Puntos clave
Decide el nivel de detalle antes de transcribir nada: literal si tu análisis trata de cómo habló la gente; verbatim inteligente o limpia si trata de lo que dijo. Deja por escrito la convención antes de la segunda entrevista. Comprueba qué dicen tu formulario de consentimiento y tu aprobación ética sobre adónde pueden ir las grabaciones, y pregunta a cualquier servicio de transcripción exactamente quién recibe el audio. La transcripción automática te da un primer borrador en minutos por una fracción del coste de un servicio humano; la pasada de corrección con el audio sigue siendo cosa tuya. Para NVivo, ATLAS.ti y MAXQDA, planifica la ruta de importación antes de elegir la herramienta.
Nadie te dice cuál es el estándar de la transcripción en investigación cualitativa porque no hay un único estándar. Hay varios, y cuál te corresponde depende de lo que vayas a hacer con las transcripciones una vez que las tengas. Esa decisión es metodológica y va antes que la decisión sobre las herramientas, no después.
Si lo haces al revés, el coste es real. Transcribes seis entrevistas en limpio, te metes en el análisis, descubres que necesitas saber dónde dudó el participante, y ahora vuelves sobre seis grabaciones con otros oídos. Así que dedica una hora a la pregunta antes.
Decide para qué sirve la transcripción antes de transcribir una palabra
El nivel de detalle que necesita una transcripción es una decisión metodológica, no una cuestión de cuidado o de minuciosidad. Se deduce de tu enfoque analítico.
Si tu análisis se ocupa de qué se dijo, una transcripción limpia basta. Quieres las palabras, con exactitud, atribuidas al hablante correcto. Las muletillas, los falsos comienzos y las pausas breves se pueden limpiar sin dañar nada, porque ninguno aparecerá nunca en tu codificación. La mayor parte del trabajo temático y de análisis de contenido está aquí, y una transcripción limpia es más rápida de producir, más rápida de leer y más rápida de codificar.
Si tu análisis se ocupa de cómo se dijo algo, la situación se invierte. Las pausas, los solapamientos, las dudas, el momento en que dos personas hablan a la vez, los tres segundos antes de que llegue una respuesta, la rectificación a mitad de frase: eso son los datos. Una transcripción que los quita ha quitado lo que estás estudiando. Esto importa en la transcripción automática en concreto, porque alisar justamente esos rasgos es lo que hace bien. Te da una prosa fluida y legible, y una prosa fluida y legible es una versión con pérdidas de una conversación titubeante y con solapamientos.
Existe la tentación de cubrirse transcribiendo todo con el máximo detalle, con el argumento de que siempre puedes ignorar lo que no necesites. Normalmente es un error. La transcripción detallada es lenta, y el trabajo lento sobre veinte entrevistas se come meses que no tienes. Además, hace las transcripciones más difíciles de leer, lo que ralentiza la codificación. Si de verdad no sabes todavía si la interacción importa para tu análisis, esa es una conversación que tener ya con tu director, no un problema que resolver a fuerza bruta. Decidas lo que decidas, las grabaciones se quedan, y la grabación son los datos reales. La transcripción es una representación de ella.
Literal, verbatim inteligente y limpia, una al lado de otra
Las tres etiquetas se usan con poco rigor, así que aquí tienes un breve intercambio inventado escrito de las tres maneras. Es una ilustración, no datos de un estudio.
La transcripción literal conserva todo lo que oyó la grabadora, marcado según tu convención:
E: Entonces, ¿cómo, eh, cómo te enteraste? P3: Pues (.) yo- yo no, la verdad. Mi hermana [me lo dijo] E: [ya] P3: me lo dijo después de la- después de la reunión. (2.0) Sí.
El verbatim inteligente conserva cada palabra con significado y los turnos de habla, elimina muletillas y titubeos, y mantiene una pausa solo donde tiene sentido:
E: ¿Cómo te enteraste? P3: Yo no, la verdad. Mi hermana me lo dijo después de la reunión. [pausa] Sí.
La transcripción limpia (a veces llamada editada) además alisa la gramática hasta dejar frases legibles:
E: ¿Cómo te enteraste? P3: Yo no. Mi hermana me lo dijo después de la reunión.
Fíjate en lo que perdió la versión limpia. La pausa de dos segundos antes de «Sí» y la rectificación «yo- yo no» pueden ser lo más interesante del fragmento si estudias cómo habla la gente de las malas noticias. Para un estudio temático sobre cómo se difundió una noticia dentro de una familia, la versión limpia no pierde nada que vayas a codificar.
La transcripción automática cae en algún punto entre el verbatim inteligente y la limpia. Suele eliminar el «eh» y la repetición del «yo», no escribe marcas de pausa y muestra el solapamiento como un turno detrás de otro. Si necesitas la literal, prevé añadir esos rasgos a mano en la pasada de corrección.
Deja por escrito tu convención antes de la segunda entrevista
Una vez decidido el nivel de detalle, fija las convenciones y escríbelas en un documento breve que tengas al lado mientras trabajas. Cambiarlas después significa volver sobre todas las grabaciones que ya has hecho, y esa es la clase de tarea que se come una quincena sin que te des cuenta.
Lo que conviene resolver de antemano:
- Si las muletillas y los falsos comienzos se conservan, se limpian o se conservan solo cuando parecen significativos, que es la opción con más probabilidad de producir incoherencias entre entrevistas.
- Cómo se marcan las pausas, y si se distinguen las cortas de las largas.
- Cómo se muestra el habla solapada, y qué se hace cuando no puedes saber quién habló primero.
- Cómo marcas los pasajes que no se entienden, y si anotas el motivo.
- Cómo se etiquetan los hablantes, y cómo se relaciona esa etiqueta con tu esquema de anonimización.
- Dónde van las marcas de tiempo: a intervalos regulares, en cada cambio de hablante o solo en los pasajes que esperas citar.
Las marcas de tiempo merecen un momento aparte. Permiten rastrear una cita de tu tesis hasta su posición en la grabación, y eso hace que cualquiera con acceso a tus datos, incluido un tribunal, pueda comprobar la afirmación. Añadirlas sobre la marcha casi no cuesta nada. Añadirlas después, a una transcripción terminada, significa volver a escuchar toda la grabación con un cronómetro. Uses la herramienta que uses, ponlas en la primera pasada.
Una plantilla de convenciones que puedes copiar
Rellena la columna de la derecha, guárdala en el anexo de métodos y dásela a cualquiera que transcriba o corrija por ti. Las marcas que se muestran son opciones habituales, no reglas; cambia las que quieras, pero deja por escrito el cambio.
| Elemento | Opción habitual | Tu proyecto |
|---|---|---|
| Nivel de detalle | Literal / verbatim inteligente / limpia | |
| Etiquetas de hablante | E = entrevistador/a, P1, P2 … = participantes; M = moderador/a en los grupos focales | |
| Muletillas (eh, mm, o sea) | Conservadas / eliminadas / conservadas solo cuando son significativas | |
| Falsos comienzos, rectificaciones | Conservados con un guion: «yo- yo no» | |
| Pausa corta (menos de 2 segundos) | (.) | |
| Pausa más larga | Duración en segundos: (3.0) | |
| Habla solapada | Corchetes al principio y al final del solapamiento | |
| Inaudible | [inaudible 00:14:32] | |
| Palabras dudosas | [palabra?] | |
| No verbal | [risas], [suspiros], [suena un teléfono] | |
| Énfasis | Subrayado o MAYÚSCULAS, o sin marcar | |
| Marcas de tiempo | En cada cambio de hablante / cada 2 minutos / solo en los pasajes citados | |
| Nombres y lugares | Sustituidos al transcribir: [Colega A], [Ciudad 1] | |
| Otros idiomas | Se conserva el original y la traducción va después, entre llaves | |
| Nombre del archivo | Proyecto_P03_2026-10-25_v2 (participante, fecha, versión) |
La misma plantilla en texto plano, para tus notas:
CONVENCIÓN DE TRANSCRIPCIÓN: [proyecto] versión: [fecha]
Nivel de detalle: literal | verbatim inteligente | limpia
Hablantes: E = entrevistador/a; P1, P2 ... = participantes
Muletillas: conservadas | eliminadas | conservadas si son significativas
Falsos comienzos: conservados, marcados con guion (yo- yo no)
Pausas: (.) menos de 2 s; (3.0) = duración en segundos
Solapamiento: [ al principio y ] al final del habla solapada
Inaudible: [inaudible hh:mm:ss]
Dudoso: [palabra?]
No verbal: [risas] [suspiros] [se cierra la puerta]
Énfasis: sin marcar | MAYÚSCULAS
Marcas de tiempo: cada cambio de hablante | cada 2 min | solo citas
Anonimización: al transcribir; tabla de correspondencias aparte en [lugar]
Otros idiomas: original, luego {translation}
Comprobado con el audio por: [nombre], el [fecha]El consentimiento y la aprobación ética deciden adónde puede ir el audio
Tu formulario de consentimiento no es un trámite que ocurrió antes de que empezara la investigación. Es un conjunto de condiciones sobre lo que ahora puedes hacer con las grabaciones, y suele cubrir tres cosas: cómo se almacena la grabación, quién puede escucharla y cuándo se destruye.
Enviar audio a un servicio de transcripción de terceros es una comunicación de datos. Alguien, o algo, ajeno a tu proyecto tiene ahora una copia de la voz de un participante. Eso tiene que ser compatible con lo que el participante aceptó. A veces lo es claramente, porque el formulario lo preveía. A veces claramente no lo es, porque al participante se le dijo que solo el equipo de investigación escucharía la grabación. Con frecuencia el formulario es ambiguo, y esa ambigüedad conviene resolverla con tu director o con el comité de ética antes de subir nada, no después.
La aprobación ética suele ir más lejos y especificar dónde pueden almacenarse las grabaciones, en qué tipo de dispositivo o sistema institucional y durante cuánto tiempo. La transcripción hereda esas condiciones. Y también todo lo que derive de ella: tus archivos codificados, tus extractos de citas, el documento de trabajo donde pegas fragmentos mientras redactas. Todo eso cuenta como datos y todo debe estar dentro del acuerdo de almacenamiento que te aprobaron. Es fácil perder el hilo cuando ya estás metido en el análisis y las copias se multiplican entre un portátil, una nube y un correo que te envías a ti mismo.
En la práctica, esto reduce tus opciones de herramientas antes de haberlas comparado en calidad o precio. Una herramienta que procesa los archivos en tu propio dispositivo es una propuesta distinta de una que los sube. Si un proveedor no sabe decirte con claridad qué empresas reciben el audio, tómatelo como una respuesta.
Qué pregunta un comité de ética sobre un servicio de transcripción
Los comités difieren, pero las preguntas se repiten. Pon las respuestas en tu solicitud, con la fecha en que las comprobaste, porque los proveedores cambian de socios.
- ¿Dónde se almacena el audio y en qué país?
- ¿Qué otras empresas lo reciben y qué reciben? Una herramienta de transcripción suele ser la fachada del reconocimiento de voz de otra empresa. Pide la lista de subencargados del tratamiento.
- ¿Se usan los datos para entrenar modelos? Pregunta por el proveedor y por cada socio por separado; una sola respuesta rara vez cubre ambos.
- ¿Qué elimina borrar un archivo, y hay copias de seguridad que lo conservan más tiempo?
- ¿Quién puede iniciar sesión, y existe un informe de auditoría, un acuerdo de tratamiento de datos o inicio de sesión institucional?
Estas son las respuestas de SozAI, a 25 de octubre de 2026, para que veas cómo es un conjunto completo:
- Las grabaciones y las transcripciones se almacenan en nuestros servidores. Todo viaja por HTTPS.
- El reconocimiento de voz lo hace AssemblyAI, en EE. UU., que recibe el audio. Si usas resúmenes, notas, cuestionarios o preguntas sobre una grabación, el texto de la transcripción pasa por OpenRouter a proveedores de modelos (Anthropic, Google y xAI, con DeepSeek como alternativa). Los enlaces de YouTube van a la API de Google Gemini; tu propio audio no. Cloudflare transporta el tráfico y guarda nuestras copias de seguridad cifradas de la base de datos. La lista completa está en nuestra página de subencargados del tratamiento.
- No vendemos las grabaciones y nuestro propio código nunca las usa para entrenar modelos. No podemos prometer lo mismo en nombre de los socios citados; se aplican sus propios términos.
- Puedes eliminar una grabación o toda tu cuenta tú mismo, en la app o en la web. Eso quita de nuestros servidores el audio, la transcripción, las notas, las tarjetas de estudio y los cuestionarios. Las copias de seguridad cifradas de la base de datos se conservan hasta 12 meses. Borrar en SozAI no borra la copia que conserva el socio de reconocimiento de voz.
- El inicio de sesión es con Google, con Apple o con un código de un solo uso por correo. No tenemos informe SOC 2, inicio de sesión único ni roles de administración de equipo, y SozAI no cumple HIPAA. Más en seguridad en SozAI.
Si tu aprobación dice que las grabaciones no deben salir de los sistemas institucionales, ninguna de las herramientas en la nube que se nombran en esta página cumple, la nuestra incluida. Usa el servicio con licencia de tu universidad o transcribe sin conexión.
La anonimización se hace en la transcripción
La grabación se queda como está. No se puede anonimizar una voz editando texto, y tampoco deberías intentar alterar tus datos primarios. La anonimización es algo que se hace a la transcripción.
Eso significa sustituir nombres, nombres de lugares, nombres de empleadores, cargos que identifican a una sola persona y los pequeños detalles circunstanciales que hacen reconocible a alguien para quien conozca el entorno. Hazlo con coherencia. Si una colega es [Colega A] en una entrevista, es [Colega A] en todas partes donde aparece, y la misma convención se aplica a todo tu conjunto. Una seudonimización incoherente es peor que ninguna, porque parece anonimizada pero sigue siendo rastreable para quien lea con atención.
Si conservas una tabla de correspondencias entre identidades reales y sustituciones, guárdala aparte de las transcripciones, en las condiciones de almacenamiento que fije tu aprobación, y ten claro por qué la conservas y cuándo se destruye. En algunos proyectos hay una buena razón para tenerla: puede que necesites volver a contactar con los participantes o enlazar entrevistas entre oleadas. En otros no la hay, y la tabla más segura es la que no existe. Decidirlo a conciencia es lo importante.
Una advertencia sobre hacerlo deprisa. Buscar y reemplazar atrapa los nombres evidentes y deja pasar el resto: el apodo usado dos veces, la errata, la descripción de un edificio que solo coincide con un lugar de la ciudad. La pasada de anonimización necesita ojos humanos sobre todo el documento.
Un detalle práctico para las herramientas automáticas: los nombres de hablante que escribes en una herramienta se almacenan con la transcripción. Etiqueta a los hablantes como P1 y P2 desde el principio en lugar de renombrarlos más tarde.
Grupos focales: de seis a diez hablantes
Un grupo focal es la grabación más difícil que transcribirás. La separación automática de hablantes funciona agrupando el habla que suena parecido, y con ocho personas alrededor de una mesa eso falla en sitios previsibles: dos participantes con voces similares acaban como un solo hablante, quien solo dice «mm» o «sí» nunca recibe etiqueta propia, y una ráfaga de voces cruzadas se atribuye a quien habló más fuerte.
En SozAI no puedes decirle al sistema cuántas personas había en la sala; lo decide a partir del audio. Cuenta con corregir a mano las etiquetas de hablante en cada grupo focal, y presupuéstalo. En un grupo de ocho personas y una hora son una tarde de trabajo de verdad, dedicada sobre todo a los turnos cortos.
Lo que ayuda, por orden de efecto:
- Abre con una ronda en la que cada persona diga su número de participante y una frase. Eso te da una muestra de cada voz en un punto conocido, para poder asociar etiquetas con personas.
- Pide al moderador que nombre al hablante cuando no esté claro («gracias, P4») y lleva un plano de la mesa con el orden de las primeras intervenciones.
- Pon un buen micrófono en el centro de la mesa en lugar de un teléfono en el extremo del moderador. La distancia es la mayor fuente de errores.
- Usa una segunda grabadora en el otro extremo de la mesa. Cuando un archivo no se entiende, el otro a menudo sí.
Si tu análisis depende de quién dijo qué en intercambios rápidos (el análisis de la conversación de la dinámica de grupo, por ejemplo), un primer borrador automático te ahorrará menos tiempo que en las entrevistas individuales. Un servicio humano especializado en grupos focales puede merecer su precio ahí.
Dónde ayuda de verdad la transcripción automática
La transcripción automática produce un primer borrador. Es un ahorro real, y rechazarlo por principio suele significar teclear a mano varias horas de habla sin ganancia metodológica. Lo que no produce es una transcripción terminada.
En los datos de entrevistas, la pasada de corrección con el audio forma parte del método, no es un retoque opcional al final. Escuchas con el borrador delante, arreglas lo que está mal, restauras lo que tu convención exige y la máquina quitó, insertas o compruebas las marcas de tiempo y aplicas tu anonimización. Es más lento que leer y más rápido que teclear. También es donde te familiarizas con el material, lo cual no es un beneficio menor. Quienes transcriben sus propias entrevistas llegan al análisis sabiendo ya lo que hay en ellas, y la pasada de corrección recupera buena parte de esa familiaridad.
Con la app de SozAI para iPhone, Android y Mac, o con la versión web, una entrevista grabada vuelve con etiquetas de hablante y un código de tiempo en cada pasaje; toca uno y el audio se reproduce desde esa línea, que es casi todo lo que necesita una pasada de corrección. El texto se puede corregir en la app para iPhone y Android; la versión web y la de Mac lo muestran pero todavía no lo editan. Más sobre transcribir entrevistas en general. Es una opción entre varias, y las preguntas de almacenamiento y de consentimiento que plantea un comité de ética deben filtrar tu lista corta antes que la calidad.
Transcripción académica con IA o humana: coste, plazo, precisión
La mayoría de las páginas que se posicionan por «transcripción académica» son servicios humanos, así que aquí tienes la comparación que omiten. Los precios son los que cada proveedor publicaba el 25 de octubre de 2026.
| Precio | Plazo de entrega | Precisión, según el proveedor | |
|---|---|---|---|
| Rev, transcripción humana | 1,99 $ el minuto | 12 horas o menos | Rev garantiza un 99 % o más |
| TranscribeMe, con edición humana | desde 0,79 $ el minuto | de 1 a 3 días | TranscribeMe garantiza un 99 % en sus niveles Extra Review y Verbatim; se espera entre un 95 y un 98 % en el nivel de 0,79 $ |
| Ditto Transcripts, solo humana | desde 1,75 $ el minuto | de 3 a 5 días laborables a ese precio; más rápido con tarifas urgentes | Ditto garantiza un 99 % |
| SozAI, automática | $4.99 a la semana o $79.99 al año, hasta 700 horas | normalmente de 1 a 2 minutos para un archivo de una hora | tasa de error por palabra medida: 3,6 % en inglés y 1,8 % en español en nuestra prueba publicada |
Haz las cuentas con un estudio típico: veinte entrevistas de una hora, 1.200 minutos de audio. Con los precios de arriba son 2.388 $ con Rev, 2.100 $ con Ditto y desde 948 $ con TranscribeMe. Con una suscripción a SozAI todo el conjunto cabe con holgura en las horas, y los borradores están de vuelta esa misma tarde.
Las cifras de precisión no son comparables, y conviene saber por qué. Los servicios humanos indican una garantía en sus propios términos. La nuestra es una medición con un método publicado: 200 frases cortas leídas en voz alta en salas silenciosas, del conjunto de datos abierto FLEURS. Las entrevistas son más difíciles que eso, y algunos idiomas mucho más (19,6 % en árabe, 50 % en kazajo en la misma prueba). Así que el intercambio honesto es este: la transcripción automática cuesta mucho menos y es casi instantánea, y a cambio la pasada de corrección la haces tú. Un servicio humano te cobra por hacer la mayor parte de esa pasada, y aun así compruebas las citas.
Cuándo es mejor compra la transcripción humana: convenciones de transcripción literal con duración de las pausas, mala calidad de audio, grupos focales donde la atribución es lo esencial, o una entidad financiadora dispuesta a pagarla mientras tu tiempo es el recurso escaso.
Software de transcripción para investigación cualitativa
Seis opciones realistas, con aquello en lo que es buena cada una. Datos tal como los publicaba cada proveedor el 25 de octubre de 2026.
| Qué es | Idiomas | Precio | Hacia tu software de análisis | |
|---|---|---|---|---|
| MAXQDA Transcription | Transcripción automática dentro de MAXQDA o en su web; detección de hablantes y marcas de tiempo; servidores en Europa | más de 50 | 60 minutos gratis, después paquetes de horas de prepago | Directamente a MAXQDA |
| NVivo Transcription | Transcripción automática de Lumivero; hablantes etiquetados en su editor | 43 | Hasta 50 horas al año, o pago por horas | Directamente a NVivo |
| Otter | Asistente de reuniones que también admite archivos subidos; se une a llamadas de Zoom, Teams y Meet | 6 | Gratis 300 min al mes (30 min por conversación, 3 importaciones en total); Pro 8,33 $ al mes con facturación anual | TXT en Free; PDF, Word y SRT en Pro |
| Rev | Plataforma de IA más transcripciones humanas | Inglés en Free, más de 37 en Pro | Humana 1,99 $ el minuto; IA desde 25,49 $ por puesto al mes con facturación anual | No se indica en la página de precios |
| SozAI | Apps para iPhone, Android y Mac más una versión web; hablantes y códigos de tiempo en cada archivo; resúmenes, notas y traducción | 99, detectados automáticamente | 30 minutos gratis una sola vez; $4.99 a la semana o $79.99 al año | VTT (con nombres de hablante) a ATLAS.ti y MAXQDA; TXT o JSON convertido a NVivo |
| Servicios humanos (TranscribeMe, Ditto y otros) | Personas que transcriben según tu convención | Varía según el servicio | De 0,79 $ a 1,99 $ el minuto (TranscribeMe, Ditto, Rev) | Normalmente archivos de Word |
Nuestra recomendación, si tienes que elegir. Si ya tienes licencia de MAXQDA o NVivo y tus entrevistas están en un idioma que cubren, usa la transcripción integrada: la transcripción llega al proyecto ya vinculada al audio y te saltas por completo el paso de importación. Si tus entrevistas están en un idioma fuera de sus listas, se graban con el teléfono sobre el terreno, o quieres resúmenes y traducción junto a la transcripción, SozAI es la mejor herramienta, con un paso de importación. Si tu aprobación ética descarta el tratamiento por IA de terceros, paga un servicio humano que firme tus términos de confidencialidad, o transcribe tú mismo.
Cómo llevar las transcripciones a NVivo, ATLAS.ti y MAXQDA
SozAI no exporta archivos de Word (DOCX). Todo lo que sigue funciona con lo que sí exporta: TXT, SRT, VTT y JSON (también PDF, pero ningún paquete de análisis quiere una transcripción en PDF). Las apps del teléfono y del Mac exportan todos estos formatos; la versión web exporta TXT, SRT y VTT. Cambia el nombre de tus hablantes a P1, P2 y así sucesivamente antes de exportar; esos nombres se escriben en VTT, JSON y en el TXT de la app. SRT nunca lleva nombres de hablante, así que descártalo para investigación.
ATLAS.ti
Añade primero el archivo de audio a tu proyecto y después importa la transcripción sobre él. El manual de ATLAS.ti enumera VTT, SRT, TXT, DOCX y RTF como formatos de transcripción compatibles, y dice que detecta y codifica los hablantes en los archivos VTT que incluyen información de hablante. Así que exporta VTT desde SozAI: obtienes el texto sincronizado con el audio y los códigos de hablante en un solo paso. (Manual de ATLAS.ti, consultado el 25 de octubre de 2026.)
MAXQDA
MAXQDA importa transcripciones con marcas de tiempo en Importar, Transcripciones, y enumera VTT entre los formatos que lee, junto con subtítulos SRT y archivos de Word o RTF. Elige VTT e indica a MAXQDA el archivo de audio correspondiente cuando lo pida. SRT también se importa, pero los usuarios de MAXQDA señalan una disposición fragmentada, una línea de subtítulo por párrafo, y pierdes los hablantes. (Ayuda de MAXQDA, consultado el 25 de octubre de 2026.)
NVivo
NVivo 14 para Windows importa una transcripción vinculada a audio desde un archivo de texto plano con la estructura de una tabla separada por comas o tabuladores, o desde Word o RTF. (Ayuda de NVivo, consultado el 25 de octubre de 2026.) Los archivos de SozAI no tienen esa estructura, así que tienes dos rutas:
- Rápida: exporta TXT desde web.sozai.app con los códigos de tiempo y los hablantes activados. Cada párrafo se lee «[04:12] P3: texto». Impórtalo en NVivo como un documento normal. Puedes codificarlo enseguida; simplemente no está sincronizado con el audio.
- Sincronizada: exporta JSON desde la app. Cada segmento tiene un tiempo de inicio y de fin en segundos, el texto y el nombre del hablante. Ábrelo en una hoja de cálculo (o pide a un colega que lo haga con unas pocas líneas de script) para obtener tres columnas: intervalo de tiempo, hablante, texto. Guárdalo como texto separado por tabuladores e impórtalo como transcripción, asignando las columnas cuando NVivo lo pida.
Elijas la ruta que elijas, haz la pasada de corrección antes de la importación si puedes. Las correcciones hechas en la app del teléfono viajan con la transcripción a todas las exportaciones posteriores, mientras que las ediciones hechas dentro de tu paquete de análisis se quedan allí.
Lo que el primer borrador no hará por ti
Espera que el borrador sea más débil justo donde las entrevistas son más difíciles. Las voces cruzadas confunden la separación de hablantes, y dos personas hablando a la vez suelen salir como una sola persona diciendo algo ligeramente incoherente. Los acentos marcados, los participantes que hablan bajo, el ruido de fondo de una cafetería o un pasillo y el vocabulario propio de un campo reducen la precisión. Las etiquetas de hablante suelen estar cerca, pero no son fiables en los límites, sobre todo en las interjecciones cortas.
Y no te dará la prosodia. Ninguna transcripción automática conserva la duración de una pausa ni marca el punto en que cambió la voz del participante. Si tu análisis lo necesita, el borrador de la máquina es un andamio para las palabras y nada más, y debes planificar tu tiempo en consecuencia. Un colega que trabaje con el mismo corpus y una pregunta orientada al contenido terminará en una fracción del tiempo, y no porque trabaje con menos cuidado. Su transcripción responde a otra pregunta.
Las entrevistas que cambian de idioma son un caso especial. Las herramientas automáticas, SozAI incluido, suelen detectar un solo idioma por grabación, así que los pasajes en el segundo idioma salen peor. Márcalos en tu convención y compruébalos primero.
Presupuesta también más tiempo del que sugiere la aritmética. La pasada de corrección no es una sola pasada por el audio a velocidad normal; es parar, rebobinar, volver a escuchar los seis segundos que no acabas de entender. Hacerlo con un conjunto completo de entrevistas es mucho trabajo, y es normal que lo sea. Si quieres hacerte una idea de cómo encajan las piezas en un proyecto entero, hay un recorrido por el flujo de trabajo de una investigadora de tesis que sigue un conjunto de grabaciones desde el archivo hasta la transcripción citable. Si compras para un grupo de investigación o un departamento, escribe a [email protected] sobre los planes Team y Education; facturamos.
Lo último que conviene retener es que la transcripción es una representación, y cada convención que elegiste es una decisión sobre qué conservar y qué perder. Escribe esas decisiones en el capítulo de métodos. Un tribunal que sabe por qué tus transcripciones tienen el aspecto que tienen las leerá como algo meditado. Uno que no lo sabe se preguntará por qué.
