Rodzaje transkrypcji w badaniach jakościowych

Omówię szczegółowo wszystkie rodzaje i pomogę wybrać ten właściwy dla danego projektu badawczego.

Dlaczego rodzaj transkrypcji ma większe znaczenie niż jej szybkość

Przeprowadziłem kiedyś analizę tematyczną na 30 godzinach nagrań z grup fokusowych, przepisanych w pełnym verbatim. Uchwycono każde słowo wypełniające i każdy fałszywy start. Choć transkrypcje były dokładne, niemal niemożliwe było ich zakodowanie. Musiałem spędzić wiele godzin, przedzierając się przez jąkania i niedokończone zdania, zamiast rozpoznawać wzorce.

Ponieważ pełne verbatim rejestruje wszystko, świetnie sprawdza się w analizie konwersacyjnej. Ale przy kodowaniu tematycznym trzeba unikać dodatkowych szczegółów, które spowalniają analizę. Przekonałem się o tym na własnej skórze.

Dlatego dziś mogę z przekonaniem stwierdzić, że rodzaj transkrypcji ma większy wpływ na analizę niż czas realizacji. Transkrypcja w czystym verbatim dostarczona w ciągu 48 godzin posłuży badaniu teoretycznemu znacznie lepiej niż transkrypcja w pełnym verbatim dostarczona z dnia na dzień. Wybrany rodzaj określa, co liczy się jako dane w badaniu, a ta decyzja kształtuje sposób kodowania oraz to, jak recenzenci oceniają wykonaną pracę.

Pięć rodzajów transkrypcji w badaniach jakościowych

Te pięć rodzajów obejmuje zakres od rejestrowania każdego dźwięku po destylowanie wyłącznie najważniejszego znaczenia. Powodzenie transkrypcji danych jakościowych zależy od dopasowania rodzaju do metody analizy.

1. Transkrypcja w pełnym verbatim

Jak wspomniałem wcześniej, pełne verbatim rejestruje każdy dźwięk z nagrania: słowa wypełniające, fałszywe starty, jąkania, sygnały niewerbalne, takie jak śmiech i westchnienia, mierzony czas pauz oraz nakładającą się mowę. Nic nie zostaje oczyszczone.

Taki poziom szczegółowości jest potrzebny w metodologiach, w których to, jak coś zostało powiedziane, ma takie samo znaczenie jak to, co zostało powiedziane. Zarówno analiza konwersacyjna, jak i psychologia dyskursywna traktują wzorce mowy i sposób wypowiedzi jako dane podstawowe. Analiza dyskursu również często tego wymaga, podobnie jak badania psychologiczne dotyczące zachowań mownych.

Kompromisem jest czas. jedna godzina nagrania audio wymaga od 4 do 8 godzin ludzkiej pracy nad transkrypcją w pełnym verbatim. Transkrypcje mogą być gęste, a jeśli Twoja metodologia nie wymaga takiej szczegółowości, spowolni to kodowanie.

2. Transkrypcja w czystym verbatim (inteligentnym verbatim)

Czyste verbatim usuwa słowa wypełniające i fałszywe starty, ale zachowuje całą znaczącą treść wypowiedzianą. Daje to, co najlepsze z obu światów, dzięki czemu jest domyślną opcją dla większości badań jakościowych.

Zarówno analiza tematyczna, jak i teoria ugruntowana korzystają z czystych, łatwych do przejrzenia transkrypcji, które przywracają uwagę na znaczenie. Dobrze sprawdzają się przy nich również badania fenomenologiczne, zwłaszcza gdy badanie skupia się na języku przeżytego doświadczenia, a nie na mechanice mowy. Jeśli pracujesz nad rozprawą, istnieje duże prawdopodobieństwo, że to czyste verbatim jest tym, czego oczekuje Twoja komisja.

Ma to jednak swoje ograniczenia. Przy transkrypcji w czystym verbatim tracisz dane o wzorcach mowy. Jeśli wahania lub sposób wypowiedzi są ważne dla Twoich ram teoretycznych, czyste verbatim ich nie zachowa. Jeśli już teraz zastanawiasz się, jak zorganizować kodowanie, stosowanie motywów i tagów podczas transkrypcji może później zaoszczędzić czas.

3. Transkrypcja redagowana

Transkrypcja redagowana poprawia gramatykę i przebudowuje zdania dla lepszej czytelności. Efekt czyta się jak dopracowany esej, a nie język mówiony.

Jest powszechna w badaniach nad politykami publicznymi oraz w stosowanych badaniach jakościowych, gdzie transkrypcje muszą być dostępne dla czytelników niebędących specjalistami, takich jak interesariusze. Sprawdza się również w przypadku streszczeń gotowych do raportu oraz treści wywiadów przeznaczonych dla szerokiej publiczności.

Mimo to redagowanie zmienia oryginalny głos osoby mówiącej, co może wprowadzić stronniczość badacza. Jeśli w Twojej analizie większe znaczenie ma dokładne sformułowanie, transkrypcja redagowana nie jest właściwym wyborem.

4. Transkrypcja fonetyczna

Transkrypcja fonetyczna rejestruje to, jak słowa brzmią, a nie jak się je zapisuje, używając symboli IPA (Międzynarodowego Alfabetu Fonetycznego). Uchwytuje wymowę i dialekt w sposób, jakiego standardowa transkrypcja ortograficzna nie potrafi.

Transkrypcja fonetyczna to wyspecjalizowane narzędzie do badań lingwistycznych. Zależą od niej zarówno badania socjolingwistyczne, jak i analiza fonologiczna, a stosuje się ją także w badaniach nad logopedią.

Bariera wejścia jest jednak wysoka. Aby tworzyć i czytać te transkrypcje, potrzebne jest przeszkolenie w zakresie IPA, a metoda ta rzadko jest stosowana poza językoznawstwem. Większość badaczy jakościowych jej nie potrzebuje, chyba że ich badanie skupia się konkretnie na tym, jak wymawiane są słowa.

5. Transkrypcja jeffersonowska

Transkrypcja jeffersonowska to system notacji nakładany na transkrypcję w pełnym verbatim. Opracowana przez Gail Jefferson na potrzeby analizy konwersacyjnej (CA), wykorzystuje znormalizowane symbole do kodowania szczegółów interakcyjnych, których zwykły tekst nie jest w stanie uchwycić.

Oto kilka podstawowych konwencji:

Pełny zestaw konwencji zawiera Hepburn and Bolden (2017) — to standardowe źródło referencyjne.

Transkrypcja jeffersonowska najlepiej sprawdza się w CA i badaniach nad interakcją. Polega na niej również stosowana CA w badaniach nad ochroną zdrowia i edukacją, zwłaszcza gdy w analizie kluczowe są wymiana tur i mikrochronometraż.

Krzywa uczenia się jest stroma, a metoda wymaga materiału audio wysokiej jakości jako punktu wyjścia. Narzędzia do transkrypcji z AI nie tworzą notacji jeffersonowskiej, więc pracę niemal zawsze wykonuje się ręcznie.

Jak wybrać odpowiedni rodzaj transkrypcji do swojego badania: w skrócie

Ta tabela przyporządkowuje popularne metodologie jakościowe rodzajowi, który najlepiej im służy:

Jeśli nie masz pewności, do której kategorii zalicza się Twoje badanie, w podjęciu decyzji pomogą trzy pytania:

1. Czy to, jak coś zostało powiedziane, ma takie samo znaczenie jak to, co zostało powiedziane?
2. Czy transkrypcje będą musiały przeczytać osoby niebędące specjalistami (interesariusze, recenzenci, sponsorzy)?
3. Jaki jest Twój budżet i harmonogram na transkrypcję?

Transkrypcja z AI w badaniach jakościowych: czy to dobry wybór?

Ręczna transkrypcja to jeden z największych pochłaniaczy czasu w badaniach jakościowych. Jeśli Twoje badanie wymaga transkrypcji w czystym verbatim, nie musisz już wykonywać jej ręcznie. Narzędzia do transkrypcji z AI tworzą teraz wynik w czystym verbatim z dokładnością powyżej 95 % w przypadku wyraźnych nagrań z jednym mówcą. To wystarczająco dokładne, by użyć go jako roboczego szkicu.

Dokładność spada tylko wtedy, gdy warunki stają się trudniejsze. Czynniki takie jak nakładający się mówcy, silne akcenty i hałas w tle podnoszą poziom błędów, a żargon branżowy może wprowadzać w błąd modele ASR, które nie zostały wytrenowane na słownictwie Twojej dziedziny. Niektóre narzędzia rozwiązują ten problem za pomocą niestandardowych słowników i przewodników stylu.

Jednak konsensus akademicki przyjął zrównoważone podejście. Transkrypcja z AI, po której następuje weryfikacja przez człowieka, jest już szeroko akceptowana w recenzowanych badaniach jakościowych. Wyjątkiem są analiza konwersacyjna i szczegółowa analiza dyskursu, w których wymagana jest notacja jeffersonowska, a żadne narzędzie AI nie potrafi jej utworzyć.

HappyScribe został stworzony z myślą o procesach pracy badaczy jakościowych. Przesyłasz nagranie, konfigurujesz styl wyniku i w kilka minut otrzymujesz roboczą transkrypcję dzięki transkrypcji z AI w ponad 150 językach i dialektach.

Jeśli Twoje nagrania zawierają akcenty regionalne i nakładającą się mowę, możesz wysłać swój plik lub transkrypcję z AI do profesjonalnych lingwistów, którzy dostarczają transkrypcje z 99 % dokładnością w ciągu 24 godzin. W przypadku zespołów badawczych pracujących na wielojęzycznych zbiorach danych to połączenie szybkości AI z ludzką dokładnością utrzymuje projekt w ruchu bez utraty jakości transkrypcji.

W interaktywnym edytorze odbywa się weryfikacja. Możesz odtwarzać dźwięk równolegle z transkrypcją, przeskakiwać do dowolnego znacznika czasu i poprawiać błędy bezpośrednio w tekście. Etykiety mówców są stosowane automatycznie, więc nie musisz ręcznie oznaczać P1 i P2 na 40 stronach danych z grup fokusowych.

Gdy masz już wszystkie dane z transkrypcji, możesz użyć AI Chat, aby znaleźć kluczowe wnioski, podejścia i spostrzeżenia, które mogłeś przeoczyć. AI Chat przeszukuje Twoje pliki i transkrypcje, aby pomóc Ci w tworzeniu streszczeń, cytatów, a nawet szkiców wiadomości e-mail. Działa jak asystent badawczy, dzięki czemu możesz przyspieszyć proces analizy.

Najlepsze praktyki transkrypcji w badaniach jakościowych

Jeśli zastanawiasz się, jak transkrybować wywiady jakościowe, te pięć praktyk obowiązuje niezależnie od wybranego rodzaju:

1. Wybierz rodzaj transkrypcji przed zebraniem danych. Udokumentuj ten wybór w sekcji metodologicznej i, jeśli ma to zastosowanie, w protokole komisji etyki. Zmiana rodzaju transkrypcji w trakcie badania tworzy niespójności, które trudno uzasadnić podczas recenzji.
2. Stwórz protokół transkrypcji. Określ, jak będziesz postępować z niewyraźnym dźwiękiem, nakładającymi się mówcami, wyrazami obcojęzycznymi i treściami wrażliwymi. Udostępnij ten protokół każdej innej osobie transkrybującej na potrzeby projektu, aby każda transkrypcja stosowała te same konwencje.
3. Stosuj spójne etykiety mówców i znaczniki czasu. Niezależnie od tego, czy transkrybujesz ręcznie, czy za pomocą narzędzi do transkrypcji z AI, oznaczaj mówców w spójny sposób ("Ankieter", "P1", "P2"). Dodawaj znaczniki czasu w regularnych odstępach lub w kluczowych momentach. Spójne oznaczanie oszczędza wiele godzin, gdy szukasz konkretnych fragmentów podczas kodowania.
4. Zawsze weryfikuj względem źródłowego dźwięku. Nawet w przypadku profesjonalnych usług transkrypcji wykonywanej przez człowieka skontroluj wyrywkowo co najmniej 10–15 % transkrypcji względem nagrania. Błędy kumulują się podczas analizy, jeśli nie zostaną wcześnie wychwycone.
5. Anonimizuj podczas transkrypcji, a nie po niej. Zastępuj nazwiska, lokalizacje i inne dane identyfikujące już w trakcie transkrypcji. Jeśli później zastosujesz prosty filtr znajdź i zamień, pominiesz niektóre konteksty.

Zacznij od właściwej transkrypcji

Rodzaj transkrypcji to decyzja metodologiczna, a nie tylko preferencja dotycząca formatowania. Dopasuj go do swojej metody analizy, zanim zaczniesz nagrywać, i udokumentuj ten wybór w protokole. Przy właściwym rodzaju transkrypcja znika w tle Twojego badawczego procesu pracy.

W przypadku transkrypcji w czystym verbatim HappyScribe obsługuje cały proces pracy, od szkicu utworzonego przez AI po transkrypcję zweryfikowaną przez człowieka.