תמלול למחקר איכותני: מוסכמות, אתיקה וכלים

עיקרי הדברים

החליטו על רמת הפירוט לפני שמתמללים משהו: תמלול מילה במילה (verbatim) אם הניתוח שלכם עוסק באופן שבו אנשים דיברו, תמלול מילה במילה חכם או נקי אם הוא עוסק במה שהם אמרו. כתבו את המוסכמה לפני הראיון השני. בדקו מה כתוב בטופס ההסכמה ובאישור ועדת האתיקה על המקומות שאליהם מותר להעביר הקלטות, ושאלו כל שירות תמלול בדיוק מי מקבל את האודיו. תמלול אוטומטי נותן טיוטה ראשונה תוך דקות בחלק קטן מעלות שירות אנושי; מעבר התיקון מול האודיו נשאר עליכם. אם אתם עובדים עם NVivo, ATLAS.ti או MAXQDA, תכננו את דרך הייבוא לפני שאתם בוחרים כלי.

אף אחד לא יגיד לכם מהו התקן לתמלול במחקר איכותני, כי אין תקן אחד. יש כמה, ואיזה מהם חל עליכם תלוי במה שאתם מתכננים לעשות בתמלולים אחרי שיהיו לכם. ההחלטה הזאת היא מתודולוגית, והמקום שלה לפני ההחלטה על הכלים, לא אחריה.

אם תעשו את זה הפוך, המחיר אמיתי. מתמללים שישה ראיונות בצורה נקייה, נכנסים לניתוח, מגלים שאתם צריכים לדעת איפה המשתתף היסס, וחוזרים לשש הקלטות עם אוזניים אחרות. אז הקדישו שעה לשאלה הזאת קודם.

החליטו למה משמש התמלול לפני שאתם מתמללים מילה

כמה פירוט נדרש בתמלול הוא החלטה מתודולוגית, לא עניין של קפדנות או יסודיות. היא נובעת מגישת הניתוח שלכם.

אם הניתוח שלכם עוסק במה נאמר, תמלול נקי מספיק. אתם רוצים את המילים, בדייקנות, מיוחסות לדובר הנכון. מילות מילוי, התחלות שגויות והפסקות קצרות אפשר לסדר בלי לפגוע בדבר, כי אף אחת מהן לא תופיע בקידוד שלכם. רוב העבודה התמטית והממוקדת בתוכן נמצאת כאן, ותמלול נקי מהיר יותר להפקה, מהיר יותר לקריאה ומהיר יותר לקידוד.

אם הניתוח שלכם עוסק באיך משהו נאמר, המצב מתהפך. הפסקות, חפיפות, היסוסים, הרגע ששני אנשים מדברים זה על זה, שלוש השניות לפני שהתשובה מגיעה, התיקון באמצע משפט: אלה הנתונים. תמלול שמסיר אותם הסיר את מה שאתם חוקרים. זה חשוב דווקא לתמלול אוטומטי, כי החלקת התכונות האלה היא מה שהוא עושה טוב. הוא נותן פרוזה שוטפת וקריאה, ופרוזה שוטפת וקריאה היא ייצוג מאבד של שיחה מהוססת וחופפת.

יש פיתוי לגדר את ההימור ולתמלל הכול ברמת הפירוט הגבוהה ביותר, בטענה שתמיד אפשר להתעלם ממה שלא צריך. בדרך כלל זו טעות. תמלול מפורט איטי, ועבודה איטית על עשרים ראיונות אוכלת חודשים שאין לכם. הוא גם הופך את התמלולים לקשים יותר לקריאה, וזה מאט את הקידוד. אם אתם באמת לא יודעים עדיין אם האינטראקציה חשובה לניתוח שלכם, זו שיחה שכדאי לקיים עכשיו עם המנחה, לא בעיה לפתור בכוח. מה שלא תחליטו, ההקלטות נשארות, וההקלטה היא הנתון האמיתי. התמלול הוא ייצוג שלה.

מילה במילה, מילה במילה חכם ונקי, זה לצד זה

שלוש התוויות האלה משמשות באופן רופף, ולכן הנה חילופי דברים קצרים שהומצאו, כתובים בשלוש הדרכים. זו המחשה, לא נתונים ממחקר.

מילה במילה (verbatim) שומר כל מה שהמקליט שמע, מסומן לפי המוסכמה שלכם:

מ:  אז איך, אממ, איך גילית?
נ3: טוב (.) ל- לא גיליתי, באמת. אחותי [סיפרה לי]
מ:                                     [אה]
נ3: סיפרה לי אחרי ה- אחרי הפגישה. (2.0) כן.

מילה במילה חכם שומר כל מילה בעלת משמעות ואת תורות הדיבור, משמיט מילות מילוי וגמגומים, ושומר הפסקה רק כשיש בה משמעות:

מ:  איך גילית?
נ3: לא גיליתי, באמת. אחותי סיפרה לי אחרי הפגישה. [הפסקה] כן.

נקי (שנקרא לפעמים ערוך) גם מחליק את הדקדוק למשפטים קריאים:

מ:  איך גילית?
נ3: לא גיליתי. אחותי סיפרה לי אחרי הפגישה.

שימו לב למה שהגרסה הנקייה איבדה. הפסקה של שתי שניות לפני "כן" והתיקון העצמי "ל- לא גיליתי" עשויים להיות הדבר המעניין ביותר בקטע אם אתם חוקרים איך אנשים מדברים על חדשות רעות. במחקר תמטי על האופן שבו חדשות התפשטו במשפחה, הגרסה הנקייה לא מאבדת שום דבר שתקודדו.

תמלול אוטומטי נוחת איפשהו בין מילה במילה חכם לנקי. הוא משמיט בדרך כלל את ה"אממ" ואת החזרה על המילה, לא כותב סימני הפסקה, ומציג חפיפה כתור אחד שאחרי תור אחר. אם אתם צריכים מילה במילה, תכננו להוסיף את התכונות האלה ביד במעבר התיקון.

כתבו את המוסכמה לפני הראיון השני

אחרי שהחלטתם על רמת הפירוט, קבעו את המוסכמות וכתבו אותן במסמך קצר שתחזיקו לידכם בזמן העבודה. שינוי שלהן אחר כך אומר לחזור על כל הקלטה שכבר עשיתם, וזו משימה שאוכלת בשקט שבועיים.

מה שכדאי להסדיר מראש:

• האם מילות מילוי והתחלות שגויות נשמרות, מסודרות, או נשמרות רק כשנראה שיש בהן משמעות, וזו האפשרות שהכי סביר שתיצור חוסר עקביות בין ראיונות.
• איך מסמנים הפסקות, והאם מבחינים בין הפסקות קצרות לארוכות.
• איך מציגים דיבור חופף, ומה עושים כשאי אפשר לדעת מי דיבר ראשון.
• איך מסמנים קטעים שאי אפשר להבין, והאם מציינים את הסיבה.
• איך מתייגים דוברים, ואיך התיוג הזה קשור לתכנית האנונימיזציה שלכם.
• איפה שמים חותמות זמן: במרווח קבוע, בכל החלפת דובר, או רק ליד קטעים שאתם מצפים לצטט.

חותמות זמן ראויות לרגע משלהן. הן מאפשרות לאתר ציטוט בעבודה שלכם בחזרה למקומו בהקלטה, וזה מה שהופך את הטענה לניתנת לבדיקה לכל מי שיש לו גישה לנתונים, כולל בוחן. הוספתן תוך כדי עבודה לא עולה כמעט כלום. הוספתן אחר כך, לתמלול גמור, אומרת להאזין שוב לכל ההקלטה עם סטופר. בכל כלי שתשתמשו, הכניסו אותן כבר במעבר הראשון.

תבנית מוסכמה שאפשר להעתיק

מלאו את העמודה האחרונה, שמרו אותה בנספח המתודולוגי והעבירו אותה לכל מי שמתמלל או מתקן בשבילכם. הסימונים המוצגים הם בחירות נפוצות, לא כללים; אפשר לשנות כל אחד מהם, אבל כתבו את השינוי.

אותה תבנית כטקסט פשוט, להערות שלכם:

מוסכמת תמלול: [פרויקט]          גרסה: [תאריך]
רמת פירוט:           מילה במילה | מילה במילה חכם | נקי
דוברים:              מ = מראיין; נ1, נ2 ... = נבדקים
מילות מילוי:         נשמרות | מוסרות | נשמרות כשיש משמעות
התחלות שגויות:       נשמרות, מסומנות במקף (ל- לא גיליתי)
הפסקות:              (.) מתחת ל-2 שנ׳; (3.0) = אורך בשניות
חפיפה:               [ בתחילת הדיבור החופף ו-] בסופו
לא נשמע:             [לא נשמע hh:mm:ss]
לא בטוח:             [מילה?]
לא מילולי:           [צוחק] [נאנח] [דלת נסגרת]
הדגשה:               ללא סימון | הדגשה
חותמות זמן:          כל החלפת דובר | כל 2 דק׳ | ציטוטים בלבד
אנונימיזציה:         בעת התמלול; טבלת ההתאמה נשמרת בנפרד ב-[מיקום]
שפות אחרות:          המקור, ואחריו {תרגום}
נבדק מול האודיו על ידי: [שם], בתאריך [תאריך]

טופס ההסכמה ואישור האתיקה קובעים לאן האודיו יכול ללכת

טופס ההסכמה שלכם איננו ניירת שהסתיימה לפני שהמחקר התחיל. הוא קבוצת תנאים למה שמותר לכם לעשות עכשיו עם ההקלטות, והוא מכסה בדרך כלל שלושה דברים: איך ההקלטה נשמרת, מי רשאי לשמוע אותה, ומתי היא נהרסת.

שליחת אודיו לשירות תמלול של צד שלישי היא חשיפה. מישהו או משהו מחוץ לפרויקט שלכם מחזיק עכשיו עותק של קולו של משתתף. זה צריך להתיישב עם מה שהמשתתף הסכים לו. לפעמים זה ברור שכן, כי הטופס צפה זאת. לפעמים זה ברור שלא, כי המשתתף נאמר לו שרק צוות המחקר ישמע את ההקלטה. לעיתים קרובות הטופס עמום, ושווה ליישב את העמימות הזאת עם המנחה או עם ועדת האתיקה לפני ההעלאה ולא אחריה.

אישור אתיקה מרחיק לכת לעיתים קרובות ומפרט היכן מותר לשמור הקלטות, באיזה סוג מכשיר או מערכת מוסדית, ולכמה זמן. התמלול יורש את התנאים האלה. וכך גם כל מה שנגזר ממנו: קובצי הקידוד שלכם, תקצירי הציטוטים, מסמך העבודה שבו אתם מדביקים קטעים בזמן הכתיבה. כל אלה נחשבים נתונים, וכולם שייכים לתוך הסדר האחסון שאושר לכם. קל לאבד את המעקב אחרי זה כשאתם עמוק בניתוח והעותקים מתרבים בין מחשב נייד, כונן ענן ואימייל לעצמכם.

מבחינה מעשית, זה מצמצם את אפשרויות הכלים שלכם עוד לפני שהשוויתם ביניהם באיכות או במחיר. כלי שמעבד קבצים על המכשיר שלכם הוא הצעה שונה מכלי שמעלה אותם. אם ספק לא יכול להגיד לכם בבירור אילו חברות מקבלות את האודיו, התייחסו לזה כאל תשובה.

מה ועדת אתיקה שואלת על שירות תמלול

ועדות שונות זו מזו, אבל השאלות חוזרות. כתבו את התשובות בבקשה שלכם, עם התאריך שבו בדקתם אותן, כי ספקים מחליפים שותפים.

1. איפה האודיו נשמר, ובאיזו מדינה?
2. אילו חברות אחרות מקבלות אותו, ומה הן מקבלות? כלי תמלול הוא לעיתים קרובות חזית לזיהוי הדיבור של מישהו אחר. בקשו את רשימת מעבדי המשנה.
3. האם הנתונים משמשים לאימון מודלים? שאלו על הספק ועל כל שותף בנפרד; תשובה אחת לא מכסה בדרך כלל את שניהם.
4. מה מחיקת קובץ מסירה, והאם יש גיבויים ששומרים אותו זמן רב יותר?
5. מי יכול להיכנס, והאם יש דוח ביקורת, הסכם עיבוד נתונים או כניסה מוסדית?

הנה התשובות של SozAI, נכון ל-25 באוקטובר 2026, כדי שתראו איך נראית ערכה שלמה:

• הקלטות ותמלולים נשמרים בשרתים שלנו. הכול עובר ב-HTTPS.
• זיהוי הדיבור מתבצע על ידי AssemblyAI, בארצות הברית, שמקבלת את האודיו. אם אתם משתמשים בסיכומים, בהערות, בבחנים או בשאלות על הקלטה, טקסט התמלול עובר דרך OpenRouter אל ספקי מודלים (Anthropic, Google ו-xAI, עם DeepSeek כגיבוי). קישורי YouTube עוברים ל-Google Gemini API; האודיו שלכם עצמו לא. Cloudflare נושאת את התנועה ומחזיקה את הגיבויים המוצפנים של מסד הנתונים שלנו. הרשימה המלאה נמצאת בעמוד מעבדי המשנה שלנו.
• אנחנו לא מוכרים הקלטות, והקוד שלנו עצמו אף פעם לא משתמש בהן לאימון מודלים. אנחנו לא יכולים להבטיח זאת בשם השותפים שלמעלה; התנאים שלהם חלים.
• אפשר למחוק הקלטה או את החשבון כולו בעצמכם, באפליקציה או באתר. זה מסיר מהשרתים שלנו את האודיו, התמלול, ההערות, הכרטיסיות והבחנים. גיבויים מוצפנים של מסד הנתונים נשמרים עד 12 חודשים. מחיקה ב-SozAI לא מוחקת את העותק שמחזיק שותף זיהוי הדיבור.
• הכניסה היא עם Google, Apple או קוד חד-פעמי באימייל. אין לנו דוח SOC 2, כניסה יחידה (SSO) או תפקידי ניהול לצוות, ו-SozAI אינו תואם HIPAA. עוד על האבטחה ב-SozAI.

אם האישור שלכם קובע שהקלטות אסור שיצאו ממערכות מוסדיות, אף אחד מכלי הענן שנזכרים בעמוד הזה לא מתאים, והשלנו בכלל זה. השתמשו בשירות המורשה של האוניברסיטה שלכם או תמללו במצב לא מקוון.

האנונימיזציה נעשית בתמלול

ההקלטה נשארת כפי שהיא. אי אפשר להפוך קול לאנונימי בעריכת טקסט, וגם לא כדאי לנסות לשנות את הנתונים הראשוניים שלכם. אנונימיזציה היא משהו שעושים לתמלול.

זה אומר להחליף שמות, שמות מקומות, שמות מעסיקים, תארי תפקיד שמזהים אדם אחד, ואת הפרטים הנסיבתיים הקטנים שהופכים מישהו לניתן לזיהוי לכל מי שמכיר את הסביבה. עשו זאת בעקביות. אם עמית היא [עמית א] בראיון אחד, היא [עמית א] בכל מקום שבו היא מופיעה, ואותה מוסכמה חלה על כל הסט שלכם. פסבדונימיזציה לא עקבית גרועה מכלום, כי היא נראית אנונימית ועדיין אפשר לעקוב אחריה אם קוראים בקפידה.

אם אתם שומרים טבלת התאמה בין זהויות אמיתיות להחלפות, שמרו אותה בנפרד מהתמלולים, בתנאי האחסון שהאישור שלכם קובע, והיו ברורים עם עצמכם למה אתם שומרים אותה ומתי היא נהרסת. בחלק מהפרויקטים יש סיבה טובה להחזיק אותה: אולי תצטרכו ליצור קשר מחדש עם משתתפים או לקשר ראיונות בין גלים. באחרים אין, וטבלת ההתאמה הבטוחה ביותר היא זו שלא קיימת. הנקודה היא להחליט במודע.

אזהרה אחת לגבי עבודה מהירה. חיפוש והחלפה תופס את השמות הברורים ומחמיץ את השאר: הכינוי שהוזכר פעמיים, שגיאת הכתיב, התיאור של בניין שרק מקום אחד בעיר מתאים לו. מעבר האנונימיזציה דורש עיניים אנושיות על כל המסמך.

נקודה מעשית לכלים אוטומטיים: שמות הדוברים שאתם מקלידים בכלי נשמרים עם התמלול. תייגו דוברים כ-P1 וכ-P2 כבר מההתחלה במקום לשנות את שמם מאוחר יותר.

קבוצות מיקוד: שישה עד עשרה דוברים

קבוצת מיקוד היא ההקלטה הקשה ביותר שתתמללו. הפרדת דוברים אוטומטית עובדת בקיבוץ דיבור שנשמע דומה, ועם שמונה אנשים סביב שולחן זה נשבר במקומות צפויים: שני משתתפים עם קולות דומים הופכים לדובר אחד, מי שאומר רק "מממ" או "כן" אף פעם לא מקבל תווית משלו, ופרץ של דיבור מקביל מיוחס למי שדיבר חזק יותר.

ב-SozAI אי אפשר להגיד למערכת כמה אנשים היו בחדר; היא מחליטה לפי האודיו. ציפו לתקן תוויות דוברים ביד בכל קבוצת מיקוד, ותקצבו לזה זמן. בקבוצה של שעה עם שמונה אנשים זה אחר צהריים אמיתי של עבודה, שרובו מושקע בתורות קצרים.

מה שעוזר, לפי סדר ההשפעה:

• פתחו בסבב שבו כל אחד אומר את מספר המשתתף שלו ומשפט אחד. זה נותן לכם דגימה של כל קול בנקודה ידועה, כך שאפשר להתאים תוויות לאנשים.
• בקשו מהמנחה לקרוא בשם לדובר כשזה לא ברור ("תודה, נ4") והחזיקו תרשים ישיבה עם סדר התרומות הראשונות.
• הציבו מיקרופון טוב אחד באמצע השולחן ולא טלפון בקצה של המנחה. מרחק הוא מקור השגיאות הגדול ביותר.
• הפעילו מקליט שני בקצה השני של השולחן. כשקובץ אחד לא ברור, השני לרוב כן.

אם הניתוח שלכם תלוי במי אמר מה בחילופי דברים מהירים (ניתוח שיחה של דינמיקה קבוצתית, למשל), טיוטה אוטומטית תחסוך לכם פחות זמן מאשר בראיונות אחד על אחד. שירות אנושי שמתמחה בקבוצות מיקוד עשוי להיות שווה את מחירו שם.

איפה תמלול אוטומטי באמת עוזר

תמלול אוטומטי מפיק טיוטה ראשונה. זה חיסכון אמיתי, וסירוב לו על סמך עקרון אומר בעיקר להקליד ביד כמה שעות דיבור בלי שום רווח מתודולוגי. מה שהוא לא מפיק הוא תמלול גמור.

בנתוני ראיונות, מעבר התיקון מול האודיו הוא חלק מהשיטה, לא ניקוי אופציונלי בסוף. מאזינים כשהטיוטה מולכם, מתקנים מה שלא נכון, משחזרים כל מה שהמוסכמה שלכם דורשת והמכונה השמיטה, מוסיפים או בודקים חותמות זמן, ומחילים את האנונימיזציה. זה איטי יותר מקריאה ומהיר יותר מהקלדה. זה גם המקום שבו אתם נעשים מכירים את החומר, וזה לא יתרון צדדי. חוקרים שמתמללים את הראיונות שלהם בעצמם מגיעים לניתוח כשהם כבר יודעים מה יש בהם, ומעבר התיקון קונה בחזרה חלק נכבד מההיכרות הזאת.

עם אפליקציית SozAI ל-iPhone, ל-Android ול-Mac, או הגרסה באינטרנט, ראיון מוקלט חוזר עם תוויות דוברים וקוד זמן על כל קטע; לוחצים על אחד והאודיו מתנגן מאותה שורה, וזה רוב מה שמעבר תיקון צריך. אפשר לתקן טקסט באפליקציה ב-iPhone וב-Android; בגרסת האינטרנט וב-Mac הוא מוצג אך עדיין לא ניתן לעריכה. עוד על תמלול ראיונות באופן כללי. זו אפשרות אחת מבין כמה, ושאלות האחסון וההסכמה שוועדת אתיקה שואלת צריכות לסנן את הרשימה הקצרה שלכם לפני האיכות.

תמלול אקדמי בעזרת AI או בידי אדם: עלות, זמן אספקה, דיוק

רוב העמודים שמדורגים גבוה על "תמלול אקדמי" הם שירותים אנושיים, ולכן הנה ההשוואה שהם משאירים בחוץ. המחירים הם כפי שכל ספק פרסם אותם ב-25 באוקטובר 2026.

חשבו את המספרים על מחקר טיפוסי: עשרים ראיונות של שעה, 1,200 דקות אודיו. במחירים שלמעלה זה $2,388 עם Rev, $2,100 עם Ditto ולפחות $948 עם TranscribeMe. במנוי SozAI כל הסט נכנס בנוחות בתוך השעות, והטיוטות חוזרות באותו אחר צהריים.

נתוני הדיוק אינם ניתנים להשוואה, וכדאי להבין למה. השירותים האנושיים מצהירים על הבטחה בתנאים שלהם. אצלנו זו מדידה עם שיטה מפורסמת: 200 משפטים קצרים שהוקראו בחדרים שקטים, ממאגר הנתונים הפתוח FLEURS. ראיונות קשים מזה, ושפות מסוימות קשות בהרבה (19.6% בערבית, 50% בקזחית באותו מבחן). לכן העסקה הכנה היא זו: תמלול אוטומטי עולה הרבה פחות ומגיע כמעט מיד, ובתמורה אתם עושים את מעבר התיקון בעצמכם. שירות אנושי גובה מכם כסף על רוב המעבר הזה, ואתם עדיין בודקים את הציטוטים.

מתי תמלול אנושי הוא הקנייה הטובה יותר: מוסכמות מילה במילה עם תזמון הפסקות, אודיו גרוע, קבוצות מיקוד שבהן הייחוס הוא העיקר, או מממן שישלם על זה בזמן שהזמן שלכם הוא המשאב הנדיר.

תוכנת תמלול למחקר איכותני

שש אפשרויות מציאותיות, עם מה שכל אחת טובה בו. הפרטים כפי שכל ספק פרסם ב-25 באוקטובר 2026.

ההמלצה שלנו, אם יש לכם בחירה. אם כבר יש לכם רישיון MAXQDA או NVivo והראיונות שלכם בשפה שהם מכסים, השתמשו בתמלול המובנה: התמלול מגיע לפרויקט כשהוא כבר מקושר לאודיו, ואתם מדלגים על שלב הייבוא לגמרי. אם הראיונות שלכם בשפה שמחוץ לרשימות שלהם, מוקלטים בטלפון בשטח, או שאתם רוצים סיכומים ותרגום לצד התמלול, SozAI הוא הכלי המתאים יותר, עם שלב ייבוא אחד. אם אישור האתיקה שלכם שולל עיבוד AI של צד שלישי, שלמו לשירות אנושי שיחתום על תנאי הסודיות שלכם, או תמללו בעצמכם.

ייבוא תמלולים אל NVivo, ATLAS.ti ו-MAXQDA

SozAI לא מייצא קובצי Word (DOCX). כל מה שלמטה עובד עם מה שהוא כן מייצא: TXT, SRT, VTT ו-JSON (גם PDF, אבל אף חבילת ניתוח לא רוצה תמלול ב-PDF). אפליקציות הטלפון וה-Mac מייצאות את כולם; גרסת האינטרנט מייצאת TXT, SRT ו-VTT. שנו את שמות הדוברים ל-P1, P2 וכן הלאה לפני הייצוא; השמות האלה נכתבים ב-VTT, ב-JSON ובקובץ ה-TXT של האפליקציה. SRT אף פעם לא נושא שמות דוברים, ולכן דלגו עליו במחקר.

ATLAS.ti

הוסיפו קודם את קובץ האודיו לפרויקט, ואז ייבאו אליו את התמלול. המדריך של ATLAS.ti מונה VTT, SRT, TXT, DOCX ו-RTF כפורמטי תמלול נתמכים, ואומר שהיא מזהה ומקודדת דוברים בקובצי VTT שכוללים מידע על דוברים. לכן ייצאו VTT מ-SozAI: מקבלים את הטקסט מסונכרן עם האודיו וקודי דוברים בצעד אחד. (מדריך ATLAS.ti, נבדק ב-25 באוקטובר 2026.)

MAXQDA

MAXQDA מייבאת תמלולים עם חותמות זמן תחת Import, Transcripts, ומונה VTT בין הפורמטים שהיא קוראת, לצד כתוביות SRT וקובצי Word או RTF. בחרו VTT והצביעו על קובץ האודיו התואם כשהיא שואלת. גם SRT מיובא, אבל משתמשי MAXQDA מדווחים על פריסה מקוטעת, שורת כתובית אחת לכל פסקה, ואתם מאבדים את הדוברים. (עזרה של MAXQDA, נבדק ב-25 באוקטובר 2026.)

NVivo

NVivo 14 ל-Windows מייבאת תמלול מקושר לאודיו מקובץ טקסט פשוט שמסודר כטבלה מופרדת בפסיקים או בטאבים, או מ-Word או RTF. (עזרה של NVivo, נבדק ב-25 באוקטובר 2026.) הקבצים של SozAI אינם בפריסה הזאת, ולכן יש שתי דרכים:

• מהירה: ייצאו TXT מ-web.sozai.app כשקודי הזמן והדוברים מופעלים. כל פסקה נקראת "[04:12] P3: טקסט". ייבאו אותו ל-NVivo כמסמך רגיל. אפשר לקודד אותו מיד; הוא פשוט לא מסונכרן עם האודיו.
• מסונכרנת: ייצאו JSON מהאפליקציה. לכל קטע יש זמן התחלה וסיום בשניות, הטקסט ושם הדובר. פתחו אותו בגיליון אלקטרוני (או בקשו מעמית כמה שורות סקריפט) כדי ליצור שלוש עמודות: טווח זמן, דובר, טקסט. שמרו כטקסט מופרד בטאבים וייבאו כתמלול, ומפו את העמודות כש-NVivo שואלת.

באיזו דרך שלא תבחרו, עשו את מעבר התיקון לפני הייבוא אם אפשר. תיקונים שנעשו באפליקציה בטלפון עוברים עם התמלול לכל ייצוא מאוחר יותר, ואילו עריכות שנעשו בתוך חבילת הניתוח נשארות שם.

מה הטיוטה הראשונה לא תעשה בשבילכם

ציפו שהטיוטה תהיה חלשה בדיוק איפה שראיונות הכי קשים. דיבור מקביל מבלבל את הפרדת הדוברים, ושני אנשים שמדברים בבת אחת נוטים לצאת כאדם אחד שאומר משהו קצת לא קוהרנטי. מבטאים חזקים, משתתפים שקטים, רעש רקע מבית קפה או ממסדרון, ומינוח ייחודי לתחום, כולם מורידים את הדיוק. תוויות הדוברים קרובות בדרך כלל אבל לא אמינות בגבולות, במיוחד סביב הפרעות קצרות.

והיא לא תיתן לכם פרוזודיה. אף תמלול אוטומטי לא שומר את אורך ההפסקה ולא מסמן את הנקודה שבה הקול של המשתתף השתנה. אם הניתוח שלכם צריך את זה, טיוטת המכונה היא פיגום למילים ותו לא, ותקצבו את הזמן בהתאם. עמית שעובד על אותו קורפוס עם שאלה ממוקדת תוכן יסיים בשבריר מהזמן, ולא בגלל שהוא עובד פחות בקפדנות. התמלול שלו עונה על שאלה אחרת.

ראיונות שעוברים בין שפות הם מקרה מיוחד. כלים אוטומטיים, SozAI בכללם, מזהים בדרך כלל שפה אחת בכל הקלטה, ולכן הקטעים בשפה השנייה יוצאים הכי גרוע. סמנו אותם במוסכמה שלכם ובדקו אותם ראשונים.

תקצבו גם יותר זמן ממה שהחשבון מרמז. מעבר התיקון הוא לא מעבר אחד באודיו במהירות רגילה; הוא עצירה, חזרה לאחור, האזנה חוזרת לשש השניות שאתם לא מצליחים להבין. עשייה כזאת על סט שלם של ראיונות היא עבודה ניכרת, וזה נורמלי שכך. אם אתם רוצים תחושה איך החלקים משתלבים לאורך פרויקט שלם, יש מעבר על תהליך העבודה של חוקר תזה שעוקב אחרי סט הקלטות אחד מהקובץ ועד תמלול שאפשר לצטט. אם אתם קונים לקבוצת מחקר או למחלקה, כתבו אל [email protected] על תוכניות Team ו-Education; אנחנו שולחים חשבונית.

הדבר האחרון להחזיק בו הוא שהתמלול הוא ייצוג, וכל מוסכמה שבחרתם היא החלטה מה לשמור ומה לאבד. כתבו את ההחלטות האלה בפרק השיטה שלכם. בוחן שיודע למה התמלולים שלכם נראים כך יקרא אותם כמשהו שנשקל. מי שלא יודע, יתהה.