Crean la mayor base de datos sobre el aprendizaje del español como lengua extranjera

Investigadores de la Universidad de Granada (UGR) dirigidos por el profesor Cristóbal Lozano han desarrollado una aplicación web llamada 'Corpus escrito del español como segunda lengua' (Cedel2), considerada la mayor base de datos del mundo sobre su aprendizaje como idioma extranjero.

Según ha informado la UGR en una nota de prensa, Cedel2 nace para "dar respuesta a la necesidades investigadoras y docentes del español como lengua extranjera a nivel internacional", siendo "un corpus lingüístico de aprendices de español, es decir, una gran base de datos que contiene el lenguaje producido por aprendices de español" como segunda lengua.

Contiene, además, el lenguaje de hablantes nativos de español de España y de otras variedades de Latinoamérica (México, Argentina o Colombia). 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.

Es gratuito, y está alojado en el portal web 'cedel2.learnercorpora.com'. La aplicación informática cuenta con un 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, 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. En él ha colaborado un equipo internacional de 30 investigadores procedentes de once universidades.

Dado este carácter internacional, Cedel2 incluye datos de aprendices de español de hasta once lenguas maternas distintas como inglés, japonés, chino, árabe, ruso, o alemán. Actualmente, la segunda versión del corpus contiene el lenguaje producido por unos 4.400 hablantes y más de un millón de palabras, lo que lo convierte en el corpus más extenso de su categoría.

Además, está en constante crecimiento y los investigadores siguen recogiendo datos para la futura tercera versión del corpus. Cualquiera puede participar en el corpus Cedel2 a través de su portal web ('learnercorpora.com'). Sólo hay que escribir o 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, el '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" frente a "nativos de inglés que aprenden español".