大数据是依托海量信息挖掘规律、获取有效信息的研究手段，它让复杂的自然与社会现象显现规律，助力科学假设验证与新理论诞生。在语言学中，大数据研究主要分为两类：一是面向自然语言处理，依托统计算法挖掘语言模式，赋能语音识别、机器翻译等 AI 应用；二是语料实证研究，借助大规模语料考察语言历时、共时分布，为语言演变、类型学研究提供描写依据。
伴随大数据热潮，学界出现 “要相关，不要因果” 的观点，引发疑问：语言学研究是否只需关注变量相关，不必探寻因果？答案是否定的。探求因果是人类理性本能，大数据无法替代这一目标，其局限源于数据本身。
数据规模扩大有两种路径：增加观测频次，或是增加观测变量。但单纯增加观测次数，难以规避遗漏变量偏差。例如仅凭死亡率数据对比两家医院，忽略收治病人病情差异，就会得出错误结论。而一味扩充变量，也未必可靠，研究常难以穷尽所有影响因素。有学者曾提出湿润气候催生复杂声调语言，后续研究却证实，该结论忽略语言亲缘、地域接触等干扰因素，属于虚假相关，汉语方言声调演变也印证了语言接触的关键作用。
可见，大数据仅能发现相关性，无法自动推导因果。语言学研究不能只满足于捕捉统计模式，数据采集、模型构建都离不开理论支撑。语言学者应当保有批判思维，在大数据的基础上坚持探寻语言现象背后深层的因果逻辑，这才是大数据背景下语言学研究的正道。
