Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Citado por Google 
Similares en
SciELO 
Similares en Google 
Permalink
INTRODUCCIÓN
La academia y los docentes de español como lengua extranjera y segunda lengua han fijado su atención en la creación y explotación de corpus de aprendientes en los últimos años. Esto ha sido motivado por los avances investigativos en la lingüística de corpus y el desarrollo que ha tenido esta área en relación con la enseñanza de lenguas como el inglés.
La preocupación actual en este campo recae en la falta de investigación descriptiva, teórica y aplicada, razón por la cual se hace cada vez más necesaria e inaplazable la construcción de corpus de aprendientes. Marta Baralo describe esta necesidad de manera detallada, por medio de preguntas que surgen en el campo de la enseñanza de lenguas:
A medida que se amplía y se intensifica la investigación en todos los aspectos de la enseñanza y el aprendizaje de ELE, surgen preguntas de investigación que requieren descripción y análisis a partir de datos fiables: ¿Qué tipos de errores son más frecuentes? ¿En qué nivel de dominio de la lengua meta se encuentran? ¿Son errores de desarrollo? ¿Por qué existen ciertas estructuras fonológicas, morfológicas, sintácticas, léxicas, pragmáticas que se fosilizan? Estos procesos de fosilización, ¿son iguales en todos los que aprenden español o son diferentes según la lengua materna del que aprende? ¿En qué medida influye y de qué modo la lengua materna?, ¿en los errores?, ¿en el tiempo necesario para alcanzar determinado nivel de dominio en ELE?, ¿en el tipo de estructuras que deben trabajarse durante más tiempo?, ¿en la formación de nuevos hábitos lingüísticos? ¿Son iguales de válidos todos los métodos de enseñanza de ELE para todos los aprendientes, o varía su eficacia según otras variables relacionadas con las estrategias de aprendizaje y de comunicación, con las tradiciones culturales de cada comunidad idiomática? ¿Es universalmente válida la corrección de errores? ¿Influyen otros factores en la eficacia de diferentes formas de reparar el error? Si existen esos otros factores, ¿cuáles son los más eficaces para cada tipo de alumno o para cada contexto de aprendizaje de ELE? (Baralo, 2010, p. 2)
Estas y otras preguntas surgen en la práctica e investigación docente, y las herramientas para resolverlas son limitadas, por lo que se solucionan desde la subjetividad y la experiencia. Uno de los caminos para enfrentar esta dificultad es la construcción de corpus de aprendientes de español que, al ofrecer gran cantidad de textos orales y escritos producidos en contextos reales, permiten el análisis de los datos y la reflexión sobre ellos. Con su uso, se llega a respuestas y soluciones a muchas de las preguntas y dificultades que surgen acerca de los procesos de enseñanza-aprendizaje de la lengua.
¿QUÉ SUCEDE CON LOS CORPUS DE APRENDIENTES DE ESPAÑOL?
La lingüística de corpus es un conjunto de principios metodológicos apoyados en técnicas estadísticas y computacionales que se emplean para estudiar datos reales de la lengua (Parodi, 2010). Esta metodología es la encargada de diseñar y construir corpus. Por tal motivo, no se puede hablar de un corpus de aprendientes sin antes tener claro qué es un corpus.
Las definiciones que aún son vigentes aparecieron con el auge de los computadores en las décadas de 1970 y 1980, ya que el desarrollo tecnológico permitió almacenar grandes cantidades de datos. Según Sinclair (1991), un corpus corresponde a una colección de textos o muestras de lengua natural que se escogen para caracterizar una variedad específica de una lengua o el estado de la misma; por supuesto, de manera computacional.
Por tanto, un corpus de aprendientes es aquel que reúne muestras de lengua producidas por personas que se encuentran en el proceso de adquisición/aprendizaje de una lengua distinta a la materna. Estas muestras pueden ser de naturaleza oral o escrita y se encuentran sistematizadas, de manera tal que sus metadatos o información adicional permitan la realización de búsquedas y el cruce de información sobre el hablante y la producción lingüística.
Aunque el uso de corpus lingüísticos para la investigación y la enseñanza de idiomas es cada vez más frecuente, en español no existe un número vasto de corpus que soporten las necesidades de la lengua y de la comunidad hispanohablante. Los únicos corpus escritos de aprendientes de español registrados hasta la fecha se pueden visualizar en la Tabla 1.
Seguramente, existen corpus privados en español que no se encuentran en línea. También puede haber docentes e instituciones que han compilado un gran número de producciones de sus estudiantes que hasta el momento no han sido sistematizadas, pero tienen gran valor investigativo y pueden llegar a convertirse (con el trabajo y el interés necesarios) en corpus de aprendientes. Por esta razón, el Corpus de Aprendientes de Español como Lengua Extranjera y Segunda Lengua (CAELE/2) es una propuesta emergente que quiere proveer a docentes e investigadores de material lingüístico que facilite su labor.
Uno de los proyectos en español con gran relevancia es el Corpus de Aprendices de Español como Lengua Extranjera (CAELE) elaborado por Ferreira y Elejalde (2014, 2017). Este recopila un corpus de 84 resúmenes escritos, realizados por 22 estudiantes extranjeros en el nivel B1.
El CAELE/2 no guarda ninguna relación con el anterior proyecto. Aunque su denominación es similar, su gran diferencia radica en la inclusión de muestras de español como segunda lengua, y no únicamente como lengua extranjera. A continuación, se presenta la descripción del CAELE/2, sus objetivos, la metodología de elaboración y los resultados obtenidos.
¿QUÉ ES EL CAELE/2-COMPONENTE ESCRITO?
El CAELE/2 es un proyecto del Instituto Caro y Cuervo que busca diseñar, recopilar, sistematizar y construir un corpus escrito y oral de muestras de aprendientes de español, extranjeros, sordos e indígenas en Colombia. Tiene el fin de ofrecer a la comunidad académica y educativa (docentes, investigadores, aprendientes, instituciones y comunidades de habla) un material que permita detectar, analizar y desarrollar propuestas pedagógicas y didácticas para la enseñanza del español1.
A diferencia de otros corpus de aprendientes extranjeros, este proyecto recopila muestras de segunda lengua respondiendo a la diversidad lingüística del país. En este sentido, se tiene presente que las necesidades educativas no son exclusivas de estudiantes extranjeros, sino de colombianos indígenas y sordos que no tienen como L1 el español.
El CAELE/2 tiene 4 grandes fases: componente escrito para informantes extranjeros y sordos, componente escrito para informantes indígenas, componente oral para informantes extranjeros e indígenas, y componente de interacción para aprendientes sordos.
Para llegar a la construcción del componente escrito, ha sido necesario pasar por distintos procesos, siguiendo parte de la metodología de Torruela y Llisterri (1999):
Revisión teórica, práctica y metodológica para el diseño del corpus.
Propuesta de metadatos necesarios para el componente escrito, teniendo en cuenta las características de los informantes, los niveles de lengua y los distintos escenarios de aprendizaje.
Diseño, implementación y verificación de los instrumentos para la recolección de muestras del componente escrito, según las características de los aprendientes, las producciones y el contexto.
Recolección y sistematización de las muestras escritas (lo que da como resultado un corpus digital).
En términos generales, es un componente formado por muestras escritas producidas por aprendientes de ELE y EL2 en Colombia, abierto y sin un número definido de informantes o palabras. Los aprendientes tienen distintas lenguas maternas y diversos niveles de español. Además, las muestras son recolectadas mediante pruebas específicas diseñadas para este proyecto2.
Metadatos del componente escrito: informantes extranjeros y sordos
Gabrielatos (2005) asegura que la investigación lingüística basada en corpus ha proporcionado descripciones de la L1 y la lengua meta mucho más claras y apropiadas que aquellas basadas en las intuiciones. Uno de los factores que permite lograr tal grado de descripción y especificidad es la elección de los metadatos adecuados. Un metadato corresponde a información estructurada que describe el contenido y las características de los datos, los textos y los corpus, y que, a su vez, permite realizar búsquedas dentro de la colección (Hincapié & Bernal, en prensa).
Para la construcción del CAELE/2, en su componente escrito, los metadatos corresponden a la muestra (Tabla 2) y al informante (Tabla 3). En algunos casos, un informante proporcionó distintas muestras, por lo cual el metadato denominado IdAprendiente va conectado con el IdMuestra. Aunque hay unas etiquetas comunes a todos los subcorpus (extranjeros y sordos), existen también metadatos específicos para cada subcorpus. Las Tablas 2, 3 y 4 presentan los metadatos y su respectiva explicación cuando es necesario.
La mayoría de estos metadatos permiten realizar búsquedas desde una plataforma web, aunque no todos son visibles para los usuarios, ya que algunos son utilizados para controlar la sistematización y organización del corpus. En cuanto a los informantes, muchos metadatos se comparten entre aprendientes extranjeros y aprendientes sordos, pero se han adicionado algunos, dependiendo de la población, con el fin de brindar mayor información extralingüística. Los metadatos de informantes se pueden observar en las Tablas 3 y 4.
Diseño de los instrumentos para la recolección de muestras escritas de informantes extranjeros y sordos
Para la recolección de los metadatos de los aprendientes, se diseñó, en ambos casos, un formulario con preguntas sobre datos personales que respondían a los metadatos estipulados en el corpus. Estos formularios se redactaron de tal manera que las preguntas fueran lo suficientemente transparentes, ya que existían informantes con un nivel de español básico. Los formatos podían diligenciarse en papel o en línea, mediante los formularios de Google Drive, que no tienen autocorrector.
El segundo instrumento corresponde a la prueba lingüística que da como resultado la muestra de lengua. Para el caso de las muestras de español para extranjeros, se creó un formulario con siete ejercicios distintos. Estas actividades se plantearon tras revisar los criterios de evaluación por nivel, según el Marco Común Europeo de Referencia (MCER, 2002), y con base en el análisis de criterios que realizan Gozalo y Martín (2009).
Los ejercicios corresponden a las tareas de describir, narrar o argumentar, y se dividen en los niveles A1, A2, B1, B2 y C. Los informantes son libres de escoger el ejercicio o los ejercicios que a su criterio se relacionan con el nivel de lengua que poseen, por tanto, las pruebas no especifican el nivel al que corresponden ni el tipo de tarea a la que pertenecen. Esta información es conocida únicamente por los investigadores. Algunas de las actividades cuentan con un input visual, y los temas son variados (desde redes sociales hasta política), con el fin de motivar al estudiante a desarrollar la tarea.
Cabe aclarar que la finalidad del corpus no es el análisis del discurso, sino de las construcciones lingüísticas que los aprendientes realizan en la lengua meta. Por tanto, no se realizan juicios de valoración sobre el contenido de las muestras.
En cuanto a las pruebas diseñadas para aprendientes sordos, el planteamiento se hizo desde cuatro actividades. Como no existe un sistema de evaluación para conocer el nivel en español escrito, los ejercicios se plantearon desde las mismas tareas expuestas para los aprendientes extranjeros: describir, narrar y argumentar.
Cada tarea tiene un grado mayor de complejidad que la anterior: partiendo de las necesidades de esta población, el ejercicio número uno corresponde a la creación de un perfil personal en una red social; los dos ejercicios siguientes consisten en narrar una historia a partir de una secuencia de imágenes o de un video; por último, el ejercicio argumentativo parte de un input visual, en donde se presenta a una persona sorda en la portada de una revista de gran circulación en Colombia.
El último instrumento está enfocado a los procedimientos éticos de la investigación y corresponde a un consentimiento informado, en el cual se explica el proyecto y sus objetivos, y se pide autorización para el manejo de los datos personales y las muestras proporcionadas para uso científico y académico, sin fines lucrativos.
Recolección y sistematización de las muestras escritas
La recolección se realizó de manera presencial y virtual, según las facilidades de los participantes. Cada participante debía responder a tres formularios: consentimiento informado, formulario de datos personales y prueba escrita. Aquellas muestras que no contaban con toda la información fueron descartadas. Ya que el corpus es de carácter abierto, no se limitó la recolección a un número específico de muestras, pero sí se pilotearon las pruebas recolectando 25 muestras para cada subcomponente: aprendientes extranjeros y aprendientes sordos.
A medida que se hacía la recolección, se iban sistematizando las muestras en una hoja de cálculo en línea que permitía seguir el consecutivo del IdMuestra. Para facilitar los procesos de explotación en un futuro, cada una de las muestras debe ser digitalizada y almacenada en distintos formatos: .pdf, .docx y .txt. Estos formatos permiten hacer estudios de distinta índole, ya que el .pdf muestra la escritura real de los participantes, el documento .docx permite hacer análisis manual de los datos, y el archivo .txt es el que se procesa computacionalmente para permitir análisis y búsquedas automáticas.
La sistematización de la información contenida en el formulario de datos personales es la que permite la búsqueda cruzada dentro del corpus (por ejemplo, filtrar todas las muestras de nivel básico de español de participantes con padres sordos, o las muestras de nivel de español A2 con portugués como lengua materna). Por otro lado, los meta-datos de la muestra (como número de palabras, temas, etc.) se extraen en el momento en que los investigadores sistematizan las pruebas.
Ya que el proceso de sistematización se realiza manualmente por medio de la ayuda de investigadores, hay un paso adicional: el de revisión. Tras almacenar y organizar las pruebas en una computadora, disco o en la web, los datos son revisados por un segundo investigador, quien corrobora la veracidad de los metadatos, la asociación correcta entre IdMuestra y el IdAprendiente, la ruta de almacenamiento, y revisa que cada muestra cuente con los archivos correspondientes, el consentimiento informado y el formulario de datos personales. Los ejemplos de las muestras tomadas se presentan en las Figuras 1, 2 y 3.
RESULTADOS Y CONCLUSIONES
Finalizado el proceso de recolección y sistematización, el CAELE/2 cuenta con un total de 166 muestras de interlengua, 78 muestras provenientes de aprendientes extranjeros y 88 muestras escritas por aprendientes sordos, y un total de 83 participantes, 56 estudiantes extranjeros y 27 pertenecientes a la comunidad sorda colombiana. Los resultados de las muestras de aprendientes extranjeros se presentan en la Tabla 5.
Aunque el número de palabras del CAELE/2 aún no es comparable con corpus como el CAES o el CEDEL2, expuestos anteriormente (ya que superan las 500 000 palabras), es el primer corpus de aprendientes de la variedad colombiana de español que se crea en Colombia. Además, tiene la ventaja de que es un corpus abierto, sin un número fijo de palabras y está diseñado bajo un estricto procedimiento de sistematización, lo que señala que puede ser alimentado cada vez que se quiera.
La información de las muestras escritas por aprendientes sordos se presenta en la Tabla 6.
El CAELE/2 es el primer corpus en español que incluye muestras de EL2 de aprendientes sordos. El número total de palabras aún es bajo, pero es posible alimentarlo constantemente.
Aunque los corpus son lingüísticos, los instrumentos y los metadatos arrojan información que no necesariamente tiene que ver con la lengua. El componente de aprendientes sordos contiene material interesante para investigaciones futuras de carácter interdisciplinar. Gracias a estos elementos, existe información que puede abrir temas en áreas como cultura y comunidad sorda, educación, y política lingüística, entre otros. La sistematización de las muestras, sin ser sometidas a un análisis profundo arroja datos como:
La extensión de las muestras escritas por aprendientes sordos es mucho menor que la extensión de las muestras de aprendientes extranjeros. Esta situación puede deberse a factores contrastivos entre las lenguas maternas y el español, o a condiciones educativas.
A la pregunta ¿cuál es su lengua materna? 4 informantes (14 % de la muestra) respondió que no sabría decir si es el español o la LSC. Aunque la muestra no es representativa, sí deja entrever una dificultad de identidad lingüística. Sería interesante profundizar más en este tema.
En términos de adquisición-aprendizaje, la mayoría de aprendientes sordos adquieren su lengua materna (LSC) a una edad avanzada. Esto puede tener repercusiones en el aprendizaje de la L2 (en este caso del español), lo que lleva a pensar que se necesitan políticas y estrategias lingüísticas, educativas y didácticas más eficaces y acordes a la realidad de esta población.
El CAELE/2 continúa en su proceso de construcción. Por tanto, pretende ser un material completo que reúna muestras escritas y orales del español como lengua extranjera y segunda lengua, con el fin de aportar a la investigación lingüística aplicada directamente en áreas como la educación. Sus muestras pueden servir para caracterizar la interlengua de los aprendientes, como material para el diseño de currículos, de material pedagógico y didáctico, como evidencia para la mejora de políticas lingüísticas y educativas, entre muchas otras posibilidades.
