Transkrypcja wywiadu do pracy dyplomowej i badań – jak to zrobić porządnie

Po co w ogóle transkrybować wywiady

W pracy licencjackiej, magisterskiej czy w projekcie badawczym nagranie samo w sobie jest tylko surowcem. Promotor, recenzent i komisja nie będą odsłuchiwać kilkunastu godzin rozmów – oceniają to, co widać na papierze: fragmenty cytowane w rozdziale empirycznym, kategorie kodowania i aneks z wybranymi transkrypcjami. Dobra transkrypcja wywiadu pozwala wrócić do konkretnej wypowiedzi po tygodniach, porównać, jak różne osoby mówiły o tym samym, i pokazać, że wnioski wynikają z materiału, a nie z pamięci badacza.

Tekst przydaje się też na etapie samej analizy. Kodowanie tematyczne, analiza treści czy praca w programach do analizy jakościowej zaczyna się od transkryptu, a nie od pliku dźwiękowego. Jeśli planujesz analizę tematyczną, zajrzyj do przewodnika o analizie tematycznej transkryptów (po angielsku) – dobrze pokazuje, jak forma zapisu wpływa na późniejszą pracę.

Zapis dosłowny czy wygładzony – decyzja przed pierwszą stroną

To najważniejszy wybór i warto go podjąć, zanim przepiszesz choćby jeden wywiad, bo zmiana w połowie oznacza poprawianie wszystkiego od nowa.

• Zapis dosłowny zachowuje wszystko, co padło: powtórzenia, „yyy”, „no”, urwane zdania, śmiech, dłuższe pauzy, wtrącenia rozmówcy. Jest potrzebny, gdy badasz sposób mówienia – w analizie dyskursu, analizie konwersacyjnej, językoznawstwie czy wtedy, gdy wahanie respondenta samo w sobie coś znaczy.
• Zapis wygładzony (redakcyjny) usuwa wypełniacze i oczywiste przejęzyczenia, ale nie zmienia sensu ani słownictwa rozmówcy. Wystarcza w większości prac z socjologii, pedagogiki, zarządzania czy pracy socjalnej, gdzie liczy się treść wypowiedzi.
• Wariant mieszany: cały wywiad w wersji wygładzonej, a fragmenty cytowane w pracy sprawdzone ze słuchu i oddane dokładniej.

Różnice między tymi podejściami dobrze opisuje tekst zapis dosłowny a wygładzony (po angielsku). Niezależnie od wyboru, nie poprawiaj gramatyki rozmówcy „na ładniejszą” – jeśli ktoś mówi „poszłem”, to w wersji wygładzonej nadal jest to jego słowo, a nie Twoja redakcja.

Konwencje zapisu, które warto ustalić z promotorem

Wiele katedr ma własne przyzwyczajenia, więc najprościej zapytać promotora, czy istnieje wzór. Jeśli nie, przygotuj krótką legendę i stosuj ją konsekwentnie we wszystkich wywiadach. Przykładowy zestaw:

B: / R1:

wypowiedź badacza / wypowiedź respondenta nr 1

[śmiech], [westchnienie]

zachowania niewerbalne istotne dla sensu

(…)

pauza lub urwana wypowiedź

[niezrozumiałe 00:23:41]

fragment, którego nie da się odczytać, z czasem w nagraniu

[MIASTO], [FIRMA]

dane usunięte w ramach anonimizacji

/tak, tak/

krótkie wtrącenie drugiej osoby w trakcie cudzej wypowiedzi

Znacznik czasu przy niezrozumiałych fragmentach to drobiazg, który oszczędza mnóstwo czasu: gdy wrócisz do wątpliwego miejsca, nie musisz przewijać całego nagrania. Więcej wzorców znajdziesz w omówieniu konwencji transkrypcji w badaniach (po angielsku).

Anonimizacja: co usuwać, a co zostawić

Respondent zgodził się na rozmowę, a nie na to, by każdy czytelnik repozytorium prac dyplomowych mógł go rozpoznać. Anonimizacja to coś więcej niż zamiana imienia na „R3”.

• Dane bezpośrednie: imię, nazwisko, numer telefonu, adres – zastępujesz kodem lub znacznikiem w nawiasie kwadratowym.
• Dane pośrednie: nazwa małej miejscowości, konkretnej szkoły, zakładu pracy, nietypowe stanowisko („jedyna logopedka w gminie”) – w połączeniu mogą wskazać osobę równie skutecznie jak nazwisko. Zamieniasz je na kategorie: [MAŁE MIASTO W WIELKOPOLSCE], [SZKOŁA PODSTAWOWA].
• Osoby trzecie: rozmówcy często wymieniają szefów, sąsiadów, członków rodziny. Ich dane też usuwasz, choć to nie oni podpisali zgodę.
• Zostaw to, co ważne analitycznie: wiek w przedziale, płeć, staż pracy, typ miejscowości – o ile opisujesz je w tabeli respondentów, a nie przy każdym cytacie.

Prowadź osobny, chroniony plik-klucz z przypisaniem kodów do osób i nie dołączaj go do pracy. W kwestiach ochrony danych (RODO) ogólna zasada brzmi: zbieraj tylko to, czego naprawdę potrzebujesz, przechowuj nagrania krócej niż „na zawsze” i informuj rozmówców, co się z nimi stanie. Szczegóły, takie jak treść formularza zgody czy wymagania komisji etycznej, zależą od uczelni – zapytaj promotora albo inspektora ochrony danych na swoim wydziale. Ogólny przegląd tematu daje artykuł o etyce transkrypcji AI w badaniach (po angielsku).

Ręczne oznaczanie rozmówców

Automatyczna transkrypcja zwykle zwraca ciągły tekst, a narzędzia, które próbują same rozpoznać mówiących, potrafią się mylić przy krótkich wtrąceniach. Przy wywiadzie indywidualnym (badacz plus jedna osoba) ręczne oznaczenie zajmuje niewiele czasu, jeśli masz transkrypt ze znacznikami czasu:

1. Otwórz plik w edytorze tekstu obok odtwarzacza z nagraniem.
2. Przejdź przez tekst od początku i przed każdą zmianą mówiącego wstaw „B:” lub „R1:”. Pytania badacza zwykle łatwo rozpoznać po formie, więc większość zmian zauważysz bez słuchania.
3. Odsłuchaj tylko miejsca niejasne: krótkie „mhm”, nakładające się zdania, dopowiedzenia.
4. Na końcu usuń znaczniki czasu z wersji do aneksu, ale zachowaj wersję z czasem dla siebie.

Przy wywiadzie z dwiema osobami naraz albo przy grupie fokusowej to już większa praca – warto wtedy przy pierwszym czytaniu wypisać, kto ma jaki charakterystyczny zwrot czy temat. Dlaczego automatyczne rozpoznawanie mówców jest trudne, wyjaśnia tekst o diaryzacji (po angielsku).

Jak mydubly pomaga przy transkrypcji wywiadu – i czego nie robi

mydubly to aplikacja w przeglądarce, która zamienia nagranie na tekst z pomocą rozpoznawania mowy opartego na otwartym modelu Whisper. Interfejs jest po angielsku, więc poniżej podaję oryginalne nazwy przycisków. W przypadku wywiadu nagranego dyktafonem w telefonie (zwykle plik M4A) lub zapisanego jako MP3 czy WAV:

1. Na stronie głównej przeciągnij plik na pole «Drop audio here». Nagranie spotkania online zapisane jako MP4 wrzucasz w pole «Drop a video here» – wideo zostaje w przeglądarce, a do przetworzenia trafia tylko dźwięk.
2. Zostaw przełącznik «Audio and text output» wyłączony – wtedy działa tryb «Timestamped transcript only», czyli sama transkrypcja w języku rozmowy. Język polski zostanie rozpoznany automatycznie («Source: Auto detect»); nie da się go wybrać ręcznie.
3. W polu «Select language» wybierz polski, jeśli chcesz tekst w języku rozmowy – wróci bez tłumaczenia. Jeśli piszesz artykuł lub streszczenie po angielsku, wybierz angielski – dostaniesz przetłumaczony tekst. Tłumaczenie cytatów do publikacji i tak trzeba sprawdzić samodzielnie.
4. Kliknij «Transcribe audio» i nie zamykaj karty do końca – opuszczenie strony anuluje zadanie (kredyty za anulowane zadanie wracają na konto).
5. Pobierz «Download timestamped transcript» (plik z czasem, do pracy) oraz «Download transcript» (czysty tekst do aneksu).

Czego mydubly nie zrobi: nie oznaczy rozmówców, nie ma edytora transkryptu (poprawiasz pobrany plik w Wordzie lub innym edytorze), nie robi streszczeń ani kodowania, nie zanonimizuje danych za Ciebie. Nie przyjmie też notatek głosowych z WhatsAppa w formacie .opus – jeśli respondent przesłał odpowiedzi w ten sposób, przekonwertuj je najpierw do MP3 lub M4A w zaufanym konwerterze. Maksymalna długość jednego pliku to 2 godziny. Dźwięk jest przesyłany przez HTTPS, a nagranie i wyniki są usuwane z serwera w ciągu 30 minut od zakończenia zadania. To fakty techniczne, a nie opinia prawna – czy taki sposób przetwarzania mieści się w Twojej zgodzie na badanie, sprawdź z promotorem lub inspektorem ochrony danych. Pełny opis narzędzia znajdziesz na stronie zamiany audio na tekst (po angielsku).

Ile kosztuje transkrypcja kilku wywiadów

Transkrypcja kosztuje 1 kredyt za każdą rozpoczętą minutę, minimum 5 kredytów za plik. 1000 kredytów to 1 dolar, a po rejestracji dostajesz 100 darmowych kredytów.

Wybór innego języka w polu «Select language», czyli tłumaczenie tekstu, nie zmienia stawki – to wciąż poziom cenowy transkrypcji.

Weryfikacja ze słuchu – tego etapu nie da się pominąć

Automatyczny transkrypt to szkic. Najwięcej błędów pojawia się w nazwach własnych, skrótach branżowych, regionalizmach, liczbach i miejscach, gdzie dwie osoby mówią naraz. Rozmowa w kawiarni z ekspresem w tle albo przez telefon na głośniku da gorszy wynik niż nagranie w cichym pokoju – jeśli dopiero planujesz wywiady, przeczytaj, jak nagrać rozmowę zdalną (po angielsku).

Praktyczna kolejność: najpierw przeczytaj tekst bez słuchania i zaznacz miejsca podejrzane (dziwne słowa, zdania bez sensu), potem odsłuchaj tylko je, korzystając ze znaczników czasu. Fragmenty, które cytujesz w pracy, odsłuchaj w całości. Jeśli procedura badania to przewiduje, możesz też przesłać rozmówcy jego transkrypt do autoryzacji – o tym, jak to zrobić rzetelnie, pisze tekst o weryfikacji transkryptu przez uczestników (po angielsku).

Jak opisać transkrypcję w rozdziale metodologicznym

Recenzent powinien wiedzieć, jak powstał tekst, na którym opierasz analizę. Wystarczy kilka zdań, ale konkretnych: kto transkrybował, jakim narzędziem, w jakiej konwencji, jak weryfikowano zapis i jak anonimizowano dane.

Nie pisz, że „transkrypcję wykonał program”, jeśli ją poprawiałeś – to umniejsza Twoją pracę. Nie pisz też, że zapis jest „bezbłędny”: lepiej opisać procedurę kontroli.

Najczęstsze błędy przy transkrypcji wywiadów

• Zmiana konwencji po kilku wywiadach – potem cytaty z różnych rozmów wyglądają inaczej.
• Anonimizacja tylko imion, przy zostawionej nazwie wsi i zakładu pracy.
• Brak kopii zapasowej oryginalnych nagrań przed obróbką plików.
• Wklejanie surowego, niesprawdzonego tekstu do aneksu.
• Brak informacji o narzędziach i procedurze w metodologii.

Jeśli oprócz transkrypcji chcesz przygotować z wywiadu nagranego na wideo także napisy, opisuję to w poradniku o generowaniu napisów do filmu.