زیرنویس کمک می کند یا حواس را می دزدد؟ وقتی فناوری میان گوش و چشم زبان آموز می ایستد

فرض کنید زبان آموزی در حال تماشای گفت وگویی انگلیسی است. شخصیت می گوید: “I’m tied up this afternoon.” او هم زمان تصویر را می بیند، جمله را می شنود و زیرنویس انگلیسی و فارسی را می خواند. شاید معنی اصطلاح را سریع بفهمد؛ اما آیا صدای جمله را هم پردازش کرده؟ آیا رشته داستان را دنبال کرده؟ یا فقط پاسخ را از خط فارسی برداشته است؟ این پرسش در کلاس های زبان امروز واقعی است، چون پلتفرم های ویدئویی و افزونه های مرورگر اجازه می دهند زیرنویس را روشن، خاموش یا دوگانه کنیم. ابزار، دسترسی را آسان کرده؛ اما یادگیری را خودکار تضمین نمی کند.

برای روشن شدن بحث، «کپشن» را متن گفتار به زبان خود ویدئو می نامم؛ «زیرنویس» را ترجمه ای به زبان دیگر. زیرنویس دوگانه هر دو را هم زمان نشان می دهد. این تفاوت ساده، از نظر پردازش مهم است: کپشن می تواند پیوند میان شکل نوشتاری و صدای واژه را تقویت کند؛ ترجمه ممکن است دسترسی فوری به معنا بدهد؛ نمایش هم زمان هر دو می تواند انتخاب میان آن دو را به زبان آموز بسپارد. ولی زمان نگاه و ظرفیت توجه محدود است. چشم از چهره به نوشته و سپس به صحنه می رود و همه اجزای پیام الزاما به یک اندازه پردازش نمی شوند.

پژوهش چه می گوید؟

یک مطالعه آزمایشی تازه در سال ۲۰۲۵، ۱۲۶ دانش آموز چینی دوره متوسطه را در برنامه ای چهار هفته ای بررسی کرد: ۷۹ دانش آموز دوره راهنمایی و ۴۷ دانش آموز دبیرستانی، با ویدئوهای دارای زیرنویس انگلیسی، چینی، دوگانه یا بدون زیرنویس مقایسه شدند. در آزمون فوری، زیرنویس دوگانه برای هر دو گروه با بیشترین افزایش واژگان همراه بود و زیرنویس زبان اول نیز از وضعیت بدون زیرنویس بهتر بود. در آزمون های با تاخیر، الگو برای دو گروه سنی یکسان نبود: بخشی از واژگان در گروه کم سن تر افت کرد و نتایج دبیرستانی ها پایدارتر یا بهتر شد. پس این نتیجه را نباید به قانون «همیشه زیرنویس دوگانه» تبدیل کرد؛ نمونه، بافت آموزشی و گروه های مشخصی را می سنجد. (2025، System، DOI: 10.1016/j.system.2025.103709)

در مطالعه ای دیگر، ۱۵۰ دانشجوی EFL به طور تصادفی در گروه های شنیدن، خواندن، خواندن همراه شنیدن، تماشای ویدئوی کپشن دار و گروه کنترل قرار گرفتند. آزمون ۴۸ واژه، شناخت صورت و معنی را سنجید. در این نمونه، تماشای ویدئوی کپشن دار به طور میانگین نتایج بهتری برای یادگیری و نگهداری واژه ها داشت و دانش قبلی واژگانی و حافظه کاری نیز با بعضی پیامدها ارتباط داشتند. این مقایسه نمی گوید همه زبان آموزان از کپشن یکسان سود می برند؛ فقط نشان می دهد متن روی تصویر، در شرایط مطالعه شده، ورودی شنیداری و دیداری را در دسترس پذیرتر کرده است. (Teng, 2024, System, DOI: 10.1016/j.system.2024.103381)

اما توجه به نوشته همیشه بی هزینه نیست. پژوهش Pujadas و Puimège در ۲۰۲۴، ۸۷ زبان آموز مبتدی انگلیسی را هنگام تماشای ویدئوی هشت دقیقه ای بررسی کرد و حرکات چشم را ثبت نمود. پیش آموزش واژگان تازه، در گروه کپشن انگلیسی، با صرف زمان کمتر برای نگاه به برخی کپشن های هدف همراه شد؛ بااین حال، این توجه واژگانی به افت معنادار درک مطلب منجر نشد. نتیجه جالب این است که آماده سازی لغت لزوما توجه را فقط به لغت قفل نمی کند و اثر آن با نوع متن روی صفحه تغییر می کند. البته یک ویدئو و یک نمونه مبتدی، پاسخ نهایی درباره همه سن ها و سبک های تماشا نیست. (Pujadas & Puimège, 2024, DOI: 10.1075/lllt.61.04puj)

از یافته تا طراحی کلاس

به عنوان مدرس زبان و ممتحن آزمایشی، من این مسئله را شبیه آزمون درک شنیداری می بینم: پاسخ درست به معنی پردازش کامل نیست. زبان آموز ممکن است معنی را از ترجمه بردارد، اما نتواند عبارت را در صدای طبیعی تشخیص دهد یا بعدا خودش به کار ببرد. بنابراین بهتر است هدف هر بار تماشا روشن باشد. اگر هدف دنبال کردن ایده کلی است، بار اول زیرنویس فارسی می تواند مانع فهم محتوا را کمتر کند. اگر هدف پیوند صدا و شکل واژه است، کپشن انگلیسی می تواند مناسب تر باشد. اگر عبارت اصطلاحی یا مفهوم دشوار هدف است، زیرنویس دوگانه را می توان برای بخش کوتاهی به کار برد و سپس خاموش کرد.

یک فعالیت ساده برای کلاس: کلیپی دو تا سه دقیقه ای انتخاب کنید و سه مرحله تعریف کنید. بار نخست، زبان آموز بدون توقف فقط به پرسش کلی پاسخ دهد: «چه اتفاقی افتاد و چرا؟» بار دوم، کپشن انگلیسی روشن باشد و هر نفر فقط دو عبارت را که واقعا مانع فهم شده علامت بزند. بار سوم، یک بخش ۲۰ تا ۳۰ ثانیه ای بدون نوشته پخش شود؛ زبان آموز عبارت را از حافظه بازگو کند یا کاربرد تازه ای برایش بسازد. در پایان، از او بپرسید کدام سرنخ به فهم کمک کرد: تصویر، صدای گوینده، متن انگلیسی یا ترجمه؟ این بازبینی کوتاه، استفاده از زیرنویس را از تماشای منفعل به انتخاب آگاهانه تبدیل می کند.

برای مدرس مدرسان و سازنده ابزار وب، همین منطق به طراحی محصول هم مربوط است. افزونه مرورگر می تواند به جای نمایش دائمی همه چیز، کنترل هایی برای تغییر مرحله ای فراهم کند: پخش بدون متن، نمایش کپشن، سپس آشکارکردن ترجمه با کلیک. اما هیچ چینش رابطی به تنهایی یادگیری را تضمین نمی کند؛ باید از زبان آموز پرسید چه کاری انجام داده و با آزمون کوتاه سنجید چه چیزی به خاطر مانده است. اگر این ابزار را با .NET یا وب پیاده سازی کنیم، می توانیم زمان نمایش هر لایه را ثبت کنیم، اما داده تعامل فقط می گوید کاربر چه چیزی را باز کرده، نه اینکه واقعا فهمیده است. شاخص کلیک یا مدت تماشا را نباید با یادگیری یکی گرفت.

برای ارزیابی منصفانه، یک مقایسه کلاسی کوچک هم شدنی است: دو کلیپ هم سطح و هم موضوع، ترتیب نمایش جابه جا، و پرسش های یکسان درباره ایده اصلی و واژگان هدف. یک گروه کپشن انگلیسی و گروه دیگر زیرنویس دوگانه ببیند؛ سپس در جلسه بعد، بدون متن آزمون کوتاهی بگیرند. تعداد کم زبان آموزان یا تفاوت دشواری کلیپ ها اجازه نتیجه قطعی نمی دهد، اما می تواند نشان دهد برای همین کلاس و همین هدف کدام تنظیم بهتر کار می کند. مثل هر آزمون ماک، کیفیت پرسش ها مهم است: سنجش معنی واژه با سنجش فهم روایت یکی نیست.

پس سوال بهتر «زیرنویس خوب است یا بد؟» نیست. سوال این است که کدام زبان روی صفحه، برای کدام زبان آموز، در چه مرحله ای از تماشا و برای چه هدفی کمک می کند؟ پژوهش ها از یک نسخه همگانی پشتیبانی نمی کنند؛ آن ها تفاوت گروه، مهارت و سنجش را برجسته می کنند. زیرنویس را می توان نردبان موقت دید: گاهی دسترسی می دهد، گاهی توجه را به نوشته می کشاند. هنر آموزش این است که نردبان را در جای درست بگذاریم و از زبان آموز بخواهیم بعد از کنار رفتنش، خودش از صدا معنا بسازد.

منابع

۱. Chen, S. (2025). Subtitles for vocabulary learning: Assessing the effects of L2, L1, and bilingual subtitles over time. System, 132, 103709. DOI: 10.1016/j.system.2025.103709.

۲. Teng, M. F. (2024). Working memory and prior vocabulary knowledge in incidental vocabulary learning from listening, reading, reading-while-listening, and viewing captioned videos. System, 124, 103381. DOI: 10.1016/j.system.2024.103381.

۳. Pujadas, G., & Puimège, E. (2024). Attention allocation in (L1) subtitled and (L2) captioned video viewing: Effects of prior vocabulary instruction on input processing and comprehension. Language Learning & Language Teaching, 61, 74–99. DOI: 10.1075/lllt.61.04puj.