ここはどんなｼｰﾝでしょうか？ 最初の１文で捉えることが大切です．少なくとも，２番目の文が聞こえてきた段階で，情景がかなり鮮明になってくると思います．
情景をよくｲﾒｰｼﾞすると，３番目の文と４番目の文の意味がわかりやすいのですが，この段階ではまだ何のことか想像できない場合も多いと思います．
でも，５番目と６番目の文で， Paul が何をしようとしたかがわかると思います．７番目以降の文の内容から，そのこともわかるでしょう．
私たちの毎日の日本語の日常会話でもこのように，話が進むにつれて，後で前に話されていた言葉の意味が分かることはよくあると思います．母国語では音声を数秒間，記憶に保持するのは簡単なことです．
英語で同じことを急に行うのは難しいと思いますが，それには慣れるしかありません．
ｼｬﾄﾞｰｲﾝｸﾞやﾘﾋﾟｰﾃｨﾝｸﾞなどを行いながら，英語の音声を記憶する練習を続けましょう．