Puntos clave
Decide el nivel de detalle antes de transcribir nada. Si tu análisis se centra en lo que dijeron las personas, una transcripción limpia y legible es suficiente. Si se centra en cómo lo dijeron, necesitas conservar las pausas, los solapamientos y las vacilaciones, y la transcripción automática elimina justamente eso. Revisa qué dice tu consentimiento informado y tu aprobación ética sobre a dónde pueden ir las grabaciones antes de subir nada a ningún sitio. Anonimiza en la transcripción, no en la grabación, guarda cualquier tabla de correspondencia por separado y usa marcas de tiempo para que las citas se puedan rastrear.
Nadie te da un estándar porque no existe uno solo. Hay varios, y cuál se aplica a tu caso depende de qué vayas a hacer con las transcripciones una vez las tengas. Esa es una decisión metodológica, y va antes de elegir la herramienta, no después.
Si te equivocas en el orden, el coste es real. Transcribes seis entrevistas de forma limpia, te metes en el análisis y descubres que necesitas saber dónde dudó la persona entrevistada, y ahora tienes que volver a escuchar seis grabaciones con otro oído. Así que dedica una hora a pensarlo antes.
Decide para qué sirve la transcripción antes de transcribir una sola palabra
Cuánto detalle necesita una transcripción es una decisión metodológica, no una cuestión de esmero o meticulosidad. Depende de tu enfoque analítico.
Si tu análisis se ocupa de qué se dijo, una transcripción limpia funciona perfectamente. Quieres las palabras, con precisión, atribuidas a la persona correcta. Las muletillas, los titubeos y las pausas breves se pueden limpiar sin dañar nada, porque nunca van a aparecer en tu codificación. La mayoría de los trabajos temáticos o centrados en el contenido se mueven en este terreno, y una transcripción limpia se produce más rápido, se lee más rápido y se codifica más rápido.
Si tu análisis se ocupa de cómo se dijo algo, la situación se invierte. Las pausas, los solapamientos, las vacilaciones, el momento en que dos personas hablan a la vez, los tres segundos antes de que llegue una respuesta, la autocorrección a mitad de frase: eso es el dato. Una transcripción que elimina todo eso ha eliminado justamente lo que estás estudiando. Esto es especialmente relevante para la transcripción automática, porque suavizar exactamente esos rasgos es lo que hace bien. Te da un texto fluido y legible, y un texto fluido y legible es una versión con pérdidas de una conversación titubeante y llena de solapamientos.
Existe la tentación de curarse en salud transcribiendo todo con el máximo nivel de detalle, con la idea de que siempre puedes ignorar lo que no necesites. Normalmente es un error. La transcripción detallada es lenta, y trabajar despacio con veinte entrevistas se come meses que no tienes. Además hace que las transcripciones sean más difíciles de leer, lo que ralentiza la codificación. Si de verdad todavía no sabes si la interacción importa para tu análisis, es una conversación que hay que tener con tu director o directora de tesis ahora mismo, no un problema que se resuelve a fuerza de trabajo. Sea cual sea tu decisión, las grabaciones se quedan donde están, y la grabación es el dato real. La transcripción es una representación de ese dato.
Fija tu convención antes de la segunda entrevista
Una vez decidido el nivel de detalle, fija las convenciones y escríbelas en un documento breve que mantengas a la vista mientras trabajas. Cambiarlas más adelante implica volver sobre cada grabación que ya has hecho, y ese es justo el tipo de tarea que se traga quince días sin que te des cuenta.
Lo que conviene decidir de antemano:
- Si las muletillas y los titubeos se conservan, se limpian, o se conservan solo cuando parecen significativos, que es la opción con más probabilidades de generar inconsistencias entre entrevistas.
- Cómo se marcan las pausas, y si se distingue entre pausas cortas y largas.
- Cómo se indica el habla solapada, y qué se hace cuando no está claro quién habló primero.
- Cómo se marcan los pasajes que no se entienden, y si se anota el motivo.
- Cómo se etiqueta a cada interlocutor, y cómo se relaciona ese etiquetado con tu esquema de anonimización.
- Dónde se colocan las marcas de tiempo: a intervalos regulares, en cada cambio de interlocutor, o solo en los pasajes que prevés citar.
Las marcas de tiempo merecen un momento aparte. Permiten rastrear una cita de tu tesis hasta su posición exacta en la grabación, que es lo que hace comprobable la afirmación para cualquiera que tenga acceso a tus datos, incluido un tribunal. Añadirlas sobre la marcha cuesta casi nada. Añadirlas después, sobre una transcripción ya terminada, significa volver a escuchar toda la grabación con cronómetro en mano. Sea cual sea la herramienta que uses, incorpóralas ya en la primera pasada.
El consentimiento informado y la aprobación ética deciden a dónde puede ir el audio
Tu consentimiento informado no es papeleo que quedó atrás cuando empezó la investigación. Es un conjunto de condiciones sobre lo que puedes hacer ahora con las grabaciones, y normalmente cubre tres cosas: cómo se almacena la grabación, quién puede escucharla y cuándo se destruye.
Enviar audio a un servicio externo de transcripción es una cesión de datos. Alguien o algo fuera de tu proyecto tiene ahora una copia de la voz de un participante. Eso tiene que ser compatible con lo que esa persona aceptó. A veces lo es claramente, porque el formulario ya lo contemplaba. A veces claramente no lo es, porque a la persona se le dijo que solo el equipo de investigación escucharía la grabación. A menudo el formulario es ambiguo, y esa ambigüedad conviene resolverla con tu director de tesis o con el comité de ética antes de subir nada, no después.
La aprobación ética suele ir más allá y especifica dónde pueden almacenarse las grabaciones, en qué tipo de dispositivo o sistema institucional, y durante cuánto tiempo. La transcripción hereda esas condiciones. También las hereda todo lo que se derive de ella: tus archivos codificados, tus extractos de citas, el documento de trabajo donde vas pegando fragmentos mientras redactas. Todo eso cuenta como datos, y todo pertenece dentro del sistema de almacenamiento para el que se te dio la aprobación. Es fácil perder de vista esto cuando ya estás metido de lleno en el análisis y las copias empiezan a multiplicarse entre un portátil, una nube y un correo que te envías a ti mismo.
En la práctica, esto reduce tus opciones de herramientas antes incluso de comparar calidad o precio. Un servicio que procesa los archivos en tu propio dispositivo es una propuesta muy distinta a uno que los sube a un servidor, y si estás valorando esa diferencia, conviene leer cómo gestiona una herramienta concreta tus archivos y datos en lugar de suponerlo. Si la respuesta no está clara, eso ya es una respuesta.
La anonimización se hace en la transcripción
La grabación se queda tal cual. No se puede anonimizar una voz editando texto, y tampoco deberías intentar alterar tu dato primario. La anonimización es algo que se hace sobre la transcripción.
Eso significa sustituir nombres, lugares, nombres de empresas, cargos que identifiquen a una persona concreta y esos pequeños detalles de contexto que hacen reconocible a alguien para quien conoce el entorno. Hazlo de forma coherente. Si una compañera de trabajo es [Compañera A] en una entrevista, sigue siendo [Compañera A] en todas las demás en las que aparezca, y la misma convención se aplica en todo tu conjunto de datos. Una seudonimización inconsistente es peor que no anonimizar nada, porque aparenta estar anonimizado mientras sigue siendo rastreable para quien lee con atención.
Si mantienes una tabla de correspondencia entre identidades reales y sustituciones, guárdala por separado de las transcripciones, bajo las condiciones de almacenamiento que fija tu aprobación, y ten claro para ti mismo por qué la conservas y cuándo se destruye. En algunos proyectos hay una buena razón para conservarla: puede que necesites volver a contactar con los participantes, o vincular entrevistas entre distintas fases. En otros no la hay, y la opción más segura es la tabla que no existe. Decidirlo de forma deliberada es lo importante.
Una advertencia sobre hacerlo con prisas. Buscar y reemplazar detecta los nombres evidentes y se salta el resto: el apodo que se usa dos veces, la falta de ortografía, la descripción de un edificio que solo encaja con un lugar concreto de la ciudad. La pasada de anonimización necesita ojos humanos sobre todo el documento.
Dónde ayuda realmente la transcripción automática
La transcripción automática produce un primer borrador. Eso supone un ahorro real, y rechazarla por principio suele significar teclear a mano varias horas de habla sin ninguna ganancia metodológica. Lo que no produce es una transcripción terminada.
Para datos de entrevistas, la pasada de corrección contra el audio forma parte del método, no es un repaso opcional al final. Escuchas con el borrador delante, corriges lo que está mal, restauras lo que tu convención exige y que la máquina eliminó, insertas o verificas las marcas de tiempo, y aplicas la anonimización. Es más lento que leer y más rápido que teclear. Es también el momento en que te familiarizas con el material, y eso no es un beneficio secundario. Quien transcribe sus propias entrevistas llega al análisis conociendo ya su contenido, y la pasada de corrección recupera buena parte de esa familiaridad.
Si quieres un borrador sin enviar archivos a un servidor, la app SozAI para iOS, Android y macOS transcribe grabaciones y archivos con etiquetas de interlocutor, lo que cubre la parte mecánica de una transcripción de entrevista y te deja la pasada que realmente importa; más sobre cómo se aplica esto a la transcripción de entrevistas en concreto. Es una opción entre varias, y la cuestión del almacenamiento de la que hablábamos antes debería filtrar tu lista de candidatas antes que la calidad.
Lo que el primer borrador no va a hacer por ti
Espera que el borrador sea más débil justo donde las entrevistas son más difíciles. Las voces que se solapan confunden la separación de interlocutores, y dos personas hablando a la vez suele salir como una sola persona diciendo algo ligeramente incoherente. Los acentos marcados, las voces bajas, el ruido de fondo de una cafetería o un pasillo y el vocabulario específico de un campo reducen la precisión. Las etiquetas de interlocutor suelen ser bastante fiables, pero no en los límites, sobre todo alrededor de interjecciones breves.
Y no te va a dar la prosodia. Ninguna transcripción automática conserva la duración de una pausa ni marca el momento en que cambió el tono de voz de la persona entrevistada. Si tu análisis necesita eso, el borrador automático es solo un andamiaje para las palabras, nada más, y deberías planificar tu tiempo en consecuencia. Un compañero que trabaje con el mismo corpus pero con una pregunta centrada en el contenido terminará en una fracción del tiempo, y no es porque trabaje con menos cuidado. Su transcripción está respondiendo a una pregunta distinta.
Calcula también más tiempo del que sugiere la aritmética. La pasada de corrección no es escuchar el audio una vez a velocidad normal; es parar, rebobinar, volver a escuchar esos seis segundos que no se entienden bien. Hacer esto con un conjunto completo de entrevistas es un trabajo considerable, y es normal que lo sea. Si quieres ver cómo se encajan las piezas a lo largo de todo un proyecto, hay un caso práctico sobre el flujo de trabajo de una investigadora de tesis que sigue un conjunto de grabaciones desde el archivo original hasta la transcripción lista para citar.
Lo último que conviene tener presente es que la transcripción es una representación, y cada convención que elegiste es una decisión sobre qué conservar y qué perder. Deja esas decisiones por escrito en tu capítulo de metodología. Un tribunal que sepa por qué tus transcripciones son como son las leerá como algo meditado. Uno que no lo sepa, se lo preguntará.
