Laboratorio de Lingüística Informática

CORAF

CONSULTAR CORPUS ONLINE (Usar firefox preferiblemente)

El corpus CORAF (Corpus ORal de Aprendientes de Francés) es un corpus de aprendientes hispanófonos de francés como lengua extranjera (FLE) en contexto educativo o guiado, es decir, cuyos participantes se encuentran inmersos en el estudio de la lengua en diferentes sistemas educativos.

Nuestro corpus nació con la intención de servir de base para la realización de una tesis doctoral que pretendía arrojar luz sobre los diferentes errores presentes en la expresión oral habitual de los alumnos que pueblan nuestras aulas. Sin embargo, sus fines, claramente pedagógicos, van más allá, y con él se pretende:

Contribuir a ampliar el conocimiento sobre la interlengua de los aprendientes hispanohablantes de FLE.
Profundizar en la comprensión de cómo se desarrollan las capacidades de interacción oral en los aprendientes, al ser la competencia más difícil de adquirir.
Poner a disposición de investigadores y docentes un corpus inexistente hasta el momento en nuestro ámbito de estudio, que sirva de base para futuras investigaciones.

De forma más precisa, podemos comentar que el corpus CORAF es un corpus oral monolingüe de aprendientes de francés como lengua extranjera y de lengua materna española, que recoge 30 muestras de habla espontánea de 34 participantes (30 aprendientes y 4 entrevistadores). CORAF contiene un total de 61.092 palabras, de las que 33.915 corresponden a la producción de aprendientes, y una duración de más de siete horas de grabación.

Además, encontramos participantes para cada nivel expuesto en el Marco Común Europeo de Referencia para las Lenguas (en concreto, A1, A2, B1, B2, C1 y C2), inscritos en tres escuelas oficiales de idiomas de Castilla-La Mancha y en la Facultad de Letras de la Universidad de Castilla-La Mancha (UCLM), aunque no todos originarios de la región.

De forma gráfica, podemos resumir la estructura y la composición de nuestro corpus a partir de la siguiente tabla:

NIVEL MCER	DURACIÓN TOTAL	DURACIÓN MEDIA	Nº ENTREVISTAS Y SEXO (Hombre o Mujer)	PALABRAS TOTALES	PALABRAS APRENDIENTE
A1	1:00:24	12' 05"	5 (2H/3M)	6989	2506
A2	1:05:22	13' 04"	5 (3H/2M)	8503	4110
B1	1:14:19	14' 52"	5 (1H/4M)	9699	4908
B2	1:19:46	15' 57"	5 (2H/3M)	11279	6858
C1	1:20:28	16' 06"	5 (2H/3M)	12365	7867
C2	1:22:04	16' 25"	5 (2H/3M)	12257	7666
TOTAL	7:22:23	14' 45"	30 (12H/18M)	61092	33915

CORAF nos ofrece así 30 grabaciones sincronizadas con su correspondiente transcripción ortográfica (a nivel de enunciado). Los archivos incluyen también la transcripción y los metadatos de cada entrevista con información sociolingüística (p. ej. origen del hablante, sexo, edad, lugar de origen o nivel educativo) y datos acerca de sus estudios de francés (p. ej. nivel, tiempo, lugar, estancias en país francófono y contexto de aprendizaje).

Las transcripciones se han realizado siguiendo las pautas establecidas por el Laboratorio de Lingüística Informática de la UAM para corpus de aprendientes, y dado su fin, han sido ampliadas también con etiquetas de errores para el análisis de errores de la producción oral.

Asimismo, CORAF incluye otra novedad: la inserción de etiquetas que muestran palabras, expresiones y fenómenos propios de la lengua oral (marcados con la etiqueta @oral y {%oral}, que nos ayudan también a entender el nivel de expresión de los alumnos. Un mayor número de muestras de oralidades suele estar relacionado con una mayor maestría en la interacción oral.

El corpus CORAF cuenta, finalmente, con las siguientes especificidades:

FICHERO	NIVEL MCER	DURACIÓN	TOTAL PALABRAS	PALABRAS APRENDIZ	PALABRAS ENTREVISTADOR	TURNOS	Nº FENÓMENOS ORALES
A1M01	A1	0:10:44	1371	445	926	189	0
A1M02	A1	0:12:03	1639	288	1351	212	1
A1W01	A1	0:13:27	1196	429	767	162	0
A1W02	A1	0:12:54	1528	741	787	214	0
A1W03	A1	0:11:16	1255	603	652	162	3
	A1	1:00:24	8503	4110	4393	939	4
A2M01	A2	00:12:49	1648	605	1043	266	2
A2M02	A2	00:13:43	2189	1180	1009	257	37
A2M03	A2	00:10:18	1460	485	975	215	1
A2W01	A2	00:13:54	1444	846	598	212	1
A2W02	A2	00:14:38	1762	994	768	361	2
	A2	1:05:22	8503	4110	4393	1311	43
B1M01	B1	00:12:57	1688	749	939	175	6
B1W01	B1	00:15:23	2062	1011	1051	319	2
B1W02	B1	00:17:08	2173	1111	1062	363	12
B1W03	B1	00:14:54	2262	1026	1236	313	27
B1W04	B1	00:13:57	1514	1011	503	135	1
	B1	1:14:19	9699	4908	4791	1305	48
B2M01	B2	00:18:59	2695	1676	1019	263	46
B2M02	B2	00:15:07	1794	1081	713	215	1
B2W01	B2	00:12:57	1975	904	1071	160	14
B2W02	B2	00:16:56	2392	1780	612	126	24
B2W03	B2	00:15:47	2423	1417	1006	262	14
	B2	1:19:46	11279	6858	4421	1026	99
C1M01	C1	00:16:59	2416	1464	952	298	11
C1M02	C1	00:13:24	1845	1095	750	228	47
C1W01	C1	00:17:35	2841	1825	1016	325	23
C1W02	C1	00:14:11	2694	1875	819	179	76
C1W03	C1	00:18:19	2569	1608	961	309	16
	C1	1:20:28	12365	7867	4498	1339	173
C2M01	C2	00:14:16	1750	1162	588	189	5
C2M02	C2	00:15:54	2348	1518	830	330	23
C2W01	C2	00:20:00	2762	1756	1006	390	26
C2W02	C2	00:14:40	2564	1487	1077	287	24
C2W03	C2	00:17:14	2833	1743	1090	207	50
	C2	1:22:04	12257	7666	4591	1403	128
TOTAL		7:22:23	61092	33915	27177	7323	495

PUBLICACIONES MÁS RELEVANTES

VALVERDE MATEOS, A. (2012) Análisis de errores de aprendientes de francés como lengua extranjera basado en corpus orales..Tesis doctoral. Universidad Autónoma de Madrid.
VALVERDE MATEOS, A. (2012) “Uso de corpus orales de aprendientes para la enseñanza del francés como lengua extranjera”. En: Candel Mora, M.A. y Carrió Pastor, M.L (eds): Actas del 3er Congreso Internacional de Lingüística de Corpus. Tecnologias de la Información y las Comunicaciones: Presente y Futuro en el Análisis de Corpus. Abril de 2011, Valencia, pp. 675-682. ISBN: 9788469462256.