Learner Language

Datamängder i samlingen

• Resurs	Typ	Språk	Åtkomst
  COCTAILL Korpus av kursböcker för undervisning av L2-svenska. Annoterade manuellt för textstruktur och pedagogiska/didaktiska kategorier; automatiskt uppmärkt med språkvetenskapliga annoteringar. Se mer här https://spraakbanken.gu.se/forskning/teman/icall/icall-l2-projects/l2-data	Korpus	svenska	Datamängd: coctaill.xml.bz2 2017-10-30 – 16.57 MB – CC BY 4.0 Ordstatistik: stats_COCTAILL.txt 2017-11-05 – 3.03 MB – CC BY 4.0 Utforska i:
  COCTAILL activities & examples Korpus av kursböcker för undervisning av L2-svenska. Annoterade manuellt för textstruktur och pedagogiska/didaktiska kategorier; automatiskt uppmärkt med språkvetenskapliga annoteringar.	Korpus	svenska	Ordstatistik: stats_COCTAILL-AE.txt 2021-07-04 – 1.71 MB – CC BY 4.0 Utforska i:
  COCTAILL lesson text Korpus av kursböcker för undervisning av L2-svenska. Annoterade manuellt för textstruktur och pedagogiska/didaktiska kategorier; automatiskt uppmärkt med språkvetenskapliga annoteringar.	Korpus	svenska	Ordstatistik: stats_COCTAILL-LT.txt 2021-07-04 – 1.84 MB – CC BY 4.0 Utforska i:
  CoDeRooMor, v.01 Dataset för morfologistudier (ordbildningsmorfologi), Svenska L2 profil-projektet	Lexikon	svenska	Datamängd: CodeRoomor_v01_lemgramView.csv 2021-04-13 – 1.96 MB – CC BY 4.0 Datamängd: CodeRoomor_v01_morphemeView.csv 2021-04-13 – 856.29 KB – CC BY 4.0 Datamängd: CodeRoomor_v01_lemgramView.xlsx 2021-04-13 – 1.72 MB – CC BY 4.0 Datamängd: CodeRoomor_v01_morphemeView.xlsx 2021-04-13 – 699.46 KB – CC BY 4.0 Utforska i:
  DaLAJ v.1.0 Dataset for Linguistic Acceptability Judgments (and more), v.1.0., is a collection of sentences from SweLL (Swedish Learner Language) essays. Each DaLAJ sentence contains one error only	Korpus	svenska	Datamängd: datasetDaLAJsplit.csv 2021-06-21 – 1.46 MB – CC BY 4.0 Datamängd: dalaj_documentation.tsv 2021-06-21 – 7.48 KB – CC BY 4.0
  DaLAJ-GED-Superlim 2.0 Dataset for Linguistic Acceptability Judgments (and more), v.2.0	Korpus	svenska	Datamängd: dalaj-ged-superlim.zip 2023-04-03 – 1.41 MB – CC BY 4.0 Datamängd: dalaj-ged-tsv.zip 2023-05-20 – 1.15 MB – CC BY 4.0 Datamängd: liuep197-11.pdf 2024-01-25 – 463.74 KB – CC BY 4.0
  Kelly Nyckelord för språkinlärning för unga och vuxna	Lexikon	svenska	Datamängd: kelly.xml 2017-09-15 – 5.56 MB – CC BY 4.0 Datamängd: Swedish-Kelly_M3_CEFR.xls 2012-02-15 – 1.28 MB – CC BY 4.0 Utforska i:
  L2Lex-Adj L2Lex-Adj är en disambiguerad ordlista med svenska adjektiv för elever med svenska som andraspråk, inkl. frekvenserna från uppsatser (produktivt ordförråd, baserat på SweLL-piloten) och kursböcker (receptivt ordförråd, baserat på COCTAILL). För varje adjektiv, anges dess böjningsparadigm	Lexikon	svenska	Datamängd: l2lex-adj.xlsx 2025-02-20 – 85 byte – CC BY 4.0 Datamängd: l2lex-adj.csv 2025-02-20 – 504.11 KB – CC BY-NC-SA 4.0 Utforska i:
  L2Lex-AdjAdv L2Lex-AdjAdv är en disambiguerad ordlista med svenska adjektiv och adverb för elever med svenska som andraspråk, inkl. frekvenserna från uppsatser (produktivt ordförråd, baserat på SweLL-piloten) och kursböcker (receptivt ordförråd, baserat på COCTAILL). För varje ingång i listan, anges det dess mekanism för att bygga komparativa former (t.ex. perifratisk, morfologisk, osv.).	Lexikon	svenska	Datamängd: l2lex-adjadv.xlsx 2025-02-20 – 85 byte – CC BY 4.0 Datamängd: l2lex-adjadv.csv 2025-02-20 – 675.07 KB – CC BY 4.0 Utforska i:
  MuClaGED MuClaGED är en datamängd för multi-class Grammatical Error Detection för svenska. Den är baserad på SweLL-gold korpusen.	Korpus	svenska	Utforska i:
  MultiGEC MultiGEC är en datamängd för Grammatical Error Correction (uppgift inom NLP) och innehåller parallel data för 12 språk och 17 delkorpusar. Varje delkorpus består av två eller fler varianter av samma texter (oftast uppsatser som skrivs av språkinlärare), där en version (orig) har skrivits av en författare (elev, student, etc.) och de andra versionerna (ref1, ref2, ...) är korrigerade versioner av samma text. Språk som ingår: tjeckiska, engelska, estniska, tyska, grekiska, isländska, italienska, lettiska, ryska, slovenska, svenska och ukrainska (engelska och ryska kan fås på begäran). Texter kommer från olika ursprungskorpusar, men har genomgått omformattering för att ha en gemensam format.	Korpus	tjeckiska, tyska, modern greek (1453-), engelska, estniska, isländska, italienska, lettiska, ryska, slovenska, svenska, ukrainska	Utforska i:
  MultiGED MultiGED är en datamängd för Grammatical Error Detection (uppgift inom NLP) och innehåller data för 5 språk (tjeckiska, engelska, tyska, italienska och svenska).	Korpus	tjeckiska, tyska, engelska, italienska, svenska	Datamängd: multiged-2023.tar.bz2 2025-01-22 – 3.82 MB – varies Utforska i:
  Sen*Lex Sen*Lex är en menings-baserad ordlista med ordförråd för elever med svenska som andraspråk med frekvenserna från uppsatser (produktivt ordförråd, baseras på SweLL-piloten) och kursböcker (receptivt ordförråd, baserat på COCTAILL)	Lexikon	svenska	Datamängd: sen-lex.xlsx 2025-02-19 – 85 byte – CC BY 4.0 Datamängd: sen-lex.csv 2025-02-19 – 5.08 MB – CC BY-NC-SA 4.0 Utforska i:
  Skriftlig produktion i inlärarfranska Denna korpus innehåller elevtexter skrivna av svenska inlärare av franska.	Korpus	franska
  SVALex SVALex är en ordlista med receptivt ordförråd för elever med svenska som andraspråk	Lexikon	svenska	Datamängd: svalex_xlsx.tar.bz2 2025-01-24 – 2.16 MB – CC BY-NC-SA 4.0 Datamängd: svalex_tsv.tar.bz2 2025-01-24 – 203.25 KB – CC BY-NC-SA 4.0 Utforska i:
  Swedish MWELex Swe-MWELex är en betydelse-baserad ordlista med flerordsenheter som elever med svenska som andraspråk kan hantera på olika färdighetsnivåer enligt GERS (CEFR). Listan innehåller enheter och deras frekvenser från uppsatser (produktivt ordförråd, baserat på SweLL-pilot-korpusen) och kursböcker (receptivt ordförråd, baserat på COCTAILL). Utöver detta, varje flerordsenhet har manuellt klassificerats enligt deras typ (syntaktisk och lexikalisk), samt separat i undergrupper inom verb-baserade flerordsenheter.	Lexikon	svenska	Datamängd: swe-mwelex.xlsx 2025-03-12 – 184.75 KB – CC BY 4.0 Datamängd: swe-mwelex.csv 2025-02-20 – 414.88 KB – CC BY-NC-SA 4.0 Utforska i:
  SweLL-gold Uppsatser skrivna av vuxenstuderande i svenska, manuellt pseudonymiserade och annoterade med felkategorier. Korpusen innehåller både originaltexten och en normaliserad version av varje uppsats. Insamlingperiod 2017-2020.	Korpus	svenska	Ordstatistik: stats_SWELLV1-ORIGINAL.txt 2021-08-15 – 760.53 KB – CC BY 4.0 Ordstatistik: stats_SWELLV1-TARGET.txt 2021-08-15 – 675.14 KB – CC BY 4.0 Utforska i:
  SweLL-gold target	Korpus	svenska	Ordstatistik: stats_SWELL-TARGET.txt 2020-06-07 – 156.58 KB – CC BY 4.0 Utforska i:
  Samling SweLL-pilot Uppsatser skrivna av vuxenstuderande i svenska, annoterade med CEFR nivåerna (en Europeisk skala med färdighetsnivåer inom språkinlärningen). Uppsatserna samlades under perioden 2006-2015.	Korpus	svenska	Se 3 delresurser Utforska i:
  SweLLex SweLLex är en ordlista med produktivt ordförråd för elever med svenska som andraspråk	Lexikon	svenska	Datamängd: SweLLex_v1_xlsx.tar.bz2 2025-01-24 – 3.21 MB – CC BY 4.0 Datamängd: SweLLex_v1_tsv.tar.bz2 2025-01-24 – 213.59 KB – CC BY 4.0 Utforska i:
  TISUS-texter Essays written by L2 Swedish learners as part of a TISUS exam	Korpus	svenska	Utforska i: