Is it possible to produce spontaneous oral corpora and comply with legislation? The three-phase model of the Ameresco corpus

Authors

DOI:

https://doi.org/10.58859/resla.1535

Keywords:

corpus linguistics, oral corpora, data protection, anonymisation, colloquial Spanish

Abstract

Nowadays, the construction of oral corpora presents a favorable framework for its development, since there are computers tools that allow to collect and process speech samples easily. However, the collection of oral corpora of spontaneous conversation poses two challenges: on the one hand, compliance with the different legislations that ensure the right to privacy and privacy of individuals, as well as data protection policies, these imply the obligation to obtain the prior informed consent of the speakers and the implementation of a system of anonymization of personal data. On the other hand, to avoid the Labovian observer paradox in order to obtain conversations in which the speakers do not alter their linguistic behavior. With the aim of establishing a model of good practices in data protection and data processing, in this paper we will review the data processing practices of Spanish oral corpora (PRESEEA, COSER and ESLORA). We will analyze the legislation that applies to corpus construction and we will present the three-step consent model used in the Ameresco corpus. This guarantees a legal collection, since the speaker is informed that he/she is going to be recorded soon without specifying when, as well as the naturalness of the collection, since the speaker will be recorded at a later time.

Global Statistics ℹ️

Cumulative totals since publication
32
Views
3
Downloads
35
Total

References

Adolphs, S. & Knight, D. (2010). Building a spoken corpus. What are the basics? En A. O’Keeffe & M. J. McCarthy (Eds.), The Routledge Handbook of Corpus Linguistics, (p.38-52). Routledge. DOI: https://doi.org/10.4324/9780203856949-4

Agencia Española de Protección de Datos. (2016). Orientaciones y garantías en los procedimientos de anonimización de datos personales. [Archivo PDF]. https://datos.gob.es/es/documentacion/orientaciones-y-garantias-en-los-procedimientos-de-anonimizacion-de-datos-personales

Agencia de los Derechos Fundamentales de la Unión Europea y Consejo de Europa, (2014). Manual de legislación europea en materia de la protección de datos. Oficina de Publicaciones de la Unión Europea.

Albelda, M. & Estellés, M. (2012-.). Corpus Ameresco [en línea]. Recuperado de www.corpusameresco.com.

Barcala, M., et al. (2018). El corpus ESLORA de español oral: diseño, desarrollo y explotación. CHIMERA: Revista de Corpus de Lenguas Romances y Estudios Lingüísticos, 5(2), 217–237. https://doi.org/10.15366/chimera2018.5.2.003 DOI: https://doi.org/10.15366/chimera2018.5.2.003

Briz Gómez, A. (1995). La conversación coloquial (Materiales para su estudio). Anejo XVI de la Revista Cuadernos de Filología. Cuadernos de Filología.

Briz Gómez, A. (2001). El español coloquial en la conversación. Esbozo de pragmagramática. Ariel.

Briz Gómez, A. (2016). El proyecto Ameresco: la idea de un corpus de conversaciones coloquiales del español de América. En A. M. Bañón et al. (Eds.), Oralidad y análisis del discurso: homenaje a Luis Cortés (pp. 81-104). Universidad de Almería.

Briz Gómez, A. et al. (2020). Protocolo de trabajo para los equipos Ameresco. [Archivo PDF]. https://esvaratenuacion.es/protocolo-de-trabajo

Briz Gómez, A. & Grupo Val.Es.Co. (2002). Corpus de conversaciones coloquiales. Anejos Oralia. Arco Libros.

Carcelén Guerrero, A. (En preparación). Aspectos éticos y legales en la construcción de un corpus oral de conversación conflictiva.

Carcelén Guerrero, A. (2024). Bases teórico-metodológicas para la construcción de un corpus multidialectal de conversación coloquial: el corpus Ameresco [Tesis doctoral, Universitat de València]. En línea: https://hdl.handle.net/https://hdl.handle.net/10550/92265

Carcelén Guerrero, A. & Uclés Ramada, G. (2019). Diseño y construcción de un corpus oral multidialectal. El corpus Ameresco. Normas. Revista de Estudios Lingüísticos Hispánicos, vol. 9, núm. 1, pp. 17-36. DOI: https://doi.org/10.7203/Normas.v9i1.16007

Childs, B. et al. (2011). Safe harbour: Ethics and accesibility in sociolinguistic corpus building. Corpus Linguistics and Linguistic Theory (7-1). 163-180. https://doi.org/10.1515/cllt.2011.008 DOI: https://doi.org/10.1515/cllt.2011.008

D’Arcy, A. & Bender, E. (2023). Ethics in Linguistics. Annual Review of Linguistics 9:1. 49-69. https://doi.org/10.1146/annurev-linguistics-031120-015324 DOI: https://doi.org/10.1146/annurev-linguistics-031120-015324

ESLORA (2007-). Corpus para el estudio del español oral. [En línea] Recuperado de http://eslora.usc.es

Fernández Ordóñez, I. (dir.) (2005-). Corpus Oral y Sonoro del Español Rural. [En línea]. Recuperado de http://www.corpusrural.es

Labov, W. (1983). Modelos sociolinguisticos. Cátedra.

McEnery, T. & Hardie, A. (2011). Corpus Linguistics: Method, Theory and Practice. Cambridge University Press. DOI: https://doi.org/10.1017/CBO9780511981395

Moreno Fernández, F. (2005). Corpus para el estudio del español en su variación geográfica y social: el corpus PRESEEA. Oralia: Análisis del discurso oral 8, 123-140. DOI: https://doi.org/10.25115/oralia.v8i1.8333

Moreno Fernández, F. (2016). En torno a PRESEEA: Notas de investigación y de sociología de la ciencia. Boletín de filología: Universidad de Chile, 51(2). 369-376. DOI: https://doi.org/10.4067/S0718-93032016000200014

Moreno Fernández, F. (2021a). Metodología del Proyecto para el estudio sociolingüístico del español de España y de América (PRESEEA). Universidad de Alcalá. DOI: https://doi.org/10.37536/PRESEEA.2021.doc1

Moreno Fernández, F. (2021b). Marcas y etiquetas mínimas obligatorias para materiales de PRESEEA. Universidad de Alcalá. DOI: https://doi.org/10.37536/PRESEEA.2021.doc2

PRESEEA. (2014-). Corpus del Proyecto para el estudio sociolingüístico del español de España y de América. [En línea]. Recuperado de http://preseea.uah.es

Rock, F. (2001). Policy and Practice in the Anonymisation of Linguistic Data. International Journal of Corpus Linguistics 6(1), 1-26. https://doi.org/10.1075/ijcl.6.1.01roc DOI: https://doi.org/10.1075/ijcl.6.1.01roc

Sampson, G. (2000). CHRISTINE Corpus: Documentation. [En línea]. Recuperado de https://www.grsampson.net/ChrisDoc.html

Schneider, K. P. (2018). Methods and ethics of data collection. En Jucker, A. H., Schneider, K. P. & W. Bublitz (ed.), Methods in Pragmatics (pp. 37-93). De Gruyter Mouton. DOI: https://doi.org/10.1515/9783110424928-002

Vázquez Rozas, V. (2014). ESLORA: diseño, codificación y explotación de un corpus oral del español de Galicia. En II Workshop de Procesamiento Automatizado de Texto y Corpus (WOPATEC-2014). Pontificia Universidad Católica de Valparaíso, 13-14 de noviembre de 2014. [Archivo PDF] https://gramatica.usc.es/~vvazq/pdf_publ/corpus_eslora_pres.pdf

Legislación

Reglamento (EU) 2016/679 del Parlamento Europeo y del Consejo de 27 de abril de 2016 relativo a la protección de las personas físicas en lo que respecta al tratamiento de datos personales y a la libre circulación de estos datos y por el que se deroga la Directiva 95/46/CE (Reglamento General de Protección de Datos).

Ley Orgánica 1/1982, de 5 de mayo, de Protección civil y derecho al honor, la intimidad personal y a la propia imagen.

Ley Orgánica 3/2018, de 5 de diciembre, de Protección de datos personales y garantía de los derechos digitales.

Ley Orgánica 10/1995, de 23 de noviembre, del Código Penal.

Published

2026-11-15

How to Cite

Carcelen Guerrero, A. (2026). Is it possible to produce spontaneous oral corpora and comply with legislation? The three-phase model of the Ameresco corpus. Revista Española De Lingüística Aplicada Spanish Journal of Applied Linguistics, 39(2). https://doi.org/10.58859/resla.1535

Similar Articles

1 2 3 > >> 

You may also start an advanced similarity search for this article.