Corpus of textbooks of Estonian 2018

The corpus is free for non-commercial use.

Content

The corpus is based on 8 textbooks of Estonian:

Pesti, M., Ahi, H. (2015). E nagu Eesti: eesti keele õpik algajatele. Tallinn: Kiri-Mari Kirjastus.
Kitsnik, M., Kingisepp, L. (2002). Avatud uksed: eesti keele õppekomplekt kesk- ja kõrgtasemele: õpperaamat. Tallinn: TEA Kirjastus.
Kitsnik, M. (2012). Eesti keele õpik: B1, B2. Tallinn: M. Kitsnik.
Pesti, M., Ahi, H. (2015). Eesti keele õpik A1. Tallinn: Justiitsministeerium.
Pesti, M., Ahi, H. (2012). Eesti keele õpik A2. Tallinn: M. Pesti.
Pesti, M., Ahi, H. (2015). Eesti keele õpik B1. Tallinn: Justiitsministeerium.
Sooneste, M. (2007). Eesti keele õpik: vene õppekeelega gümnaasium: kesk- ja kõrgtase. Tallinn: Varrak.
Rammo, S., Teral, M., Klaas-Lang, B., Allik, M. (2012). Keel selgeks!: eesti keele õpik täiskasvanutele. Tallinn: Avita.

The corpus was made in two stages:

In 2017, the books were digitized by the Digitization Centre of the National Library of Estonia. Jelena Kallas and Kristina Koppel assigned language proficiency levels (A1-C1) to textual divisions and Katrin Tsepelina wrote programmes for turning the DOC-files to XML. A version of that corpus is here: DOI: 10.15155/3-00-0000-0000-0000-06ADEL https://metashare.ut.ee/repository/browse/corpus-of-estonian-coursebook-content-2017/a23a3cf6cdd911e7a6e4005056b400243c0fd0d1773b49cdb9aa42a4a0ab5cae/
In 2018, Katrin Tsepelina converted the corpus to TEI-5.

Size: 0.5 million tokens