Objetivo: clasificar automáticamente los textos correspondientes a los Géneros del Conocimiento (GCOs) utilizados en los textos escolares de sexto, séptimo y octavo básico, de las asignaturas de Ciencias Naturales, Lenguaje y Comunicación e Historia y Geografía y Ciencias Sociales, de acuerdo con su lecturabilidad. Para alcanzar dicho objetivo, se propone llevar a cabo un estudio de dos etapas, que integra la lingüística de corpus, la investigación psicolingüística y el aprendizaje de máquinas. 

Método: En una primera etapa, se lleva a cabo un conjunto de trabajos psicolingüísticos de corte experimental y basados en corpus, para obtener evidencia empírica concurrente respecto de los rasgos lingüísticos a nivel léxico, sintáctico y discursivo que mejor predicen la lecturabilidad de los textos utilizados para comunicar el conocimiento en las diferentes asignaturas estudiadas. Posteriormente, y utilizando el nivel de dificultad asignado a cada texto, junto con los rasgos validados psicolingüísticamente durante la primera etapa, se entrenará un modelo automático de evaluación de la dificultad de los textos. Por último, y luego de los ajustes necesarios, el modelo se validará por medio de la comparación de su desempeño con las fórmulas de lecturabilidad existentes.