Principais Pontos
Decida o nível de detalhe antes de transcrever qualquer coisa. Se sua análise é sobre o que as pessoas disseram, uma transcrição limpa e legível já basta. Se é sobre como elas disseram, você precisa preservar pausas, sobreposições de fala e hesitações — e é exatamente isso que a transcrição automática remove. Verifique o que o seu termo de consentimento e a aprovação do comitê de ética dizem sobre para onde as gravações podem ir antes de enviar qualquer arquivo a qualquer lugar. Anonimize na transcrição, não na gravação, mantenha qualquer tabela de correspondência separada, e use marcações de tempo para que as citações continuem rastreáveis.
Ninguém te conta qual é o padrão porque não existe um único padrão. Existem vários, e qual deles se aplica ao seu caso depende do que você pretende fazer com as transcrições depois de prontas. Essa é uma decisão metodológica, e ela precisa vir antes da escolha da ferramenta, não depois.
Fazer isso na ordem errada custa caro. Você transcreve seis entrevistas de forma limpa, começa a análise, percebe que precisa saber onde o participante hesitou, e agora está voltando às seis gravações com outro ouvido. Por isso, gaste uma hora pensando na pergunta antes de começar.
Decida para que serve a transcrição antes de transcrever a primeira palavra
O quanto de detalhe uma transcrição precisa ter é uma decisão metodológica, não uma questão de cuidado ou zelo. Ela decorre da sua abordagem analítica.
Se sua análise se preocupa com o que foi dito, uma transcrição limpa resolve. Você quer as palavras, com precisão, atribuídas ao falante certo. Vícios de linguagem, falsos começos e pausas curtas podem ser eliminados sem prejuízo algum, porque nenhum deles jamais entrará na sua codificação. A maior parte dos trabalhos temáticos ou voltados ao conteúdo se encaixa aqui, e uma transcrição limpa é mais rápida de produzir, mais rápida de ler e mais rápida de codificar.
Se sua análise se preocupa com como algo foi dito, a situação se inverte. Pausas, sobreposições, hesitações, o momento em que duas pessoas falam ao mesmo tempo, os três segundos antes de uma resposta chegar, a correção no meio da frase: isso é o dado. Uma transcrição que remove tudo isso removeu justamente aquilo que você está estudando. Isso importa especialmente para a transcrição automática, porque suavizar exatamente esses elementos é o que ela faz bem. Ela entrega uma prosa fluente e legível, e uma prosa fluente e legível é uma representação com perdas de uma conversa hesitante e sobreposta.
Existe a tentação de se proteger transcrevendo tudo no maior nível de detalhe possível, com o argumento de que sempre é possível ignorar depois o que não for necessário. Geralmente isso é um erro. Transcrição detalhada é lenta, e trabalho lento em vinte entrevistas consome meses que você não tem. Também torna as transcrições mais difíceis de ler, o que deixa a codificação mais lenta. Se você realmente ainda não sabe se a interação importa para sua análise, essa é uma conversa para ter com seu orientador agora, não um problema para resolver na força bruta. Seja qual for a sua decisão, as gravações permanecem, e a gravação é o dado real. A transcrição é apenas uma representação dela.
Defina sua convenção por escrito antes da segunda entrevista
Depois de decidir o nível de detalhe, fixe as convenções e coloque-as num documento curto que você mantém ao lado enquanto trabalha. Mudar isso depois significa voltar a cada gravação já feita, e essa é o tipo de tarefa que consome silenciosamente duas semanas.
Vale a pena definir com antecedência:
- Se vícios de linguagem e falsos começos são mantidos, eliminados, ou mantidos apenas quando parecem relevantes — essa última opção é a mais propensa a gerar inconsistência entre as entrevistas.
- Como as pausas são marcadas, e se pausas curtas e longas são diferenciadas entre si.
- Como a fala sobreposta é indicada, e o que fazer quando não é possível saber quem falou primeiro.
- Como marcar trechos incompreensíveis, e se você registra o motivo.
- Como os falantes são identificados, e como essa identificação se relaciona com o seu esquema de anonimização.
- Onde ficam as marcações de tempo: em intervalos regulares, a cada troca de falante, ou só nos trechos que você pretende citar.
As marcações de tempo merecem atenção especial. Elas permitem rastrear uma citação usada na sua dissertação até a posição exata na gravação, o que torna a afirmação verificável por qualquer pessoa com acesso aos seus dados, incluindo um examinador de banca. Adicioná-las durante o processo custa quase nada. Adicioná-las depois, numa transcrição já pronta, significa ouvir a gravação inteira de novo com cronômetro na mão. Seja qual for a ferramenta usada, insira-as já na primeira passada.
O consentimento e a aprovação ética determinam para onde o áudio pode ir
O termo de consentimento não é uma burocracia que aconteceu antes da pesquisa começar. É um conjunto de condições sobre o que você pode fazer agora com as gravações, e normalmente cobre três pontos: como a gravação é armazenada, quem pode ouvi-la e quando ela é destruída.
Enviar áudio para um serviço de transcrição de terceiros é uma forma de divulgação. Alguém, ou algo, fora do seu projeto agora tem uma cópia da voz de um participante. Isso precisa ser compatível com o que o participante autorizou. Às vezes é claramente compatível, porque o termo já previa isso. Às vezes claramente não é, porque o participante foi informado de que só a equipe de pesquisa ouviria a gravação. Muitas vezes o termo é ambíguo, e vale resolver essa ambiguidade com seu orientador ou com o comitê de ética antes de enviar o arquivo, não depois.
A aprovação ética frequentemente vai além e especifica onde as gravações podem ser armazenadas, em que tipo de dispositivo ou sistema institucional, e por quanto tempo. A transcrição herda essas condições. O mesmo vale para tudo que deriva dela: seus arquivos codificados, seus trechos de citação, o documento de trabalho onde você cola passagens enquanto escreve. Tudo isso conta como dado, e precisa estar dentro do arranjo de armazenamento que foi aprovado para o seu projeto. É fácil perder o controle disso quando você já está mergulhado na análise e as cópias começam a se multiplicar entre um notebook, uma nuvem e um e-mail que você mandou para si mesmo.
Na prática, isso já reduz suas opções de ferramenta antes mesmo de você comparar qualidade ou preço. Um serviço que processa arquivos no próprio dispositivo é uma proposta diferente de um que envia os arquivos para fora, e se você está avaliando isso, vale a pena ler como determinada ferramenta lida com seus arquivos e dados em vez de simplesmente supor. Se a resposta não estiver clara, trate isso como uma resposta.
A anonimização acontece na transcrição
A gravação permanece como está. Não é possível anonimizar uma voz editando texto, e você também não deveria tentar alterar seu dado primário. Anonimização é algo que se faz na transcrição.
Isso significa substituir nomes, nomes de lugares, nomes de empregadores, cargos que identificam uma pessoa específica, e os pequenos detalhes circunstanciais que tornam alguém reconhecível para quem conhece o contexto. Faça isso de forma consistente. Se uma colega é [Colega A] numa entrevista, ela é [Colega A] em todas as vezes que aparece, e a mesma convenção vale para todo o conjunto de dados. Uma pseudonimização inconsistente é piora do que nenhuma, porque parece anonimizada mas continua rastreável por quem lê com atenção.
Se você mantiver uma tabela de correspondência entre identidades reais e substitutas, guarde-a separada das transcrições, dentro das condições de armazenamento definidas pela sua aprovação, e seja claro consigo mesmo sobre por que está guardando isso e quando será destruído. Em alguns projetos há um bom motivo para mantê-la: pode ser necessário recontatar participantes, ou cruzar entrevistas de diferentes fases. Em outros, não há motivo, e a tabela mais segura é a que simplesmente não existe. Decidir isso deliberadamente é o que importa.
Um cuidado ao fazer isso rapidamente: buscar e substituir pega os nomes óbvios e deixa passar o resto — o apelido usado duas vezes, o erro de digitação, a descrição de um prédio que só existe naquele bairro específico da cidade. A passada de anonimização exige olhos humanos no documento inteiro.
Onde a transcrição automática realmente ajuda
A transcrição automática produz um primeiro rascunho. Isso já é uma economia real, e rejeitá-la por princípio geralmente significa digitar à mão várias horas de fala sem ganho metodológico nenhum. O que ela não produz é uma transcrição finalizada.
Para dados de entrevista, a revisão comparando com o áudio faz parte do método, não é um acabamento opcional no final. Você ouve tudo com o rascunho na tela, corrige o que estiver errado, restaura o que sua convenção exige e que a máquina removeu, insere ou confere as marcações de tempo, e aplica a anonimização. É mais lento que ler e mais rápido que digitar. É também o momento em que você se familiariza com o material, o que não é um benefício secundário. Pesquisadores que transcrevem suas próprias entrevistas chegam à análise já conhecendo o conteúdo, e a revisão recupera boa parte dessa familiaridade.
Se você quiser um rascunho sem enviar arquivos para um servidor, o aplicativo SozAI para iOS, Android e macOS transcreve gravações e arquivos com identificação de falantes, o que cuida da parte mecânica de uma transcrição de entrevista e deixa para você apenas a revisão que realmente importa; mais detalhes sobre como isso se aplica especificamente à transcrição de entrevistas. É uma opção entre várias, e a questão do armazenamento discutida acima deve filtrar sua lista antes mesmo da qualidade.
O que o primeiro rascunho não vai fazer por você
Espere que o rascunho seja mais fraco justamente onde as entrevistas são mais difíceis. Fala cruzada confunde a separação de falantes, e duas pessoas falando ao mesmo tempo costumam sair como uma só pessoa dizendo algo levemente incoerente. Sotaques marcantes, participantes com voz baixa, ruído de fundo de um café ou corredor, e vocabulário técnico específico da área todos reduzem a precisão. A identificação de falantes normalmente é boa, mas não é confiável nas transições, especialmente em interjeições curtas.
E ela não vai te dar a prosódia. Nenhuma transcrição automática preserva a duração de uma pausa ou marca o momento em que a voz do participante mudou. Se sua análise precisa disso, o rascunho automático é apenas um esqueleto das palavras, nada mais, e você deve planejar seu tempo levando isso em conta. Um colega trabalhando no mesmo corpus com uma pergunta focada em conteúdo terminará numa fração do tempo, e não é porque ele está trabalhando com menos cuidado. A transcrição dele está respondendo a uma pergunta diferente.
Reserve mais tempo do que a conta parece indicar, também. A revisão não é uma passada única pelo áudio em velocidade normal; é parar, voltar, ouvir de novo aqueles seis segundos que você não conseguiu entender bem. Fazer isso num conjunto completo de entrevistas dá bastante trabalho, e é normal que seja assim. Se você quiser entender como as peças se encaixam ao longo de um projeto inteiro, existe um relato do fluxo de trabalho de um pesquisador de mestrado/doutorado que acompanha um conjunto de gravações do arquivo original até a transcrição pronta para citação.
A última coisa a guardar é que a transcrição é uma representação, e cada convenção que você escolheu é uma decisão sobre o que manter e o que perder. Registre essas decisões no capítulo de metodologia. Um examinador de banca que entende por que suas transcrições são como são vai lê-las como algo pensado com critério. Quem não entende, vai ficar em dúvida.
