Dentro del conjunto de investigaciones sobre la comunicación digital, uno de los problemas con los que se enfrenta el investigador estriba en el establecimiento de corpus de datos. No siempre resulta posible la recogida de muestras de lengua que conserven la representatividad necesaria para legitimar cualquier estudio (cfr. Toruella y Llisterri, 1999). Esta limitación ha llevado a muchos investigadores a trabajar con corpus “escasos” (Ling, 2005) o “fortuitos” (Campano Escudero, 2007). Para solventar esta carencia resulta necesario establecer corpus estables de muestras de lengua de la comunicación digital. Las herramientas colaborativas que actualmente ofrece internet resultan muy útiles a este fin. Los corpus lingüísticos han encontrado en la Web un espacio dinámico y accesible para investigadores de disciplinas diversas que requieren datos primarios no siempre a su alcance. No obstante, hasta donde llega nuestro conocimiento, no existe aún para el español un repositorio de corpus de comunicación digital que recopile muestras de chat, email, SMS, entre otras, para su estudio sociolingüístico. El objetivo de esta comunicación es doble. Por un lado, llevaremos a cabo una reflexión sobre los problemas metodológicos de recogida y fijación de datos en los entornos comunicativos digitales, a partir de la reflexión sobre los antecedentes encontrados en inglés, francés y chino. Por otro lado, presentaremos los preliminares de un proyecto de creación de un repositorio abierto y colaborativo de comunicaciones digitales. Este corpus permitirá el avance de investigaciones sobre variación pragmática y sociolingüística intra e interlingüística, de gran repercusión en los estudios lingüísticos del último tiempo, en la comunicación digital.