The increasing integration of learner corpora into Second Language Acquisition (SLA) research has created the need for annotation tools that support systematic, transparent, and multi-layer analyses of learner production. This article presents UAM CorpusTool (http://www.corpustool.com/) as a comprehensive environment for annotating and analyzing learner language, demonstrating its methodological potential for both SLA and Learner Corpus Research (LCR). Drawing on previous studies, we first show how the tool has been employed to investigate a wide range of linguistic domains—including morphosyntax, semantics, discourse–pragmatics, anaphora resolution, and morphological accuracy—across diverse L1–L2 combinations and proficiency levels. These studies illustrate how UAM CorpusTool enables fine-grained, theoretically informed analyses of form–function mappings and cross-linguistic influence. The core contribution of the article is a step-by-step simulation that reproduces the main stages of a corpus-based SLA study using UAM CorpusTool. The demonstration guides readers through project creation, annotation-scheme design, manual tagging of linguistic phenomena, participant metadata coding, and the use of the tool’s querying and statistical pane. The simulation illustrates how researchers can integrate qualitative annotation with quantitative analysis within a single interface. Overall, the article provides a practical methodological guide that highlights UAM CorpusTool’s flexibility and analytical power for the study of L2 production via LCR. It shows how the software supports rigorous corpus-based research in SLA, facilitates cross-corpus comparability, and bridges descriptive and statistical approaches in LCR.
Este trabajo examina el potencial de los programas de reconocimiento textual como herramientas para recopilar datos sobre la mejora de la comprensión lectora. Desde un enfoque psicolingüístico y con atención al español como L2, se analiza cómo la integración de aplicaciones basadas en Inteligencia Artificial, en particular Transkribus (https://www.transkribus.org/), puede facilitar el procesamiento textual al mediar entre los documentos originales y sus transcripciones. El objetivo es implementar esta herramienta para obtener muestras que permitan medir el grado en que los receptores comprenden textos de difícil acceso. De hecho, se plantea que el enfoque de Transkribus posibilita la observación y medición de las fases de descodificación textual: por un lado, el procesamiento ascendente, vinculado a la corrección de errores y a la transcripción generada por la IA y, por otro, el procesamiento descendente, ligado a la interpretación contextual e inferencial del texto que devuelve el entorno virtual. Si bien el estudio se limita a un único caso, pone de relieve el valor del procesamiento textual como recurso para avanzar en la investigación sobre comprensión lectora. En este sentido, el marco propuesto permite examinar tanto las dificultades de descodificación y comprensión que pueden surgir como las oportunidades que abre este enfoque para la investigación y la enseñanza de una L2.
