Dlaczego warto transkrybować wywiady z badań jakościowych? (I jak robić to dobrze)

Wywiady z badań jakościowych warto transkrybować, ponieważ transkrypcje umożliwiają kodowanie, analizę wzorców, cytowanie uczestników oraz wspólną weryfikację.

Tworzą one także przeszukiwalny i możliwy do skontrolowania zapis danych. Taki zapis zwiększa wiarygodność wyników badania i pomaga analizować wywiady w bardziej systematyczny sposób.

Dlaczego transkrypcja to decyzja metodologiczna, a nie zadanie organizacyjne

Wyobraźmy sobie taką sytuację: właśnie zakończono 15 osobistych wywiadów do projektu badań jakościowych. Na dysku twardym znajdują się godziny nagrań audio.

Teraz pojawia się wybór, który ukształtuje cały proces badawczy:

• Czy transkrybować każde wypowiedziane słowo, łącznie z wtrąceniami i pauzami?
• Czy oczyszczać język mówiony, aby uczynić go bardziej czytelnym?
• Czy całkowicie pominąć proces transkrypcji i pracować bezpośrednio na nagraniach?

Ten wybór nie ma charakteru administracyjnego. Jest metodologiczny. Jak twierdziła Julia Bailey w swoim fundamentalnym artykule na ten temat, transkrypcja to pierwszy krok w analizie danych, a nie zadanie poprzedzające analizę.

Poziom szczegółowości wymagany w transkrypcjach, przyjęte konwencje zapisu oraz to, czy rejestrowane są sygnały niewerbalne, takie jak mowa ciała czy odgłosy tła, bezpośrednio wpływają na to, co może ujawnić analiza danych jakościowych.

Transkrypcja wywiadów jest również czasochłonna. Profesjonalni transkrybenci zwykle potrzebują od 4 do 6 godzin, aby przygotować dokładną transkrypcję z jednej godziny czystego nagrania audio. Ręczna transkrypcja wykonywana przez badacza może zająć jeszcze więcej czasu.

Dobra jakościowo transkrypcja jest kluczowym elementem procesu badań jakościowych, a zrozumienie, dlaczego wzmacnia ona badania jakościowe, pomaga uniknąć typowych pułapek.

Co transkrypcja wnosi do badania

Badacze jakościowi transkrybują dane z powodów, które wykraczają daleko poza wygodę. W odróżnieniu od badań ilościowych, gdzie dane liczbowe mówią same za siebie, dane jakościowe nabierają znaczenia dzięki uważnej lekturze i wielokrotnemu kodowaniu.

Oto, co proces transkrypcji wnosi podczas analizy transkrypcji wywiadów w projekcie badań jakościowych.

Sprawia, że dane można kodować

Transkrypcje wywiadów stanowią surowy materiał do analizy danych jakościowych. Niezależnie od tego, czy prowadzona jest analiza tematyczna, czy teoria ugruntowana, do systematycznego kodowania potrzebny jest tekst pisany.

Oprogramowanie do analizy danych jakościowych, takie jak NVivo i ATLAS.ti, do działania wymaga pisanych transkrypcji lub danych w formie tekstu. Nie da się systematycznie oznaczać tematów ani wyszukiwać wzorców w nagraniu audio tak, jak można to robić w transkrypcji.

Tworzy możliwy do skontrolowania ślad

Pisane transkrypcje dają promotorom i innym badaczom weryfikowalny zapis danych z wywiadów. Mogą oni skonfrontować interpretacje z dokładnymi słowami, których użyli uczestnicy.

Tego rodzaju przejrzystość jest niezbędna dla wiarygodności badań jakościowych, w których wyniki opierają się na subiektywnej interpretacji.

Ujawnia wzorce niewidoczne w czasie rzeczywistym

Wielokrotne czytanie transkrypcji ujawnia powracające tematy i sprzeczności, które niemal niemożliwe jest wychwycić podczas rozmowy na żywo.

Można porównywać odpowiedzi różnych uczestników, oznaczać sposoby wypowiadania się i wskazywać powiązania, które stają się widoczne dopiero wtedy, gdy interakcja mówiona zostaje przekształcona w formę pisaną. To właśnie tam zwykle pojawiają się najważniejsze wnioski.

Umożliwia bezpośrednie cytowanie uczestników

Dokładne transkrypcje pozwalają cytować w wynikach dokładne słowa uczestników. Bezpośrednie cytowanie jest znakiem rozpoznawczym rzetelnych badań jakościowych i nadaje analizie wiarygodność oraz pogłębione zrozumienie.

Bez wiarygodnej transkrypcji parafrazuje się z pamięci lub z notatek, co wprowadza zniekształcenia.

Wspiera analizę zespołową

Gdy nad tym samym projektem badań jakościowych pracuje wielu badaczy, transkrypcje umożliwiają analizę zespołową.

Różni analitycy mogą niezależnie kodować transkrypcje wywiadów jakościowych i porównywać swoje kodowanie, aby obliczyć rzetelność międzysędziowską. Tego rodzaju weryfikacja krzyżowa jest niemal niemożliwa przy korzystaniu wyłącznie z nagrań audio lub wideo.

Wybór właściwego rodzaju transkrypcji dla swojej metodologii

Nie wszystkie transkrypcje wyglądają tak samo. Wybrany rodzaj transkrypcji danych powinien być zgodny z metodologią badawczą oraz poziomem szczegółowości wymaganym do analizy. Oto krótki przegląd trzech głównych rodzajów:

1. Transkrypcja pełna (full verbatim) rejestruje każdą wypowiedź, łącznie z pauzami i wtrąceniami. Zachowuje rozmowę słowo w słowo, w tym sposoby wypowiadania się i sygnały niewerbalne, takie jak śmiech czy westchnienia.

2. Transkrypcja inteligentna (nazywana także clean verbatim) zachowuje istotę tego, co zostało powiedziane, ale usuwa wtrącenia i powtórzenia. Efekt jest bardziej czytelny, przy jednoczesnym zachowaniu oryginalnego języka i znaczenia wypowiedzi.

3. Transkrypcja redagowana poprawia gramatykę i przebudowuje zdania w celu uzyskania większej jasności. Nacisk położony jest na to, co zostało powiedziane, a nie na to, jak zostało powiedziane.

Który rodzaj pasuje zatem do danych potrzeb badawczych? To zależy od metodologii. Poniższa tabela pozwala przypisać typowe podejścia w badaniach jakościowych do zalecanego stylu transkrypcji.

Transkrypcja ręczna, z udziałem AI czy profesjonalna: jak podjąć decyzję

Po wybraniu rodzaju transkrypcji kolejnym pytaniem jest metoda. Badacze jakościowi zwykle wybierają jedno z tych 3 podejść do transkrypcji plików audio i wideo:

• Transkrypcja ręczna (samodzielna)
• Transkrypcja z udziałem AI/automatyczna
• Transkrypcja profesjonalna (zlecana na zewnątrz)

Każda metoda wiąże się z kompromisami.

Transkrypcja ręczna buduje głęboką znajomość danych z wywiadów, co może być korzystne dla procesu badawczego, ale jest niezwykle czasochłonna i niepraktyczna w przypadku dużych badań jakościowych.

Narzędzia do automatycznego rozpoznawania mowy zapewniają szybkość, jednak jakość audio i terminologia specyficzna dla danej dziedziny mogą znacząco wpływać na dokładność.

Profesjonalna usługa transkrypcji zapewnia najwyższą dokładność i dobrze radzi sobie ze słabą jakością audio lub wieloma mówcami, ale kosztuje więcej.

Sprytną alternatywą jest zastosowanie podejścia hybrydowego: oprogramowanie do transkrypcji z udziałem AI do szybkiej pierwszej wersji roboczej, a następnie staranna weryfikacja przez człowieka.

To właśnie tutaj dobrze sprawdzają się narzędzia takie jak HappyScribe. HappyScribe oferuje zarówno transkrypcję z udziałem AI w ponad 150 językach, dostarczaną w ciągu kilku minut, jak i korektę wykonywaną przez człowieka z dokładnością 99% i czasem realizacji 24 godziny.

Interaktywny edytor zapewnia przyjazny interfejs, który pozwala odtwarzać nagranie audio zsynchronizowane z transkrypcją, dodawać etykiety mówców i poprawiać błędy przed wyeksportowaniem w formatach zgodnych z oprogramowaniem do analizy danych jakościowych.

Zespoły badawcze mogą zadawać pytania dotyczące wielu transkrypcji, wyodrębniać cytaty i identyfikować wzorce za pomocą funkcji AI Chat w HappyScribe.

Ponieważ HappyScribe ma siedzibę w Barcelonie i przechowuje dane wyłącznie w centrum danych w UE, można mieć pewność, że dane pozostają w granicach Europy.

Co więcej, w przypadku wyboru usług transkrypcji wykonywanej przez człowieka HappyScribe zapewnia rygorystyczną umowę o zachowaniu poufności (NDA), aby chronić poufność.

Jak zachować etykę i bezpieczeństwo danych w transkrypcji na potrzeby badań?

Transkrypcja wywiadów badawczych wiąże się z przetwarzaniem wrażliwych danych osobowych, a badacze jakościowi mają tutaj określone obowiązki.

1. Świadoma zgoda jest punktem wyjścia. Uczestnicy muszą wiedzieć, że ich wywiady zostaną przepisane, jak dane będą przechowywane, kto będzie miał do nich dostęp oraz kiedy nagrania i transkrypcje zostaną zniszczone. Wszystko to powinno zostać ujęte w formularzu zgody, zanim rozpocznie się jakiekolwiek nagranie audio.

2. Anonimizacja wymaga zastąpienia nazwisk uczestników pseudonimami oraz usunięcia z transkrypcji danych umożliwiających identyfikację przed udostępnieniem ich innym badaczom lub opublikowaniem wyników. Nie jest to opcjonalne; to podstawowy wymóg etyczny w praktycznie każdym projekcie badań jakościowych.

3. Lokalizacja danych i zgodność z RODO mają znaczenie, jeśli badanie obejmuje uczestników z UE. To, gdzie przechowywane są nagrania audio i wideo oraz czy usługa transkrypcji przetwarza je na serwerach poza UE, to pytania, które może zadać komisja etyczna lub IRB.

4. Przejrzystość w zakresie narzędzi AI jest pojawiającą się kwestią. W przypadku korzystania z transkrypcji automatycznej należy ujawnić to w sekcji dotyczącej metodologii i zaznaczyć, czy nagrania były przesyłane na zewnętrzne serwery, czy przetwarzane lokalnie. HappyScribe jest zgodny z RODO i zapewnia bezpieczeństwo na najwyższym poziomie, co może uprościć tę część dokumentacji etycznej.

Trwałość transkrypcji również wiąże się z odpowiedzialnością. W odróżnieniu od rozmowy, która zaciera się w pamięci, pisana transkrypcja tworzy trwały zapis słów wypowiedzianych w zaufaniu. Należy postępować z nią odpowiednio.

Zbuduj proces transkrypcji dopasowany do swojego badania

Transkrypcja to moment, w którym zaczyna się analiza jakościowa, a nie uciążliwy obowiązek, który ją poprzedza.

Podejmowane tutaj decyzje, dotyczące transkrypcji pełnej lub oczyszczonej, ręcznej lub automatycznej, oraz sposobu postępowania z danymi uczestników, decydują o tym, co dane badanie może ujawnić.

W przypadku większości projektów hybrydowy proces zapewnia właściwą równowagę.

HappyScribe pozwala wygenerować wersję roboczą z udziałem AI w ciągu kilku minut, zweryfikować ją względem zsynchronizowanego audio w interaktywnym edytorze i w razie potrzeby wysłać nagrania do korekty wykonywanej przez człowieka. Wszystkie dane pozostają w Europie, co upraszcza formalności związane z IRB.