Teoria buclei perceptuale a monitorizării vorbirii (Levelt, 1983) susține că vorbirea interioară și cea manifestă sunt monitorizate de sistemul de comprehensiune, care detectează erorile prin compararea înțelegerii enunțurilor formulate cu enunțurile intenționate inițial. Pentru a testa monitorizarea buclei perceptuale, vorbitorii au numit imagini și uneori au încercat să oprească vorbirea ca răspuns la cuvinte auditive (Experimentele 1 și 3) sau vizuale (Experimentele 2, 4 și 5) care erau diferite de numele imaginii. Aceste cuvinte cu semnal de oprire au fost variate din punct de vedere al similarității lor semantice sau fonologice cu cuvântul vizat. Capacitatea de a opri producția de cuvinte a fost sensibilă la similaritatea fonologică și, în Experimentul 5, la valența emoțională, dar nu și la similaritatea semantică. Aceste rezultate sugerează că bucla perceptivă detectează erorile prin efectuarea de comparații la un nivel la care sunt reprezentate cunoștințele fonologice. Aceste date implică, de asemenea, că dialogul, back channeling-ul și alte domenii în care producția de vorbire este afectată de înțelegerea simultană pot funcționa pe baza comparațiilor fonologice.

.