In this paper we analyze, from a pragmatic-semantic perspective, the interaction between the speakers’ selection of lexical aspect (Aktionsart) and grammatical aspect to express their temporal representation of the events observed in a sequence of videos. Our study draws on the assumptions that speakers’ choices are the result of a “thinking for speaking” process (Slobin 1997, 2003:167), and that their organization of perceptions follows a hierarchical order, as proposed by Zack in his Theory of Event Segmentation (Zacks 2001, 2007; Tversky et al 2008). We also follow París’ pragmatic-semantic approach (París 2007) and assume that the lexical aspect or Aktionsart is determined by the intrinsic semantic properties of each verb prior to any compositional analysis, and that it is part of the Lexical Semantic Representation (LSR) of the verb (Verkuyl 1993, Krifka 1998, París 2007). In contrast, grammatical aspect expresses time in terms of (im)perfect intervals. Both aspectual systems interact, yielding a complex system of temporal notions encoded in the Spanish language. Our hypotheses were that the speakers’ decisions on the use of (im)perfect, progressive or preterite morphosyntactic markings to express temporal notions depend on two main features: the dynamics of the event itself, and the speakers’ perception of the event as a bounded or unbounded episode. The results showed that perception and verbalization are distinct instances in which the epistemic distance is determined by: 1) the experiencer, 2) the immediacy of the experience itself and 3) the properties of the perceived object. Aspectual markings present variations according to the epistemic distance the speakers’ choose to express.En el siguiente trabajo analizamos, desde una perspectiva pragmáticosemántica, cómo interactúan las selecciones léxicas (Aktionsarten) y el aspecto gramatical que el hablante elige realizar con el fin de expresar su representación temporal de los eventos percibidos en una secuencia fílmica. Nuestra propuesta de trabajo se enmarca en la metodología experimental propuesta por Slobin (1997, 2003:167) de “pensar para hablar” y en la perspectiva semántico-pragmática propuesta por París (2007) y la Teoría de la segmentación de eventos de Zacks (2001, 2007, Tversky et al. 2008). Asumimos que el tipo aspectual o Aktionart de cada verbo es determinado por las propiedades semánticas intrínsecas de su respectiva Representación Léxico Semántica (RLS), previo a cualquier combinatoria morfosintáctica, la cual se proyecta de manera ‘composicional’ en la oración (Verkuyl 1993, Krifka 1998, París 2007). Por otro lado, el aspecto gramatical caracteriza los intervalos de tiempo como (im)perfectos. Ambos planos semánticos se interrelacionan y dan como resultado un sistema complejo de nociones temporales. El corpus de datos analizado consiste en descripciones orales de eventos realizadas por hablantes de español en el dominio del movimiento. Nuestra hipótesis de trabajo es que la decisión sobre el uso de una forma aspectual progresiva o (im)perfecta depende de dos rasgos: la dinámica del evento por describir y la percepción del mismo como un episodio limitado o no. Los resultados demuestran que la percepción y verbalización son instancias en las que la distancia epistémica del sujeto está determinada por: 1) su condición de experimentador, 2) la inmediatez del evento percibido y 3) las propiedades del objeto percibido. Las variaciones en las marcas aspectuales están determinadas por la distancia epistémica que el sujeto elija expresar al momento de la verbalización.