whispertranscribe.ai-toimitus · Päivitetty viimeksi: marraskuu 2026 · Lukuaika 13 min
AI voi tehdä laadullisen tutkimuksen litteroinnin, mutta vain ensimmäiseksi luonnokseksi. Lataa haastattelu, erota puhujat, vie teksti ja kuuntele koko tallenne korjatessasi. Litteroinnista tulee aineistoa vasta, kun tutkija on tarkistanut sen ääntä vasten, soveltanut tutkimuksen sääntöjä ja poistanut tunnistetiedot.
Alla: litterointityylin valinta, seitsemänvaiheinen työnkulku, kopioitava tarkistuslista, anonymisoinnin ja etiikan perusteet virallisine lähteineen sekä vientimuotojen opas.
Lyhyt vastaus: voiko AI:ta käyttää laadullisen tutkimuksen litterointiin?
Voi, kunhan tulosta käsitellään raakamateriaalina. AI-luonnos säästää kirjoittamista, mutta ei korvaa kuuntelemista.
- Päätä litterointisäännöt ensin: sanatarkka vai siistitty, puhujamerkinnät sekä taukojen ja epäselvien sanojen merkintätapa.
- Luo luonnos: lataa kukin tallenne oikealla kielellä ja puhujantunnistus käytössä.
- Tarkista, anonymisoi ja analysoi: korjaa teksti äänen perusteella, korvaa nimet koodeilla ja tuo siistitty tiedosto analyysiohjelmaan.
Varmista ennen tunnistettavan aineiston lataamista, että eettinen hyväksyntä ja suostumuslomakkeet kattavat työkalun.
Minkä litterointityylin tutkimus tarvitsee?
Valitse tyyli analyysimenetelmän, älä nopeuden perusteella. Temaattinen tutkimus ihmisten ajatuksista voi yleensä käyttää siistimpää tekstiä; puhetapaa tutkittaessa epäröinnit on säilytettävä.
Laajasti siteeratussa artikkelissa Oliver, Serovich ja Mason (2005) kuvaavat litterointia jatkumona kahden tavan välillä. Naturalismi tallentaa jokaisen ilmauksen mahdollisimman yksityiskohtaisesti. Denaturalismi korjaa kielioppia, poistaa haastattelun häiriöitä kuten änkytystä ja taukoja sekä yhdenmukaistaa valtavirrasta poikkeavia aksentteja. Kirjoittajat eivät aseta tapoja paremmuusjärjestykseen. Heidän mukaansa valinta vaikuttaa tuloksiin ja osallistujien esittämiseen, joten se on tehtävä harkiten ennen litterointia. He kuvaavat esimerkiksi keskustelua siitä, säilytetäänkö osallistujan murre, kun tämä voi lukea tekstin osallistujatarkistuksessa.
| Tyyli | Mitä säilytetään | Mitä poistetaan | Mitä AI-luonnokselle tehdään |
|---|---|---|---|
| Täysin sanatarkka (naturalisoitu) | Jokainen sana, täytesana, keskeytys, toisto, nauru ja merkitty tauko | Ei mitään kuultavaa | Palauta tasoitetut täytesanat ja aloitukset; lisää tauko- ja naurumerkinnät käsin |
| Siistitty sanatarkka (denaturalisoitu) | Kaikki merkitykselliset sanat puhujan omassa muodossa | Täytesanat, änkytys ja useimmat toistot | Poista täytesanat johdonmukaisesti; älä koskaan ”korjaa” osallistujan kielioppia tai sanavalintoja |
| Yksityiskohtainen keskustelunanalyysin merkintä | Ajastetut tauot, päällekkäisyydet, painotus, intonaatio | Ei mitään | Käytä luonnosta vain sanalistana; merkinnät tehdään käsin |
| Toimitettu teksti tai yhteenveto | Pääkohdat | Kaikki luettavuuden kannalta tarpeeton | Ei ole litterointi; useimmat laadulliset menetelmät eivät hyväksy sitä aineistoksi |
Säilytä tyylistä riippumatta koskematon sanatarkka pääversio, vaikka analysoisit siistittyä kopiota, ja kirjoita säännöt lyhyeen protokollaan. Illinoisin yliopiston kirjaston oppaan mukaan litterointi itsessään on analyysia: kirjattu sisältö vaikuttaa myöhempiin havaintoihin.
Yhden sivun litterointiprotokolla (kopioi ja sovita)
HANKKEEN LITTEROINTIPROTOKOLLA — ESIMERKKI, sovita tutkimukseesi
Tyyli: Täysin sanatarkka. Säilytä täytesanat, keskeytykset ja toistot.
Puhujat: I = haastattelija. P01, P02... = osallistujat. Ei oikeita nimiä.
Aikaleimat: Jokaisen puhujanvaihdoksen kohdalla, muoto [hh:mm:ss].
Epäselvä puhe: [ei kuulu hh:mm:ss] kadonneille sanoille; [epävarma: sana] arvauksille.
Sanaton: [nauraa] [tauko] [päällekkäistä puhetta] [puhelin soi] hakasulkeissa.
Päällekkäisyys: Aloita toinen puhuja uudelta riviltä, merkitse [päällekkäin].
Kuittaukset: Haastattelijan ”mm” osallistujan puhuessa: poista / säilytä (valitse).
Tunnisteet: Korvaa anonymisoinnissa [kuvauksella], kirjaa jokainen muutos.
Kieli: Litteroi puhutulla kielellä; käännä vasta tarkistuksen jälkeen.
Tiedostonimet: StudyCode_P01_v1-draft / v2-checked / v3-anonymised
AI-luonnos ja tutkijan tarkistus seitsemässä vaiheessa
Vaiheet 1–4 vievät huomiotasi minuutteja. Varsinainen aika kuluu vaiheeseen 5, ja niin pitääkin.
Vaihe 1: Nauhoita litterointia varten
Selkeä ääni on tärkeintä luonnoksen laadulle. Sijoita tallennin lähemmäs osallistujaa kuin itseäsi, valitse hiljainen huone ja tee kymmenen sekunnin koe. Etähaastattelussa hanki ensin osallistujan ja järjestäjän tarvittavat suostumukset ja käytä sitten kokousalustan tallenninta tai selaimen näytön- ja äänen tallenninta. Paikan päällä pelkällä kannettavalla verkkosanelin tallentaa ja litteroi yhdellä kertaa.
Vaihe 2: Lataa haastattelut erikseen
Avaa haastattelun litterointisivu selaimessa ja valitse puhuttu kieli ennen latausta. Yksi tiedosto haastattelua kohti pitää aineiston järjestyksessä. whispertranscribe.ai on verkkopohjainen AI-työkalu, joka muuttaa äänen ja videon tekstiksi yli 130 kielellä; se hyväksyy enintään 5GB:n ja 10 tunnin tiedostot yleisissä muodoissa kuten MP3, WAV, M4A ja MP4. Jos tallenne on Google Drivessa tai Dropboxissa, liitä linkki Transcribe from URL -toiminnolla lataamisen sijaan.
Vaihe 3: Ota puhujantunnistus käyttöön
Ota Enable Speaker Detection käyttöön, jotta luonnos jakaa keskustelun puheenvuoroihin. Tämä on laadullisessa tutkimuksessa erityisen tärkeää: haastattelijalle osallistujan sijaan annettu lainaus on aineistovirhe, ei kirjoitusvirhe. Varaudu korjaamaan merkintöjä etenkin päällekkäisessä puheessa ja samankaltaisten äänien kohdalla.
Vaihe 4: Vie luonnos
Lataa työkopio DOCX- tai TXT-muodossa muokkausta varten. Merkitse se luonnokseksi (v1), ettei kukaan koodaa sitä vahingossa. Alempana oleva opas selittää sopivat vientimuodot.
Vaihe 5: Korjaa luonnos äänen perusteella
Kuuntele koko tallenne litterointi auki ja pysähdy, kun teksti ja ääni eroavat. Korjaa ensin puhujat, sitten toistuvat väärin kuullut termit etsi ja korvaa -toiminnolla ja kuuntele koko aineisto. Toista jokainen mahdollinen lainaus. Puheentunnistus voi poistaa tai siistiä täytesanoja ja aloituksia, joten älä oleta luonnoksen olevan sanatarkka, jos protokolla sitä vaatii.
Vaihe 6: Anonymisoi erillinen kopio
Tallenna korjattu tiedosto v2:ksi ja luo sitten v3 anonymisointiin. Korvaa nimet ja tunnistetiedot johdonmukaisilla kuvauksilla ja kirjaa muutokset lokiin (katso alla). Tee tämä viennin jälkeen offline omassa editorissasi.
Vaihe 7: Tuo analyysiohjelmaan
Tuo anonymisoitu versio laadullisen aineiston analyysiohjelmaan tai asiakirjaan tai taulukkoon, jos koodaat käsin. whispertranscribe.ai ei yhdisty suoraan NVivoon, ATLAS.ti:hin, MAXQDA:han tai muihin analyysiohjelmiin; viet tiedoston ja tuot sen itse. Tarkista ohjelman tuontiohjeesta hyväksytyt muodot ja puhujanimien käsittely.
Miltä korjattu litterointi näyttää? (esimerkki)
Alla olevat kolme versiota on keksitty havainnollistamista varten; ne eivät ole oikeasta haastattelusta tai testistä. Ne näyttävät vaiheiden 5 ja 6 muutoksia.
ESIMERKKI — v1, AI-luonnos (korjaamaton)
Puhuja 1: Milloin aloitit klinikalla työskentelyn?
Puhuja 2: Aloitin siellä vuonna 2019 luullakseni. Esihenkilöni Sarah auttoi minua sopeutumaan.
Aluksi oli vaikeaa, koska muutin Leedsistä.
ESIMERKKI — v2, tarkistettu ääneen (täysin sanatarkka)
[00:04:12] I: Milloin aloitit klinikalla työskentelyn?
[00:04:15] P07: Mä, öö, aloitin siellä vuonna— se oli 2019, luulisin. [tauko] Esihenkilöni
Sarah auttoi mua todella sopeutumaan. Aluksi oli vaikeaa ku olin muuttanut Leedsistä.
ESIMERKKI — v3, anonymisoitu
[00:04:12] I: Milloin aloitit klinikalla työskentelyn?
[00:04:15] P07: Mä, öö, aloitin siellä vuonna— se oli [vuosi], luulisin. [tauko] Esihenkilöni
[esihenkilö 1] auttoi mua todella sopeutumaan. Aluksi oli vaikeaa ku olin muuttanut
[kaupunki Pohjois-Englannissa].
Versioiden v1 ja v2 välillä täytesanat ja keskeytynyt aloitus palautettiin, tauko merkittiin, yleiskielinen ”koska” vaihtui puhujan käyttämään puhekieliseen ”ku”-muotoon ja yleisnimet tutkimuskoodeihin. Ydinmerkitys ei muutu, mutta kaikki voivat vaikuttaa analyysiin.
Haastattelulitteroinnin tarkistuslista
Käytä tätä ennen jokaisen litteroinnin analysointia. Listan voi kopioida suoraan taulukkoon tai laboratorion käsikirjaan.
| Tarkista | Mitä etsiä | Korjaus | Valmis |
|---|---|---|---|
| Puheenvuorot | Väärälle henkilölle annetut rivit; yksi henkilö kahdella tunnisteella | Kuuntele puhujanvaihdokset; yhdistä tai nimeä uudelleen | ☐ |
| Puhujakoodit | Yleiset tunnisteet tai oikeat nimet | Korvaa protokollan I-, P01- ja P02-koodeilla | ☐ |
| Tyylin johdonmukaisuus | Täytesanoja säilytetty yhdessä ja poistettu toisessa kohdassa | Noudata protokollaa koko tiedostossa | ☐ |
| Osallistujan sanamuoto | Luonnos on ”korjannut” kieliopin tai murteen | Palauta äänessä kuullut sanat | ☐ |
| Keskeiset termit | Väärin kuultu ammattikieli, paikka, tuote tai organisaatio | Pidä termilista; korjaa etsi ja korvaa -toiminnolla ja tarkista näytteet | ☐ |
| Numerot | Iät, vuodet, määrät ja summat | Vertaa jokainen ääneen; numerot kuullaan helposti väärin | ☐ |
| Kiellot | Puuttuva tai lisätty ”ei”, ”ei koskaan” | Kuuntele uudelleen lauseet, joiden merkitys riippuu kiellosta | ☐ |
| Päällekkäinen puhe | Kahden puhe yhdistetty yhden riville | Erota puheenvuorot ja merkitse päällekkäisyys | ☐ |
| Epäselvät kohdat | Arvatut sanat esitetty varmoina | Merkitse epäselväksi tai kuulumattomaksi ajan kanssa | ☐ |
| Sanattomat vihjeet | Nauru, pitkät tauot ja merkitystä muuttavat tunteet | Lisää hakasulkeisiin protokollan mukaan | ☐ |
| Julkaistavat lainaukset | Jokainen mahdollinen lainaus | Kuuntele kahdesti ja vahvista sanasta sanaan | ☐ |
| Tunnistetiedot | Jäljellä nimet, työpaikat, kaupungit ja harvinaiset yksityiskohdat | Siirry anonymisointiin; kirjaa muutokset | ☐ |
Kuinka kauan laadullinen litterointi kestää ja maksaa?
Manuaalinen litterointi vie useita tunteja yhtä äänituntia kohti; AI-luonnos siirtää suurimman osan ajasta tarkistukseen. International Rescue Committeen tutkimustyökalupakki arvioi yhden tunnin tallenteen litterointiin 3–10 tuntia yksityiskohtaisuuden, taidon ja äänenlaadun mukaan.
Esimerkkitutkimuksen laskelma: tarkistusajat ovat havainnollistavia oletuksia, eivät mittaustuloksia. Mittaa ensimmäinen haastattelu ja tarkenna arviota.
| Esimerkkitutkimus: 20 haastattelua × 60 minuuttia = 20 tuntia ääntä | Kirjoitat itse | AI-luonnos ja täydellinen tarkistus |
|---|---|---|
| Aika äänituntia kohti | 3–10 tuntia (IRC:n arvio) | Oletus 1.5–3 tuntia tarkistusta |
| Tutkijan kokonaisaika | 60–200 tuntia | 30–60 tuntia |
Koko tallenteen tarkistus ei voi olla tallennetta nopeampi, joten varaa vähintään äänitteen pituus haastattelua kohti. Melu, voimakas päällekkäinen puhe ja täysin sanatarkka protokolla vievät lähemmäs ylärajaa. whispertranscribe.ai:n tilaukset alkavat hinnasta $9.99/kk vuosilaskutuksella; tarkista nykyiset minuutit ja ehdot ennen apurahabudjettia.
AI-litterointi, ihmispalvelu ja itse tekeminen
Jokaisella on paikkansa. Valinta riippuu budjetista, aikataulusta ja siitä, miten paljon haluat olla tekemisissä aineiston kanssa.
| Tekijä | AI-luonnos, oma tarkistus | Ihmisen litterointipalvelu | Litteroit itse alusta |
|---|---|---|---|
| Oma aika | Kohtalainen: huolellinen kuuntelu ja korjaukset | Aluksi pieni, mutta pistotarkistus on silti hyvä | Suurin |
| Kustannus | Tilaus tai käyttöperusteinen maksu | Yleensä ääniminuuteista; suurin rahallinen kulu | Ei rahallista kulua |
| Läpimeno | Luonnos minuuteissa | Usein päiviä toimittajan ja tilauksen mukaan | Kokonaiseen tutkimukseen viikkoja |
| Läheisyys aineistoon | Suuri, koska kuuntelet kaiken | Pienempi ilman tarkistusta | Suurin |
| Ketkä muut käsittelevät ääntä | Työkalun tarjoaja ja ilmoitetut käsittelijät | Toimittajan henkilöstö, usein salassapitosopimuksella | Ei kukaan |
| Paras käyttö | Useimmat selkeän äänen haastattelututkimukset | Suuret rahoitetut hankkeet tai tutkijan aikapula | Pienet otokset, keskustelunanalyysi, erittäin arkaluonteinen aineisto |
whispertranscribe.ai kuuluu vain ensimmäiseen sarakkeeseen. Se on automaattinen työkalu eikä tarjoa ihmisen litterointia tai oikolukua.
Anonymisointi, suostumus ja eettinen arviointi
Tämä on yleistä tietoa, ei oikeudellista neuvontaa. Todelliset säännöt määräytyvät organisaation IRB:n tai tutkimuseettisen toimikunnan sekä osallistujan allekirjoittaman suostumuksen mukaan.
Hanki työkalun kattava suostumus ja hyväksyntä
Tarkista ennen tunnistettavien tallenteiden lataamista verkkopalveluun, että hyväksytty protokolla ja suostumuslomake sallivat sen. Yhdysvaltain Common Rule kohdassa 45 CFR 46.116 edellyttää tietoa siitä, missä määrin tunnistettavien tietojen luottamuksellisuus säilytetään. HHS Office for Human Research Protections kokoaa tietoisen suostumuksen ohjeet. Muilla mailla ja organisaatioilla on omat sääntönsä, joten kysy eettiseltä toimikunnalta.
Toimikunta voi kysyä litterointityökalusta:
- Missä ääni käsitellään ja mitkä kolmannet osapuolet käsittelevät sitä?
- Kauanko tallenteita ja litterointeja säilytetään ja kuka voi poistaa ne?
- Käytetäänkö sisältöä AI-mallien koulutukseen tai tarkistavatko ihmiset sitä?
- Miten tiedot suojataan siirrossa ja levossa?
Anonymisoi kuvauksilla, älä tyhjillä kohdilla
UK Data Servicen tekstiaineiston anonymisointiohje suosittelee suorien tunnisteiden johdonmukaista korvaamista peitenimillä tai merkityksellisillä kuvauksilla, liian tarkkojen tietojen yleistämistä ja anonymisointilokia. Pelkkä nimien poisto ei yleensä riitä: harvinainen työ pienessä yhteisössä tai tarkka aikajana voi paljastaa henkilön. Liiallinen anonymisointi on myös riski: täynnä X-merkkejä olevasta tekstistä katoaa analyysin konteksti. Sama ohje suosittelee anonymisointityökaluja paikallisesti ulkoisten palvelinten sijaan. UK Data Service tarjoaa myös maksuttoman litterointipohjan ja litteroijan salassapitosopimuksen.
Yksinkertainen loki, säilytä erillään anonymisoiduista tiedostoista:
| Litterointi | Alkuperäinen (säilytä turvallisesti) | Korvaus | Syy |
|---|---|---|---|
| P07 | Osallistujan esihenkilön etunimi | [esihenkilö 1] | Suora tunniste |
| P07 | Kotikaupunki | [kaupunki Pohjois-Englannissa] | Paikka voi rajata henkilöllisyyttä |
| P07 | Aloitusvuosi | [vuosi] | Voi yhdessä tehtävän kanssa tunnistaa |
Mitä whispertranscribe.ai:n tietosuojakäytäntö sanoo?
Seuraava perustuu whispertranscribe.ai:n tietosuojakäytäntöön, luettu marraskuussa 2026. Alkuperäiset ladatut ääni- ja videotiedostot poistetaan automaattisesti käsittelyn jälkeen. Käsittelyssä erotetut MP3-tiedostot säilyvät oletuksena 30 päivää, ellei niitä poisteta aiemmin. Litteroinnit säilyvät tilillä poistamiseen asti, ja poisto on pysyvä; poistettua sisältöä varten ei tarjota varmuuskopiointi- tai palautuspalvelua. Tallenteita ja litterointeja ei käytetä AI-mallien koulutukseen eikä käytännön mukaan ihminen tarkista niitä. TLS 1.3 suojaa siirrettävät ja AES-256 tallennetut tiedot. OpenAI on mainittu AI-palveluntarjoajana Yhdysvalloissa, mikä voi olla eettiselle toimikunnalle tärkeää. whispertranscribe.ai ei esitä HIPAA- tai GDPR-vaatimustenmukaisuuden dokumentaatiota eikä SOC 2 -raporttia; jos tutkimus vaatii niitä tai käsittelyä tietyssä maassa, valitse vaatimukset täyttävä tarjoaja.
Mikä vientimuoto sopii tutkijalle?
whispertranscribe.ai vie DOCX-, PDF-, TXT-, CSV-, SRT- ja VTT-tiedostoja. Valitse seuraavan vaiheen mukaan.
| Muoto | Käyttö tutkimushankkeessa |
|---|---|
| DOCX | Korjaus ja anonymisointi tekstinkäsittelyssä; jäljitetyt muutokset toiselle tarkistajalle; tuonti analyysiohjelman dokumentiksi |
| TXT | Yksinkertaisin siirrettävä kopio arkistointiin tai pelkkää tekstiä suosiviin työkaluihin |
| CSV | Segmenttien rivikohtainen tarkistus taulukossa tai lajittelu puhujittain puheenvuorojen laskemiseksi |
| Muuttumaton kopio osallistujatarkistukseen tai ohjaajalle anonymisoinnin jälkeen | |
| SRT tai VTT | Aikakoodattu teksti videoanalyysiin tai siirtymiseen tekstin ja tallenteen välillä mediasoittimessa |
Monikielisten ja kulttuurienvälisten haastattelujen litterointi
Litteroi ensin puhutulla kielellä ja käännä vasta sitten. IRC:n työkalupakki pitää alkukielistä litterointia ennen käännöstä hyvänä käytäntönä, koska käännöstä voi verrata alkuperäiseen analyysin aikana.
whispertranscribe.ai tukee yli 130 kieltä. Haastattelusivulla on alueellisia variantteja, kuten espanja (Latinalainen Amerikka) ja ranska (Kanada), sekä monille kielille ”Noise / Low-Quality Audio/Video” -tilat kenttätallenteisiin. Kieltä vaihtaville haastatteluille Multilingual Mix kattaa englannin, espanjan, ranskan, saksan, hindin, venäjän, portugalin, japanin, italian ja hollannin. Kun tarvitset englanninkielisen työkopion, käännä ääni englanniksi erikseen ja säilytä alkukielinen teksti ensisijaisena aineistona.
Tarkkuus on selkeällä äänellä jopa 99 %, mutta melu, vahvat aksentit ja kielenvaihto heikentävät sitä. Varaa lisätarkistusta muille kuin englanninkielisille tai sekakielisille haastatteluille ja pyydä sujuvaa puhujaa tarkistamaan lainattavat kohdat.
Usein kysytyt kysymykset
Voiko AI-litterointia käyttää laadullisissa tutkimushaastatteluissa?
Kyllä, kun tutkija tarkistaa jokaisen tekstin tallennetta vasten. AI tekee nopeasti ensimmäisen luonnoksen puheenvuoroineen ja aikaleimoineen, mikä vähentää kirjoittamista. Se voi silti kuulla nimiä, numeroita ja termejä väärin, antaa rivejä väärälle puhujalle ja poistaa protokollan vaatimia täytesanoja. Käsittele luonnosta työkopiona, korjaa koko ääntä kuunnellen ja anonymisoi ennen analyysia.
Riittääkö AI-litteroinnin tarkkuus sanatarkkoihin lainauksiin?
Ei ilman tarkistusta. Yksi väärin kuultu sana voi muuttaa lainauksen merkityksen selkeässäkin äänessä, ja melu, aksentit, päällekkäinen puhe ja erikoissanasto heikentävät tarkkuutta. whispertranscribe.ai saavuttaa jopa 99 % selkeällä äänellä, mutta se on paras tilanne, ei takuu omalle tallenteellesi. Kuuntele jokainen lainattava kohta vähintään kahdesti ja varmista sanasta sanaan ennen julkaisua.
Pitääkö laadulliset haastattelut litteroida sanatarkasti vai siistitysti?
Valinta riippuu analyysimenetelmästä. Jos tutkit puhetapaa, kuten diskurssi- tai keskustelunanalyysissa, säilytä tauot ja täytesanat. Jos tarkastelet puheen sisältöä, kuten monissa temaattisissa tutkimuksissa, siistitty sanatarkka teksti voi riittää, kun osallistujan omat sanat säilyvät. Oliver, Serovich ja Mason (2005) suosittelevat tietoista päätöstä ennen litterointia. Monet säilyttävät sanatarkan pääversion ja analysoivat siistittyä kopiota.
Tarvitsenko IRB-hyväksynnän verkkolitterointiin?
Yleensä eettisen hyväksynnän ja suostumuslomakkeen on katettava tallenteiden käsittely, mukaan lukien ulkopuoliset palvelut. Vaatimukset vaihtelevat organisaation ja maan mukaan, joten kysy IRB:ltä tai tutkimuseettiseltä toimikunnalta ennen tunnistettavan äänen lataamista. Valmistele vastaukset käsittelypaikasta, säilytysajasta, AI-koulutuksesta ja pääsystä tietoihin. Tämä on yleistä tietoa, ei oikeudellista neuvontaa; organisaatiosi säännöt ovat ensisijaisia.
Kuinka kauan tunnin haastattelun litterointi kestää?
International Rescue Committeen työkalupakin mukaan käsin kirjoittaminen vie noin 3–10 tuntia yksityiskohtaisuuden ja äänenlaadun mukaan. AI-luonnos valmistuu nopeasti, mutta oma aika kuluu tarkistukseen: vähintään tallenteen verran, koska kaikki on kuunneltava, sekä korjaustauot. Mittaa ensimmäinen haastattelu ja suunnittele loput sen perusteella.
Missä muodossa vien laadullisen analyysiohjelman aineiston?
DOCX tai TXT on tavallinen valinta haastattelujen tuomiseksi dokumentteina, ja DOCX on helpoin ensin korjata ja anonymisoida. CSV sopii taulukkokoodaukseen, SRT tai VTT videon ja tekstin rinnakkaiseen analyysiin. whispertranscribe.ai vie kaikki nämä mutta ei yhdisty suoraan NVivoon, ATLAS.ti:hin tai MAXQDA:han, joten tarkista ohjelman tuontiohje.
Muuta seuraava haastattelu tarkistetuksi litteroinniksi
Lataa tallenne whispertranscribe.ai:n haastattelun litterointisivulle, ota puhujantunnistus käyttöön ja vie DOCX-luonnos korjattavaksi äänen perusteella. Jos haluat kokeilla luonnoksen laatua ensin yhdellä tiedostolla, käytä ilmaista sivua ilman tiliä; sivusto näyttää ilmaisen määrän. Tallennatko seminaareja tai ryhmätilaisuuksia? Luentojen ja seminaarien litterointisivu seuraa samoja vaiheita, ja ominaisuusluettelo kattaa loput.
Aiheeseen liittyvät oppaat: kuinka tarkka Whisper on, puhelun tallentaminen ja puhelun tallennuslait osavaltioittain.
Lähteet
- Oliver, D. G., Serovich, J. M., & Mason, T. L. (2005). Constraints and opportunities with interview transcription: Towards reflection in qualitative research. Social Forces, 84(2), 1273–1289. PMC author manuscript
- University of Illinois Library. Qualitative Data Analysis: Transcribing Data
- International Rescue Committee. Qualitative Data Transcription and Translation, IRC Research Toolkit (PDF)
- eCFR. 45 CFR 46.116, General requirements for informed consent
- HHS Office for Human Research Protections. Informed Consent guidance
- UK Data Service. Anonymisation for text data
- UK Data Service. Managing data: tools and templates
