Jaka jest rola transkrypcji w metodologii badań jakościowych?

Transkrypcja w badaniach jakościowych to proces przekształcania nagranych danych audio lub wideo w tekst pisany na potrzeby systematycznej analizy.

Sytuuje się między zbieraniem danych a ich analizą, a decyzje badaczy dotyczące stylu i metody transkrypcji bezpośrednio kształtują sposób kodowania i raportowania danych.

Ten przewodnik omawia, gdzie transkrypcja umiejscawia się w procesie badawczym, jak dopasować podejście do transkrypcji do metody analitycznej, jak wygląda proces krok po kroku — od projektowania protokołu po bezpieczne przechowywanie — oraz jak opisać decyzje dotyczące transkrypcji w sekcji metodologicznej.

Gdzie transkrypcja umiejscawia się w procesie badań jakościowych

Transkrypcja działa jak pomost między zbieraniem danych a ich analizą. Decyzje, które ją kształtują, powinny jednak zapadać znacznie wcześniej.

Oto jak transkrypcja łączy się z szerszym procesem badawczym:

1. Projektowanie badania

To tutaj jest miejsce na decyzje dotyczące transkrypcji. To moment, w którym definiuje się pytania badawcze, wybiera metodologię (analizę tematyczną, teorię ugruntowaną, analizę konwersacyjną i tak dalej) oraz opracowuje plan zbierania danych.

Należy też zdecydować, którego stylu transkrypcji użyć, kto ją wykona oraz jak poradzić sobie z wyzwaniami takimi jak nakładające się wypowiedzi czy niesłyszalne fragmenty. Wniosek do komisji etycznej lub protokół IRB powinien wprost odnosić się do transkrypcji.

2. Zbieranie danych

Jakość nagrania bezpośrednio wpływa na jakość transkrypcji. Wyraźne nagranie z minimalnym hałasem w tle, dobrze ustawionymi mikrofonami i mówcami, którzy nie mówią jeden przez drugiego, da znacznie dokładniejszą transkrypcję — niezależnie od tego, czy transkrypcja powstaje ręcznie, czy z użyciem AI.

3. Transkrypcja

Ten etap może wydawać się czysto administracyjny, ale lepiej rozumieć go jako pierwszą warstwę pracy z danymi. Badacze, którzy sami transkrybują swoje dane, często donoszą, że proces ten wydobywa wczesne wnioski analityczne, ponieważ zmusza do uważnego i wielokrotnego wsłuchiwania się w każde słowo.

4. Zarządzanie danymi i kodowanie

Transkrypcje są importowane do oprogramowania do analizy danych jakościowych (NVivo, ATLAS.ti, MAXQDA, Dedoose) na potrzeby kodowania i tagowania tematycznego.

Styl transkrypcji wybrany na etapie projektowania bezpośrednio wpływa na efektywność kodowania. Transkrypcje w stylu clean verbatim łatwiej przeglądać i kodować tematycznie. Transkrypcje full verbatim zachowują więcej danych, ale ich opracowanie zajmuje więcej czasu.

5. Analiza i interpretacja

Wzorce, wątki tematyczne i wnioski teoretyczne wyprowadza się z zakodowanych danych. Transkrypcje stanowią bazę dowodową dla Twoich ustaleń.

6. Raportowanie i pisanie

Bezpośrednie cytaty z transkrypcji pojawiają się w publikowanej pracy. Styl transkrypcji decyduje o tym, czy cytaty te zawierają słowa wypełniające, pauzy i wzorce mowy, czy prezentują dopracowaną wersję tego, co zostało powiedziane.

Jak dopasować styl transkrypcji do metody analitycznej

Właściwy styl transkrypcji zależy od tego, czego chcesz się dowiedzieć ze swoich danych. Analiza tematyczna poszukująca wzorców w 30 wywiadach ma inne potrzeby transkrypcyjne niż analiza konwersacyjna badająca mikrodynamikę pojedynczej interakcji klinicznej.

Poniższa tabela przyporządkowuje typowe metodologie jakościowe do podejścia transkrypcyjnego, które najlepiej im służy:

To dopasowanie odpowiada wprowadzonemu przez Olivera i wsp. rozróżnieniu na transkrypcję naturalizowaną i denaturalizowaną:

• Transkrypcja naturalizowana zachowuje mowę w postaci, w jakiej została wygłoszona, łącznie ze wszystkimi zakłóceniami płynności, pauzami i niestandardową gramatyką
• Transkrypcja denaturalizowana wygładza tekst pod kątem czytelności, eksponując to, co zostało powiedziane, ponad sposób, w jaki zostało powiedziane

Wybór ten odzwierciedla Twoje stanowisko epistemologiczne: czy znaczenie tkwi w sposobie wygłoszenia mowy, czy w jej treści?

W przypadku badaczy, których metodologia leży na pograniczu (na przykład fenomenologia), najbezpieczniejszym podejściem jest transkrybowanie z większą szczegółowością, niż wydaje Ci się to potrzebne.

Słowa wypełniające zawsze można usunąć z transkrypcji full verbatim na etapie analizy. Nie da się ich jednak później dodać z powrotem do transkrypcji clean verbatim.

Proces transkrypcji: przewodnik krok po kroku

Niezależnie od tego, czy jesteś doktorantem przygotowującym się do pierwszej rundy wywiadów, czy kierownikiem badania prowadzącym projekt wieloośrodkowy, proces transkrypcji przebiega według spójnej struktury.

1. Napisz protokół transkrypcji na etapie projektowania badania

Udokumentuj swoje decyzje, zanim rozpocznie się zbieranie danych. Twój protokół powinien określać:

• Którego stylu transkrypcji użyjesz i dlaczego pasuje on do Twojej metodologii
• Jak będziesz oznaczać mówców (np. „Prowadzący wywiad”, „P1”, „P2”)
• Jak będziesz przedstawiać sygnały niewerbalne (np. [śmiech], [pauza: 3 sekundy], [westchnienie])
• Jak poradzisz sobie z niesłyszalnymi lub niejasnymi fragmentami (np. [niesłyszalne 00:12:34])
• Twoją procedurę anonimizacji: które dane identyfikujące zostaną zastąpione i czym (pseudonimami, kodami, ogólnymi określeniami)

Jeśli w Twoim badaniu uczestniczy wielu transkrybentów — czy to członkowie zespołu, najęci specjaliści, czy narzędzie AI — ten protokół zapewnia spójność w obrębie całego zbioru danych.

2. Zarejestruj wysokiej jakości dźwięk

Transkrypcja może być tylko tak dokładna jak nagranie, na którym się opiera. Używaj dedykowanego rejestratora dźwięku zamiast mikrofonu w laptopie. Sprawdź poziomy głośności przed rozpoczęciem wywiadu i ogranicz hałas w tle.

W zogniskowanych wywiadach grupowych ustaw rejestrator centralnie i poproś uczestników, aby nie mówili jednocześnie.

W przypadku zdalnych wywiadów prowadzonych przez Zoom, Teams lub Google Meet skorzystaj z wbudowanej funkcji nagrywania danej platformy i poproś uczestników o używanie słuchawek, aby ograniczyć echo.

3. Wybierz metodę transkrypcji

Masz trzy możliwości, ale każda wiąże się z kompromisami:

• Transkrypcja ręczna: Badacz słucha nagrania i spisuje tekst. Czasochłonna (full verbatim zajmuje mniej więcej 6 do 8 godzin na godzinę nagrania; clean verbatim zajmuje 3 do 5 godzin), ale daje głębokie zanurzenie w danych
• Transkrypcja wspomagana AI: Prześlij nagranie do narzędzia rozpoznawania mowy, otrzymaj wstępną transkrypcję w kilka minut, a następnie sprawdź ją i popraw, porównując z nagraniem. Od kilku lat jest to dominujące podejście w badaniach akademickich i skraca łączny czas transkrypcji w porównaniu z transkrypcją ręczną
• Transkrypcja zlecona człowiekowi z zewnątrz:Profesjonalna usługa transkrypcji przygotowuje transkrypcję. Uzyskujesz wysoką dokładność, ale badacz traci korzyść z samodzielnego zanurzenia w materiale. Ważne w przypadku badań na dużą skalę lub gdy język badacza nie pokrywa się z językiem wywiadu

4. Sprawdź i zweryfikuj

Niezależnie od wybranej metody transkrypcji zawsze porównuj transkrypcję ze źródłowym nagraniem.

W przypadku transkrypcji wygenerowanych przez AI ten etap weryfikacji jest momentem, w którym wychwytujesz źle usłyszane słowa, korygujesz błędy w przypisaniu mówców i uzupełniasz fragmenty oznaczone przez AI jako niejasne.

W przypadku transkrypcji zleconych na zewnątrz wyrywkowo sprawdź co najmniej 10 do 15% całości nagrania, porównując je z tekstem pisanym.

W rzetelnych badaniach jakościowych nie jest to opcjonalne. Transkrypcja, której nie zweryfikowano z nagraniem, jest wersją roboczą, a nie źródłem danych.

5. Zanonimizuj i sformatuj

Zastępuj dane identyfikujące — nazwiska, lokalizacje, organizacje, stanowiska — już w trakcie samej transkrypcji, a nie jako późniejsze „znajdź i zamień”. Anonimizacja wykonana po fakcie jest podatna na pominięcie odniesień.

Zastosuj też spójne formatowanie: oznaczenia mówców, znaczniki czasu w regularnych odstępach lub w kluczowych momentach oraz wszelkie oznaczenia niewerbalne określone w protokole.

6. Przechowuj bezpiecznie

Stosuj się do wymogów ochrony danych obowiązujących w Twojej instytucji. Wiele uczelni ma szczegółowe zasady dotyczące przechowywania w chmurze.

Nie zapomnij szyfrować plików i stosować zabezpieczenia hasłem. Przechowuj formularze zgody osobno od transkrypcji, aby zapobiec ponownej identyfikacji.

Kwestie etyczne w transkrypcji badawczej

Transkrypcja rodzi pytania etyczne wykraczające poza sam proces techniczny.

a. Świadoma zgoda na nagrywanie i transkrypcję

Uczestnicy powinni rozumieć nie tylko to, że są nagrywani, ale również to, jak nagranie zostanie później wykorzystane.

• Czy zostanie przetranskrybowane? Przez kogo?
• Czy strona trzecia (usługa transkrypcji lub narzędzie AI) będzie miała dostęp do nagrania?
• Czy transkrypcja zostanie udostępniona współbadaczom, zapisana na serwerze uczelni lub przesłana do repozytorium?

Twój formularz zgody powinien wprost odnosić się do tych pytań. Uczestnicy zasługują na wystarczającą ilość informacji, by dokonać autentycznego wyboru co do udziału.

b. Poufność przy zlecaniu transkrypcji na zewnątrz

Gdy korzystasz z usługi zewnętrznej — czy to firmy zajmującej się transkrypcją wykonywaną przez ludzi, czy narzędzia opartego na AI — udostępniasz dane uczestników stronie trzeciej. Wiąże się to z obowiązkami w zakresie ochrony danych.

W UE RODO wymaga zawarcia umowy powierzenia przetwarzania danych (DPA) z każdą stroną trzecią, która przetwarza dane osobowe w Twoim imieniu. W USA Twoja komisja IRB może wymagać od usługodawcy transkrypcji podpisania umowy o zachowaniu poufności.

Kluczowe pytania, które warto zadać każdemu dostawcy transkrypcji:

• Gdzie dane są przetwarzane i przechowywane?
• Czy nagranie lub transkrypcja są wykorzystywane do trenowania modeli uczenia maszynowego?
• Czy możecie zapewnić umowę powierzenia przetwarzania danych?
• Jakie są wasze zasady przechowywania i usuwania danych?

c. Dobrostan transkrybenta

Opublikowane w 2022 roku badanie w czasopiśmie Qualitative Research wykazało, że profesjonalni transkrybenci pracujący nad wrażliwymi wywiadami (na tematy takie jak poronienie, przemoc czy trauma) często nie mają zapewnionych procedur ochronnych i doświadczają wtórnego cierpienia emocjonalnego (Hennessy i wsp., 2022).

Jeśli zlecasz na zewnątrz transkrypcję wrażliwego materiału, przedstaw transkrybentowi jego treść, daj możliwość odmowy i ustanów mechanizm wsparcia.

A jeśli sam transkrybujesz wrażliwy materiał, uznaj związany z tym wysiłek emocjonalny i odpowiednio to zaplanuj.

d. Przegląd przez uczestnika (member checking)

Niektóre tradycje metodologiczne zachęcają do przesyłania transkrypcji uczestnikom do wglądu lub tego wymagają.

Może to wzmocnić wiarygodność Twoich danych, ale wprowadza również praktyczne wyzwania: uczestnicy mogą chcieć wycofać swoje wypowiedzi, proces przeglądu może wydłużyć harmonogram o tygodnie, a zobaczenie własnych wypowiedzianych słów w formie pisemnej może być dla niektórych uczestników niepokojące.

Jeśli planujesz zastosować member checking, uwzględnij ten czas w projekcie badania od samego początku.

Jak transkrypcja AI wpisuje się w procesy badań jakościowych

Tam, gdzie transkrypcja AI sprawdza się dobrze:

Rozpoznawanie mowy oparte na AI daje wynik w stylu clean verbatim lub zbliżonym do clean verbatim. W przypadku nagrań z wyraźnym dźwiękiem, jednym lub dwoma mówcami i standardowymi akcentami w dobrze obsługiwanych językach dokładność czołowych narzędzi konsekwentnie mieści się w przedziale 95 do 99%.

Artykuł opublikowany w czasopiśmie European Journal of Cardiovascular Nursing potwierdził, że technologia rozpoznawania mowy oparta na AI obniża koszt, nakład pracy i czas transkrypcji, zaznaczając jednocześnie, że nadzór badacza pozostaje niezbędny (Eftekhari, 2024).

Badania wykorzystujące analizę tematyczną, teorię ugruntowaną, fenomenologię lub analizę treści mogą traktować transkrypcje wygenerowane przez AI jako solidną pierwszą wersję, w której rolą kontroli jakości jest przegląd dokonany przez badacza.

Szczególnie korzystają na tym badania na dużą skalę. Ręczna transkrypcja 50 godzin nagrań z wywiadów zajęłaby setki godzin. Transkrypcja AI redukuje to do kilku godzin przesyłania plików plus kilkudziesięciu godzin przeglądu.

Tam, gdzie transkrypcja AI zawodzi:

Analiza konwersacyjna i analiza dyskursu wymagające notacji jeffersonowskiej — z jej wyspecjalizowanymi symbolami dla nakładania się wypowiedzi, intonacji i mikropauz — wciąż wymagają transkrypcji wykonanej przez człowieka przeszkolonego w danym systemie notacji. Narzędzia AI nie tworzą transkrypcji jeffersonowskich.

Dokładność spada również przy nakładających się mówcach (częste w zogniskowanych wywiadach grupowych), silnych akcentach regionalnych lub odmianach dialektalnych, branżowym żargonie, którego model nie napotkał, oraz przy słabej jakości dźwięku.

W przypadku badań obejmujących wrażliwe populacje, gdzie nagrania nie mogą opuszczać serwerów instytucji, narzędzia AI oparte na chmurze mogą być niedopuszczalne.

Praktyczny proces pracy:

Dla badaczy pracujących z nagraniami wywiadów w ramach analizy tematycznej, teorii ugruntowanej lub badań fenomenologicznych proces wygląda teraz tak: prześlij nagranie, otrzymaj wstępną wersję clean verbatim w kilka minut, a następnie sprawdź ją i popraw, porównując z nagraniem.

Stworzony z myślą o prywatności HappyScribe to europejska platforma do transkrypcji, która wspiera ten proces. Oferuje transkrypcję opartą na AI w ponad 150 językach, a także opcję przekazania transkrypcji korektorom będącym ludźmi w celu uzyskania wyższej dokładności. Wbudowany edytor pozwala odtwarzać dźwięk obok transkrypcji, co ułatwia weryfikację.

Dla zespołów badawczych zarządzających wieloma wywiadami wszystkie transkrypcje zawierają oznaczenia mówców, znaczniki czasu i opcje eksportu zgodne z oprogramowaniem QDA, takim jak NVivo, ATLAS.ti i MAXQDA.

Badacze mogą skorzystać z AI Chat HappyScribe, aby przeszukiwać całą bibliotekę transkrypcji oraz szybciej rozpoznawać wzorce i wnioski.

Niezależnie od tego, którego narzędzia używasz, kluczowa zasada pozostaje ta sama: AI tworzy wersję roboczą; ostateczna transkrypcja należy do badacza.

Jak opisać transkrypcję w sekcji metodologicznej

McMullin (2023) wykazał, że transkrypcja jest rutynowo niedostatecznie opisywana w publikowanych badaniach jakościowych.

Wiele artykułów nie mówi nic więcej niż „wywiady zostały przetranskrybowane”, bez wskazania, kto wykonał transkrypcję, jakiego stylu użyto ani jak zapewniono dokładność. To luka w przejrzystości, którą recenzenci i redaktorzy coraz częściej wytykają.

Twoja sekcja metodologiczna powinna zawierać co najmniej:

1. Kto transkrybował dane: Wskaż, czy transkrypcje przygotował badacz, najęty transkrybent, czy narzędzie AI (z przeglądem przez człowieka). Jeśli zlecano je na zewnątrz, odnotuj środki podjęte w celu zapewnienia poufności.

2. Jakiego stylu transkrypcji użyto i dlaczego: Określ, czy użyto full verbatim, clean verbatim, transkrypcji edytowanej, czy innego podejścia, i powiąż ten wybór z metodą analityczną. Na przykład: „Wywiady przetranskrybowano w stylu clean verbatim, pomijając słowa wypełniające i fałszywe początki, aby wesprzeć analizę tematyczną”.

3. Jak zapewniono dokładność: Opisz proces weryfikacji. Czy porównałeś wszystkie transkrypcje z nagraniem? Sprawdziłeś wyrywkowo określony procent? Wykorzystałeś drugiego badacza do sprawdzenia podzbioru?

4. Jak zachowano poufność: Odnotuj swoje procedury anonimizacji i protokoły przechowywania danych. Jeśli użyto transkrypcji AI, wskaż, czy przetwarzanie danych przez to narzędzie jest zgodne z wymogami Twojej instytucji.

5. Wszelkie ograniczenia: Uwzględnij czynniki, które mogły wpłynąć na jakość transkrypcji: akcenty osób nierodzimych, żargon techniczny, słaby dźwięk w niektórych wywiadach lub fragmenty, które pozostały niesłyszalne.

Oto przykładowy akapit metodologiczny, który zwięźle obejmuje te elementy:

Takie zdanie zajmuje mniej niż 80 słów i odnosi się do pięciu kryteriów raportowania wymienionych powyżej. Zwiększa wiarygodność Twojej pracy i świadczy o świadomości metodologicznej.

Wbuduj decyzje dotyczące transkrypcji w projekt badania

Transkrypcja należy do tych etapów, które rzadko zyskują uwagę, na jaką zasługują na etapie projektowania badania — choć dokonywane tu wybory rozchodzą się falami na każdą kolejną fazę.

Wybrany styl transkrypcji powinien być spójny z Twoją metodologią. Proces weryfikacji należy udokumentować, a nie zakładać jego przebieg. A Twój wniosek do komisji etycznej powinien odnosić się do sposobu postępowania z nagraniami i dostępu stron trzecich, zanim rozpocznie się zbieranie danych.

Transkrypcja oparta na AI przejmuje teraz większość pracy w badaniach wykorzystujących analizę tematyczną lub teorię ugruntowaną.

Rola badacza przesuwa się w stronę przeglądu wersji roboczej w porównaniu z nagraniem, korygowania błędów, anonimizacji wrażliwych danych i bezpiecznego przechowywania ostatecznej transkrypcji.

Jeśli szukasz platformy do transkrypcji stworzonej z myślą o procesach badawczych, HappyScribe oferuje transkrypcję opartą na AI w ponad 150 językach, z oznaczeniami mówców i znacznikami czasu. Dla badań wymagających wyższej dokładności dostępna jest korekta wykonywana przez człowieka.