Transkrypcja w badaniach jakościowych: konwencje, etyka i narzędzia

Najważniejsze wnioski

Zanim cokolwiek przepiszesz, zdecyduj, jak szczegółowa ma być transkrypcja: dosłowna (verbatim), jeśli analizujesz, jak ludzie mówili, albo dosłowna z redakcją (intelligent verbatim) lub oczyszczona, jeśli analizujesz, co powiedzieli. Spisz konwencję przed drugim wywiadem. Sprawdź, co formularz zgody i zgoda komisji etycznej mówią o tym, dokąd mogą trafić nagrania, i zapytaj każdą usługę transkrypcji, kto dokładnie otrzymuje dźwięk. Automatyczna transkrypcja daje pierwszą wersję w kilka minut, za ułamek ceny usługi z udziałem człowieka; poprawianie jej z nagraniem nadal należy do Ciebie. Jeśli używasz NVivo, ATLAS.ti lub MAXQDA, zaplanuj sposób importu, zanim wybierzesz narzędzie.

Nikt nie poda Ci standardu transkrypcji w badaniach jakościowych, bo nie ma jednego standardu. Jest ich kilka, a to, który dotyczy Ciebie, zależy od tego, co zamierzasz zrobić z transkrypcjami. Ta decyzja jest metodologiczna i musi zapaść przed wyborem narzędzia, a nie po nim.

Jeśli zrobisz to w odwrotnej kolejności, koszt jest realny. Czysto przepisujesz sześć wywiadów, wchodzisz w analizę, orientujesz się, że musisz wiedzieć, gdzie rozmówca się zawahał, i teraz wracasz do sześciu nagrań z zupełnie innym uchem. Poświęć więc godzinę na to pytanie na początku.

Zdecyduj, do czego służy transkrypcja, zanim przepiszesz choć słowo

To, ile szczegółów potrzebuje transkrypcja, to decyzja metodologiczna, a nie kwestia staranności czy skrupulatności. Wynika z przyjętego podejścia analitycznego.

Jeśli Twoja analiza dotyczy tego, co zostało powiedziane, wystarczy transkrypcja oczyszczona. Potrzebujesz słów, dokładnych i przypisanych właściwej osobie. Wtrącenia, urwane zdania i krótkie pauzy można usunąć bez szkody, bo żadna z tych rzeczy nigdy nie trafi do Twojego kodowania. Większość pracy tematycznej i zorientowanej na treść mieści się tutaj, a transkrypcja oczyszczona powstaje szybciej, czyta się ją szybciej i szybciej się koduje.

Jeśli Twoja analiza dotyczy tego, jak coś zostało powiedziane, sytuacja się odwraca. Pauzy, nakładanie się głosów, wahania, moment, w którym dwie osoby mówią jednocześnie, trzy sekundy przed odpowiedzią, poprawka w środku zdania: to są dane. Transkrypcja, która je usuwa, usuwa to, co badasz. Dotyczy to zwłaszcza automatycznej transkrypcji, bo wygładzanie właśnie tych cech to coś, co robi ona dobrze. Daje płynną, czytelną prozę, a płynna, czytelna proza to uboższy zapis wahającej się, nakładającej się rozmowy.

Kusi, żeby zabezpieczyć się i przepisać wszystko z największą szczegółowością, bo przecież zawsze można zignorować to, co niepotrzebne. Zwykle to zły ruch. Szczegółowa transkrypcja jest powolna, a powolna praca nad dwudziestoma wywiadami zjada miesiące, których nie masz. Utrudnia też czytanie, a przez to spowalnia kodowanie. Jeśli naprawdę nie wiesz jeszcze, czy interakcja ma znaczenie dla Twojej analizy, to rozmowa dla Twojego promotora już teraz, a nie problem do rozwiązania brutalną siłą. Cokolwiek zdecydujesz, nagrania zostają, a nagranie to właściwe dane. Transkrypcja jest jego reprezentacją.

Transkrypcja dosłowna, dosłowna z redakcją i oczyszczona: obok siebie

Te trzy nazwy bywają używane luźno, więc oto jedna krótka, zmyślona wymiana napisana na wszystkie trzy sposoby. To ilustracja, a nie dane z badania.

Transkrypcja dosłowna (verbatim) zachowuje wszystko, co usłyszał rejestrator, oznaczone według Twojej konwencji:

I:  No i jak, yyy, jak się o tym dowiedziałaś?
P3: No (.) ja- ja się nie dowiedziałam, właściwie. Siostra [mi powiedziała]
I:                                                [aha]
P3: powiedziała mi po- po zebraniu. (2.0) No.

Transkrypcja dosłowna z redakcją (intelligent verbatim) zachowuje każde znaczące słowo i zmiany mówców, pomija wtrącenia i jąkanie, a pauzę zostawia tylko tam, gdzie coś znaczy:

I:  Jak się o tym dowiedziałaś?
P3: Ja się nie dowiedziałam, właściwie. Siostra powiedziała mi po zebraniu. [pauza] No.

Transkrypcja oczyszczona (czasem zwana redagowaną) dodatkowo wygładza gramatykę do czytelnych zdań:

I:  Jak się o tym dowiedziałaś?
P3: Nie dowiedziałam się. Siostra powiedziała mi po zebraniu.

Zobacz, co straciła wersja oczyszczona. Dwusekundowa pauza przed „No” i samopoprawka „ja- ja się nie dowiedziałam” mogą być najciekawszą częścią fragmentu, jeśli badasz, jak ludzie mówią o złych wiadomościach. W badaniu tematycznym o tym, jak wiadomość rozchodziła się w rodzinie, wersja oczyszczona nie traci niczego, co będziesz kodować.

Automatyczna transkrypcja ląduje gdzieś pomiędzy transkrypcją dosłowną z redakcją a oczyszczoną. Zwykle pomija „yyy” i powtórzone „ja”, nie zapisuje znaków pauz, a nakładanie się głosów pokazuje jako jedną wypowiedź po drugiej. Jeśli potrzebujesz transkrypcji dosłownej, zaplanuj dodanie tych cech ręcznie podczas poprawiania.

Spisz konwencję przed drugim wywiadem

Gdy zdecydujesz o poziomie szczegółowości, ustal konwencje i zapisz je w krótkim dokumencie, który masz pod ręką w trakcie pracy. Zmiana ich później oznacza powrót do każdego nagrania, które już przepisałeś, a to zadanie, które po cichu pochłania dwa tygodnie.

Warto uzgodnić z góry:

• Czy wtrącenia i urwane zdania są zachowywane, usuwane, czy zachowywane tylko tam, gdzie wydają się znaczące; ta ostatnia opcja najczęściej prowadzi do niespójności między wywiadami.
• Jak oznaczasz pauzy i czy odróżniasz krótkie od długich.
• Jak pokazujesz nakładanie się głosów i co robisz, gdy nie wiadomo, kto zaczął pierwszy.
• Jak oznaczasz fragmenty, których nie da się rozpoznać, i czy zapisujesz powód.
• Jak oznaczasz mówców i jak to się ma do Twojego schematu anonimizacji.
• Gdzie trafiają znaczniki czasu: w regularnych odstępach, przy każdej zmianie mówcy czy tylko przy fragmentach, które zamierzasz cytować.

Znaczniki czasu zasługują na osobną uwagę. Pozwalają wrócić od cytatu w pracy do jego miejsca w nagraniu, a dzięki temu każdy, kto ma dostęp do Twoich danych, w tym recenzent, może sprawdzić tezę. Dodawanie ich na bieżąco prawie nic nie kosztuje. Dodawanie ich potem, do gotowej transkrypcji, oznacza ponowne odsłuchanie całego nagrania ze stoperem. Niezależnie od narzędzia, wprowadź je przy pierwszym podejściu.

Wzór konwencji, który możesz skopiować

Wypełnij prawą kolumnę, zachowaj ją w aneksie metodologicznym i przekaż każdemu, kto dla Ciebie transkrybuje lub poprawia. Pokazane oznaczenia to częste wybory, a nie reguły; możesz zmienić każde z nich, ale zapisz zmianę.

Ten sam wzór jako zwykły tekst, do notatek:

KONWENCJA TRANSKRYPCJI: [projekt]          wersja: [data]
Szczegółowość:       dosłowna | dosłowna z redakcją | oczyszczona
Mówcy:               I = prowadzący wywiad; P1, P2 ... = uczestnicy
Wtrącenia:           zachowane | usunięte | zachowane, gdy znaczące
Urwane zdania:       zachowane, z łącznikiem (ja- ja się)
Pauzy:               (.) poniżej 2 s; (3.0) = długość w sekundach
Nakładanie:          [ na początku i ] na końcu nakładających się głosów
Niezrozumiałe:       [niezrozumiałe gg:mm:ss]
Niepewne:            [słowo?]
Niewerbalne:         [śmieje się] [wzdycha] [zamykają się drzwi]
Akcent:              nie oznaczam | WIELKIE LITERY
Znaczniki czasu:     każda zmiana mówcy | co 2 min | tylko cytaty
Anonimizacja:        podczas transkrypcji; lista zamian osobno w [miejsce]
Inne języki:         oryginał, potem {tłumaczenie}
Sprawdzone z nagraniem przez: [imię], dnia [data]

Zgoda i zgoda komisji etycznej decydują, dokąd może trafić dźwięk

Formularz zgody to nie papierologia, która odbyła się przed rozpoczęciem badania. To zbiór warunków tego, co możesz teraz robić z nagraniami, i zwykle obejmuje trzy sprawy: jak nagranie jest przechowywane, kto może go słuchać i kiedy zostanie zniszczone.

Wysłanie dźwięku do zewnętrznej usługi transkrypcji to ujawnienie. Ktoś lub coś spoza Twojego projektu ma teraz kopię głosu uczestnika. To musi być zgodne z tym, na co uczestnik się zgodził. Czasem wyraźnie jest, bo formularz to przewidywał. Czasem wyraźnie nie jest, bo uczestnikowi powiedziano, że nagranie usłyszy tylko zespół badawczy. Często formularz jest niejednoznaczny, i tę niejednoznaczność warto wyjaśnić z promotorem lub komisją etyczną przed przesłaniem, a nie po.

Zgoda komisji etycznej często idzie dalej i określa, gdzie wolno przechowywać nagrania, na jakim urządzeniu lub w jakim systemie instytucji i jak długo. Transkrypcja dziedziczy te warunki. Podobnie wszystko, co z niej pochodzi: Twoje zakodowane pliki, wyciągi z cytatami, dokument roboczy, do którego wklejasz fragmenty podczas pisania. To wszystko są dane i wszystko musi mieścić się w ustaleniach dotyczących przechowywania, na które dostałeś zgodę. Łatwo o tym zapomnieć, gdy jesteś głęboko w analizie, a kopie mnożą się na laptopie, w chmurze i w e-mailu do samego siebie.

W praktyce zawęża to wybór narzędzi, zanim porównasz je pod względem jakości czy ceny. Narzędzie, które przetwarza pliki na Twoim urządzeniu, to coś innego niż takie, które je przesyła. Jeśli dostawca nie potrafi jasno powiedzieć, które firmy otrzymują dźwięk, potraktuj to jako odpowiedź.

O co pyta komisja etyczna w sprawie usługi transkrypcji

Komisje się różnią, ale pytania się powtarzają. Wpisz odpowiedzi do wniosku, razem z datą ich sprawdzenia, bo dostawcy zmieniają partnerów.

1. Gdzie jest przechowywany dźwięk i w jakim kraju?
2. Jakie inne firmy go otrzymują i co dokładnie otrzymują? Narzędzie do transkrypcji bywa nakładką na cudze rozpoznawanie mowy. Poproś o listę podmiotów przetwarzających.
3. Czy dane służą do trenowania modeli? Zapytaj osobno o dostawcę i o każdego partnera; jedna odpowiedź rzadko obejmuje obu.
4. Co usuwa skasowanie pliku i czy istnieją kopie zapasowe, które przechowują go dłużej?
5. Kto może się logować i czy jest raport z audytu, umowa powierzenia przetwarzania danych albo logowanie instytucjonalne?

Oto odpowiedzi SozAI, stan na 25 października 2026, żebyś zobaczył, jak wygląda komplet:

• Nagrania i transkrypcje są przechowywane na naszych serwerach. Wszystko jest przesyłane przez HTTPS.
• Rozpoznawanie mowy wykonuje AssemblyAI, w USA, i to ono otrzymuje dźwięk. Jeśli korzystasz ze streszczeń, notatek, quizów lub pytań o nagranie, tekst transkrypcji trafia przez OpenRouter do dostawców modeli (Anthropic, Google i xAI, z DeepSeek jako rozwiązaniem zapasowym). Linki do YouTube trafiają do Google Gemini API; Twój własny dźwięk nie. Cloudflare przenosi ruch i przechowuje nasze zaszyfrowane kopie zapasowe bazy danych. Pełna lista jest na naszej stronie podmiotów przetwarzających.
• Nie sprzedajemy nagrań, a nasz własny kod nigdy nie używa ich do trenowania modeli. Nie możemy złożyć tej obietnicy w imieniu wymienionych partnerów; obowiązują ich własne warunki.
• Nagranie albo całe konto możesz usunąć samodzielnie, w aplikacji lub w wersji webowej. To usuwa z naszych serwerów dźwięk, transkrypcję, notatki, fiszki i quizy. Zaszyfrowane kopie zapasowe bazy danych są przechowywane do 12 miesięcy. Usunięcie w SozAI nie usuwa kopii przechowywanej przez partnera od rozpoznawania mowy.
• Logowanie odbywa się przez Google, Apple albo jednorazowy kod z e-maila. Nie mamy raportu SOC 2, jednokrotnego logowania (SSO) ani ról administratora zespołu, a SozAI nie jest zgodne z HIPAA. Więcej o bezpieczeństwie w SozAI.

Jeśli Twoja zgoda mówi, że nagrania nie mogą opuszczać systemów instytucji, żadne z narzędzi chmurowych wymienionych na tej stronie się nie kwalifikuje, nasze również. Skorzystaj z licencjonowanej usługi swojej uczelni albo transkrybuj offline.

Anonimizacja odbywa się w transkrypcji

Nagranie zostaje takie, jakie jest. Głosu nie da się zanonimizować, edytując tekst, i nie powinieneś próbować zmieniać swoich danych pierwotnych. Anonimizacja to coś, co robisz z transkrypcją.

Oznacza to zastępowanie imion i nazwisk, nazw miejsc, nazw pracodawców, stanowisk, które identyfikują jedną osobę, oraz drobnych szczegółów okoliczności, po których osoba jest rozpoznawalna dla każdego, kto zna środowisko. Rób to konsekwentnie. Jeśli koleżanka jest [Koleżanką A] w jednym wywiadzie, to jest nią wszędzie, gdzie się pojawia, a ta sama konwencja obowiązuje w całym zbiorze. Niespójna pseudonimizacja jest gorsza niż żadna, bo wygląda na zanonimizowaną, a nadal da się ją wyśledzić przy uważnej lekturze.

Jeśli prowadzisz listę zamian między prawdziwymi tożsamościami a zamiennikami, trzymaj ją osobno od transkrypcji, na warunkach przechowywania, które wyznacza Twoja zgoda, i bądź ze sobą szczery, po co ją trzymasz i kiedy zostanie zniszczona. W niektórych projektach jest dobry powód, by ją mieć: możesz musieć ponownie skontaktować się z uczestnikami albo łączyć wywiady z kolejnych fal. W innych nie ma, a najbezpieczniejsza lista zamian to ta, która nie istnieje. Chodzi o to, żeby zdecydować świadomie.

Jedno ostrzeżenie o pośpiechu. Znajdź-i-zamień wyłapie oczywiste imiona i nazwiska, a pominie resztę: pseudonim użyty dwa razy, literówkę, opis budynku, do którego pasuje tylko jedno miejsce w mieście. Przegląd anonimizacji wymaga ludzkich oczu na całym dokumencie.

Praktyczna uwaga o narzędziach automatycznych: imiona mówców, które wpisujesz w narzędziu, są przechowywane razem z transkrypcją. Oznaczaj mówców jako P1 i P2 od początku, zamiast zmieniać nazwy później.

Grupy fokusowe: od sześciu do dziesięciu mówców

Grupa fokusowa to najtrudniejsze nagranie, jakie przepiszesz. Automatyczne rozdzielanie mówców działa przez grupowanie mowy, która brzmi podobnie, a przy ośmiu osobach przy stole to zawodzi w przewidywalnych miejscach: dwóch uczestników o podobnych głosach staje się jednym mówcą, ktoś, kto mówi tylko „mhm” albo „tak”, nigdy nie dostaje własnej etykiety, a wybuch jednoczesnych głosów zostaje przypisany temu, kto mówił najgłośniej.

W SozAI nie możesz powiedzieć systemowi, ile osób było w pokoju; decyduje na podstawie dźwięku. Spodziewaj się ręcznego poprawiania oznaczeń mówców w każdej grupie fokusowej i zaplanuj na to czas. Przy godzinnej grupie z ośmioma osobami to realne popołudnie pracy, w większości spędzone na krótkich wypowiedziach.

Co pomaga, w kolejności według skutku:

• Zacznij od rundy, w której każdy podaje numer uczestnika i jedno zdanie. To daje próbkę każdego głosu w znanym miejscu, więc można dopasować etykiety do osób.
• Niech moderator wymienia mówcę, gdy nie jest jasne, kto mówi („dziękuję, P4”), i prowadź plan miejsc z kolejnością pierwszych wypowiedzi.
• Postaw jeden dobry mikrofon pośrodku stołu zamiast telefonu przy moderatorze. Odległość to największe pojedyncze źródło błędów.
• Uruchom drugi rejestrator na drugim końcu stołu. Gdy jeden plik jest niewyraźny, drugi często nie jest.

Jeśli Twoja analiza zależy od tego, kto co powiedział w szybkich wymianach (na przykład analiza konwersacyjna dynamiki grupy), automatyczna pierwsza wersja zaoszczędzi Ci mniej czasu niż przy wywiadach jeden na jeden. Usługa z udziałem człowieka, wyspecjalizowana w grupach fokusowych, może być tu warta swojej ceny.

Gdzie automatyczna transkrypcja naprawdę pomaga

Automatyczna transkrypcja daje pierwszą wersję. To realna oszczędność, a odrzucanie jej z zasady zwykle oznacza ręczne przepisywanie wielu godzin mowy bez żadnego zysku metodologicznego. Nie daje natomiast gotowej transkrypcji.

W danych z wywiadów poprawianie z nagraniem jest częścią metody, a nie opcjonalnym sprzątaniem na końcu. Przesłuchujesz nagranie z pierwszą wersją przed oczami, poprawiasz błędy, przywracasz to, czego wymaga Twoja konwencja, a co maszyna pominęła, wstawiasz lub sprawdzasz znaczniki czasu i stosujesz anonimizację. To wolniejsze niż czytanie i szybsze niż pisanie. To także moment, w którym oswajasz się z materiałem, a to nie jest efekt uboczny. Badacze, którzy sami przepisują swoje wywiady, przystępują do analizy, już wiedząc, co w nich jest, a poprawianie odkupuje sporą część tej znajomości.

W aplikacji SozAI na iPhone’a, Androida i Maca albo w wersji webowej nagrany wywiad wraca z oznaczeniami mówców i kodem czasowym przy każdym fragmencie; dotknij jednego, a dźwięk odtworzy się od tej linii, co stanowi większość tego, czego potrzebuje poprawianie. Tekst można poprawiać w aplikacji na iPhone’a i Androida; wersje webowa i na Maca go pokazują, ale jeszcze nie edytują. Więcej o transkrypcji wywiadów w ogóle. To jedna z kilku opcji, a pytania o przechowywanie i zgodę, które zadaje komisja etyczna, powinny zawęzić Twoją krótką listę, zanim zrobi to jakość.

Transkrypcja akademicka: AI czy człowiek, koszt, czas realizacji, dokładność

Większość stron, które pozycjonują się na „transkrypcję akademicką”, to usługi z udziałem człowieka, więc oto porównanie, które pomijają. Ceny są takie, jakie każdy dostawca opublikował 25 października 2026.

Policz to dla typowego badania: dwadzieścia wywiadów po godzinie, 1200 minut nagrania. Przy powyższych cenach to 2388 USD w Rev, 2100 USD w Ditto i od 948 USD w TranscribeMe. W subskrypcji SozAI cały zbiór mieści się swobodnie w godzinach, a wersje robocze wracają tego samego popołudnia.

Wartości dokładności nie są porównywalne i warto wiedzieć dlaczego. Usługi z udziałem człowieka podają gwarancję na własnych warunkach. Nasza to pomiar z opublikowaną metodą: 200 krótkich zdań czytanych na głos w cichych pomieszczeniach, z otwartego zbioru FLEURS. Wywiady są trudniejsze, a niektóre języki znacznie trudniejsze (19,6% dla arabskiego, 50% dla kazachskiego w tym samym teście). Uczciwy wybór wygląda więc tak: automatyczna transkrypcja kosztuje znacznie mniej i jest niemal natychmiastowa, a w zamian samodzielnie robisz poprawianie. Usługa z udziałem człowieka każe sobie płacić za zrobienie większości tego etapu, a i tak sprawdzasz cytaty.

Kiedy transkrypcja przez człowieka to lepszy zakup: konwencje dosłowne z czasem pauz, kiepski dźwięk, grupy fokusowe, w których sedno stanowi przypisanie wypowiedzi, albo grantodawca, który za to zapłaci, podczas gdy Twój czas jest zasobem deficytowym.

Oprogramowanie do transkrypcji w badaniach jakościowych

Sześć realistycznych opcji, w czym każda jest dobra. Szczegóły takie, jakie każdy dostawca opublikował 25 października 2026.

Nasza rekomendacja, jeśli masz wybór. Jeśli masz już licencję MAXQDA lub NVivo, a Twoje wywiady są w języku, który obsługują, użyj wbudowanej transkrypcji: transkrypcja trafia do projektu już powiązana z dźwiękiem i omijasz import. Jeśli Twoje wywiady są w języku spoza ich list, są nagrywane telefonem w terenie albo chcesz mieć obok transkrypcji streszczenia i tłumaczenie, lepszym narzędziem jest SozAI, z jednym krokiem importu. Jeśli Twoja zgoda wyklucza przetwarzanie przez zewnętrzne AI, zapłać usłudze z udziałem człowieka, która podpisze Twoje warunki poufności, albo przepisz sam.

Wczytywanie transkrypcji do NVivo, ATLAS.ti i MAXQDA

SozAI nie eksportuje plików Word (DOCX). Wszystko poniżej działa z tym, co eksportuje: TXT, SRT, VTT i JSON (także PDF, ale żaden pakiet analityczny nie chce transkrypcji w PDF). Aplikacje na telefon i Maca eksportują wszystkie te formaty; wersja webowa eksportuje TXT, SRT i VTT. Zmień nazwy mówców na P1, P2 itd. przed eksportem; te nazwy trafiają do VTT, JSON i TXT z aplikacji. SRT nigdy nie zawiera imion mówców, więc pomiń go w badaniach.

ATLAS.ti

Najpierw dodaj plik audio do projektu, potem zaimportuj do niego transkrypcję. Instrukcja ATLAS.ti wymienia VTT, SRT, TXT, DOCX i RTF jako obsługiwane formaty transkrypcji i mówi, że wykrywa i koduje mówców w plikach VTT, które zawierają informację o mówcach. Wyeksportuj więc z SozAI VTT: dostajesz tekst zsynchronizowany z dźwiękiem i kody mówców w jednym kroku. (Instrukcja ATLAS.ti, sprawdzono 25 października 2026.)

MAXQDA

MAXQDA importuje transkrypcje ze znacznikami czasu w menu Import, Transcripts i wymienia VTT wśród czytanych formatów, obok napisów SRT i plików Word lub RTF. Wybierz VTT i wskaż MAXQDA odpowiadający plik audio, gdy o to zapyta. SRT też się importuje, ale użytkownicy MAXQDA zgłaszają pofragmentowany układ, jedną linię napisów na akapit, i tracisz mówców. (Pomoc MAXQDA, sprawdzono 25 października 2026.)

NVivo

NVivo 14 dla Windows importuje transkrypcję powiązaną z dźwiękiem z pliku tekstowego ułożonego jako tabela rozdzielana przecinkami lub tabulatorami albo z Worda lub RTF. (Pomoc NVivo, sprawdzono 25 października 2026.) Pliki SozAI nie mają tego układu, więc masz dwie drogi:

• Szybka: wyeksportuj TXT z web.sozai.app z włączonymi kodami czasowymi i mówcami. Każdy akapit wygląda tak: „[04:12] P3: tekst”. Zaimportuj go do NVivo jako zwykły dokument. Możesz go od razu kodować; po prostu nie jest zsynchronizowany z dźwiękiem.
• Zsynchronizowana: wyeksportuj JSON z aplikacji. Każdy segment ma czas początku i końca w sekundach, tekst i nazwę mówcy. Otwórz go w arkuszu kalkulacyjnym (lub poproś kolegę o kilka linijek skryptu), żeby zrobić trzy kolumny: przedział czasu, mówca, tekst. Zapisz jako tekst rozdzielany tabulatorami i zaimportuj jako transkrypcję, mapując kolumny, gdy NVivo o to zapyta.

Którąkolwiek drogę wybierzesz, jeśli możesz, zrób poprawianie przed importem. Poprawki wprowadzone w aplikacji na telefonie trafiają z transkrypcją do każdego kolejnego eksportu, a edycje wykonane w pakiecie analitycznym zostają tylko tam.

Czego pierwsza wersja za Ciebie nie zrobi

Spodziewaj się, że pierwsza wersja będzie najsłabsza dokładnie tam, gdzie wywiady są najtrudniejsze. Jednoczesne głosy mylą rozdzielanie mówców, a dwie osoby mówiące naraz zwykle wychodzą jako jedna osoba mówiąca coś nieco niespójnego. Silne akcenty, ciche osoby, hałas w tle z kawiarni lub korytarza i słownictwo specyficzne dla dziedziny obniżają dokładność. Oznaczenia mówców są zwykle bliskie, ale niewiarygodne na granicach, zwłaszcza przy krótkich wtrąceniach.

I nie da Ci prozodii. Żadna automatyczna transkrypcja nie zachowuje długości pauzy ani nie zaznacza miejsca, w którym zmienił się głos uczestnika. Jeśli Twoja analiza tego potrzebuje, wersja maszynowa jest tylko rusztowaniem dla słów i nic więcej, więc zaplanuj czas odpowiednio. Kolega pracujący na tym samym korpusie z pytaniem zorientowanym na treść skończy w ułamku czasu, i nie dlatego, że pracuje mniej starannie. Jego transkrypcja odpowiada na inne pytanie.

Wywiady, w których zmienia się język, to szczególny przypadek. Narzędzia automatyczne, SozAI również, zwykle wykrywają jeden język na nagranie, więc fragmenty w drugim języku wychodzą najgorzej. Zaznacz je w swojej konwencji i sprawdź jako pierwsze.

Zarezerwuj też więcej czasu, niż wynika z rachunku. Poprawianie to nie jedno przejście przez nagranie w normalnym tempie; to zatrzymywanie, przewijanie, ponowne słuchanie sześciu sekund, których nie możesz do końca zrozumieć. Zrobienie tego na pełnym zbiorze wywiadów to znaczna praca i tak ma być. Jeśli chcesz zobaczyć, jak elementy układają się w całym projekcie, jest opis pracy badacza piszącego pracę dyplomową, który prowadzi jeden zestaw nagrań od pliku do transkrypcji nadającej się do cytowania. Jeśli kupujesz dla zespołu badawczego lub wydziału, napisz na [email protected] w sprawie planów Team i Education; wystawiamy faktury.

Na koniec zapamiętaj, że transkrypcja jest reprezentacją, a każda wybrana przez Ciebie konwencja to decyzja, co zachować, a co stracić. Wpisz te decyzje do rozdziału o metodzie. Recenzent, który wie, dlaczego Twoje transkrypcje wyglądają tak, a nie inaczej, odczyta je jako przemyślane. Ten, który nie wie, będzie się zastanawiał.