Fecha de publicación
1 de enero del 2020Sitio web
http://cedel2.learnercorpora.comDescripción
CEDEL2 video: https://www.youtube.com/watch?v=fEUdmZ3TI5Q
CEDEL2 es un corpus lingüístico de aprendices de español, es decir, una gran base de datos que contiene el lenguaje producido por aprendices de español (personas que están aprendiendo español como su segunda lengua). Contiene, además, el lenguaje de hablantes nativos de español de España y de otras variedades de Latinoamérica (Méjico, Argentina, Colombia, etc). De esta forma, los investigadores usan los datos de los nativos de español como referencia para ver si el lenguaje de los aprendices se acerca (o se aleja) del lenguaje de los nativos.
Por ejemplo, es bien sabido que los aprendices cometen errores básicos de concordancia entre el artículo y el nombre: “la clima”, “la problema”. CEDEL2 es una herramienta informática potentísima que sirve a los investigadores de “ventana” para comprender cómo funciona el lenguaje en la mente de los aprendices. Asimismo, los docentes de español pueden usarlo en clase para que los estudiantes exploren y aprendan de los errores cometidos por otros aprendices como ellos.
CEDEL2 es gratuito, y está alojado en el portal web cedel2.learnercorpora.com. La aplicación informática cuenta con un potente buscador y una interfaz intuitiva y accesible. Ofrece múltiples posibilidades para la investigación y la docencia. Permite hacer tanto búsquedas sencillas de palabras como búsquedas de estructuras lingüísticas complejas. Las búsquedas y los textos completos se pueden descargar para analizarlos posteriormente. Además de textos escritos, CEDEL2 contiene grabaciones orales. Ya se han llevado a cabo más de medio centenar de estudios internacionales y tesis doctorales con datos procedentes de CEDEL2.
El corpus tiene una larga trayectoria pues lleva en desarrollo desde el año 2006 y ha sido financiado por numerosos proyectos de investigación I+D nacionales, como el último proyecto ANACOREX. En CEDEL2 ha colaborado un equipo internacional de 30 investigadores procedentes de 11 universidades. Dado este carácter internacional, CEDEL2 incluye datos de aprendices de español de hasta 11 lenguas maternas distintas (y muy variopintas), como el inglés, japonés, chino, árabe, ruso, alemán, etc. Actualmente, la segunda versión del corpus contiene el lenguaje producido por unos 4.400 hablantes y más de 1 millón de palabras, lo que lo convierte en el corpus más extenso de su categoría.
CEDEL2 está en constante crecimiento y los investigadores siguen recogiendo datos para la futura 3ª versión del corpus. Cualquiera puede participar en el corpus CEDEL2 a través de su portal web (learnercorpora.com). Sólo hay que escribir/narrar una breve historia en español y proporcionar información sobre el perfil lingüístico. La participación está remunerada.
Paralelamente, el equipo también ha desarrollado un corpus de inglés como lengua extranjera: COREFL (Corpus of English as a Foreign Language), que sigue los mismos principios de diseño que CEDEL2, lo que permite hacer múltiples comparaciones del lenguaje producido por, por ejemplo, nativos de español que aprenden inglés (COREFL) vs. nativos de inglés que aprenden español (CEDEL2). COREFL está disponible gratuitamente en la web (corefl.learnercorpora.com).
En definitiva, este proyecto es una aportación innovadora en el ámbito de la lingüística, el bilingüismo, el aprendizaje de lenguas y las humanidades digitales.
Más información:
- Aplicación online de CEDEL2: learnercorpora.com
- Portal web para participar: learnercorpora.com
- Video promocional de CEDEL2: https://wpd.ugr.es/~cristoballozano/divulgacion
- Publicación científica: Lozano, C. (2021). CEDEL2: Design, compilation and web interface of an online corpus for L2 Spanish acquisition research. Second Language Research, first published online. https://doi.org/10.1177/02676583211050522
***ENGLISH SUMMARY***
CEDEL2 stands for ‘Corpus Escrito Del Español L2’ (L2 Spanish written corpus) and is a freely available linguistic corpus. It contains two large subcorpora coming from non-native and native speakers. The non-native corpus comes from learners of Spanish as a second language whose mother tongue is one of these 11 languages (English, German, Dutch, French, Portuguese, Italian, Greek, Russian, Chinese, Japanese, Arabic). The native corpus contains data from Spanish native speakers from Spain and Latin America, plus data from a few other native corpora (English, Greek, Arabic, Japanese, Portuguese).
The CEDEL2 data collection started in 2006. In its second version (CEDEL2 v.2) in 2020, the corpus contains over a million words coming from over 4,000 speakers who have voluntarily participated. CEDEL2 is still growing and version 3 is expected to be released in the near future with more speakers and more languages. For more statistical data on CEDEL2, see http://cedel2.learnercorpora.com/statistics
CEDEL2 is freely available online and its texts can be filtered and downloaded according to several criteria (age of the speaker, proficiency level, age of exposure to Spanish, years studying Spanish, length of stay in a Spanish-speaking country, etc). Likewise, texts can be searched according to several criteria (words, word combinations, word frequencies, lemmas, grammatical categories). These searches can be downloaded and they can be shown as concordances as well.
Free access to the corpus: http://cedel2.learnercorpora.com
