A gyermekek általános kognitív fejlődése során az egyik legnagyobb hatású minőségi változás a nyelv produkciójának és megértésének kialakulása, illetve e képességek – egyesek szerint robbanásszerű – megerősödése és stabilizálódása. A nyelvi képesség kialakulása – amely általában 2 éves kor környékére tehető, bár az egyéni (kognitív fejlettségi, szociokulturális, környezeti, nemi) különbségek igen jelentősek lehetnek – alapjaiban változtatja meg a gyermekek mentális és társas életét (Cole–Cole, 2006). A beszédprodukció fejlődése sokáig látványosabb, mint a beszédpercepcióé és a beszédértésé, hiszen a gyermek szinte napról napra ejt új hangokat, hangkapcsolatokat, majd később szavakat és szómondatokat. Ennek okán a feldolgozás fejlődésének megfelelő üteme olykor a gyermek nevelésében érdekelt szereplők (szülők, családtagok, pedagógusok) előtt rejtve marad, annak monitorozása gyakran nem, vagy csak kis mértékben képezi részét a kielégítő nyelvfejlesztésnek. Általában elmondható, hogy az esetlegesen sérült részműködésekre csak akkor leszünk figyelmesek, amikor az valamilyen érzékelhető probléma formájában a felszínre kerül (Lengyel, 1981).

A beszédprodukció és a beszédfeldolgozás az anyanyelv-elsajátítás során párhuzamosan fejlődik, és a két részfolyamat kölcsönösen hat egymásra. A beszédfeldolgozás fejlettségi szintje minden életkorban megelőzi a beszédprodukcióét, ami azt jelenti, hogy a gyermek mindig jelentősen többet ért meg, mint amennyit el tud mondani. A fejlődés üteme megközelítőleg 2-3 éves korig gyorsabb a beszédprodukció esetében, azonban ezt az életkort követően a fejlődés – feltehetően – kiegyenlítődik (Gósy, 2005).

A valóságos beszédfeldolgozást előkészítő képességek egy része már a születés előtt, illetve a születés után nem sokkal kialakul (Curtin et al., 2017). Számos bizonyíték támasztja alá, hogy a gyermekek különböző módon már az anyaméhben reagálnak az őket körülvevő beszélő környezet felől érkező nyelvi ingerekre, és ez előkészíti a születés után induló percepciós tanulási folyamatok megindulását. Ezt bizonyítja, hogy már az alig néhány napos csecsemők is másként reagálnak a környezetük anyanyelvének hangjaira, mint az olyan beszédhangokra, amelyek nem képezik részét az adott nyelvnek (Moon et al., 2013). A beszédhangok közötti különbségek észlelése folyamatosan finomodik: néhány hónapos korban már képesek a leendő anyanyelvük fonémáinak megkülönböztetésére (Cheour-Luhtanen et al., 1995; Bertoncini et al., 1988). Az idő előrehaladtával az anyanyelvi beszédhang-differenciálás tovább fejlődik, azonban ez a képesség idővel eltompul a számukra idegen nyelvek hangállományának esetében. Ezt nevezzük felejtéses tanulásnak (Werker–Tees, 1984; Kuhl et al., 2006). A beszéd megértését tehát a beszédészlelés stabilizálódása előzi meg. Beszédértésről onnantól beszélhetünk, hogy a gyermek képessé válik a nyelvi jelek és a jelek szemantikai tartalmának összekapcsolására (Gósy, 2005).

A gyermek nyelvfejlődésére – különösképpen annak korai szakaszában – jelentős mértékben hat a dajkanyelv (az angol nyelvű szakirodalomban motherese, vagy IDS – infant-directed speech). A dajkanyelv a gyermek gondozásában részt vevők által használt, sajátos prozódiai jellegzetességeket mutató nyelvváltozat (Spinelli et al., 2017). Használata a gyermek nyelvi képességeinek fejlődésével fokozatosan erősödik, majd a kommunikáció stabilizálódásával a jelentősége csökkenni kezd (Saint-Georges et al., 2013). A dajkanyelv nem csupán a beszélő környezet természetes pedagógiai reakciója a gyermek beszédindulására. A viselkedés-lélektani vizsgálatok eredményei egyértelműen alátámasztják, hogy a gyermekek másként, intenzívebben reagálnak a dajkanyelvi inputra, mint a felnőttnyelvi prozódiai jellegzetességeket hordozó közlésekre (Outters et al., 2020). Az utóbbi években számos dajkanyelvi kutatást végeztek magyar nyelven is (vö. Zajdó, 2006; Gergely et al., 2017; prozódiai tulajdonságokról Mády et al., 2018; a rövid-hosszú magánhangzópárok realizációiról Deme et al., 2019; frázisvégi nyújtásokról Kohári et al., 2019).

A kutatások legújabb iránya már a születés előtt is feltételezi egy, a dajkanyelvre hasonlító nyelvváltozat használatát, amely a magzat mozgásával és az anya lelkiállapotával áll szoros összefüggésben (Parlato-Oliveira et al., 2021).

A beszédfeldolgozás stratégiái az életkor előrehaladásával folyamatosan változnak és finomodnak. Relatíve sokáig, körülbelül 1-1,5 éves korig az ún. globális beszédmegértés a jellemző, ami azt jelenti, hogy a gyermek a felé intézett közlést csak részben tudja felismerni, és nagymértékben támaszkodik más, kontextuális tényezőkre, például a beszédhelyzetre, a non-verbális kommunikáció elemeire (gesztusok), illetve magára a beszélő személyére is (Gósy, 2005). A nyelven kívüli információkra való támaszkodás szerepe folyamatosan csökken, de számos kutatás tanulsága szerint még 5-10 éves korban sem tűnik el teljesen. 4 és 9 éves gyermekekkel végzett vizsgálatok azt mutatják, hogy a gesztusok információtartalma az idősebb korosztálynál erőteljesebben befolyásolja a megértést, illetve az eredmények rávilágítanak továbbá arra is, hogy a vizuális és a nyelvi információt – nagy valószínűséggel – egymástól függetlenül dolgozzuk fel, majd a kimeneti eredményeket integráljuk a pontos megértés eléréséhez (Thompson–Massaro, 1994). Más szerzők szerint a gesztusoknak kiemelt szerepe van gyermekkorban, azonban a testbeszéd támogató szerepe még felnőttkorban is nagyon jelentős a beszédfeldolgozás korai szakaszában (Skipper, 2014), különösen akkor, ha az akusztikai jel csak korlátozottan hozzáférhető (Drijvers–Özyürek, 2017).

A nyelvfejlődés során a gyermek egyre nagyobb mértékben támaszkodik a nyelvileg kódolt információkra és egyre kevésbé a nyelven kívüliekre. Ennek egyik megnyilvánulása az ún. kulcsszóstratégia megjelenése 2 éves kor környékén. Ez azt jelenti, hogy a gyermek a hozzá intézett közlésből igyekszik a számára értelmezhető szemantikai egységeket (szavakat, szószerkezeteket, esetleg mondatrészeket) kiszűrni, és ezekre támaszkodva értelmezni a közlés egészét (Gósy, 2005). A kulcsszóstratégia alkalmazása feltételezi a kognitív folyamatok megerősödését és az asszociációs mezők aktiválását (Beke, 1996). Ebben az időszakban még a gyermek a mentális lexikonában ugyanannak a szemantikai egységnek két különböző formáját tárolja: az egyik a saját, gyermeknyelvi alakja, amelyet a beszédprodukció során aktivál, a másik pedig a konvencionális, felnőttnyelvi alak, amelyet a beszédértés során aktivál. Ezt a jelenséget kettős tárolásnak nevezzük. Ideális esetben a gyermeknyelvi alakok használata 3 éves kor környékére megszűnik, és a gyermek egyre inkább ragaszkodik a mindennapi kommunikációja során a felnőttnyelvi normához (Gósy, 2005).

Az óvodába lépés idejére, tehát 3 éves kor környékére kialakul a hierarchikus beszédmegértés; a gyermek először elemzi a közlések nyelvi sajátosságait, majd értelmezi a hallottakat (Gósy, 2005). 2 és 2,5 éves kor között kialakul a beszélőfüggetlen felismerés, ami azt jelenti, hogy a gyermekek a számukra nem ismerős módon, szokatlan akcentussal ejtett hangokat is biztonságosan beazonosítják (Best et at., 2009; Mulak et al., 2013; Van-Heugten–Johnson, 2014). A hangdiszkrimináció fejlődésének univerzális jellemzője, hogy a gyermek mindig a nagyobb különbségek észlelésétől halad a kisebb különbségek észlelése felé (Grunwell, 1987). Ennek megfelelően először a magánhangzókat képes megkülönböztetni a mássalhangzóktól, különösen azokban az esetekben, amelyeknél nagy artikulációs különbségek vannak az egyes hangok között. A beszédhang-differenciálás folyamatos finomodásával a gyermek képessé válik a kisebb különbségek észlelésére is, azonban ez a folyamat már nyelvspecifikus, hiszen a különbségek észlelése az adott nyelv fonémarealizációinak fonetikai sajátosságai szerint történik. A hangdiszkrimináció fejlődésének végpontján, 7 éves kor környékén a gyermek képes megkülönböztetni a hosszú és a rövid magán- és mássalhangzókat (Gósy, 2006). A differenciálási képességek fejlődésének elmaradása idővel fokozottan terheli a hosszú távú memóriát, gyengíti a beszédpercepció hatékonyságát és kihat a gyermek tanulmányi eredményeire (Gyarmathy–Horváth, 2010). A percepciós működések akadályozottsága állhat egyes beszédhangképzési zavarok hátterében is (vö. Menn–Matthie, 1992), így a beszédhallás folyamatos ellenőrzése nélkülözhetetlen feladat az intézményesített oktatás színterein.

A nyelvfejlődés szempontjából az óvodába lépés egyik legfontosabb hatása, hogy a gyermekek kapcsolatba kerülnek a korosztályuk más tagjaival, illetve felnőttekkel is, így egyre több társas szituációban vesznek részt. A társaikkal való mindennapi együttműködés során megtanulják a társalgást irányító legfontosabb tényezőket: a dialógus elindításának, a figyelem felkeltésének és fenntartásának stratégiáit (Neuberger, 2014). Az iskolába lépés előtt – egyes kutatások szerint – az óvodások már birtokában vannak a felnőtt mintát követő társalgási készségek egy bizonyos részének (Nelson–Gruendel, 1979).

Az óvodáskor végéig, kb. 6 éves korig jellemző az ún. szituatív beszéd, amely azt jelenti, hogy a gyermek közléseinek információtartalmát a szituációból adódó, azonban a közlésekben nyelvileg nem kódolt információ egészíti ki, amely információkra a feldolgozás során nagymértékben támaszkodnak. Ez azt jelenti, hogy a megértést a nyelvi és a nem nyelvi tényezők együttesen biztosítják. A hatodik életévet követően kezd el kialakulni a kontextusos beszéd, amely során a gyermekek a megértéshez szükséges információk túlnyomó részét magából a közlésből nyerik. Természetesen a szituatív beszéd nem tűnik el teljesen, hiszen bizonyos nem nyelvi információkat még felnőttkorban is felhasználunk (lásd testbeszéd, mimika stb.) (Albertné Herbszt, 2004).