Cuatro tradiciones de investigación dicen explicar cómo aprende a hablar la gente. Escribimos primero cinco pruebas y solo después preguntamos qué afirmaciones las superan.
Los consejos para aprender idiomas llegan en 2026 en forma de eslóganes. Mira suficiente televisión en el idioma y el habla llegará sola. Busca un compañero en internet, cambia media hora de tu idioma por media hora del suyo y la fluidez vendrá después. Contrata a un tutor. Habla con una IA. Cada eslogan toma prestada la autoridad de un cuerpo de investigación, y cada uno es más o menos medio verdad, que es la proporción más peligrosa que puede tener un eslogan.
La investigación que hay detrás es real y, en algunos puntos, muy buena. También tiene cuarenta años de profundidad, está escrita sobre todo para otros investigadores y se hizo con estudiantes que rara vez se parecen al adulto con un móvil, un trabajo y veinte minutos libres que de verdad lee artículos como este. La distancia entre lo que mostró un estudio y lo que una página comercial dice que mostró es el lugar donde se toman la mayoría de las malas decisiones sobre la práctica oral.
Por eso este análisis hace algo poco de moda. No empieza con una conclusión para luego buscarle citas. Escribe primero las pruebas, en la sección siguiente, y después hace pasar por ellas a cada tradición: el input comprensible, la hipótesis del output, la hipótesis de la interacción, el trabajo de medición de la fluidez, la literatura sobre tándem e intercambio de conversación y, por último, lo que se sabe y lo que no sobre los tutores de conversación, humanos y artificiales. El veredicto final es lo que sobreviva.
Una afirmación sobre el habla tiene que superar cinco obstáculos antes de que la tratemos como consejo. Los fijamos antes de releer la literatura que aparece abajo y los aplicamos igual a todas las tradiciones, también a aquellas cuyas conclusiones nos gustan.
Cada tradición recibe una puntuación editorial: el número de pruebas que cumple su mejor evidencia disponible para una afirmación sobre el habla, de cero a cinco. Es nuestro juicio, no una estadística, y las pruebas no pesan lo mismo. Lo decimos aquí para que la tabla de más abajo se lea como el resumen de un argumento y no como una medición.
La hipótesis del input de Stephen Krashen es la idea más citada del campo y la que con más frecuencia se cita por encima de su evidencia. En Principles and Practice in Second Language Acquisition (1982) y The Input Hypothesis (1985), Krashen sostuvo que las personas adquieren una lengua de una única manera: entendiendo mensajes situados un poco por encima de su nivel actual, lo que él escribió como i+1. Hablar, según este planteamiento, es resultado de la adquisición, no su causa. "Emerge" cuando se ha absorbido suficiente input comprensible, y el estudio consciente de las reglas sirve sobre todo como corrector, el Monitor, que revisa lo que se dice cuando hay tiempo para pensar.
La idea fue enormemente fecunda y sigue siendo la raíz intelectual del movimiento actual del input comprensible, desde las lecturas graduadas hasta los canales de YouTube que cuentan historias en un español lento y lleno de gestos. Sus críticos llegaron pronto y fueron concretos. El artículo de Kevin Gregg de 1984 en Applied Linguistics y el libro de Barry McLaughlin de 1987, Theories of Second-Language Learning, plantearon la misma objeción central: los términos clave nunca se definieron de una forma que pudiera medirse. Nadie puede decir de antemano cuál es el i+1 de un estudiante concreto, así que cualquier fracaso en la adquisición puede explicarse después como input que no era lo bastante comprensible. Una hipótesis que no puede perder tampoco puede ganar de verdad.
Pasada por nuestras pruebas, la tradición del input se divide limpiamente en dos. La afirmación débil, que hace falta muchísimo input entendido, es tan segura como casi cualquier cosa en el campo. El estudio de "inundación de libros" de Warwick Elley y Francis Mangubhai en escuelas de Fiyi a principios de los años ochenta, la larga serie de investigación sobre lectura extensiva que Paul Nation y otros han sintetizado y la experiencia corriente apuntan en la misma dirección. Nadie aprende a hablar una lengua que apenas ha oído. La afirmación fuerte, que el input basta y el habla llegará sola, es donde se acaba la evidencia. Falla en la primera prueba casi en todas partes: los estudios que la respaldan miden de forma abrumadora comprensión, vocabulario o lectura, no habla cronometrada y evaluada.
La evidencia más incómoda contra la afirmación fuerte salió del entorno favorito del propio bando del input. Los programas canadienses de inmersión en francés ofrecieron durante años un input rico, significativo y comprensible. Ahí empezó la siguiente tradición.
Merrill Swain pasó años estudiando a esos alumnos canadienses de inmersión. En un capítulo de 1985, "Communicative competence: some roles of comprehensible input and comprehensible output in its development", describió un patrón que la hipótesis del input no predecía. Tras miles de horas de francés, entendían el francés muy bien, a menudo cerca de sus compañeros nativos, mientras que su francés hablado y escrito seguía siendo notablemente menos preciso. Habían recibido input durante años. Lo que rara vez se les había pedido era producir lenguaje extenso y preciso.
La hipótesis del output de Swain proponía que producir lengua hace un trabajo que entender no puede hacer. En trabajos posteriores, sobre todo en un capítulo de 1995, expuso tres funciones. Hablar hace que el estudiante note la distancia entre lo que quiere decir y lo que puede decir. Le permite poner a prueba hipótesis sobre cómo funciona la lengua, diciendo algo y viendo si funciona. Y le obliga a reflexionar sobre la forma de un modo que la comprensión, que puede apoyarse en el contexto y saltarse la gramática, nunca exige. La palabra clave de su planteamiento es forzado: un output que estira a quien habla, no una charla dentro de un margen cómodo.
Según nuestras pruebas, la tradición del output es persuasiva pero escasa de potencia. Su observación fundacional es la descripción de una cohorte y no una comparación (prueba dos), con niños y adolescentes en escuelas de inmersión (prueba cuatro). Trabajos experimentales posteriores sobre la percepción de la forma y las tareas de output sí añadieron grupos de comparación, pero la mayoría son breves, en aulas o laboratorios, y miden resultados escritos o gramaticales con más frecuencia que el habla fluida. Lo que sobrevive es una afirmación más estrecha que defenderíamos: verse obligado a producir un poco más allá de la zona de confort deja al descubierto huecos que la escucha cómoda oculta. Es buena evidencia para un hábito de práctica y evidencia más débil sobre cuántas horas vale ese hábito.
La hipótesis de la interacción de Michael Long, desarrollada a partir de su trabajo de principios de los años ochenta y reformulada en un capítulo de manual muy citado de 1996, se sitúa entre las otras dos. El input importa, sostenía Long, pero el que más importa es el que se recibe cuando una conversación se tuerce y hay que repararla. Cuando un oyente no entiende y pregunta "¿que fuiste adónde?", el hablante reformula, el oyente recibe un modelo más claro y la atención cae justo sobre el trozo de lengua que causó el problema. Long lo llamó negociación del significado, y los movimientos correctivos que la acompañan, como las reformulaciones, las peticiones de aclaración y las comprobaciones de confirmación, se convirtieron en uno de los temas más estudiados de la adquisición de segundas lenguas.
Según nuestras pruebas, esta es la tradición con mejor rastro documental. El metaanálisis de Alison Mackey y Jaemyung Goo de 2007 sobre la investigación en interacción concluyó que la interacción favorecía la adquisición de forma fiable y que el beneficio seguía siendo visible en las pruebas diferidas. Metaanálisis independientes sobre la retroalimentación correctiva oral, de Roy Lyster y Kazuya Saito en 2010 y de Shaofeng Li ese mismo año, llegaron también a conclusiones en general positivas, con efectos que variaban según el contexto y el tipo de retroalimentación. Esas síntesis nos dan comparaciones, pruebas diferidas y magnitudes, es decir, tres pruebas cumplidas con claridad.
Dos complicaciones le impiden un pleno. Primero, muchas de las medidas de resultado de esos estudios son pruebas dirigidas a formas concretas, no valoraciones globales de la fluidez con que alguien habla, así que la prueba uno solo se cumple en parte. Segundo, el tipo de retroalimentación importa más de lo que sugiere el eslogan. El estudio de aula de Lyster y Leila Ranta de 1997 encontró que las reformulaciones, en las que el profesor simplemente repite bien la frase del estudiante, eran con mucho la corrección más común y de las que menos probabilidades tenían de producir una respuesta visible del estudiante. En sus datos funcionaba mejor la retroalimentación que hacía que el estudiante hiciera la reparación. "Conversación con corrección" está respaldada. "Conversación con alguien que lo dice bien en voz baja" lo está mucho menos.
Todas las aplicaciones de esta categoría muestran ya una puntuación de fluidez, y casi ninguna dice qué se está midiendo. La investigación es más clara que los paneles. Norman Segalowitz, en Cognitive Bases of Second Language Fluency (2010), trazó una distinción que se ha vuelto estándar: la fluidez cognitiva, con qué eficiencia planifica y ensambla el habla quien habla; la fluidez del enunciado, los rasgos medibles del habla misma; y la fluidez percibida, la impresión que se forma quien escucha. Están relacionadas pero no son lo mismo, y confundirlas es la manera en que los productos acaban premiando la conducta equivocada.
La fluidez del enunciado tiene a su vez partes. El trabajo de Peter Skehan y Parvaneh Tavakoli separó velocidad, ruptura y reparación: lo rápido que se habla, con qué frecuencia y dónde se hacen pausas, y con qué frecuencia se vuelve a empezar o uno se autocorrige. Judit Kormos y Mariann Dénes encontraron en 2004 que medidas como la velocidad de habla, la longitud media de los tramos y la proporción de tiempo realmente hablando seguían los juicios de fluidez de los oyentes mejor que otros recuentos. Y Nivja de Jong y sus colegas en los Países Bajos mostraron algo que todo diseñador de producto debería leer: una buena parte de la variación en las medidas de fluidez en la segunda lengua refleja cómo habla esa misma persona en su primera lengua. Quien en neerlandés habla de forma pausada y con silencios lo hace también en inglés, y eso es estilo personal, no un déficit.
| Medida | Vertiente | Qué recoge | Cómo puede engañar una sola puntuación |
|---|---|---|---|
| Velocidad de habla | Velocidad | Sílabas por minuto, pausas incluidas | Premia las prisas; ignora si lo dicho estaba bien |
| Longitud media de tramo | Velocidad y ruptura | Sílabas medias entre pausas | Los tramos cortos pueden reflejar hábitos de la primera lengua |
| Lugar de la pausa | Ruptura | Si las pausas caen dentro de una oración o entre oraciones | Casi nunca se mide, aunque es lo más revelador |
| Proporción de fonación | Ruptura | Parte del tiempo realmente hablando | Las muletillas pueden subirla sin mejorar nada |
| Reparaciones y reinicios | Reparación | Autocorrecciones, arranques fallidos, repeticiones | Parte de la reparación indica control, que es buena señal |
| Valoración del oyente | Fluidez percibida | Lo fluida que suena el habla a quien escucha | Depende de la formación y las expectativas del oyente |
La consecuencia práctica es una prueba que se puede aplicar a cualquier producto. Un número de "fluidez" que sube porque hablas más rápido puede estar enseñándote simplemente a ir con prisas. Un número que nunca tiene en cuenta tu punto de partida penalizará de por vida a los hablantes tranquilos. Y un número que ignora dónde caen las pausas pasa por alto la señal más reveladora de todas, porque una pausa en mitad de una frase suena a esfuerzo y una pausa entre oraciones no. El trabajo sobre fluidez tiene además una tradición práctica detrás: la actividad 4/3/2 de Paul Nation, en la que alguien cuenta la misma historia a tres oyentes en cuatro, luego tres y luego dos minutos, se diseñó para empujar la velocidad sobre material ya conocido. La repetición bajo una presión de tiempo creciente es lo más parecido a un ejercicio de fluidez que ofrece la literatura.
El intercambio de conversación tiene una teoría mejor de lo que la mayoría cree y una evidencia más débil de lo que suponen sus usuarios. La tradición europea del tándem, asociada a Helmut Brammerts y a David Little en Dublín, descansa en dos principios: reciprocidad, es decir, que cada parte se beneficie por igual, y autonomía del aprendiz, es decir, que cada uno se responsabilice de su propio aprendizaje. En los programas universitarios donde se desarrolló, el aprendizaje en tándem venía con estructura: diarios de aprendizaje, objetivos acordados, a veces un asesor que se reunía con la pareja y una separación clara entre las dos lenguas.
La investigación sobre ese modelo es sobre todo cualitativa. Hay estudios de caso detallados sobre cómo negocian las parejas, cómo se corrigen y cómo se desarrolla la autonomía, entre ellos el análisis de Breffni O'Rourke sobre los episodios centrados en la forma en intercambios en tándem en línea. Esos estudios son valiosos por lo que describen. Frente a nuestras pruebas, sin embargo, rara vez incluyen un grupo de comparación, rara vez miden el rendimiento oral con una evaluación externa y casi siempre se sitúan entre estudiantes universitarios dentro de programas organizados. Dos desconocidos emparejados por una aplicación a las once de la noche no son la población que esos estudios observaron.
El ángulo nuevo que añadiríamos tiene que ver con la selección. Quienes siguen en un intercambio durante meses no son una muestra aleatoria de quienes empiezan uno. Las parejas que siguen viéndose son, casi por definición, las que encontraron el acuerdo agradable, compatible y cómodo, y los acuerdos agradables pueden ser justo los que tienen menos fricción, es decir, menos negociación del significado. Así que hasta los testimonios entusiastas llevan un sesgo incorporado: proceden de supervivientes de un formato de cuyos abandonos nunca sabemos nada. No creemos que el intercambio sea inútil. Creemos que no está medido y que su valor probablemente depende justo de la estructura (objetivos, diarios, corrección deliberada) que las aplicaciones de intercambio para el gran público dejan fuera.
Aplicaciones como Tandem y HelloTalk son útiles para obtener input auténtico e imprevisible y para conocer gente. La evidencia todavía no nos dice que desarrollen la capacidad de hablar a ningún ritmo concreto.
Los tutores de conversación de pago, en plataformas como italki o en persona, heredan el argumento de investigación más sólido de todos los formatos aquí, siempre que hagan de verdad lo que describe la literatura sobre interacción. Un tutor que negocia el significado, que te lleva a reparar tus propios errores en lugar de limitarse a reformularlos y que empuja tu output un poco más allá de la comodidad está aplicando los hallazgos mejor respaldados del campo. Un tutor que charla amablemente durante una hora y deja pasarlo todo no aplica ninguno. El formato no garantiza el método.
La apelación habitual al hallazgo de los "dos sigmas" de Benjamin Bloom, de 1984, según el cual la tutoría individual superaba a la enseñanza en clase en dos desviaciones típicas, debe manejarse con cuidado. Procede de asignaturas escolares generales, no del aprendizaje de idiomas, en condiciones de aprendizaje para el dominio, y revisiones posteriores han puesto en duda que efectos tan grandes se repliquen. Es una razón para tomarse en serio la tutoría, no una cifra para citar.
Los tutores de conversación con IA son los recién llegados y los menos estudiados. La investigación sobre sistemas de diálogo hablado y entrenamiento de la pronunciación asistido por ordenador se remonta a décadas, pero los interlocutores basados en grandes modelos de lenguaje que hoy están en todos los móviles tienen solo unos pocos años, y los estudios independientes y controlados, con pruebas diferidas, sobre productos comerciales concretos siguen siendo escasos en 2026. Según nuestras pruebas, la puntuación honesta de los "tutores de IA" como categoría es baja, no porque fallen, sino porque las pruebas aún no se han hecho. Lo que sí puede decirse es más acotado: un tutor de IA puede ofrecer los ingredientes que respalda la literatura sobre interacción y output, con un volumen que ninguna agenda humana permite, si está diseñado para ello. Si un producto concreto está diseñado así es una cuestión de su comportamiento, y el comportamiento se puede comprobar.
Esta es la mejor evidencia disponible de cada tradición para una afirmación sobre el habla, frente a las cinco pruebas. Las puntuaciones resumen el argumento anterior; son nuestro juicio editorial, no datos de ningún estudio.
| Afirmación | Mejor tipo de evidencia | Pruebas cumplidas | Qué respalda | Qué no |
|---|---|---|---|---|
| La interacción con reparación provocada desarrolla el habla | Metaanálisis de interacción y retroalimentación oral | 4 de 5 | Conversación en la que los errores vuelven para corregirlos | Que cualquier charla baste |
| Hace falta mucho input entendido | Estudios de lectura y escucha extensivas | 3 de 5 | Input diario algo por encima del nivel | Que el habla llegue sola |
| La repetición con presión de tiempo desarrolla la fluidez | Estudios de aula sobre 4/3/2 y repetición de tareas | 3 de 5 | Volver a contar material conocido más rápido | Mejoras en temas nuevos sin ensayar |
| El output forzado revela huecos | Cohortes de inmersión y experimentos sobre la percepción de la forma | 2 de 5 | Hablar un poco más allá de la comodidad | Cuántas horas vale eso |
| El intercambio informal desarrolla el habla | Estudios de caso cualitativos de tándem | 1 de 5 | Exposición, cultura, motivación | Mejoras orales medidas |
| Los tutores comerciales de IA desarrollan el habla | Estudios iniciales e informes de proveedores | 1 de 5 | Entrega de ingredientes respaldados a gran volumen | Resultados por producto, todavía |
| Valoración editorial de la evidencia: pruebas cumplidas de 5 | |
|---|---|
| Interacción con reparación | 4 |
| Input como necesario | 3 |
| Repetición cronometrada | 3 |
| Output forzado | 2 |
| Intercambio informal | 1 |
| Tutores de IA (categoría) | 1 |
Hay dos lecturas de esta tabla que importan más que la clasificación. Primero, el ingrediente mejor respaldado, la interacción con una retroalimentación que obliga al estudiante a reparar, no pertenece a ningún formato concreto. Los tutores pueden ofrecerlo, los compañeros de intercambio lo hacen de vez en cuando y un software bien diseñado también puede. Segundo, los eslóganes que dominan las redes sociales, "solo escucha" y "solo habla con nativos", se apoyan en las dos afirmaciones fuertes más débiles del tablero. Las versiones débiles de ambas están bien. Es la palabra "solo" la que la evidencia no respalda.
Si tomamos solo las afirmaciones que superaron la mayoría de las pruebas, una rutina defendible se parece menos a un método concreto y más a las cuatro vertientes de Paul Nation: input centrado en el significado, output centrado en el significado, aprendizaje centrado en la lengua y desarrollo de la fluidez, con un tiempo más o menos igual para cada una. Nation propuso ese equilibrio como principio de diseño de cursos, no como resultado de un único experimento, y así lo tratamos. Es útil porque cada vertiente corresponde a una de las tradiciones anteriores.
El obstáculo con el que tropieza la mayoría no es conocer este plan. Son la segunda y la cuarta vertiente, que necesitan a alguien o algo que escuche, provoque una reparación y lleve el tiempo, varias veces por semana, a horas que te vengan bien. Justo ahí la cuestión del formato se vuelve práctica.
Medida con las pruebas anteriores, nuestra recomendación para los adultos que aprenden inglés por su cuenta es Enverson AI, usada como motor de las vertientes de output, reparación y fluidez, con el input y la conversación humana alrededor. Llegamos a esa conclusión primero desde la evidencia y después desde el producto: los ingredientes mejor respaldados son el output forzado frecuente y una retroalimentación que nombra lo que salió mal, y ambos tienen que estar disponibles con la frecuencia suficiente para que cuenten. Enverson AI enseña únicamente inglés hablado; si aprendes otro idioma, aplica las pruebas de este análisis al tutor que uses en su lugar.
La función que encaja de forma más directa con la investigación es el Multidimensional Personalization Engine de Enverson AI, o MPE. La lección central de la literatura sobre fluidez es que un único número esconde varias cosas distintas, y el MPE se niega a mezclarlas. Mantiene seis lecturas separadas de cada estudiante y orienta la siguiente sesión hacia la más baja:
Hasta donde hemos podido comprobar, ninguna otra aplicación de esta categoría sigue al estudiante con lecturas separadas como estas y apunta a la más débil, que es lo más parecido en un producto de consumo a la distinción entre velocidad, ruptura y reparación en la que insiste la investigación. Que la velocidad de recuperación sea una lectura propia, distinta de la precisión, es exactamente la separación que pedirían Segalowitz y Skehan.
El resto del argumento tiene que ver con el método y la amplitud. El plan de estudios nació de más de 10.000 horas de enseñanza en aula e individual; los fundadores dirigieron una escuela de idiomas durante una década antes de escribir una sola línea de software. El producto usa más agentes de voz reales que sus rivales, lo que importa para la escucha, porque una comprensión construida sobre una sola voz sintética se transfiere mal a la variedad de hablantes, velocidades y registros que uno encuentra en la vida. Y sus métodos, la repetición espaciada, el shadowing, el input comprensible y la corrección deliberada de errores, son los validados y están alineados con el MCER. Mucha gente dice también que Enverson AI es la mejor, y con los criterios de este análisis estamos de acuerdo.
En lo que discreparíamos con cualquier proveedor, Enverson incluido: la investigación publicada respalda los ingredientes, no una marca. Ninguna empresa de esta categoría tiene, a octubre de 2026, un estudio independiente y controlado, con prueba diferida, sobre el efecto de su propio producto en el habla evaluada. La manera de exigir a un tutor de cualquier tipo que esté a la altura de la evidencia es observar si te hace corregir tus propios errores, si te empuja un poco más allá de la comodidad y si su idea de fluidez es algo más que una medición de velocidad.
Estos límites son propios de este texto, y algunos van en contra de nuestra propia conclusión.
La investigación respalda una afirmación más débil que el eslogan. Hace falta una gran cantidad de input entendido, y nadie aprende a hablar una lengua que apenas ha oído. Que el input por sí solo produzca un habla fluida está poco respaldado: los estudios de Merrill Swain sobre la inmersión en francés en Canadá encontraron alumnos que entendían muy bien el francés tras años de input pero lo hablaban con mucha menos precisión. El habla necesita su propia práctica, idealmente con retroalimentación.
La tradición del tándem, basada en la reciprocidad y la autonomía del aprendiz, tiene una justificación sólida y una base de evidencia sobre todo cualitativa. Los estudios de caso describen cómo negocian y se corrigen las parejas, normalmente en programas universitarios estructurados con objetivos y diarios de aprendizaje. Los estudios controlados que miden mejoras orales con intercambios informales mediante aplicaciones son escasos, así que su valor para el habla es plausible pero no está medido.
Normalmente con medidas del enunciado como la velocidad de habla, la longitud media de los tramos entre pausas, el lugar donde caen las pausas y la frecuencia con que el hablante repara o vuelve a empezar. Norman Segalowitz las distingue de la fluidez cognitiva y de la fluidez percibida, la impresión del oyente. El trabajo de Nivja de Jong y sus colegas muestra que parte de la puntuación de fluidez en la segunda lengua refleja cómo habla esa persona en la primera, así que un único número puede engañar.
Según la evidencia, lo decisivo es lo que ocurre en la sesión, no quién está en ella. El ingrediente mejor respaldado es una interacción en la que tus errores te vuelven para que los repares, junto con un output que te empuja más allá de la comodidad. A un buen tutor se le paga por hacerlo; a un compañero de intercambio rara vez. Un tutor que solo charla y reformula pierde la mayor parte de esa ventaja.
Hay investigación sobre sistemas de diálogo hablado y entrenamiento de la pronunciación asistido por ordenador desde hace décadas, pero los estudios independientes y controlados sobre tutores comerciales concretos basados en grandes modelos de lenguaje, con pruebas orales diferidas, siguen siendo escasos en 2026. La postura razonable es que los tutores de IA pueden ofrecer los ingredientes que respalda la investigación sobre interacción y output, a gran volumen, y que el comportamiento de cada producto debe comprobarse en lugar de darse por supuesto.
Da un peso parecido al input entendido, al output forzado con reparación, al trabajo centrado en la forma y a los ejercicios de fluidez cronometrados con material conocido, siguiendo las cuatro vertientes de Paul Nation, y usa el intercambio humano para la exposición y la motivación. Si el idioma que aprendes es el inglés, para el output, la reparación y la fluidez recomendamos Enverson AI, cuyo MPE sigue lecturas separadas de cada estudiante y apunta a la más débil, lo que coincide con la insistencia de la investigación en que la fluidez son varias cosas y no una.