רוב המחקר הבלשני ההשוואתי עוסק בשתי שפות בלבד, כמעט תמיד כולל אנגלית, וכמעט תמיד מסתמך על טקסטים כתובים. לשון מדוברת, זו שבה אנשים משוחחים, מרצים ומתווכחים, נשארת מחוץ לתמונה, בין השאר משום שקשה מאוד להשיג נתונים דומים ומותאמים בין שפות רבות. קורפוסים ענקיים שנכרים מהרשת אינם פותרים את הבעיה, כי הם נבנו לצורכי עיבוד שפה טבעית ולא לצורכי בלשנות קונטרסטיבית.
המאמר מציג פרויקט שיתופי של שתים עשרה קבוצות לאומיות, הקורפוס הבינלאומי ההשוואתי, שמבקש לבנות מערכי נתונים מקבילים בצ'כית, פינית, צרפתית, גרמנית, אירית, איטלקית, נורווגית, פולנית, סלובקית, שוודית וסינית, סביב אנגלית. איך מחליטים אילו סוגי טקסט באמת ניתנים להשוואה בין תרבויות? מה עושים כשהמשאבים הקיימים נעולים מאחורי רישיונות מגבילים, כשהגנת הפרטיות מתערבת בהקלטות קול, ואיך מתייגים בצורה אחידה שפות שונות כל כך זו מזו?
המאמר מתאר מבפנים את תהליך התכנון, האיסוף והעיצוב של הקורפוס, בהתבסס על ניסיונם של הצוותים השונים. הוא חושף את המחיר המעשי של רעיון שנראה פשוט על הנייר, שימוש חוזר במשאבים קיימים, ואת השאלה איך אפשר להנגיש קורפוס כזה לחוקרים בעתיד.






