Este projeto se enquadra na área de Linguística e tem como objetivo principal a construção de banco de dados de textos produzidos em contextos reais de ensino por alunos de diferentes níveis escolares. Nessa fase do projeto, o trabalho consistiu na geração de dados, por meio da produção de textos de base dissertativa, escritos por alunos de um cursinho pré-vestibular. Em seguida, houve a digitação de tais textos e a elaboração de métodos de organização e indexação de dados, para garantir a recuperabilidade futura. Tendo em vista a necessidade de reprodução de forma original de escrita do texto, a transcrição manteve eventuais erros ou rasuras, visto que podem ser relevantes para as análises posteriores, a depender dos propósitos do pesquisador. Nesse momento inicial do projeto, os textos foram categorizados a partir de critérios como gênero e tema, aos quais foram acrescentados metadados, como nível de ensino do produtor do texto, idade etc. assim, dada a heterogeneidade do corpus, será possível empreender análises com diferentes enfoques linguísticos, além da possibilidade de abordagem também de questões pedagógicas, tendo em vista que, em um próximo momento, pretende-se também armazenar, junto às produções textuais, as correções realizadas pelos professores que as corrigiram.