与更深沉的创伤。任何一种邀请人们把内心深处的记忆拿出来当作课堂教材的形式，都必须将“自愿”确立为一条不可逾越的硬性原则——唱谁的歌，完全由这首歌的主人自己决定；（暂时）不想拿出歌曲的人，跟着大家一起唱别人的歌就好，这绝不是什么缺陷。而且，绝不能把任何人强行册封为“他那种文化的代表”：那个叙利亚少年带来的是他自己的一首歌，而不是“叙利亚音乐”。尊重与展览猎奇之间的界限非常微妙，而划分这条界限的准绳就在于决定权归谁：归歌唱者本人，而不归教学形式。¹⁶

第二件事是对证据现状的坦诚盘点，不作任何护短的粉饰：这五项机制各自都有独立的实证支撑；但它们在这一形式中的组合效应尚未得到实证检验。据本书所知，将共同翻译家乡歌曲作为一种综合性的语言学习与社会融合形式，目前在学术界尚无实证研究——它是整个理念最核心的设计假设，拥有最深厚的理论论证根基，同时直接实证证据也最为单薄。¹⁷ 一个自称严肃科学的教育理念，对待这种情况只有一种诚实的态度：点明这项假设、控制投入成本、规划测量方案。究竟应该测量什么——以及这套理念总体上能做到什么、不能做到什么——这就是最后一章的主题。

第9章 · 三个课堂与一份诚实的议程

9.1 三个课堂

本书前面展开的一切，最终汇聚在 Pontivo 为之构建的三个具体学习场景之中——而支撑这三个场景的，是同一台多语引擎。

第一个课堂设在德国：难民学习德语。晚间电影——一部德语原声纪录片——配有德语目标语字幕轨和每位学员各自的母语字幕行；遇到卡壳的地方，点击释义随时解答；每周一次，小组聚在一起唱歌，并不定期地将一首来自阿勒颇、赫尔松或阿斯马拉的歌送进第8章所说的翻译工坊。第二个课堂设在意大利，它与第一个课堂只在一个坐标轴的设置上有所不同：难民学习意大利语——这里的合唱团名叫 One Sky，也就是那部同名漫画的原型场景。第三个课堂则是本书开篇提到的博洛尼亚高中班级：意大利青少年学习英语——依然是同样的双轨字幕，只不过下方变成了意大利语，而播放器里放的正是那部此前在课堂上因为没有配音版而看不下去的英文纪录片。

三种截然不同的现实处境——充满生存压力的社会融合、初抵接收国的语言适应、富裕社会里的学校外语教育——竟然可以用同一台引擎来服务，这绝非一句营销噱头，而是语言习得理论的必然推论：既然人类的语言习得在任何地方都遵循相同的条件——可理解的输入、记忆锚定、低焦虑环境——那么不同场景之间的差异就仅仅在于三条坐标轴的设置：哪门语言是目标语、哪门语言充当脚手架、由谁来引导这个群体。¹

因此，这三个课堂也绝非一份封闭的清单。行政管理部门习惯于把移民划分进不同的格子里——这边叫“外籍专业人士”（Expats），那边叫“难民”——在传统的学习环境里，这两群人永远不会产生交集。然而在认知层面上，坐在跨国公司办公室里的爱尔兰女工程师与第8章里的叙利亚少年经历着完全相同的困境：失去语言自主权的无力感、长期听不懂别人说话的精疲力竭，以及在陌生环境中重新安放自我的艰巨任务。对于本书所阐述的习得条件而言，居留许可的类型根本不是一个变量；支撑融合课程的那套坐标轴设置，同样支撑着国际专业人士及其家庭。而且，它同样支撑着早已像融合班一样高度多语化的普通公立学校课堂：在母语背景各异的班级里一起看电影、一起唱歌，不设置任何认知准入门槛——它让孩子们在被考试分数分成三六九等之前，先作为一个共同体一起行动。这一源于难民迫切需求的构想，在任何一个环节上都不只是为难民而建的。

9.2 一年后的阿玛尔——一项假说

写到这里，人们很容易禁不住诱惑，给全书开篇的场景写一个圆满的结局：经过一年晚间看片与合唱团排练的阿玛尔，再次站在同一个超市收银台前——这一次，她从容地回答了收银员。本书不会完全顺从这种诱惑，因为这一幕并不是既成事实，而恰恰是有待我们去诚实检验的假说。我们现在能够说的，比这更克制，但也更扎实：经过这样的一年，阿玛尔已经听懂了几百个小时真实鲜活的德语——她接触到的日常口语数量，远超六百个课时的传统课程所能容纳的上限；她的脑海里已经备好了几十句随时可以脱口而出的地道表达，因为她唱过这些句子；而且她不再孤身一人：当你和一群人并肩唱了一整年歌之后，他们就不再是会让你紧张得说不出话来的陌生人了。至于这一切是否足以让她在听到“„Sammeln Se Punkte?" — 您集点吗？”时立刻听懂并笑着摇摇头说“不用了”，现在还没有人知道——暂时还没有人知道。与第1章那个课程体系相比，这里的区别不在于许下了更动听的诺言；区别在于，这里的条件是对的——而且我们能够测量结果，也愿意接受测量。

9.3 这套方法做不到什么

在此之前，必须先把局限性摆在最前面——而且是根本性的局限，不是修修补补就能掩盖的表面瑕疵。

这套方法本身造就不出流利的对话者。为本书奠定基础的习得研究有一个明显的薄弱点，第2章已经明确点出过：理解是必要的，但很可能是不充分的。互动研究与输出研究早已表明，学习者自己自由组织的口语表达——在对话中协商意义、为了造出自己的句子而绞尽脑汁——具有任何输入都无法替代的独特功能。² 在语言产出方面，Pontivo 仅覆盖了歌唱这一部分——那是一种逐字逐句、受保护的产出，虽然宝贵但边界有限。自由的交谈要么发生在平台之外，要么就根本不会发生；促成自由交谈的任务，依然掌握在教师、语伴和真实的人际交往手中。任何把这套方法当成语言教学的完全替代品来兜售的人，根本没有读懂这本书。

这套方法以具备读写能力为前提。作为第II部分核心构件的双轨字幕，本质上是文字。对于不会读写或几乎无法阅读的人——而在融合课程里，确实坐着从未受过读写教育或使用另一套文字系统的学员——本书中证据最充分的这一机制恰恰无法发挥作用。³ 对于这部分学习者，平台剩下的只有声音、画面与歌曲；单靠这些是否足够，目前尚无定论。因为这一局限恰恰涉及最脆弱的群体，如果对此讳莫如深，那将是极不负责任的。

这套方法受制于版权。真实的电影是他人的财产；什么内容可以播放、可以配字幕、可以点击释义，说了算的是版权许可，而不是教学法专家。版权来源限制了片库规模，任何建立在“海量”基础上的理念都必须将这种依赖性作为运营风险来管理——下一节将专门展开这一局限以及突围之道。

点击释义可能会给出错解。机器生成的词汇旁注背负着一项质量债务（见第4章）：在对照专业参考资料进行抽样核验之前，每一条生成的解释都只是一句尚未兑现证据的小小承诺。

而且教师依然无可替代。布置任务、引导对话、给予鼓励、决定何时拆掉脚手架——平台可以为这一切提供框架，却无法代劳（见第7章）。如果有人把它误解为削减师资开支的省钱工具，那它在教育学上就被彻底用错了地方。

9.4 版权悖论与歌曲捐赠

第 9.3 节提到的局限中，有一条值得单独设节探讨，因为它不是认知层面的局限，而是法律层面的局限——而且它是可以通过制度设计来化解的。诚然，著作权法为课堂教学设有权利限制（法定许可）条款：德国《著作权法》（UrhG）§ 60a 允许教育机构出于非商业目的使用已发表作品不超过 15 % 的篇幅，对于篇幅微小的作品（Werke geringen Umfangs）——通常包括单首歌曲的歌词——甚至允许完整使用。但这一豁免条款有两个致命的局限（Haken），而且每一条都正中本理念的要害。第一，它赋予豁免特权的对象是教育机构本身——中小学、高校、职业教育与继续教育机构——而不是数字平台：Pontivo 无法援引 § 60a 来构建自己的公共曲库或片库；受到法律豁免保护的，仅仅是教育机构在其自身课堂教学中的使用行为。第二，法律偏偏把乐谱排除在了豁免范围之外：音乐作品的图形记录（乐谱）即便在课堂教学中，未经许可也不得复制。⁴ 然而，一种依靠沉浸于完整作品——整部电影、整首歌曲——而存活的教学方法，靠百分之十五的碎片是寸步难行的。这就是语言教育领域的“版权悖论”：恰恰是那些在语言上和情感上最有支撑力的材料，在教学空间里却最难合法、安全地使用。

因此，出路不在于依赖法定豁免条款，而在于获取授权许可——这意味着必须穿过国际著作权集体管理组织的复杂网络：在德国是 GEMA 以及负责乐谱和歌词的 VG Musikedition，在奥地利是 AKM，在瑞士是 SUISA，此外还有法国的 SACEM、英国的 PRS、美国的 ASCAP 及其各国姊妹机构。这些机构的费率体系在历史上是为广播电视、商业演出和传统纸质教科书量身定制的，而不是为需要完整作品的受保护数字化学习空间设计的。⁵ 目前已浮现出两条突围路径。第一，公共广播机构及受公共资金资助的电视台可以为封闭式学习环境授予教育使用许可——这本就契合其公共服务使命，而第3章汇总的字幕研究实证更为此提供了现成的科学依据。第二，针对歌曲，本理念建立了一套互惠模式，即歌曲捐赠（Lieder-Spende）：音乐人、乐队和合唱团将配有 ChordPro 和弦谱的歌本作为自身排练和舞台演出的实用工具；作为回报，版权持有人可以通过直接许可的方式，将自己的个别作品开放给教学空间使用。如此一来，版权障碍就转化为了一种互惠交换关系——完全自愿、有据可查、随时可撤回。至于这条路能否走通，最终不取决于理念本身，而取决于一份份具体的合同；这也是本章坦诚盘点的一部分。

9.5 测量清单

一个自称科学的理念，应当自己说出它在什么情况下会被证伪。以下清单按影响程度排序：排在最上面的，是决定整个理念成败的核心假设。

1. 双轨字幕。使用同步目标语与母语双行字幕的初学者，其学习成效是否可测量地优于单语字幕——而且是以数月而非数分钟为周期？（设计方案：实地对照组实验；进行词汇与听力理解测试；第3章的短视频研究只是起点，不是最终答案。）

2. 合唱对留存率的效应。合唱模块能否降低语言焦虑，并提高归属感与学习坚持率？（现成测量工具：外语焦虑量表 FLCAS、群体亲近度量表，以及最直观的退课率指标——第6章提出的二阶逻辑链由此变得可检验。⁶）

3. 家乡歌翻译模式。来自共同翻译歌曲的词语，是否比电影语料库中同等词频的词语记忆得更牢固？献歌者的主观自我效能感是否有所提升？（针对每个合唱小组开展小型前后测设计；检验第8章的核心假设。）

4. 歌唱词句的留存。唱过的固定表达在数周之后是否依然能够提取出来，而同期听过的表达已经褪色？（将第5章的实验室发现放到真实教学现场的尺度上进行检验。）

5. 点击旁注。对照专业参考资料对机器生成的释义进行抽样审计（统计错误率与错误类型）；同时测量点击过的词与未点击过的词的记忆留存率，并检验“心流打断问题”——点击频率超过什么阈值时，看片之夜会退化为查词典的苦差事？

6. 每观看小时的词汇增长量，作为常态化基础指标（沿着实际观看过的视频内容进行抽样词汇测试），用真实数据来检验第4章关于偶然学习的理论预期。

7. 漫画：是否有人阅读、读者是谁，阅读漫画发生在启用其他模块之前还是之后？（纯粹的使用行为测量——受限于现有证据基础，目前只能做到这一步，见第8章。）

这份清单里没有任何稀奇古怪的项目；每一行都可以利用平台自带的数据工具和学界通用的标准量表来完成。它唯一要求的，是一样东西：愿意接受测量的诚意——哪怕要冒着某项假设被证伪的风险。按照本丛书的标准，假设被证伪并不是污点；把未经证实的假设藏着掖着不点明，才是污点。

9.6 思想谱系

全书最后，做一次本丛书每一部著作都应对自己进行的清点：这里面有哪些是借自前人的，又有哪些是属于自己的？

几乎所有基石都是借来的，而且是有意为之。“习得”与“学得”的区分以及两大习得条件，借自克拉申及其后续研究；记忆的双通道架构，借自佩维奥与梅耶；关于字幕的实证证据，借自范德普兰克、鲁汶大学的元分析以及近年来的双轨字幕研究；关于词汇旁注与投入量的发现，借自内申（Nation）、劳弗、许尔斯泰因以及柳泽（Yanagisawa）等人的元分析；关于歌唱记忆的发现，借自华莱士、舍恩和卢德克，连同拉塞特与佩雷茨带来的清醒审视；“破冰效应”借自皮尔斯（Pearce）、劳奈（Launay）与邓巴；脚手架与最近发展区，借自维果茨基、伍德、布鲁纳与罗斯；为母语正名的理念，借自布茨卡姆与超语实践研究；叙事理论，借自布鲁纳、马尔与奥特利；内在动机与心理安全感，借自德西、瑞安、契克森米哈伊与埃德蒙森；接触假说，则借自奥尔波特、佩蒂格鲁与特罗普。⁷

属于本书原创的有三样东西。第一是整合：将这些分散的研究脉络融汇进同一套架构——以电影作为输入、以歌曲作为锚点、以群体作为降滤器——并装入同一台用相同坐标轴服务全部三个场景的多语引擎之中。第二是将家乡歌翻译模式作为各项脉络交汇的核心练习；它的各个构件来自前人，但据我们所知，这种组合方式是全新的。第三是将记忆锚点（Merk-Anker）确立为检验框架：用这三个问题去审视任何学习环境——包括审视 Pontivo 自身未来的每一个版本。

最后，不妨把这个检验框架应用到本书自己身上。可理解？本书将正文主线写给没有语言学专业背景的普通读者看，而将学术深度安放在注释里；至于这一点是否做到了，由阅读本书的合唱团指挥和一线教师们说了算。有锚定？凡是条件允许的地方，本书都尽可能通过具体场景而非抽象概念来讲述——通过收银台前的一位女性，通过一个听见二十个人唱响自己家乡歌谣的少年。有联结？本书以开放获取的形式出版，任何人均可免费阅读，出版它的是一家不把知识锁在付费墙后面的出版社——而且它公开邀请读者进行反驳与证伪：每一个数字都标明了文献出处，每一项假设都写清了名字。

全书开篇是一位明明持有证书、却只能沉默付款的女性。这本书并没有许诺说她明天就能开口健谈。这本书所展示的，是人类在什么条件下才会开始开口说话——并描述了一件旨在创造这些条件的工具，连同一份它必须据此接受检验的测量清单。剩下的事情，就不再是理论了。剩下的事情，是某个周二晚上的社区活动室，是一部配有两行字幕的电影，还有一首某个人从家乡带来的歌。