Recolectar un corpus del español hablado en la comunidad de habla de Tunja, Boyacá, Colombia, es una investigación de base para la comprensión de los usos dialectales del español en el mundo hispánico. Este proyecto se enmarca dentro de los estudios sincrónicos del habla y sejustifica en la necesidad de reconocer y explicar, de manera experimental, la estructura y funcionamiento sociolingüístico del español hablado en Colombia en general, y de Tunja en particular. La investigación tiene como finalidad recolectar un corpus del habla de Tunja, Boyacá, y caracterizar la comunidad de habla que sirvan de material de estudio para analizar los usos dialectales del español en sus variaciones sociofónicas, sociogramaticales, socioléxicas, sociodiscursivas y pragmáticas; teniendo en cuenta variables sociales preestratificadas de nivel de instrucción, edad, sexo y procedencia.
Tal como lo enuncia Vida Castro (2007:7): «Un buen indicador del conocimiento sobre una lengua y una garantía de que su estudio se aborda con procedimientos rigurosos y actuales es la existencia de corpus lingidsticos extensos y variados que proporcionan una imagen a escala de la actuación lingüística comunitaria. Estos corpus tienen aplicaciones diversas y útiles (computación, e ingeniería lingüística, traducción, elaboración de diccionarios y gramáticas, síntesis del habla, etc); de entre ellas no es desdeñable la que consiste en saber cómo es la estructura subyacente en las múltiples manifestaciones efectivas de una lengua, más allá de la imagen ideada a partir de conjuntos limitados de datos, cuando no únicamente de los procedentes de la propia intuición lingüística del gramático». Corpus que no ha sido recolectado hasta ahora evidenciando un precario estado del arte en la región, lo que trae como consecuencia estudios aislados, fragmentados y muchas veces impresionísticos, en los que, tal como se expresa en la cita, la intuición del gramático prevalece sobre la evidencia empírica que puede ofrecer el corpus.
