Najważniejsze wnioski
Zanim zaczniesz transkrybować, zdecyduj, jak szczegółowy ma być zapis. Jeśli w analizie liczy się to, co ludzie powiedzieli, wystarczy czysty, czytelny zapis. Jeśli liczy się to, jak to powiedzieli, potrzebujesz zachowanych pauz, nakładających się wypowiedzi i wahań – a automatyczna transkrypcja usuwa właśnie te elementy. Sprawdź, co na temat miejsca przechowywania nagrań mówi formularz zgody i zgoda komisji etycznej, zanim cokolwiek gdziekolwiek wgrasz. Anonimizuj w transkrypcie, nie w nagraniu, przechowuj ewentualny klucz do danych osobowych osobno i stosuj znaczniki czasu, żeby cytaty można było zawsze odnaleźć w źródle.
Nikt nie mówi ci, jaki jest standard, bo nie istnieje jeden standard. Jest ich kilka, a to, który obowiązuje w twoim przypadku, zależy od tego, co planujesz zrobić z transkrypcjami, gdy już je będziesz mieć. Ta decyzja jest metodologiczna i powinna zapaść przed wyborem narzędzia, nie po nim.
Odwrócenie tej kolejności bywa kosztowne. Transkrybujesz sześć wywiadów na czysto, zabierasz się za analizę i odkrywasz, że musisz wiedzieć, w którym miejscu uczestnik się zawahał – i teraz wracasz do sześciu nagrań, słuchając ich zupełnie inaczej. Warto więc poświęcić godzinę na tę decyzję zawczasu.
Zdecyduj, do czego potrzebny jest transkrypt, zanim spiszesz pierwsze słowo
To, jak szczegółowy musi być transkrypt, jest decyzją metodologiczną, a nie kwestią sumienności czy dokładności. Wynika z przyjętego podejścia analitycznego.
Jeśli analiza dotyczy tego, co zostało powiedziane, wystarczy czysty zapis. Potrzebujesz słów, dokładnie przypisanych do właściwej osoby mówiącej. Wypełniacze, ucięte zdania i krótkie pauzy można wygładzić bez żadnej szkody, bo nigdy nie znajdą się w twoim kodowaniu. Większość analiz tematycznych i treściowych mieści się w tej kategorii, a czysty transkrypt szybciej się tworzy, szybciej czyta i szybciej koduje.
Jeśli analiza dotyczy tego, jak coś zostało powiedziane, sytuacja się odwraca. Pauzy, nakładające się wypowiedzi, wahania, moment, w którym dwie osoby mówią jednocześnie, trzy sekundy ciszy przed odpowiedzią, poprawka w połowie zdania – to jest właśnie twój materiał badawczy. Transkrypt, który to usuwa, usuwa to, co badasz. Ma to szczególne znaczenie w przypadku automatycznej transkrypcji, bo wygładzanie właśnie takich elementów to jest to, w czym jest ona dobra. Daje płynny, czytelny tekst, a płynny, czytelny tekst to zapis nagrania z wahaniami i przerywanymi wypowiedziami, który po drodze gubi informacje.
Pojawia się kuszące rozwiązanie pośrednie: transkrybować wszystko z najwyższą możliwą szczegółowością, bo zawsze można zignorować to, czego się nie potrzebuje. Zwykle to błąd. Szczegółowa transkrypcja jest wolna, a wolna praca na dwudziestu wywiadach zjada miesiące, których nie masz. Utrudnia też czytanie transkryptów, co spowalnia kodowanie. Jeśli faktycznie jeszcze nie wiesz, czy interakcja ma znaczenie dla twojej analizy, to jest temat do rozmowy z promotorem już teraz, a nie problem, który rozwiązuje się siłą. Niezależnie od decyzji nagrania zostają – to one są prawdziwymi danymi. Transkrypt jest tylko ich reprezentacją.
Zapisz swoją konwencję zanim zrobisz drugi wywiad
Kiedy już zdecydujesz o poziomie szczegółowości, ustal konwencje i spisz je w krótkim dokumencie, który będziesz mieć pod ręką podczas pracy. Zmiana tych zasad później oznacza przejście przez każde nagranie, które już zrobiłeś – a to zadanie, które w tajemnicy pochłania dwa tygodnie.
Rzeczy, które warto ustalić wcześniej:
- Czy wypełniacze i ucięte zdania są zachowywane, wygładzane, czy zachowywane tylko wtedy, gdy wydają się znaczące – ta ostatnia opcja najczęściej prowadzi do niekonsekwencji między wywiadami.
- Jak oznaczasz pauzy i czy rozróżniasz pauzy krótkie od długich.
- Jak pokazujesz nakładające się wypowiedzi i co robisz, gdy nie da się ustalić, kto zaczął mówić pierwszy.
- Jak oznaczasz fragmenty niezrozumiałe i czy odnotowujesz przyczynę.
- Jak oznaczasz osoby mówiące i jak to oznaczenie łączy się z twoim schematem anonimizacji.
- Gdzie umieszczasz znaczniki czasu: w regularnych odstępach, przy każdej zmianie osoby mówiącej, czy tylko przy fragmentach, które zamierzasz zacytować.
Znaczniki czasu zasługują na chwilę uwagi. Dzięki nim cytat w twojej pracy da się odnaleźć w konkretnym miejscu nagrania, co sprawia, że twierdzenie da się sprawdzić – przez każdego, kto ma dostęp do twoich danych, w tym recenzenta pracy. Dodawanie ich na bieżąco kosztuje niemal nic. Dodawanie ich później, do gotowego transkryptu, oznacza ponowne odsłuchanie całego nagrania ze stoperem w ręku. Niezależnie od narzędzia, wpisz je już przy pierwszym przejściu.
Zgoda uczestników i zgoda komisji etycznej decydują, dokąd może trafić nagranie
Formularz zgody nie jest papierkiem, który wypełniłeś, zanim zaczęły się badania. To zestaw warunków dotyczących tego, co możesz teraz zrobić z nagraniami, i zazwyczaj obejmuje trzy sprawy: jak nagranie jest przechowywane, kto może je odsłuchać i kiedy zostaje usunięte.
Wysłanie nagrania audio do zewnętrznej usługi transkrypcji jest formą udostępnienia danych. Ktoś albo coś poza twoim projektem ma teraz kopię głosu uczestnika. Musi to być zgodne z tym, na co uczestnik się zgodził. Czasem jest to jasne, bo formularz to przewidywał. Czasem jest jasne w drugą stronę, bo uczestnikowi powiedziano, że nagranie usłyszy tylko zespół badawczy. Często formularz jest niejednoznaczny, i tę niejednoznaczność warto wyjaśnić z promotorem albo komisją etyczną przed wgraniem plików, nie po.
Zgoda komisji etycznej często idzie dalej i określa, gdzie nagrania mogą być przechowywane, na jakim rodzaju urządzenia albo w jakim systemie instytucjonalnym, i jak długo. Transkrypt przejmuje te same warunki. Podobnie wszystko, co z niego powstaje: pliki z kodowaniem, wyciągi cytatów, dokument roboczy, do którego wklejasz fragmenty podczas pisania. Wszystko to liczy się jako dane i powinno znajdować się w takim samym systemie przechowywania, na jaki dostałeś zgodę. Łatwo o tym zapomnieć, kiedy jesteś głęboko w analizie, a kopie mnożą się na laptopie, w chmurze i w mailu do samego siebie.
W praktyce to zawęża wybór narzędzi jeszcze zanim porównasz je pod kątem jakości czy ceny. Usługa, która przetwarza pliki na twoim własnym urządzeniu, to inna sytuacja niż taka, która je wgrywa na serwer, i jeśli to rozważasz, warto sprawdzić, jak konkretne narzędzie obchodzi się z twoimi plikami i danymi, a nie zakładać czegoś na wyrost. Jeśli odpowiedzi nie ma jasno podanej, to sama w sobie jest odpowiedzią.
Anonimizacja odbywa się w transkrypcie
Nagranie zostaje takie, jakie jest. Nie da się zanonimizować głosu, edytując tekst, i w ogóle nie powinieneś zmieniać swoich danych pierwotnych. Anonimizacja to coś, co robisz z transkryptem.
Oznacza to zastąpienie imion i nazwisk, nazw miejsc, nazw pracodawców, stanowisk, które identyfikują konkretną osobę, oraz drobnych szczegółów, które pozwalają rozpoznać kogoś każdemu, kto zna kontekst. Rób to konsekwentnie. Jeśli koleżanka w jednym wywiadzie występuje jako [Koleżanka A], to musi tak występować wszędzie, gdzie się pojawia, i ta sama zasada obowiązuje w całym zbiorze. Niekonsekwentna pseudonimizacja jest gorsza niż jej brak, bo wygląda na anonimową, a wciąż da się kogoś zidentyfikować, jeśli ktoś czyta uważnie.
Jeśli prowadzisz klucz łączący prawdziwą tożsamość z zastępczymi oznaczeniami, przechowuj go osobno od transkryptów, zgodnie z warunkami przechowywania z twojej zgody etycznej, i miej jasność, dlaczego go trzymasz i kiedy zostanie usunięty. W niektórych projektach jest dobry powód, żeby go zachować: może być potrzeba ponownego kontaktu z uczestnikami albo powiązania wywiadów z różnych etapów badania. W innych takiego powodu nie ma, a najbezpieczniejszy klucz to ten, który po prostu nie istnieje. Ważne jest, żeby ta decyzja była świadoma.
Jedna uwaga dotycząca robienia tego na szybko. Znajdź i zamień wychwytuje oczywiste imiona, a resztę przepuszcza: przezwisko użyte dwa razy, literówkę, opis budynku, który pasuje tylko do jednego miejsca w mieście. Przejście anonimizacyjne wymaga ludzkich oczu na całym dokumencie.
Gdzie automatyczna transkrypcja naprawdę pomaga
Automatyczna transkrypcja daje pierwszą wersję roboczą. To realna oszczędność czasu, a odrzucanie jej z zasady zwykle oznacza ręczne wpisywanie kilku godzin nagrania bez żadnej korzyści metodologicznej. Czego nie daje, to gotowego transkryptu.
W przypadku danych z wywiadów przejście korygujące na podstawie nagrania jest częścią metody, nie opcjonalnym porządkowaniem na końcu. Słuchasz nagrania z wersją roboczą przed sobą, poprawiasz błędy, przywracasz to, czego wymaga twoja konwencja a co maszyna usunęła, wstawiasz albo sprawdzasz znaczniki czasu i stosujesz anonimizację. To wolniejsze niż samo czytanie i szybsze niż samo pisanie. To także moment, w którym zaczynasz naprawdę znać swój materiał, co nie jest efektem pobocznym. Badacze, którzy sami transkrybują swoje wywiady, wchodzą w analizę, już znając ich treść, a przejście korygujące odzyskuje niemałą część tej znajomości materiału.
Jeśli chcesz mieć wersję roboczą bez wysyłania plików na serwer, aplikacja SozAI na iOS, Android i macOS transkrybuje nagrania i pliki z oznaczeniem osób mówiących, co zajmuje się mechaniczną częścią transkrypcji wywiadu i zostawia tobie to, co naprawdę się liczy; więcej o tym, jak to wygląda w przypadku transkrypcji wywiadów. To jedna z kilku opcji, i kwestia przechowywania danych, o której była mowa wyżej, powinna zawęzić twoją krótką listę jeszcze przed porównywaniem jakości.
Czego pierwsza wersja robocza ci nie zapewni
Wersja robocza będzie najsłabsza właśnie tam, gdzie wywiady są najtrudniejsze. Nakładające się wypowiedzi mylą rozdzielanie osób mówiących, a dwie osoby mówiące jednocześnie zwykle wychodzą jako jedna osoba mówiąca coś niezupełnie sensownego. Silny akcent, cicho mówiący uczestnicy, szum w tle z kawiarni czy korytarza oraz słownictwo specyficzne dla danej dziedziny – wszystko to zmniejsza dokładność. Oznaczenia osób mówiących są zwykle w przybliżeniu trafne, ale niepewne na granicach, zwłaszcza przy krótkich wtrąceniach.
I nie da ci prozodii. Żaden automatyczny transkrypt nie zachowuje długości pauzy ani nie oznacza momentu, w którym zmienił się głos uczestnika. Jeśli twoja analiza tego potrzebuje, wersja robocza z maszyny jest szkieletem dla słów i niczym więcej, i powinieneś tak zaplanować czas. Kolega pracujący na tym samym zbiorze danych, ale z pytaniem badawczym skupionym na treści, skończy w ułamku czasu, i nie dlatego, że pracuje mniej sumiennie. Jego transkrypt odpowiada na inne pytanie.
Zaplanuj też więcej czasu, niż wynika z prostej arytmetyki. Przejście korygujące to nie jedno przesłuchanie nagrania w normalnym tempie – to zatrzymywanie się, przewijanie, ponowne odsłuchiwanie sześciu sekund, których nie da się rozszyfrować. Zrobienie tego na całym zbiorze wywiadów to poważna praca, i to jest normalne. Jeśli chcesz zobaczyć, jak te elementy układają się w całym projekcie, jest opis warsztatu pracy jednego badacza piszącego doktorat, który śledzi jeden zbiór nagrań od pliku do transkryptu gotowego do cytowania.
Ostatnia rzecz, którą warto zapamiętać, to że transkrypt jest reprezentacją, a każda przyjęta konwencja to decyzja o tym, co zachować, a co utracić. Zapisz te decyzje w rozdziale metodologicznym swojej pracy. Recenzent, który wie, dlaczego twoje transkrypty wyglądają tak, jak wyglądają, przeczyta je jako przemyślane. Ten, który tego nie wie, będzie się zastanawiał.
