Lingvistica corpusului

Un corpus lingvistic este ca o mare bibliotecă de vorbire și scriere reală, selectată și organizată cu grijă. În loc să se bazeze pe propoziții inventate sau observații izolate, lingviștii corpusului cer computerului să găsească toate instanțele unui cuvânt sau ale unei fraze, să numere frecvențele, să măsoare ce cuvinte tind să apară împreună și să compare tipare în diferite tipuri de text (ziare versus romane, vorbire formală versus colocvială). Tiparele care apar în milioane de cuvinte răstoarnă adesea ipotezele teoretice sau confirmă predicțiile cu rigoare cantitativă.