Trascrizione per la ricerca qualitativa: convenzioni, etica e strumenti

Punti chiave

Decidi il livello di dettaglio prima di trascrivere qualsiasi cosa: verbatim se la tua analisi riguarda il modo in cui le persone hanno parlato, verbatim ragionato o pulito se riguarda ciò che hanno detto. Scrivi la convenzione prima della seconda intervista. Controlla cosa dicono il modulo di consenso e l’approvazione del comitato etico su dove possono andare le registrazioni, e chiedi a ogni servizio di trascrizione chi riceve esattamente l’audio. La trascrizione automatica ti dà una prima bozza in pochi minuti a una frazione del costo di un servizio umano; la revisione sull’audio resta compito tuo. Per NVivo, ATLAS.ti e MAXQDA, pianifica il percorso di importazione prima di scegliere lo strumento.

Nessuno ti dice qual è lo standard della trascrizione per la ricerca qualitativa, perché uno standard unico non esiste. Ne esistono diversi, e quello giusto per te dipende da cosa intendi farne una volta che le trascrizioni sono pronte. È una decisione metodologica, e viene prima della scelta degli strumenti, non dopo.

Se la prendi al contrario, il costo è reale. Trascrivi sei interviste in forma pulita, inizi l’analisi, scopri che ti serve sapere dove la persona ha esitato, e ora devi riascoltare sei registrazioni con altre orecchie. Dedica quindi un’ora a questa domanda prima di tutto.

Decidi a cosa serve la trascrizione prima di scrivere una parola

Quanto dettaglio serve a una trascrizione è una scelta metodologica, non una questione di cura o di scrupolo. Deriva dal tuo approccio analitico.

Se la tua analisi riguarda cosa è stato detto, una trascrizione pulita basta. Ti servono le parole, corrette, attribuite al parlante giusto. Intercalari, false partenze e pause brevi si possono togliere senza danni, perché non compariranno mai nella tua codifica. La maggior parte del lavoro tematico e di analisi del contenuto rientra qui, e una trascrizione pulita si produce più in fretta, si legge più in fretta e si codifica più in fretta.

Se la tua analisi riguarda come qualcosa è stato detto, la situazione si capovolge. Pause, sovrapposizioni, esitazioni, il momento in cui due persone parlano insieme, i tre secondi prima che arrivi una risposta, l’autocorrezione a metà frase: sono questi i dati. Una trascrizione che li elimina ha eliminato proprio ciò che studi. Vale in particolare per la trascrizione automatica, perché levigare esattamente queste caratteristiche è ciò che sa fare bene. Ti consegna una prosa fluida e leggibile, e una prosa fluida e leggibile è una resa con perdite di una conversazione esitante e sovrapposta.

C’è la tentazione di coprirsi trascrivendo tutto al massimo livello di dettaglio, perché tanto si può sempre ignorare ciò che non serve. Di solito è la mossa sbagliata. La trascrizione dettagliata è lenta, e il lavoro lento su venti interviste si mangia mesi che non hai. Rende anche le trascrizioni più difficili da leggere, e quindi la codifica più lenta. Se non sai ancora se l’interazione conta per la tua analisi, è una conversazione da fare ora con il tuo relatore, non un problema da risolvere a forza di lavoro. Qualunque cosa tu decida, le registrazioni restano, e la registrazione è il dato vero. La trascrizione ne è una rappresentazione.

Verbatim, verbatim ragionato e pulito, a confronto

I tre termini si usano in modo approssimativo, quindi ecco un brevissimo scambio inventato scritto nei tre modi. È un esempio illustrativo, non un dato di uno studio.

Il verbatim conserva tutto ciò che il registratore ha sentito, segnato secondo la tua convenzione:

I:  Allora come, ehm, come l'hai scoperto?
P3: Beh (.) io- io non l'ho, proprio, scoperto. Me l'ha [detto mia sorella]
I:                                                      [ah ok]
P3: detto dopo la- dopo la riunione. (2.0) Sì.

Il verbatim ragionato conserva ogni parola significativa e i turni di parola, toglie intercalari e balbettii e mantiene una pausa solo dove ha un significato:

I:  Come l'hai scoperto?
P3: Non l'ho scoperto, proprio. Me l'ha detto mia sorella dopo la riunione. [pausa] Sì.

La versione pulita (a volte detta editata) leviga anche la grammatica in frasi leggibili:

I:  Come l'hai scoperto?
P3: Non l'ho scoperto. Me l'ha detto mia sorella dopo la riunione.

Guarda cosa ha perso la versione pulita. La pausa di due secondi prima di «Sì» e l’autocorrezione «io- io» potrebbero essere la cosa più interessante dell’estratto, se studi come le persone parlano di brutte notizie. Per uno studio tematico su come la notizia si è diffusa in una famiglia, la versione pulita non perde nulla di ciò che codificherai.

La trascrizione automatica si colloca a metà tra il verbatim ragionato e il pulito. Di solito scarta gli «ehm» e le ripetizioni dell’«io», non scrive segni di pausa e mostra la sovrapposizione come un turno che ne segue un altro. Se ti serve il verbatim, metti in conto di aggiungere a mano questi elementi nella revisione.

Scrivi la convenzione prima della seconda intervista

Una volta deciso il livello di dettaglio, fissa le convenzioni e mettile in un breve documento da tenere accanto mentre lavori. Cambiarle dopo significa rivedere ogni registrazione già fatta, il tipo di compito che si mangia in silenzio due settimane.

Le cose da stabilire in anticipo:

• Se intercalari e false partenze si tengono, si ripuliscono o si tengono solo dove sembrano significativi, che è l’opzione più probabile a produrre incoerenze tra le interviste.
• Come si segnano le pause, e se si distinguono quelle brevi da quelle lunghe.
• Come si mostra il parlato sovrapposto, e cosa si fa quando non si capisce chi ha parlato per primo.
• Come si segnano i passaggi incomprensibili, e se se ne annota il motivo.
• Come si etichettano i parlanti, e come questa etichettatura si lega al tuo schema di anonimizzazione.
• Dove vanno i timestamp: a intervalli regolari, a ogni cambio di parlante, o solo sui passaggi che pensi di citare.

I timestamp meritano un momento a parte. Permettono di risalire da una citazione della tua tesi alla sua posizione nella registrazione, ed è ciò che rende l’affermazione verificabile da chiunque abbia accesso ai tuoi dati, esaminatore compreso. Aggiungerli strada facendo costa quasi nulla. Aggiungerli dopo, a una trascrizione finita, significa riascoltare tutta la registrazione con il cronometro. Qualunque strumento usi, inseriscili alla prima passata.

Un modello di convenzione da copiare

Compila la colonna di destra, tienila nell’appendice metodologica e consegnala a chiunque trascriva o corregga per te. I segni indicati sono scelte comuni, non regole; cambia quello che vuoi, ma scrivi la modifica.

Lo stesso modello in testo semplice, per i tuoi appunti:

CONVENZIONE DI TRASCRIZIONE: [progetto]          versione: [data]
Livello di dettaglio: verbatim | verbatim ragionato | pulito
Parlanti:            I = intervistatore; P1, P2 ... = partecipanti
Intercalari:         tenuti | eliminati | tenuti se significativi
False partenze:      tenute, segnate con un trattino (io- io non l'ho)
Pause:               (.) sotto i 2 s; (3.0) = durata in secondi
Sovrapposizione:     [ all'inizio e ] alla fine del parlato sovrapposto
Incomprensibile:     [incomprensibile hh:mm:ss]
Incerto:             [parola?]
Non verbale:         [ride] [sospira] [si chiude la porta]
Enfasi:              non segnata | MAIUSCOLE
Timestamp:           ogni cambio di parlante | ogni 2 min | solo citazioni
Anonimizzazione:     in fase di trascrizione; corrispondenze conservate a parte in [luogo]
Altre lingue:        originale, poi {traduzione}
Controllato sull'audio da: [nome], il [data]

Consenso e approvazione etica decidono dove può andare l’audio

Il modulo di consenso non è burocrazia che si è esaurita prima dell’inizio della ricerca. È un insieme di condizioni su ciò che ora puoi fare con le registrazioni, e di solito riguarda tre cose: come si conserva la registrazione, chi può ascoltarla e quando viene distrutta.

Inviare l’audio a un servizio di trascrizione di terzi è una comunicazione a terzi. Qualcuno o qualcosa fuori dal tuo progetto ha ora una copia della voce di un partecipante. Questo deve essere compatibile con ciò a cui il partecipante ha acconsentito. A volte lo è chiaramente, perché il modulo lo prevedeva. A volte chiaramente no, perché al partecipante era stato detto che solo il gruppo di ricerca avrebbe sentito la registrazione. Spesso il modulo è ambiguo, e conviene sciogliere l’ambiguità con il relatore o il comitato etico prima di caricare, non dopo.

L’approvazione etica spesso va oltre e specifica dove le registrazioni possono essere conservate, su che tipo di dispositivo o sistema istituzionale, e per quanto tempo. La trascrizione eredita queste condizioni. Ne eredita anche tutto ciò che ne deriva: i file codificati, gli estratti di citazioni, il documento di lavoro in cui incolli i passaggi mentre scrivi. Sono tutti dati, e rientrano tutti nell’archiviazione per cui sei stato approvato. È facile perderne traccia quando sei immerso nell’analisi e le copie si moltiplicano tra un portatile, un cloud e un’e-mail che ti sei mandato.

In pratica questo restringe le tue opzioni di strumenti prima ancora di confrontarle per qualità o prezzo. Uno strumento che elabora i file sul tuo dispositivo è un’altra cosa rispetto a uno che li carica. Se un fornitore non sa dirti con chiarezza quali aziende ricevono l’audio, considera questa la risposta.

Cosa chiede un comitato etico su un servizio di trascrizione

I comitati differiscono, ma le domande si ripetono. Metti le risposte nella tua domanda, con la data in cui le hai verificate, perché i fornitori cambiano partner.

1. Dove viene conservato l’audio, e in quale paese?
2. Quali altre aziende lo ricevono, e cosa ricevono? Uno strumento di trascrizione è spesso solo l’interfaccia del riconoscimento vocale di qualcun altro. Chiedi l’elenco dei sub-responsabili del trattamento.
3. I dati vengono usati per addestrare modelli? Chiedilo per il fornitore e per ciascun partner separatamente; una sola risposta raramente copre entrambi.
4. Cosa rimuove l’eliminazione di un file, e ci sono backup che lo conservano più a lungo?
5. Chi può accedere, e c’è un rapporto di audit, un accordo sul trattamento dei dati o un accesso istituzionale?

Ecco le risposte di SozAI, al 25 ottobre 2026, così vedi che aspetto ha un insieme completo:

• Registrazioni e trascrizioni sono archiviate sui nostri server. Tutto viaggia su HTTPS.
• Il riconoscimento vocale è svolto da AssemblyAI, negli Stati Uniti, che riceve l’audio. Se usi riassunti, note, quiz o domande su una registrazione, il testo della trascrizione passa da OpenRouter ai fornitori di modelli (Anthropic, Google e xAI, con DeepSeek come alternativa di riserva). I link di YouTube vanno all’API Google Gemini; il tuo audio no. Cloudflare trasporta il traffico e conserva i nostri backup cifrati del database. L’elenco completo è nella pagina dei sub-responsabili del trattamento.
• Non vendiamo le registrazioni e il nostro codice non le usa mai per addestrare modelli. Non possiamo promettere lo stesso a nome dei partner sopra indicati; valgono i loro termini.
• Puoi eliminare una registrazione o l’intero account da solo, nell’app o sul web. Questo rimuove dai nostri server audio, trascrizione, note, flashcard e quiz. I backup cifrati del database sono conservati fino a 12 mesi. Eliminare in SozAI non elimina la copia conservata dal partner di riconoscimento vocale.
• L’accesso avviene con Google, Apple o un codice monouso via e-mail. Non abbiamo un rapporto SOC 2, né single sign-on né ruoli di amministrazione del team, e SozAI non è conforme a HIPAA. Altro sulla sicurezza di SozAI.

Se la tua approvazione stabilisce che le registrazioni non devono uscire dai sistemi istituzionali, nessuno degli strumenti cloud citati in questa pagina è adatto, il nostro compreso. Usa il servizio con licenza della tua università oppure trascrivi offline.

L’anonimizzazione si fa nella trascrizione

La registrazione resta com’è. Non si può anonimizzare una voce modificando il testo, e non dovresti nemmeno provare ad alterare i tuoi dati primari. L’anonimizzazione è qualcosa che fai alla trascrizione.

Significa sostituire nomi, toponimi, nomi di datori di lavoro, qualifiche che identificano una sola persona e i piccoli dettagli di contesto che rendono qualcuno riconoscibile a chi conosce l’ambiente. Fallo in modo coerente. Se una collega è [Collega A] in un’intervista, è [Collega A] ovunque compaia, e la stessa convenzione vale per tutto il tuo corpus. Una pseudonimizzazione incoerente è peggio di nessuna, perché sembra anonimizzata ma resta rintracciabile da chi legge con attenzione.

Se conservi una tabella di corrispondenza tra identità reali e sostituzioni, tienila separata dalle trascrizioni, alle condizioni di archiviazione previste dalla tua approvazione, e sii chiaro con te stesso sul perché la conservi e quando verrà distrutta. In alcuni progetti ci sono buoni motivi per tenerla: potresti dover ricontattare i partecipanti o collegare le interviste tra più ondate. In altri no, e la tabella più sicura è quella che non esiste. Decidere con cognizione è il punto.

Un avvertimento sul farlo di fretta. Trova-e-sostituisci coglie i nomi evidenti e perde il resto: il soprannome usato due volte, l’errore di battitura, la descrizione di un edificio che in tutta la città corrisponde a un solo posto. La passata di anonimizzazione richiede occhi umani su tutto il documento.

Un punto pratico per gli strumenti automatici: i nomi dei parlanti che digiti in uno strumento vengono salvati con la trascrizione. Etichetta i parlanti come P1 e P2 fin dall’inizio, invece di rinominarli dopo.

Focus group: da sei a dieci parlanti

Un focus group è la registrazione più difficile che trascriverai. La separazione automatica dei parlanti funziona raggruppando i suoni simili, e con otto persone attorno a un tavolo si inceppa in punti prevedibili: due partecipanti con voci simili finiscono come un solo parlante, chi dice soltanto «mm» o «sì» non riceve mai un’etichetta propria, e una raffica di voci sovrapposte viene attribuita a chi parlava più forte.

In SozAI non puoi dire al sistema quante persone c’erano nella stanza; lo decide dall’audio. Aspettati di correggere a mano le etichette dei parlanti in ogni focus group, e metti in conto il tempo. Su un gruppo di otto persone di un’ora è un pomeriggio di lavoro vero, speso soprattutto sui turni brevi.

Cosa aiuta, in ordine di effetto:

• Apri con un giro in cui ognuno dice il proprio numero di partecipante e una frase. Così hai un campione di ogni voce in un punto noto e puoi abbinare le etichette alle persone.
• Fai nominare al moderatore chi parla quando non è chiaro («grazie, P4») e tieni una piantina dei posti con l’ordine dei primi interventi.
• Metti un buon microfono al centro del tavolo, non un telefono dal lato del moderatore. La distanza è la prima causa di errori.
• Usa un secondo registratore all’altro capo del tavolo. Quando un file non è chiaro, l’altro spesso lo è.

Se la tua analisi dipende da chi ha detto cosa in scambi rapidi (per esempio l’analisi conversazionale delle dinamiche di gruppo), una prima bozza automatica ti farà risparmiare meno tempo che con le interviste individuali. Lì un servizio umano specializzato in focus group può valere il suo prezzo.

Dove la trascrizione automatica aiuta davvero

La trascrizione automatica produce una prima bozza. È un risparmio vero, e rifiutarla per principio significa quasi sempre digitare a mano diverse ore di parlato senza alcun vantaggio metodologico. Ciò che non produce è una trascrizione finita.

Per i dati delle interviste, la revisione sull’audio fa parte del metodo, non è una rifinitura facoltativa alla fine. Ascolti con la bozza davanti, correggi ciò che è sbagliato, ripristini ciò che la tua convenzione richiede e la macchina ha scartato, inserisci o verifichi i timestamp e applichi la tua anonimizzazione. È più lento che leggere e più veloce che digitare. È anche il momento in cui prendi familiarità con il materiale, e non è un vantaggio secondario. I ricercatori che trascrivono da soli le proprie interviste arrivano all’analisi sapendo già cosa c’è dentro, e la revisione ti restituisce una buona parte di quella familiarità.

Con l’app SozAI per iPhone, Android e Mac, o con la versione web, un’intervista registrata torna con le etichette dei parlanti e un timecode su ogni passaggio; tocca un passaggio e l’audio parte da quella riga, che è quasi tutto ciò che serve a una revisione. Il testo si può correggere nell’app per iPhone e Android; le versioni web e Mac lo mostrano ma non lo modificano ancora. Altro sulla trascrizione delle interviste in generale. È un’opzione tra tante, e le domande su archiviazione e consenso che pone un comitato etico dovrebbero filtrare la tua rosa prima della qualità.

Trascrizione accademica con IA o umana: costo, tempi, precisione

La maggior parte delle pagine che si posizionano per «trascrizione accademica» sono servizi umani, quindi ecco il confronto che omettono. I prezzi sono quelli pubblicati da ciascun fornitore il 25 ottobre 2026.

Facciamo i conti su uno studio tipico: venti interviste di un’ora, 1.200 minuti di audio. Ai prezzi qui sopra sono 2.388 $ con Rev, 2.100 $ con Ditto e da 948 $ con TranscribeMe. Con un abbonamento SozAI l’intero insieme sta comodamente nelle ore incluse, e le bozze sono pronte nello stesso pomeriggio.

I dati di precisione non sono confrontabili, ed è utile sapere perché. I servizi umani dichiarano una garanzia alle proprie condizioni. La nostra è una misurazione con metodo pubblicato: 200 frasi brevi lette ad alta voce in ambienti silenziosi, dal dataset aperto FLEURS. Le interviste sono più difficili, e alcune lingue molto di più (19,6% per l’arabo, 50% per il kazako nello stesso test). Lo scambio onesto è quindi questo: la trascrizione automatica costa molto meno ed è quasi istantanea, e in cambio la revisione la fai tu. Un servizio umano ti fa pagare per fare gran parte di quella revisione, e le citazioni le controlli comunque tu.

Quando la trascrizione umana conviene di più: convenzioni verbatim con durata delle pause, audio scadente, focus group in cui l’attribuzione è il punto, o un finanziatore che la paga mentre il tuo tempo è la risorsa scarsa.

Software di trascrizione per la ricerca qualitativa

Sei opzioni realistiche, con i punti di forza di ciascuna. Dettagli come pubblicati da ogni fornitore il 25 ottobre 2026.

Il nostro consiglio, se puoi scegliere. Se hai già una licenza MAXQDA o NVivo e le tue interviste sono in una lingua che coprono, usa la trascrizione integrata: la trascrizione arriva nel progetto già collegata all’audio e salti del tutto il passaggio di importazione. Se le tue interviste sono in una lingua fuori dai loro elenchi, sono registrate con il telefono sul campo, o vuoi riassunti e traduzione accanto alla trascrizione, SozAI è lo strumento migliore, con un passaggio di importazione. Se la tua approvazione etica esclude l’elaborazione da parte di IA di terzi, paga un servizio umano che firmi le tue condizioni di riservatezza, oppure trascrivi tu.

Portare le trascrizioni in NVivo, ATLAS.ti e MAXQDA

SozAI non esporta file Word (DOCX). Tutto quanto segue funziona con ciò che esporta: TXT, SRT, VTT e JSON (anche PDF, ma nessun pacchetto di analisi vuole una trascrizione in PDF). Le app per telefono e Mac esportano tutti questi formati; la versione web esporta TXT, SRT e VTT. Rinomina i parlanti in P1, P2 e così via prima di esportare; questi nomi sono scritti in VTT, JSON e nel TXT dell’app. L’SRT non contiene mai i nomi dei parlanti, quindi lascialo perdere per la ricerca.

ATLAS.ti

Aggiungi prima il file audio al progetto, poi importa la trascrizione su di esso. Il manuale di ATLAS.ti elenca VTT, SRT, TXT, DOCX e RTF tra i formati di trascrizione supportati e dice che riconosce e codifica i parlanti nei file VTT che includono le informazioni sui parlanti. Esporta quindi il VTT da SozAI: ottieni il testo sincronizzato con l’audio e i codici dei parlanti in un solo passaggio. (Manuale di ATLAS.ti, verificato il 25 ottobre 2026.)

MAXQDA

MAXQDA importa trascrizioni con timestamp da Importa, Trascrizioni, ed elenca il VTT tra i formati che legge, insieme ai sottotitoli SRT e ai file Word o RTF. Scegli il VTT e indica a MAXQDA il file audio corrispondente quando lo chiede. Anche l’SRT si importa, ma gli utenti di MAXQDA segnalano un layout frammentato, una riga di sottotitolo per paragrafo, e perdi i parlanti. (Guida di MAXQDA, verificato il 25 ottobre 2026.)

NVivo

NVivo 14 per Windows importa una trascrizione collegata all’audio da un file di testo semplice impaginato come tabella separata da virgole o tabulazioni, oppure da Word o RTF. (Guida di NVivo, verificato il 25 ottobre 2026.) I file di SozAI non hanno quel formato, quindi hai due strade:

• Rapida: esporta il TXT da web.sozai.app con timecode e parlanti attivati. Ogni paragrafo si legge «[04:12] P3: testo». Importalo in NVivo come un normale documento. Puoi codificarlo subito; semplicemente non è sincronizzato con l’audio.
• Sincronizzata: esporta il JSON dall’app. Ogni segmento ha un tempo di inizio e di fine in secondi, il testo e il nome del parlante. Aprilo in un foglio di calcolo (o chiedi a un collega di fare poche righe di script) per ottenere tre colonne: intervallo di tempo, parlante, testo. Salva come testo separato da tabulazioni e importalo come trascrizione, associando le colonne quando NVivo lo chiede.

Qualunque strada scegli, fai la revisione prima dell’importazione se puoi. Le correzioni fatte nell’app per telefono viaggiano con la trascrizione in ogni esportazione successiva, mentre le modifiche fatte dentro il tuo pacchetto di analisi restano lì.

Cosa non farà per te la prima bozza

Aspettati che la bozza sia più debole proprio dove le interviste sono più difficili. Le voci sovrapposte confondono la separazione dei parlanti, e due persone che parlano insieme tendono a diventare una sola persona che dice qualcosa di un po’ incoerente. Accenti marcati, partecipanti che parlano piano, rumore di fondo di un bar o di un corridoio e il lessico specifico del settore riducono la precisione. Le etichette dei parlanti di solito sono vicine al vero ma non affidabili ai confini, soprattutto attorno alle interiezioni brevi.

E non ti darà la prosodia. Nessuna trascrizione automatica conserva la durata di una pausa o segna il punto in cui la voce del partecipante è cambiata. Se la tua analisi ne ha bisogno, la bozza della macchina è un’impalcatura per le parole e nient’altro, e devi organizzare il tempo di conseguenza. Un collega che lavora sullo stesso corpus con una domanda orientata al contenuto finirà in una frazione del tempo, e non perché lavori con meno cura. La sua trascrizione risponde a un’altra domanda.

Le interviste che cambiano lingua sono un caso particolare. Gli strumenti automatici, SozAI compreso, di solito rilevano una sola lingua per registrazione, quindi i passaggi nella seconda lingua vengono peggio. Segnali nella tua convenzione e controllali per primi.

Calcola anche più tempo di quanto suggerisca l’aritmetica. La revisione non è una sola passata sull’audio a velocità normale; è fermarsi, tornare indietro, riascoltare i sei secondi che non capisci bene. Farlo su un intero insieme di interviste è un lavoro consistente, ed è normale che lo sia. Se vuoi un’idea di come si incastrano i pezzi in un intero progetto, c’è una guida passo passo al flusso di lavoro di un ricercatore di tesi che segue un insieme di registrazioni dal file alla trascrizione citabile. Se acquisti per un gruppo di ricerca o un dipartimento, scrivi a [email protected] per i piani Team ed Education; emettiamo fattura.

L’ultima cosa da tenere a mente è che la trascrizione è una rappresentazione, e ogni convenzione che hai scelto è una decisione su cosa conservare e cosa perdere. Scrivi queste decisioni nel capitolo metodologico. Un esaminatore che sa perché le tue trascrizioni sono fatte così le leggerà come ponderate. Uno che non lo sa si farà delle domande.