Сприйняття будь-якого аудіювання можна поділити на сенсорний та перцептивний рівні. Сенсорний рівень – це кодування зовнішніх впливів у коді нервових зв’язків. На перцептивному рівні здійснюється переведення закодованої у нервовій системі інформації у предметні образи сприйняття. Перцептивний рівень складається з перцептивний дій (виявлення, розрізнення, ідентифікації – наприклад елементів почутого: слів, синтагм, інтонації тощо) та розумових операцій: первинного синтезу – аналізу – вторинного синтезу, які, власне, дозволяють "скласти" цілісне повідомлення з окремих елементів, інтегрувати особистісний смисл цього повідомлення.

Саме розумові операції відображають роль мислення в процесі аудіювання. Але вони, як і в інших видах мовленнєвої діяльності, багато в чому залежать від мотивації та емоцій. Наприклад , відсутність мотивації сприйняти усне повідомлення може призвести до зриву комунікації, тому що розумові операції не активуються і слухач ніби слухає, але "не чує". Сильні емоції, з іншого боку, можуть стати причиною перекрученого сприйняття, коли інтегрується той смисл повідомлення, який слухач хоче, або прогнозує почути, а не той, який є адекватним сказаному.

З точки зору проходження перцептивного процесу можна виділити рівні сукцесивного (послідовного) та симультанного (одночасного) сприйняття. В останньому випадку всі перцептивні дії та розумові операції виконуються на різних рівнях, але одночасно, а не послідовно, одна за одною, як у першому випадку. З розвитком умінь слухання процес все більше набуває рис симультанності, перцептивні дії перестають виконуватися повністю та навіть можуть зовсім випадати (наприклад, коли не потрібно ніяких зусиль для розпізнавання більшості елементів повідомлення, таких як окремі слова). Це досягається на досить високому рівні розвитку вмінь аудіювання. На початкових рівнях, наприклад у навчанні аудіювання іноземною мовою, процес в основному має сукцесивний характер, перцептивні дії вимагають складних зусиль. Аудіювання, на відміну від читання, не дає можливості повертатися до почутого, але не зрозумілого, потребує високого темпу виконання дій та операцій, спрямованих на розуміння. Тому недосвідчений слухач часто просто не встигає почути й зрозуміти, йому не вистачає часу для перероблення інформації, яка йде безперервним потоком. Це є причиною більшості труднощів у аудіюванні для тих, хто вивчає іноземні мови, робить аудіювання найскладнішим для формування видом мовленнєвої діяльності.

Названі труднощі безпосередньо пов’язані з роботою пам’яті. Досвідчений слухач, який дуже швидко опрацьовує мовленнєві акустичні сигнали, що надходять, встигає зрозуміти почуту частину повідомлення, доки вона зберігається у короткостроковій пам’яті (протягом однієї-двох секунд). Тоді вже зрозуміла інформація, закодована у власних смислах слухача, переходить до оперативної пам’яті, де вона зберігається. Доки до неї не приєднаються інші ( також вже зрозумілі) частини повідомлення, що надійшли пізніше, у міру розгортання мовлення, яке сприймається. Саме в оперативній пам’яті відбувається інтегрування всіх зрозумілих частин повідомлення, закодованих у власних смислах слухача. Таке інтегроване повідомлення знову заміщується власним символом (або системою символів) слухача, і вже цей символ переходить до довгострокової пам’яті для постійного зберігання. Якщо виникає необхідність відтворити почуте повідомлення, слухач вилучає з довгострокової пам’яті створені ним самим символи, адекватні раніше почутому, та розгортає їх у повідомлення. Але це буде вже новим повідомленням, сформульованим не колишнім слухачем, а теперішнім мовцем по-своєму, тобто іншими словами, з іншою структурою речень тощо. Саме тому, що сприйняте повідомлення перекодується слухачем у власні символи, воно не може відтворюватися дослівно, якщо не вивчене на пам'ять. У цьому ж полягає причина перекручення сприйнятих повідомлень при їх відтворенні у тих випадках, коли слухач або неадекватно зрозумів сприйняте, або замінив його неадекватним символом (символами) при розумінні. Розглянутий процес відбувається інакше у недосвідченого слухача, який щойно почав вивчати іноземну мову. Найчастіше він не встигає переробити ту частину почутої інформації, яка знаходиться в його короткостроковій пам’яті. Нова інформація витісняє попередню ще до того, як та була опрацьована і стала повністю зрозумілою. Те саме трапляється з новою порцією інформації ї т. д. У результаті слухач просувається від незрозумілого або неповністю зрозумілого до нового незрозумілого. Таким чином, інтегрованого розуміння почутого повідомлення в цілому не виникає. Це розуміння суто фрагментарне, неповне (окремі слова або речення, а не повідомлення як ціле). Зі сказаного слідує висновок, що провідне завдання навчання аудіювання – це забезпечення адекватної швидкості опрацювання почутої інформації. Це надасть змогу встигати розуміти почуте.

Щодо фрагментарного розуміння, це найнижчий його рівень, власне ще не розуміння як таке. Наступний рівень розуміння прийнято називати глобальним. Це вже справжнє розуміння почутого повідомлення як цілого. Глобальне розуміння відрізняється тим, що слухач адекватно розуміє всю головну інформацію у повідомленні, чітко усвідомлює взаємозв’язки та взаємозалежності частин почутого. Але він може не зрозуміти або просто не почути окремих деталей, що суттєво не впливає на розуміння цілого. Нарешті, найвищий рівень розуміння – це детальне розуміння, коли почутою та зрозумілою стає вся інформація (як основна, так і другорядна) без будь-яких винятків. Навчання різних рівнів розуміння у викладанні іноземних мов може розглядатися як завдання для різних типів навчання.