Institutul de Informatică Teoretică din Iași (IIT), Institutul de Cercetări pentru Inteligența Artificială din Bucureşti (ICIA), ambele din subordinea Academiei Române, au în derulare, ca temă de plan în cadrul programelor de cercetare prioritară ale Academiei Române, realizarea unui corpus computațional de referință pentru limba română contemporană: o colecție de texte (scrise și orale) de dimensiuni foarte mari (sute de milioane de cuvinte şi sute de ore de înregistrări vocale), completate cu metadate (autor, editură, data publicării, gen literar etc.) și adnotate cu informații de natură lingvistică și gramaticală (părți de vorbire, leme ale cuvintelor flexionate, analize sintactice etc.). Prin naturaleţea textelor și prin adnotările pe care le va include, corpusul va fi util lingviștilor (pentru studierea diverselor aspecte ale limbii române), lexicografilor (pentru crearea de dicţionare generale sau speciale), celor care învață limba română ca limbă străină (ca sursă de exemple concrete de utilizare a cuvintelor și expresiilor în context, ori de relaţii pe care acestea le stabilesc cu alte cuvinte etc.), profesorilor care predau limba română în şcoala românească şi în străinătate (ca instrument de predare-învățare şi de evaluare a elevilor ori studenților).
