Az írott szövegek bekezdéseinek legfontosabb tulajdonságai között említendő, hogy azok szemantikai és funkcionális egységek; egy fő téma tartja őket össze; saját belső szerkezetük van; és a témát meghatározó csúcspont az egység elején vagy végén fogalmazódik meg (Tolcsvai Nagy, 2001). A bekezdést hagyományosan az írott nyelv sajátosságának tartották, és így az sokáig a beszédmegértési kutatások érdeklődésén kívül esett (Garnes, 1987). Bloomfield (1933/1984) szerint például az írás nem nyelvészeti kutatás tárgya, hiszen az csupán a valódi, hangzó nyelvhasználat produktumának rögzítésére szolgál. Ennél fogva az íráshagyomány által előírt írásjelek, illetve az írott nyelv konvencióin alapuló bekezdéses struktúra értelmezését másodlagosnak kell tekinteni a nyelvészeti vizsgálódások során. A bekezdést az írásjelekhez hasonlóan ugyancsak kizárólag az írott nyelv részének tekinti a retorika is (Corbett, 1971).

Ezzel szemben számos kutató úgy véli, hogy a hangzó nyelvben is egyértelműen megjelennek olyan, bizonyos mértékben összetartozó grammatikai egységek, amelyek nagyobbak a mondatnál, és amelyek empirikus vizsgálati módszerekkel is körülírhatóak (Pike, 1964). A beszéd belső struktúrájának, illetve a mondatnál nagyobb szerveződési egységeinek vizsgálatával elsőként Lehiste foglalkozott a témában korszakalkotónak számító kutatásaiban (vö. Lehiste, 1979a; 1979b; Lehiste–Wang, 1977; összefoglalva Lehiste, 1982). Bár sokáig úgy tartották, hogy a bekezdés elsősorban szemantikai egység (Kreiman, 1981), Lehiste abból indult ki, hogy a társalgások és a hosszabb szóbeli megnyilvánulások szemantikai szerveződése mellett a szupraszegmentális jellemzők alapján is leírhatóak az írott nyelvben bekezdésként ismert egységek szóbeli ekvivalensei. Bár a szerző ezt is bekezdésként említi, hozzáteszi, hogy természetesen különbséget kell tenni az írott és a hangzó nyelv egységei között. Az előbbi esetében a bekezdéseket a nyelvi sajátosságokon kívül a tipográfiai eszközök jelölik ki, amelyeket az utóbbinál az intonáció helyettesít (Corbett, 1971). A szövegegységek határainak kialakításában szintén több nyelvi szint (elsősorban a szemantika és a prozódia) együttes szerepét hangsúlyozta Kohler (1983).

Lehiste kísérleteiben a szóbeli bekezdések végét jelző fonetikai tényezőket, illetve a szupraszegmentális és a szemantikai információk feldolgozásának együtthatását vizsgálta. Az első kísérlet (Lehiste–Wang, 1977) a fonetikai jellemzők és a szemantikai egységek összefüggésére fókuszált. Az adatközlők kétféle beszédanyagot hallgattak meg. Az első anyagban ún. szimulált spektrális inverziót alkalmaztak, amely azt jelenti, hogy bizonyos digitalizált hanghullámminták fordítottak. A beszéd szegmentális szerkezete így megváltozik, azonban a szupraszegmentális szerkezet változatlan marad. A másik anyag az eredeti beszédet tartalmazta. A kísérletben részt vevők a hallgatás során egy jelzőgomb egyszeri megnyomásával jelezték, ha mondathatárt észleltek, és kétszeri megnyomással, ha bekezdéshatárt. Az eredmények szerint mindkét beszédanyagban jelentősen többször jeleztek mondathatárt, mint bekezdéshatárt, és a mondathatárok jelölésének esetében a szupraszegmentális és a szemantikai határok között 40%-os eltérést adatoltak.

A második kísérletben (Lehiste, 1979a; 1979b) arra keresték a választ, hogy milyen tényezők mentén különböztetjük meg a mondathatárt a bekezdéshatártól. Lehiste három ilyen tényezőt írt le: a beszédszünet időtartamát, a laryngealizációt és a bekezdéshatár előtti nyúlást.

Bár a Lehiste-féle kísérletsorozat sokáig alapvetően meghatározta a szóbeli bekezdés feldolgozásáról alkotott tudományos felfogást, több módszertani problémát említ például Kreiman (1981). Feltételezése szerint a módosított hanginger nem megfelelő, mivel az sokkal inkább hasonlít a beszédzajhoz, mint a normális körülmények között elhangzó beszédhez. Másrészt kiemeli, hogy a valós körülmények között folytatott társalgás során a beszédpartnerek a nyelvi információk mellett nyelven kívüli ingerekre is támaszkodnak, mint például a tekintetre, a testbeszédre vagy a fejmozdulatokra (Duncan–Fiske, 1977). Ebből kifolyólag nem zárható ki, hogy a beszéd hosszabb egységeinek észlelésében a szemantikai és a szupraszegmentális kulcsokon kívül más tényezők is szerepet játszanak. Harmadrészt pedig úgy véli, hogy a mondat- és a bekezdéshatár együttes kijelölése túlságosan összetett feladat, így az adatok nem adnak valós képet arról, hogy a kísérleti személyek valójában mikor észlelték az egyiket, és mikor a másikat. Ezen okoknál fogva Kreiman megismételte a vizsgálatot (1981). Több ponton is változtatott a beszédanyagon és a módszertanban: jobb minőségű, a természetes beszédhez közelebb álló beszédanyagot használt, amelyet természetes társalgásokból állított össze, és a kísérleti személyek külön anyagon jelölték a mondathatárokat és a bekezdéshatárokat. A mondathatár-kijelölési feladat esetében azt találta, hogy a szemantikai információ hozzáférhetősége egyfelől növeli az egyes adatközlők által jelölt határok közötti egyezést, másfelől pedig befolyásolja a reakcióidőt. A bekezdéshatárok észleléséhez az adatközlőknek jóval hosszabb időre volt szüksége, és az esetek jelentős részében már a következő megnyilatkozás kezdete után jelezték a bekezdésváltást. Ezek alapján Kreiman úgy véli, hogy a feldolgozás során nem pusztán a bekezdés végét, hanem az új bekezdés kezdetét jelző (szupraszegmentális és szemantikai) információkra is támaszkodunk.

Magyar nyelven Gósy (2003) végzett hasonló kísérletet. A hallgatók spontán beszédet hallgattak, miközben annak központozás nélküli szövegátiratában kellett jelölniük a virtuálismondat-határokat. A feladatban részt vevők egyaránt támaszkodtak a tartalomra és a formára. A mondathatárokra vonatkozó ítéleteket elsősorban a beszédszünetek hossza befolyásolta (a hosszabb szünet alapján valószínűbbnek érezték, hogy ott mondathatár van), de figyelembe vették az alaphangmagasság változását is: az ereszkedő dallam esetében jelöltek legtöbbször mondathatárt, ezt követte a lebegő és végül az emelkedő dallam. Szintén magyar nyelvű kutatás vizsgálta a spontán beszéd tematikus egységekre („szóbeli bekezdésekre”) történő tagolását (Váradi, 2012). Az eredmények azt mutatják, hogy bár a tartalmi egységek határainak kijelölésében az adatközlők jelentős variabilitást mutattak, az esetek felében egyöntetű ítéletet hoztak. Ez azt jelenti, hogy a humán percepciós mechanizmus többféle stratégiát alkalmaz a spontán beszéd tartalmi tagolása során, és feltehetően szintaktikai, szemantikai, prozódiai és pragmatikai tényezőket is figyelembe vesz.

A koherencia a legalapvetőbb definíció szerint azt a szövegen belüli, szöveget összetartó kapcsolatrendszert jelenti, amelynek forrása a szövegen kívül keresendő. Ez az összetartó erő valójában a befogadók általános tudása (Renkema, 2004). Eszerint a szövegértés során a szavak jelentésének, illetve a grammatikai struktúráknak a feldolgozásán túl felhasználjuk a tapasztalati úton szerzett ismereteinket (Tankó, 2011) és a valóságra vonatkozó tényszerű, deklaratív információinkat. A tapasztalás útján kialakuló tudás alapján bizonyos elvárásokat támasztunk a feldolgozandó nyelvi anyaggal szemben (Brown–Yule, 1983). Ilyen elvárás lehet például az, hogy egy sporteseményről szóló beszámoló elején rendszerint elhangzik, hogy mely csapatok játszottak egymás ellen. Az elvárásainkat először összevetjük azzal, amit hallunk vagy olvasunk (Labov–Waletzky, 1967), ezt követően pedig döntést hozunk arra vonatkozóan, hogy milyen jellegű szöveget fogunk feldolgozni. A nyelvi anyag koherens és logikus voltát folyamatosan értékeljük (Fábricz, 1988), és az értelmezés során bizonyos – a tapasztalat útján felállított –feltételeknek feleltetjük meg azt. Tankó (2011) szerint a koherenciát alapvetően a befogadó teremti meg, de ehhez nagymértékben hozzájárul magának a szövegnek a szerkezete is azzal, hogy az olvasó/hallgató elvárásainak eleget tesz.

A koherencia alapvető feltétele, hogy a befogadó a szöveget folytonosnak érezze, vagyis az egymás után következő mondatok, illetve a nagyobb gondolati egységeket képviselő bekezdések egymáshoz tartalmilag kapcsolódjanak (Tankó, 2011).

Grabe és Kaplan (1996) szerint a koherenciát három alapvető szempont szerint értelmezhetjük. Ezek közül az első a globális szövegtartalom, amely azt jelenti, hogy a szöveget felépítő bekezdések és a bekezdéseket felépítő mondatok közvetve vagy közvetlenül a fő témához kapcsolódnak. A második koherenciateremtő tényező a szövegen belüli logikai kapcsolódások megléte. Az összefüggések nem feltétlenül kerülnek explicit módon kifejezésre, ugyanis a tartalom implicit módon magában hordozza a logikai menet folytonosságát. A logikai kapcsolatok háromféleképpen alakulhatnak ki: (i) alárendeléssel (például az ok kifejtését követi az okozat a következő szövegegységben), (ii) mellérendeléssel (ugyanazon állítás többféle kifejtése a szöveg egymást követő egységeiben) és (iii) fölérendeléssel (a szöveg elsőként megjelenő, fő gondolatot hordozó egységének kifejtése a további szövegegységekben). A koherencia harmadik tényezője a szöveg információs struktúrája, amely a lényeges információk felemelését és a kevésbé lényegesek lesüllyesztését, az információsűrűséget és az új információk közlésének ütemét jelenti. Minél nagyobb a szöveg információsűrűsége, illetve minél rövidebb idő telik el az új információk megjelenése között, annál nehezebben értelmezhető a szöveg, és a befogadó annál kevésbé érzi azt koherensnek. A nyelvi redundanciának az idegennyelv-tanulás és az idegen nyelvi szövegértés kutatásában is kitüntetett szerepe van (vö. Darian, 1979; Weible, 1980; Bensoussan, 1990; Klein-Braley, 1997).

A kognitív és a nyelvi fejlődés, illetve a tapasztalás útján kialakuló, szövegkoherencia-teremtő elvárásaink összessége a pszichológiából ismert sémafogalommal rokon. A sémaelmélet kialakulása Bartlett (1932/1985) nevéhez köthető, azonban az eredeti felfogást a későbbiekben többen átdolgozták, illetve kiegészítették. A 80-as évektől kezdődően a séma a szövegértés kutatásának központi témájává vált (Gósy, 2005). Bartlett meghatározása szerint a séma különböző történetekkel, eseményekkel, cselekményekkel és szituációkkal kapcsolatos elvárásaink halmaza, illetve olyan rendező elv, amelyhez az egyén a tapasztalatait igazítja. Ez a strukturált tudásrendszer tehát befolyásolja a megismerést és a felidézést is (Bartlett, 1932). A későbbiekben Oldfield (1954/1975) módosította Bartlett definícióját. Eszerint a séma – az eredeti felfogásnak nem ellentmondva – egyfajta átkódolási mechanizmus, amely a tapasztalatok repetitív mozzanatain alapszik. Újabb tapasztalatok megszerzése esetén a hosszú távú memóriában tárolt tudásstruktúrák a feldolgozó- és tárolórendszert mentesítik bizonyos információk kezelése alól azáltal, hogy a sémában tároltakkal megegyező mozzanatokat tulajdonképpen közvetlenül a sémából tudjuk lehívni, a sémába nem illőeket pedig az emlékezet új információként pontosan eltárolja. Ebből egyértelműen látszik, hogy a séma a megőrzési törvényszerűségeket közvetlenül befolyásoló, előzetes elvárások halmaza (Paul, 1959; 1967).

A Bartlett-féle sémamodellhez illeszkedik Piaget konstruktivista megközelítése is (Piaget–Cook, 1952; Piaget–Inhelder, 1968). A konstruktivista elmélet lényege, hogy a kognitív fejlődés során a gyermek folyamatos interakcióban áll a környezetével, és a tapasztalás útján aktívan létrehozza, „konstruálja” a valóság mentális reprezentációját. Ezt nevezzük megismerő ábrázolásnak (Piaget, 1936). A folyamat része, hogy a fogalmi rendszer egyre komplexebbé válásával kialakulnak a sémák, amelyekben az élettapasztalatból származó információkat tároljuk, és ezeket a későbbiekben felhasználjuk. Piaget és Cook (1952: 7) szerint a sémák „kohezív, megismételhető eseménysorozatok”, amelyek a tudás alapvető építőelemei, és amelyek a valóság legkülönbözőbb aspektusaira vonatkoznak, beleértve a minket körülvevő tárgyakat, történéseket és absztrakt fogalmakat. A kognitív fejlődés során egyre több és egyre összetettebb sémák alakulnak ki, amelyek a mindennapi tevékenységeinket is irányító viselkedésmintaként funkcionálnak (Cook–Piaget, 1952). Wadsworth (2004) szerint a sémák utasítások, amelyek meghatározzák, hogy az egyén bizonyos helyzetekben, illetve bizonyos információknak és (például nyelvi) ingereknek való kitettség esetén hogyan járjon el, mire számítson.

Az emlékezés során folyamatosan sematizálunk, tehát a már meglévő struktúrákhoz illesztjük az új információkat. A különböző történeteket, eseménysorozatokat elmesélő szövegeket az elvárásaink teszik koherenssé és értelmessé, ami a feldolgozási műveleteket befolyásolja. A befogadott és az értelmezett információk felidézése így a sémák szűrőjén keresztül kialakuló szövegrekonstrukció (Síklaki, 1980; Adamikné, 2002), tehát a séma kijelöli a – szövegértés folyamata szempontjából sokat vizsgált – háttérismeretek felhasználásának módját (Garnham, 1985). Bartlett (1932/1985) külön említi az ún. szövegséma fogalmát, amely elsősorban a szövegek tipikus szerveződésére vonatkozó információkat tartalmazza, illetve szintén a hosszabb nyelvi anyag feldolgozását segítő tartalomsémát, amely a szöveg témájával kapcsolatos ismereteket rendszerezi (vö. Pléh, 1986). A szövegséma-elmélet szerint a szövegértés során a világról alkotott ismereteink és a nyelvileg kódolt ismeretek interakcióban állnak, és a már korábban tárolt tudást folyamatosan egyeztetjük az újonnan feldolgozott információkkal. A sémában található üres helyeket a szövegből kinyert ismeretekkel töltjük ki, mindeközben pedig arra vonatkozóan is elvárásokat állítunk fel, hogy a nyelvi anyag még nem ismert részében mire számíthatunk. A szövegértésben aktiválódó séma lehet a jelentésmező vagy a szövegszerkezet (vö. Adamikné, 1991; 1994), amely számos funkciót tölt be: tudásalapot biztosít, irányítja a befogadó figyelmét, összegzi az olvasottakat/hallottakat, és ez alapján következtetések levonását teszi lehetővé (Tóth, 2002), sőt, a szöveg tökéletes megértésének hiányára is magyarázatul szolgál (Rumelhart, 1990).

A különböző szövegtípusok jellemző szerveződésével kapcsolatos elvárásaink a szövegsémákban tárolódnak. Nyelvészeti szempontból az egyazon szövegtípusba tartozó szövegek hasonló lexikális-grammatikai és retorikai struktúrával rendelkeznek, és azonos kommunikációs céllal jönnek létre (Paltridge, 1996). Werlich (1976) öt szövegtípust különböztet meg: az elbeszélő (narratív), a leíró, a magyarázó, az érvelő és az instruktív szövegeket. Az egyes szövegtípusok további kategóriákba sorolhatók, illetve bizonyos esetekben ugyanazon a szövegen belül több szövegtípusra jellemző struktúra is megjelenik, így gyakoriak az átfedések. Kirszner és Mandell (2004) gyakorlati megközelítésű munkája az egyes szövegtípusok legfontosabb ismérveit foglalja össze, illetve összegzi azokat a legfontosabb kérdéseket, amelyek támpontot adhatnak a befogadók számára a szövegtípus meghatározásában. A szerzők által relevánsnak vélt „ellenőrző” kérdések tulajdonképpen a tapasztalaton alapuló, az egyes szövegtípusokra vonatkozó elvárásainkat tükrözik vissza. Az elbeszélő szövegek legfontosabb tartalmi elemeinél például kiemelik, hogy a szöveg választ ad arra, hogy mi, kivel, hol, hogyan és mikor történt. Ezzel szemben a leíró szövegek a leírás tárgyáról adnak információt, tehát elsősorban arról, hogy milyen az adott dolog, illetve mik a legjellegzetesebb tulajdonságai.

A pszicholingvisztikai kutatások elsősorban az elbeszélő, a leíró és a magyarázó szövegek feldolgozásának sajátosságaira fókuszálnak, de az utóbbi években egyre inkább előtérbe kerül a társalgások kutatása is. A narratív szöveg szerveződésének elsődleges rendező elve az időbeliség, azaz a kronológiailag többnyire lineárisan előrehaladó cselekmény (Laczkó, 2006). Bal (1998) kiemeli, hogy a történések mindig időkeretbe ágyazva értelmezhetőek, tehát a narratíva inherens jellemzője az egymásutániság. Az események sorrendiségen alapuló bemutatása mellett az elbeszélés másik fontos építőeleme a történet szereplőinek bemutatása is, amely szorosan kapcsolódik a cselekményláncolat ismertetéséhez (Laczkó, 2006). A narratíva lexikai állományát az igei dominancia jellemzi, illetve az időhatározók mint a tartalmat temporális keretbe helyező sarokkövek gyakori előfordulása (Tankó, 2011). Ebből következik, hogy az ilyen típusú szövegek nyelvi értelemben is „mozgásban vannak”, a hosszas egyidejű bemutatások helyett a rövid, előidejűségen alapuló ábrázolást részesítik előnyben.

A leíró szövegek a valóság különböző elemeit mutatják be statikusan (Laczkó, 2006), beleértve a tárgyakat, a helyeket, az eseményeket és az ezektől független vagy az ezekkel összefüggésbe hozható személyeket (Tankó, 2011). A leíró szövegben a főnevek dominálnak, illetve gyakoriak a vizuális rekonstrukciót elősegítő összetett jelzős szerkezetek. A narratívában uralkodó kronológiai szerveződéssel szemben a leírás elsősorban térben értelmezett, így legfontosabb szervező elve a térbeliség. Ebből adódik a helyhatározós szerkezetek nagyszámú előfordulása. A leíró szövegek mintegy „állóképet” adnak a valóságról, így lexikális szempontból a nem mozgást vagy aktív cselekvést kifejező igék vannak túlsúlyban, illetve az indoeurópai nyelvekben gyakori a passzív szerkezet használata (Tankó, 2011). Bal (1998) megfogalmazásában a leírások általános elemei a tárgyak, a helyszínek és a szereplők. Ez utóbbi elemet mások az elbeszélések tárgyaként említik elsősorban, tehát látható, hogy a deskriptív és a narratív szövegek olykor átfedésben állnak, és ugyanazon megnyilatkozáson belül – akár váltakozva – mindkét szövegtípus megjelenhet.

A fentiekből látható, hogy az egyes szövegtípusok számos szempontból eltérőek; ezek a különbségek lexikális, grammatikai, szemantikai és szövegszerkezeti szinten egyaránt mutatkoznak. A pszicholingvisztikában elsőként Bartlett (1932) foglalkozott azzal a kérdéssel, hogy ezen eltérések a szövegek megértésében és felidézésében is leképeződnek-e. A kiinduló hipotézis szerint a különböző típusba sorolható szövegek feldolgozása során a befogadók más teljesítményt nyújtanak, tehát a szöveg makroszerkezete, illetve az ahhoz kapcsolódó sémák szoros összefüggésben állnak az értés pontosságával. A kísérleti eredmények azt mutatják, hogy az előrehaladást képviselő cselekménysorozatok megértése, eltárolása és felidézése sikeresebb, mint az elsősorban ábrázoló funkciót betöltő, statikus leírásoké, vagyis valamilyen módon a narratíva szerkezetének feldolgozása kisebb nehézséget okoz (vö. Blonszkij, 1935; Baranyai, 1947; Gomulicki, 1956; Zincsenko, 1961; magyar nyelven Laczkó, 2006). Ezt a jelenséget elbeszélő fölénynek nevezik (Pléh, 2015b).

Zincsenko (1961) klasszikus kutatásában a 11–17 éves kísérleti személyeknek előzetesen feldolgozott narratív, tudományos-leíró és magyarázó szövegeket kellett megjegyezniük. A felidézés során a legpontosabban az elbeszéléseket hívták elő, ezt követte a leíró szöveg, végül a magyarázó. Az életkor előrehaladásával a teljesítmény javult, a legkiugróbb változást 11 éves kor körül kapták. Freedle és Hale (1979) hasonló céllal végzett kutatást: kiinduló kérdésük az volt, hogy a magyarázó szövegek megjegyzése javul-e, ha az anyag narratív struktúrában is elérhető. Az eredményeik szerint 7 éves gyermekeknél a magyarázó szövegek felidézése szignifikánsan jobb, ha ugyanazt a szövegtartalmat először elbeszélő keretben kapják meg. Az eredményeket azzal magyarázták, hogy a kísérleti személyek a narratív sémához igazítják a magyarázó szöveg struktúráját és lexikális anyagát, ami facilitálja a felidézést.

Thorndyke (1977) a szerkezet és a tartalom szövegértésre és megjegyzésre gyakorolt hatását vizsgálta narratív anyagokban. A megértés és a felidézés nagymértékben függött a cselekményszerkezettől, azonban a történet témája nem befolyásolta az eredményeket. A tényszerű információk előhívása sikeresebb volt abban az esetben, amikor azok magasabb szintű szövegszerkezeti elemekhez kapcsolódtak, mint amikor alacsony szintűekhez, azonban a szövegen átívelő összefüggések felidézése mindkét konkrétinformáció-típus felidézésénél sikeresebb volt. Az egymást követő szövegegységek tartalmára és szerkezetére összpontosító vizsgálatok azt mutatták, hogy míg a szerkezeti állandóság pozitívan befolyásolja a felidézést, addig a tartalom ismétlődése rontja a pontosságot. Az eredmények alapján valószínűsíthető, hogy az elbeszélések hierarchikusan tárolódnak az emlékezetünkben, és a strukturális tényezőknek kitüntetett szerepe van a felidézésben.

Wolfe (2005) szintén a szövegszerkezet szempontjából vizsgálta a narratív és a magyarázó szövegekre való emlékezést, kiegészítve azt a szemantikai asszociációk szerepének bevonásával. Az asszociációkat aszerint osztályozta, hogy a szöveg különböző fogalmai között milyen szemantikai kapcsolatok álltak fenn. Azt találta, hogy a szövegszerkezet konzisztensen befolyásolta a felidézést mindkét szövegtípusnál, míg a szemantikai asszociációk nagyobb mértékben határozták meg a magyarázó szövegek felidézését, mint az elbeszélő szövegekét még akkor is, amikor a szöveg témája ismert volt. A szerző azt a következtetést vonta le, hogy a már előzetesen tárolt és az új asszociációs kapcsolatok egymástól függetlenül hatnak a tárolásra, és ezeknek hatását a szövegszerkezet is befolyásolja.

Újszerű, gyakorlati perspektívát kínál Wolfe és Mienko (2011) kutatása, amely a szövegtípus és az előzetes tudás viszonyát vizsgálta a szövegből kinyert információk megtanulhatósága szempontjából. Azt elemezték, hogy a tényszerű információk elsajátítását befolyásolják-e a narratív és a magyarázó struktúra különbözőségei, illetve ezekkel milyen kapcsolatban áll a szöveg témájára vonatkozó háttértudás. Az egyetemi hallgatókból álló kísérleti csoport olyan orvosi szakszövegeket kapott, amelyek információsűrűsége magas volt. Az előzőekben ismertetett kutatások eredményeivel ellentétben a szerzők itt nem adatoltak jelentős eltérést az információk megtanulásában és felidézésében a szövegtípus függvényében, azonban az előzetes ismeretek sajátos módon befolyásolták az eltérő szövegtípusok feldolgozását. A közepes szintűnek feltételezett alapismeretekkel rendelkező hallgatók hasonló mértékben sajátították el a szöveg tartalmát, viszont az alaposabb tudással bírók tanulását a magyarázó struktúra nagyobb mértékben segítette. További megfigyelés, hogy míg a háttértudás szintjének emelkedése pozitívan korrelált a felidézésben a magyarázó szövegtípusnál, addig a rövid távú memória kapacitásának esetében ilyen összefüggést nem találtak. A kutatás eredményei rávilágítanak arra, hogy bár általánosságban az elbeszélő fölény facilitáló hatása pozitívan befolyásolja a szövegfeldolgozást, bizonyos kognitív feladatok elvégzését – mint például tények megtanulását – a magyarázó szövegtípus lexikális-grammatikai és szövegszerveződési sajátosságai jobban elősegítik.

Ward és munkatársai (2016) hangzó narratívák megjegyzését vizsgálták azok akusztikai sajátosságainak, az életkornak, illetve a rövid távú memória kapacitásának függvényében. Az akusztikailag torzított beszédanyagok megjegyzésében minden vizsgált életkori csoport alacsonyabb teljesítményt nyújtott, azonban – érdekes módon – míg az idősebbek memóriája összességében gyengébb volt, mint a fiataloké, nem adatoltak interakciót az életkor és a beszéd akusztikai minősége között. A szövegértési kutatások eredményeivel összhangban erős, szignifikáns összefüggést találtak a rövid távú memória és a felidézési pontosság között minden életkorban. Az eredmények megerősítik azt az általános megállapítást, miszerint az akusztikai jel nehezített észleléséhez szükséges kognitív erőforrások a magasabb szintű megértési és tárolási mechanizmusok gyengébb működését eredményezik. Az ilyen jellegű elméletek a szövegfeldolgozást az általános kognitív műveletek keretébe helyezik (lásd pl. Gernsbacher-féle szerkezetépítő modell).

Magyar nyelven Laczkó Mária (2006) végzett összehasonlító kutatást narratív, leíró és magyarázó szövegek értésére fókuszálva. A fiatalokkal végzett kísérletben az adatközlők – a fentiekkel összhangban – legjobban a narratív szöveget értették meg, ezt követte a leíró és a magyarázó szöveg értése. Szövegtípustól függetlenül nehéznek bizonyult az információk kikövetkeztetése és a következtetések megfogalmazása, illetve a leíró szövegnél a lényegi és a mellékes információ elkülönítése.

A fenti összefoglalásból látható, hogy a szövegek megértésében jelentős szerepet játszanak a szöveg nyelvileg értelmezhető jellemzői. Ide sorolható egyrészt a szöveg mikroszerkezete, vagyis a szöveget felépítő mondatok struktúrája, illetve a mondatok közötti referenciális, szemantikai és grammatikai kapcsolat. A megértés másik fontos (nyelvi) tényezője a szövegek makroszerkezete. Makroszerkezeten a mondatoknál nagyobb egységek (azaz bekezdések) felépítését értjük – amelyek a szöveg megfelelő tagolása szempontjából meghatározóak –, illetve a nyelvi anyag globális, szövegszintű szerveződését. Ez utóbbi tényező hatását értelmezi a sémaelmélet, amely a hosszú távú memóriában tárolt strukturált tudáshalmazt jelenti. A szövegek megértését a nyelvi input jellegzetességein túl azonban számos más, a szövegtől független, a befogadóhoz köthető adottság befolyásolja. A következőkben a rövid távú memória és a szövegértés kapcsolatát mutatom be.