Blog
Forschungstranskription für Interviews und Fokusgruppen
Autor: Hushscript Veröffentlicht: Zuletzt geprüft:
Eine Aufnahme ist noch keine Daten. Sie wird zu Daten, sobald jemand entschieden hat, was aufgeschrieben wird, wie Sprecher markiert werden, welche identifizierenden Details entfernt werden und wie die Datei aussieht, wenn sie in Ihrer Kodierungssoftware ankommt. Diese vier Entscheidungen sind Forschungstranskription, und jede von ihnen ist methodisch, nicht klerikal.
Sie vor dem ersten Interview zu treffen, ist weit günstiger, als sie beim vierzehnten Interview zu treffen. Hier ist, was jede Entscheidung verändert, was in Ihren Methodenteil gehört und wo automatische Transkription einer Studie wirklich hilft, statt den Ordner nur fertig aussehen zu lassen.
Wählen Sie die Transkriptart vor der ersten Sitzung
Es gibt kein neutrales Transkript. Jede Konvention macht manches sichtbar und verbirgt anderes, wählen Sie also anhand der Analyse, die Sie tatsächlich vorhaben.
| Transkriptart | Was erhalten bleibt | Passt zu |
|---|---|---|
| Wortgetreu | Füllwörter, Fehlstarts, Pausen, Überschneidungen | Konversations- und Diskursanalyse |
| Leicht bereinigt | Die Worte, ohne Füllwörter und Korrekturen | Thematische Analyse, Grounded Theory |
| Bereinigt | Redaktionell für Grammatik und Lesbarkeit überarbeitet | Zitate für Publikationen und Berichte |
| Denaturalisiert | Standardisierte Grammatik im gesamten Korpus | Fallübergreifender Vergleich, große Stichproben |
Der teure Fehler ist nicht die falsche Wahl, sondern die doppelte Wahl. Ein Korpus, der zur Hälfte wortgetreu und zur Hälfte bereinigt ist, lässt sich nicht konsistent kodieren, und zwanzig Interviews zur Reparatur neu zu transkribieren, ist ein Monat, den niemand eingeplant hat. Legen Sie die Konvention im Voraus schriftlich fest, einschließlich der Markierung von Lachen, Unterbrechungen und unverständlichen Passagen.
Was Maschinen richtig machen, und was sie verpassen
Automatische Transkription ist gut genug, um der erste Entwurf fast jeder Studie zu sein, aber nicht gut genug, um der letzte zu sein. Das Pew Research Center hat menschliche und maschinelle Transkription verglichen an aufgezeichneten Predigten und stellte fest, dass die Maschinen bei klarer, durchgehender Sprache mithielten, aber bei Eigennamen, Fachbegriffen und Passagen zurückfielen, in denen ein Sprecher Ton oder Lautstärke wechselte. Genau diese Passagen zitieren qualitativ Forschende meist.
Das praktikable Muster ist also ein Entwurf, den Sie nicht selbst getippt haben, gefolgt von einem Korrekturdurchgang, den Sie selbst gemacht haben. Hören Sie einmal parallel zum Audio mit, korrigieren Sie Namen und Terminologie, korrigieren Sie die Sprecherzuordnung über Übersprechen hinweg, und lassen Sie es dabei. Die Korrektur ist der Teil, der echte Zeit kostet, und der Teil, der sich nicht überspringen lässt.
Sprecherbeschriftungen sind bereits Pseudonyme
Die automatische Sprechertrennung teilt eine Aufnahme nach Stimme auf und beschriftet die Ergebnisse mit Sprecher 1, Sprecher 2 und so weiter. Sie erkennt Stimmen, keine Personen, was unauffällig nützlich ist: Die Beschriftung ist standardmäßig ein Pseudonym und bleibt eines, solange niemand einen echten Namen einträgt.
Lassen Sie es dabei. Benennen Sie Sprecher 1 einmal in P07 oder in eine Rollenbezeichnung um, und die Änderung zieht sich durch das gesamte Transkript und jeden Export, sodass ein Teilnehmer-ID-Schema konsistent angewendet wird, statt es an vierzig Stellen von Hand zu erledigen. Sprecherbeschriftungen sind bei jedem Hushscript-Transkript kostenlos, ohne Obergrenze für die Anzahl der Stimmen, was eine sechsköpfige Fokusgruppe braucht.
Die ehrliche Grenze ist Übersprechen. Wenn Teilnehmende gleichzeitig sprechen, braucht die Trennung einen menschlichen Durchgang, und die Zeitstempel sagen Ihnen, welche Minuten Sie sich noch einmal anhören sollten.
Die Transkriptionsmethode in der Arbeit angeben
Reviewer fragen zunehmend, wie der Text entstanden ist, nicht nur, was er sagt. Die Journal Article Reporting Standards der APA für qualitative Forschung verlangen von Autoren, zu beschreiben, wie Daten aufgezeichnet und umgewandelt wurden, was Transkription zu etwas macht, das Sie berichten, statt es vorauszusetzen.
Ein Methodenabsatz, der diese Fragen beantwortet, reicht meist aus:
- Welche Konvention. Wortgetreu, leicht bereinigt, bereinigt oder denaturalisiert, und warum sie zur Analyse passt.
- Wer den Text erstellt hat. Forschende selbst, ein Transkriptionsdienst, automatische Erkennung oder ein automatischer Entwurf mit Korrektur durch Forschende.
- Welche Qualitätskontrolle durchgeführt wurde. Wer gegen das Audio geprüft hat, an welcher Stichprobe, und wie Unstimmigkeiten gelöst wurden.
- Wie mit Sprache umgegangen wurde. Dialekt, Sprachwechsel, und wer übersetzt hat, wenn die Analysesprache von der Interviewsprache abweicht.
- Was entfernt wurde. Pseudonymisierungsregeln, geschwärzte Orte und Daten, verallgemeinerte Arbeitgeber und Berufsbezeichnungen.
Anonymisieren während der Transkription, nicht danach
Identifizierende Details tauchen mitten im Satz auf: ein Arbeitgeber, eine Station, eine Straße, ein Gerichtstermin, der eine Kollege, der die Geschichte wiedererkennen würde. Sie später zu entfernen bedeutet, den gesamten Korpus ein zweites Mal zu lesen, also bauen Sie es stattdessen in den Transkriptionsdurchgang ein.
Das im Transkript zu tun statt in exportierten Kopien bedeutet außerdem, dass die pseudonymisierte Version die einzige ist, die je in Umlauf kommt. Suchen-und-Ersetzen korrigiert einen wiederkehrenden Ortsnamen im gesamten Dokument in einem Schritt, und gespeicherte Wörterbücher tragen die Namen, Orte und das Fachvokabular der Studie in die Erkennung, sodass von vornherein weniger davon falsch zurückkommen.
Was Sie über die Plattform sagen können, zählt ebenso viel wie die Schwärzung. Hushscript löscht das Audio, sobald jedes Transkript fertig ist, und nutzt es nie zum Training von Modellen; Transkripte werden im Ruhezustand verschlüsselt, unter einem von Ihnen festgelegten Aufbewahrungsfenster von 7 bis 365 Tagen mit Überschreibungen pro Transkript; Löschvorgänge liefern Nachweise. Audio aus der EU, dem EWR, der Schweiz und dem Vereinigten Königreich wird in der EU verarbeitet. Für eine Aufnahme, die überhaupt kein gespeichertes Transkript hinterlassen soll, gibt Ihnen die private Transkription stattdessen eine passwortgeschützte .husharchive-Datei zurück.
Exportieren für die Software, die es empfängt
Ein Transkript bleibt selten dort, wo es entstanden ist. Es wandert in NVivo, ATLAS.ti, MAXQDA oder eine Tabelle und später in ein Manuskript. Reiner Text ist der Ort, an dem Sprecherbeschriftungen und Zeitstempel verloren gehen, wählen Sie das Format also nach seinem Ziel.
- Kodierungssoftware: CSV, TSV oder XLSX, die Sprecher und Zeitstempel als Spalten behalten.
- Skriptgesteuerte Pipelines: JSON, bei dem die Struktur bereits für Sie geparst ist.
- Schreiben und Anhänge: DOCX oder PDF.
- Archivierung: reiner Text neben einer Metadatendatei, die die verwendete Konvention festhält.
Hushscript exportiert 21 Formate ohne Wasserzeichen und bündelt die relevanten als Research-Pack. Dass Zeitstempel den Export überstehen, lässt ein Zitat in Ihren Ergebnissen auf die Sekunde zurückverweisen, in der es gesprochen wurde, und das ist der Unterschied zwischen einem zitierfähigen Transkript und einem langen Dokument.
Mehrsprachige Feldforschung ohne Anbieter pro Land
Eine vergleichende Studie sollte an jedem Standort keinen anderen Transkriptionsanbieter brauchen. Die Erkennung deckt mit automatischer Erkennung rund 99 Sprachen ab, mit der höchsten Genauigkeit bei einem Kernset von 18 Sprachvarianten, sodass ein einziger Arbeitsablauf die gesamte Stichprobe trägt.
Übersetzung ist eine von der Transkription getrennte Entscheidung, und die Reihenfolge zählt: erst in der gesprochenen Sprache transkribieren, dann übersetzen. Jedes Übersetzungsziel kostet zusätzlich 25 % der Aufnahmedauer und legt das Original und Ihre Arbeitssprache in Tabs desselben Dokuments ab, jede für sich exportierbar, sodass Sie die Worte der Teilnehmenden zitieren und in der Sprache kodieren, in der Sie denken. Berichten Sie, wer übersetzt hat und wie Unstimmigkeiten geklärt wurden, denn zwei Übersetzer werden denselben Satz nicht identisch wiedergeben.
Gegen die Förderlinie kalkulieren
Manuelle Transkription wird in Forschungsstunden bepreist, und zwanzig einstündige Interviews sind genau die Art von Zahl, die still ein Semester auffrisst. Automatische Transkription verschiebt das in eine Budgetposition, die klein genug ist, um keine Einschränkung der Stichprobengröße mehr zu sein.
Hushscript verkauft vorausbezahlte Minuten statt eines Abos, sodass Feldforschungsmonate kosten, was sie verbrauchen, und Schreibmonate nichts kosten. Beim größten Paket, 49,99 $ für 100 Stunden, kommen zwanzig einstündige Interviews auf etwa 10 $ und eine 90-minütige Fokusgruppe auf etwa 0,75 $. Minuten bleiben 365 Tage gültig, und jede Transkription oder jeder Kauf setzt dieses Fenster zurück, was zu einer Studie passt, die für eine Ethikgenehmigung pausiert. Neue Konten erhalten 30 kostenlose Minuten, freigeschaltet entweder durch eine Kartenprüfung über 1 $, die autorisiert und sofort freigegeben wird, ohne dass eine Belastung erfolgt, oder durch Ihren ersten Kauf, wenn Sie anders bezahlen.
Wo Sie anfangen sollten
Nehmen Sie das letzte Interview, das Sie tatsächlich aufgezeichnet haben, nicht eine saubere Testdatei. Schicken Sie es durch die Forschungstranskription und lesen Sie die ersten 5 Minuten, die zurückkommen: Das zeigt Ihnen, wie sich die Sprechererkennung bei Ihren Teilnehmenden, Ihrem Raum und Ihren Akzenten verhält, und das ist die einzige Genauigkeitszahl, die für Ihre Studie überhaupt etwas bedeutet.
Schreiben Sie die Konvention dann in Ihr Protokoll, solange noch dreißig Interviews übrig sind, auf die Sie sie anwenden können.
Unabhängige Quellen und Standards
Hushscript hat diese unabhängigen, nicht konkurrierenden Quellen herangezogen. Sie erläutern Forschung, Standards oder Plattformfunktionen und stellen keine Empfehlung durch Hushscript dar.
Quellen geprüft am: