Spanish Linguistics Guide: Spanish Corpora

Includes L2 and bilingual corpora of several languages

The UC Davis Corpus of Written Spanish, L2 and Heritage Speakers

Several heritage languages including Spanish)

Corpus of L2 Spanish and study abroad)

Includes L2 and bilingual corpora of several languages

"CESA (Corpus del Español en el Sur de Arizona) aims at documenting and disseminating Spanish varieties spoken in Arizona..."

"Un Contexto Definitorio es un fragmento textual en donde se encuentran una definición y, por lo tanto, un término; fundamentalmente debe contar con un término, un patrón verbal definitorio y una definición."

"La conformación del Corpus del Español Mexicano Contemporáneo (CEMC) obedeció a la necesidad de contar con una colección de contextos de uso de las palabras, que sirvieran como base a la elaboración del Diccionario del español de México, y tenía por objetivo deslindar y reconocer las características del español mexicano contemporáneo, sobre todo en cuanto a su léxico."

"El corpus está compuesto por 108 vídeos (36 para cada acto de habla) de una duración total de 108 minutos y sus correspondientes transcripciones, con un total de 18737 palabras transcritas en total."

"This corpus includes more than one million words from oral texts and their audio files. Available for downloading."

"masiva base de datos electrónica que recoge la producción lingüística de chilenos mediante tecnología de punta y metodologías sociolingüísticas modernas. Contiene un total de 9.288.301 tokens, 68.705 tipos y 1.061.711 enunciados, provenientes de 83.002 minutos de grabaciones de audio. Los investigadores pueden acceder a las transcripciones lematizadas y etiquetadas del COSCACH de manera libre y gratuita en corpora.pro. Sólo require crear una cuenta en el sitio" (Scott Sadowsky).

"El Corpus Oral y Sonoro del Español Rural está formado por grabaciones de la lengua hablada en enclaves rurales de la Península Ibérica. Las entrevistas se obtuvieron con el propósito de ofrecer una muestra representativa de la variedad dialectal, pero también permiten conocer los modos de vida en el campo en la época previa a la mecanización agraria y a la despoblación rural."

...corpus sincrónico del español escrito de Chile, compuesto de 896.242.344 palabras en 1.838.965 archivos y 102 subcorpora. Los investigadores pueden acceder al CODICACH en corpora.pro. El único requisito es abrir una cuenta en el sitio (Scott Sadowsky).

"El Grial es una interfaz computacional que permite tanto la realización de anotaciones morfosintácticas en textos planos en lengua española como la interrogación o consulta en forma de base de datos de los corpora allí reunidos." Created by the Universidad Católica de Valparaíso, Chile.

"En su versión actual (la 2.0), el corpus para el estudio del español oral ESLORA contiene 60 horas de entrevistas semidirigidas y 20 horas de conversaciones de hablantes de Galicia grabadas entre los años 2007 y 2015."

"EsPal is designed to be a source of information containing all the possible properties of Spanish words."

Published by Instituto Caro y Cuervo; authors: Julio Alexánder Bernal Chávez and Diana Alejandra Hincapié Moreno

"The goal of the Spanish in Texas project is to develop a corpus of Spanish and bilingual Spanish-English speech samples culled from interviews and conversations among speakers of diverse personal profiles and regional origins throughout Texas."

"The audio recordings in this collection are sociolinguistic interviews and conversations collected by USC professor emeritus Carmen Silva-Corvalán. They cover ca. 348 hours of audio interviews collected from 1976 to 1992...They provide an authentic resource serving multiple research communities engaged in projects related to language education, linguistic research, bilingualism research, and technology development, specifically of Spanish spoken in Spain, Chile and Los Angeles."