E folyamatot segítette az is, hogy az uniós intézmények a köz számára is elérhetővé tettek olyan intézményi adathalmazokat, korpuszokat, amelyek elengedhetetlenek voltak nagyszabású kvantitatív kutatások indításához. Az első ilyen korpusz az Európai Bizottság Közös Kutatási Központja (JRC) által 2006-ban kiadott JRC-Acquis párhuzamos korpusz volt, amely 22 nyelven tartalmazta az uniós joganyagot (Steinberger et al. 2014, idézi Biel 2020), és amelyet további többnyelvű korpuszok követtek. E korpuszt használta fel Biel (2014a, 2015) a Lost in the Eurofog című kutatásában és későbbi, 2015-ös frazeológiai kutatásában is. Nagy előrelépés volt az, hogy az EUR-Lex jogi adatbázist sem csupán belső, intézményi használatra, a gépi fordítás segítésére használták fel, hanem a Sketch Engine platformon is elérhetővé tették. Ez 3,9 millió dokumentumot jelentett 24 nyelven.

A korpusznyelvészeti kutatások egyik fő irányát a lexikai csoportok (lexical bundles) jelentik. Ezek uniós szövegekben való vizsgálata egy időre esik azzal, hogy a korpusznyelvészetben is a szóról a többszavas, állandósult szókapcsolatok, kollokációk vizsgálatára helyeződött a hangsúly. Az új korpusznyelvészeti módszerek nagyban segítettek a kollokációk feltérképezésében (Váradi–Héja 2010). Biel (2017b) szerint a korpusznyelvészet nemcsak új lehetőségeket nyitott meg a frazeológia kutatásában, de alapvetően megváltoztatta és újradefiniálta magának a frazeológiának a fogalmát is. Számos új szókapcsolat került a kutatások homlokterébe, míg a korábban kiemelt szerepet játszó idiómák, szólások háttérbe szorultak. Ez különösen a szaknyelvkutatás – és azon belül is a jogi szaknyelv kutatása – számára volt releváns, hiszen itt a kollokációk és a többszavas lexikai egységek, lexikai csoportok fontosabb szerepet játszanak, mint az idiómák. A kutatások elsősorban a gyakoriság empirikus vizsgálatára koncentráltak, amelyet a technológia már lehetővé tett. Biel (2015) egy korábbi tanulmányában arra is rámutat, hogy mindez a terminológiaelmélet számára is új utakat nyitott meg, hiszen lehetővé teszi a terminusok nyelvi környezetének vizsgálatát.

Biel (2020) szerint a korpusznyelvészeti kutatások leglényegesebb eredménye annak igazolása volt, hogy a hivatalos nyelveknek az uniós kontextushoz köthető sajátosságai nem szűkíthetők le terminológiai szintre, hanem kiterjednek a szövegszintű és szintaktikai sajátosságokra is. Erre a következtetésre már a kilencvenes években eljutottak kutatók (vö. Goffin 1994), de akkor még nem álltak rendelkezésre olyan korpuszok, amelyek segítségével ezt nagy mintán is lehetett volna igazolni. A friss kutatások azonban ma már egyértelműen igazolják, hogy a terminológián túlmenően az EU-intézményekben szövegezett dokumentumok számos további nyelvi sajátossággal rendelkeznek. Biel a korpusznyelvészeti kutatások eredményeit azért is tartja kiemelkedőnek, mert ez segít egy olyan elméleti keret megteremtésében, amely kifejezetten az EU-fordítások elemzéséhez szükséges.

Az átfogó kutatásoknak hivatott lendületet adni Trklja és McAuliffe (2018) párhuzamos korpusza, amely az Európai Unió Bíróságának ítéleteit rendezte egy adatbázisba (EUCLCORP) a Law and Language at the European Court of Justice (LLECJ) című kutatási projekt keretében. Az adatbázis 23 nyelven tartalmazza az uniós ítéleteket és 8 tagállam alkotmány- vagy legfelsőbb bíróságának ítéleteit.1 Ugyanebben a műfajban, a nagy mintán végzett korpusznyelvészeti kutatások közé sorolhatjuk Pontrandolfo (2016) doktori disszertációját, amely a spanyol, olasz és angol nyelvű frazeológia változását vizsgálta az uniós ítéletek és a tagállamok nem fordított ítéleteinek összevetésével.

További pozitív fejlemény, hogy az elmúlt években a kutatások a vizsgált műfajt, sajátosságot és a nyelveket tekintve is egyre változatosabb képet mutatnak. Biel, Koźbiał és Wasilewska (2019) az eurolektus sajátosságait több műfajban (jogi aktusokban, ítéletekben, weboldalakon) is vizsgálta. Biel (2022) legfrissebb kutatásában pedig úttörő módon a lengyel eurolektus fejlődését tekintette át, és megállapította, hogy a tagállami konvencióktól való eltérés az idő előrehaladtával egyre csökken, de a távolság még mindig jelentős.

Mindezen kutatások közül – a vizsgálatba bevont nyelvek számát tekintve – kiemelkedik a Eurolect Observatory projekt, így jelentőségére tekintettel e kutatás eredményeit az alábbiakban részletesebben is ismertetem.