Door de redactie van whispertranscribe.ai · Laatst bijgewerkt: november 2026 · 13 minuten leestijd
Ja, AI kan kwalitatieve onderzoekstranscriptie verzorgen, maar alleen als eerste concept. Upload het interview, scheid de sprekers, exporteer de tekst en luister naar de hele opname terwijl je corrigeert. Je transcript wordt pas data nadat een onderzoeker het met de audio heeft vergeleken, de transcriptieregels van het onderzoek heeft toegepast en identificerende gegevens heeft verwijderd.
Hieronder: een transcriptiestijl kiezen, een werkwijze in zeven stappen, een kopieerbare controlelijst, de basis van anonimiseren en ethiek met officiële bronnen, en een gids voor exportformaten.
Kort antwoord: kun je AI gebruiken voor kwalitatieve onderzoekstranscriptie?
Ja, zolang je de uitvoer als ruw materiaal behandelt. Een AI-concept bespaart typen; het vervangt luisteren niet.
- Bepaal eerst de transcriptieregels: letterlijk of opgeschoond, sprekerslabels en markeringen voor pauzes en onduidelijke woorden.
- Maak een concept: upload elke opname met de juiste taal en sprekerherkenning ingeschakeld.
- Controleer, anonimiseer en analyseer: corrigeer met behulp van de audio, vervang namen door codes en importeer het opgeschoonde bestand in je analysesoftware.
Zorg dat je ethische goedkeuring en toestemmingsformulieren het gebruik van de tool dekken voordat je identificeerbare gegevens uploadt.
Welke transcriptiestijl heeft je onderzoek nodig?
Kies de stijl op basis van je analysemethode, niet op basis van snelheid. Een thematisch onderzoek naar wat mensen denken kan vaak met een opgeschoonde tekst werken; een onderzoek naar hoe mensen praten vereist dat elke aarzeling behouden blijft.
In een veel geciteerde paper beschrijven Oliver, Serovich en Mason (2005) transcriptie als een continuüm tussen twee vormen. Naturalisme legt elke uiting zo gedetailleerd mogelijk vast. Denaturalisme corrigeert grammatica, verwijdert interviewgeluiden zoals stotteren en pauzes en standaardiseert accenten die afwijken van de meerderheid. De auteurs plaatsen geen van beide boven de ander. Hun punt is dat de keuze je bevindingen en de representatie van deelnemers beïnvloedt en daarom vóór transcriptie bewust moet worden gemaakt. Ze bespreken bijvoorbeeld of het dialect van een deelnemer behouden blijft, terwijl die het transcript tijdens een deelnemerscontrole kan lezen.
| Stijl | Wat blijft staan | Wat verdwijnt | Wat een AI-concept van jou vraagt |
|---|---|---|---|
| Volledig letterlijk (naturaliserend) | Elk woord, stopwoord, valse start, herhaling, lach en gemarkeerde pauze | Niets dat hoorbaar was | Voeg weggelaten stopwoorden of herstarts terug; markeer pauze en lach handmatig |
| Opgeschoond letterlijk (denaturaliserend) | Alle betekenisvolle woorden in de eigen formulering van de spreker | Stopwoorden, stotteren, meeste herhalingen | Verwijder stopwoorden consequent; "verbeter" nooit grammatica of woordkeus van een deelnemer |
| Gedetailleerde conversatieanalyse-notatie | Getimede pauzes, overlap, nadruk, intonatie | Niets | Gebruik het concept alleen als woordenlijst; de notatie is handwerk |
| Bewerkte tekst of samenvatting | Hoofdpunten | Alles wat voor leesbaarheid niet nodig is | Geen transcript; de meeste kwalitatieve methoden accepteren dit niet als data |
Bewaar ongeacht de stijl een onaangetaste letterlijke master, ook als je een opgeschoonde kopie analyseert, en leg je regels in een kort protocol vast. Volgens de bibliotheekgids van University of Illinois is transcriptie zelf een analysehandeling: wat je opschrijft bepaalt wat je later kunt vinden.
Een transcriptieprotocol van één pagina (kopieer en pas aan)
TRANSCRIPTIEPROTOCOL PROJECT — VOORBEELD, pas aan je onderzoek aan
Stijl: Volledig letterlijk. Behoud stopwoorden (eh, uh), valse starts, herhalingen.
Sprekerslabels: I = interviewer. P01, P02... = deelnemers. Nooit echte namen.
Tijdstempels: Bij elke sprekerswisseling, formaat [hh:mm:ss].
Onduidelijke spraak: [onverstaanbaar hh:mm:ss] bij verloren woorden; [onzeker: woord] bij gokken.
Non-verbaal: [lacht] [pauze] [door elkaar] [telefoon gaat] tussen vierkante haken.
Overlap: Begin tweede spreker op nieuwe regel, markeer [overlap].
Luistersignalen: "mm-hm" interviewer tijdens deelnemer: weglaten / behouden (kies één).
Identificatie: Vervang bij anonimiseren door [beschrijving], log elke wijziging.
Taal: Transcribeer in gesproken taal; vertaal pas na controle.
Bestandsnamen: StudyCode_P01_v1-draft / v2-checked / v3-anonymised
AI-concept en onderzoekercontrole in 7 stappen
Stap 1 tot en met 4 vragen enkele minuten van je aandacht. In stap 5 gaat de meeste tijd zitten, en dat hoort zo.
Stap 1: neem op voor het transcript, niet alleen voor jezelf
Heldere audio is het belangrijkst voor de kwaliteit van het concept. Zet de recorder dichter bij de deelnemer dan bij jezelf, kies een rustige ruimte en doe een test van tien seconden. Gebruik voor interviews op afstand de recorder van het belplatform of een scherm- en audiorecorder in de browser nadat de deelnemer toestemming heeft gegeven en de organisator opname heeft toegestaan. Bij een gesprek op locatie met alleen een laptop kan een online voicerecorder tegelijk opnemen en transcriberen.
Stap 2: upload elk interview apart
Open de pagina voor interviewtranscriptie in een browser en kies vóór upload de gesproken taal. Eén bestand per interview houdt je dataset overzichtelijk. whispertranscribe.ai is een webtool voor AI-transcriptie die audio en video in meer dan 130 talen omzet naar tekst; het accepteert bestanden tot 5GB en 10 uur in gangbare formaten zoals MP3, WAV, M4A en MP4. Staat een opname al in Google Drive of Dropbox, dan kun je de link via Transcribe from URL plakken in plaats van eerst te downloaden.
Stap 3: schakel sprekerherkenning in
Schakel Enable Speaker Detection in zodat het concept het gesprek in beurten verdeelt. Dit is bij kwalitatief onderzoek extra belangrijk: een citaat van de deelnemer aan de interviewer toeschrijven is een datafout, geen typefout. Verwacht dat je enkele toeschrijvingen moet corrigeren, vooral bij overlap of vergelijkbare stemmen.
Stap 4: exporteer het concept
Download een werkkopie als DOCX of TXT om te bewerken. Label die als concept (v1), zodat niemand hem per ongeluk codeert. De formaatgids verderop legt uit welke export bij welke taak past.
Stap 5: corrigeer het concept met de audio
Luister naar de hele opname met het transcript open en stop waar tekst en audio verschillen. Herstel eerst sprekerslabels, daarna terugkerende verkeerd verstane termen met zoeken en vervangen, en luister vervolgens helemaal door. Speel elke passage die je mogelijk citeert opnieuw af. Spraakherkenning kan stopwoorden en herstarts weglaten of gladstrijken; ga er dus bij volledig letterlijk niet van uit dat het concept al volledig is.
Stap 6: anonimiseer een aparte kopie
Sla het gecorrigeerde bestand op als v2 en maak v3 voor anonimisering. Vervang namen en identificerende details consequent door beschrijvingen en leg elke wijziging vast in een logboek (zie hieronder). Doe dit na export offline in je eigen editor.
Stap 7: importeer in je analysesoftware
Importeer de geanonimiseerde versie in je kwalitatieve data-analysesoftware of in een document of spreadsheet als je handmatig codeert. whispertranscribe.ai koppelt niet rechtstreeks aan NVivo, ATLAS.ti, MAXQDA of andere analysepakketten; je exporteert en importeert zelf. Controleer in de importgids van je pakket de geaccepteerde formaten en verwerking van sprekersnamen.
Zo ziet een gecorrigeerd transcript eruit (voorbeeld)
De drie versies hieronder zijn fictief ter illustratie, geen uitvoer van een echt interview of test. Ze tonen het soort wijzigingen van stap 5 en 6.
VOORBEELD — v1, AI-concept (ongecorrigeerd)
Spreker 1: Wanneer ben je bij de kliniek gaan werken?
Spreker 2: Ik begon daar in 2019 denk ik. Mijn manager Sarah hielp me wennen.
Het was eerst moeilijk omdat ik uit Leeds was verhuisd.
VOORBEELD — v2, met audio gecontroleerd (volledig letterlijk)
[00:04:12] I: Wanneer ben je bij de kliniek gaan werken?
[00:04:15] P07: Ik, eh, ik begon daar in— volgens mij was het 2019. [pauze] Mijn manager
Sarah, zij hielp me echt wennen. Het was eerst moeilijk want ik was uit Leeds verhuisd.
VOORBEELD — v3, geanonimiseerd
[00:04:12] I: Wanneer ben je bij de kliniek gaan werken?
[00:04:15] P07: Ik, eh, ik begon daar in— volgens mij was het [jaar]. [pauze] Mijn manager
[manager 1], zij hielp me echt wennen. Het was eerst moeilijk want ik was verhuisd
uit [stad in Noord-Engeland].
Tussen v1 en v2 kwamen stopwoorden en de valse start terug, werd een pauze gemarkeerd, veranderde het formelere "omdat" in het gesproken "want", en werden algemene labels onderzoekscodes. De strekking verandert niet, maar elk detail kan voor de analyse belangrijk zijn.
Controlelijst voor interviewtranscripten
Gebruik deze lijst bij elk transcript voordat het de analyse in gaat. Je kunt hem rechtstreeks kopiëren naar een spreadsheet of labhandboek.
| Controle | Waarop letten | Zo herstel je het | Klaar |
|---|---|---|---|
| Sprekersbeurten | Regels bij de verkeerde persoon; één persoon verdeeld over twee labels | Luister bij elke wisseling; voeg samen of herlabel | ☐ |
| Sprekerscodes | Algemene labels of echte namen in labels | Vervang door I, P01, P02 volgens protocol | ☐ |
| Consistente stijl | Stopwoorden op de ene plek behouden, elders verwijderd | Pas de protocolregel op het hele bestand toe | ☐ |
| Woorden van deelnemer | Grammatica of dialect door concept "gecorrigeerd" | Herstel de exact gehoorde woorden | ☐ |
| Kerntermen | Verkeerd verstane vaktermen, plaatsen, producten of organisaties | Houd een termenlijst; zoek en vervang, controleer steekproefsgewijs | ☐ |
| Cijfers | Leeftijden, jaren, bedragen, aantallen | Controleer elk met audio; cijfers zijn makkelijk verkeerd te verstaan | ☐ |
| Ontkenningen | Ontbrekend of toegevoegd "niet", "nooit", "geen" | Speel zinnen terug waarvan betekenis van ontkenning afhangt | ☐ |
| Overlappende spraak | Door elkaar praten samengevoegd bij één spreker | Splits beurten en markeer overlap | ☐ |
| Onduidelijke passages | Gokwoorden als zeker gepresenteerd | Markeer als onverstaanbaar of onzeker met tijd | ☐ |
| Non-verbale signalen | Lachen, lange pauzes, emotie die betekenis verandert | Voeg notities tussen haken toe als protocol dat vraagt | ☐ |
| Citaten voor publicatie | Elke passage die je mogelijk citeert | Speel tweemaal af en bevestig woord voor woord | ☐ |
| Identificerende gegevens | Namen, werkplekken, plaatsen, zeldzame details blijven staan | Ga naar anonimiseren; log elke wijziging | ☐ |
Hoe lang duurt kwalitatieve transcriptie en wat kost het?
Handmatige transcriptie kost per uur audio meerdere uren; een AI-concept verschuift het grootste deel naar controle. De onderzoekstoolkit van International Rescue Committee schat drie tot 10 uur voor één uur opname, afhankelijk van detail, vaardigheid en audiokwaliteit.
Hier volgt de berekening voor een voorbeeldonderzoek. De controlecijfers zijn aannames ter illustratie, geen metingen; meet je eerste interview en pas aan.
| Voorbeeldonderzoek: 20 interviews × 60 minuten = 20 uur audio | Zelf typen | AI-concept + volledige controle |
|---|---|---|
| Tijd per uur audio | 3 tot 10 uur (IRC-schatting) | Aanname 1,5 tot 3 uur controle |
| Totale onderzoekerstijd | 60 tot 200 uur | 30 tot 60 uur |
Volledig luisteren kan niet sneller dan de opname zelf, dus plan minimaal de audiolengte per interview. Ruis, veel overlap en volledig letterlijk brengen je naar de bovenkant van de bandbreedte. Abonnementen van whispertranscribe.ai beginnen bij $9.99 per maand met jaarlijkse facturering; controleer actuele minuten en voorwaarden vóór je een subsidie begroot.
AI-transcriptie versus een menselijke dienst versus zelf doen
Elke route heeft een plaats. De juiste keuze hangt af van budget, planning en hoeveel contact je met de data wilt.
| Factor | AI-concept, jij controleert | Menselijke transcriptiedienst | Zelf vanaf nul transcriberen |
|---|---|---|---|
| Je tijd | Gemiddeld: eenmaal zorgvuldig luisteren en bewerken | Aanvankelijk laag, maar controleer nog steeds steekproefsgewijs | Hoogst |
| Kosten | Abonnement of betalen naar gebruik | Meestal per audiominuut; hoogste financiële kosten | Geen financiële kosten |
| Doorlooptijd | Concept binnen minuten | Vaak dagen, afhankelijk van leverancier en opdracht | Weken voor een volledig onderzoek |
| Nabijheid tot data | Hoog, want je luistert alles | Lager tenzij je controleert | Hoogst |
| Wie behandelt de audio nog meer | De aanbieder en vermelde verwerkers | Personeel van leverancier, vaak onder geheimhouding | Niemand |
| Geschikt voor | Meeste interviewonderzoeken met heldere audio | Grote gefinancierde projecten of wanneer onderzoekerstijd ontbreekt | Kleine steekproeven, conversatieanalyse, zeer gevoelige data |
whispertranscribe.ai valt alleen in de eerste kolom. Het is geautomatiseerd en biedt geen menselijke transcriptie of proeflezing.
Anonimisering, toestemming en ethische toetsing
Dit is algemene informatie, geen juridisch advies. De IRB of ethische commissie van je instelling en de door deelnemers ondertekende toestemming bepalen de werkelijke regels.
Vraag toestemming en goedkeuring die de tool dekken
Controleer vóór upload van identificeerbare opnamen naar een online dienst of je goedgekeurde protocol en toestemmingsformulier dat toestaan. In de VS vereist de Common Rule in 45 CFR 46.116 dat toestemmingsinformatie vermeldt in hoeverre de vertrouwelijkheid van identificerende dossiers wordt gehandhaafd. Het HHS Office for Human Research Protections verzamelt zijn richtlijnen voor geïnformeerde toestemming. Andere landen en instellingen hebben eigen regels; vraag je ethische afdeling wat geldt.
Vragen die je ethische afdeling over een transcriptietool kan stellen:
- Waar wordt audio verwerkt en welke derden behandelen die?
- Hoelang worden opnamen en transcripten bewaard en wie kan ze verwijderen?
- Wordt inhoud gebruikt voor training van AI-modellen of door mensen beoordeeld?
- Hoe zijn gegevens tijdens transport en opslag beschermd?
Anonimiseer met beschrijvingen, niet met lege plekken
De richtlijnen van UK Data Service voor anonimiseren van tekst adviseren directe identificatoren consequent te vervangen door pseudoniemen of betekenisvolle labels, te precieze details te veralgemeniseren en een anonimisatielogboek te bewaren. Alleen namen verwijderen is zelden voldoende: een zeldzaam beroep in een kleine gemeenschap of een gedetailleerde tijdlijn kan iemand nog steeds onthullen. Te ver anonimiseren is ook een risico: een transcript vol "X" verliest de context die analyse nodig heeft. Dezelfde richtlijn adviseert anonimiseringstools lokaal in plaats van op externe servers te draaien. UK Data Service biedt ook een gratis transcriptiesjabloon en geheimhoudingsovereenkomst voor transcribenten.
Een eenvoudig logboek, apart van de geanonimiseerde bestanden bewaard:
| Transcript | Origineel (veilig bewaren) | Vervanging | Reden |
|---|---|---|---|
| P07 | Voornaam van manager van deelnemer | [manager 1] | Direct identificerend gegeven |
| P07 | Woonplaats | [stad in Noord-Engeland] | Locatie kan identiteit afbakenen |
| P07 | Startjaar | [jaar] | Kan in combinatie met functie identificeren |
Wat het privacybeleid van whispertranscribe.ai zegt
Volgens het privacybeleid van whispertranscribe.ai, gelezen in november 2026, worden oorspronkelijk geüploade audio- en videobestanden automatisch verwijderd zodra verwerking voltooid is. Tijdens verwerking geëxtraheerde MP3's worden standaard 30 dagen bewaard, tenzij je ze eerder verwijdert. Transcripten blijven in je account tot je ze verwijdert; er worden geen diensten voor back-up of herstel van verwijderde inhoud aangeboden. Opnamen en transcripten worden niet gebruikt voor AI-training en volgens het beleid vindt geen menselijke beoordeling plaats. Gegevens zijn beschermd met TLS 1.3 tijdens transport en AES-256 bij opslag. Het beleid noemt OpenAI als AI-dienstverlener in de VS, wat je ethische afdeling mogelijk wil weten. whispertranscribe.ai publiceert geen documentatie voor HIPAA- of GDPR-naleving of SOC 2-rapport; heb je specifieke documentatie of verwerking binnen het land nodig, kies dan een aanbieder die daaraan voldoet.
Welk exportformaat moeten onderzoekers gebruiken?
whispertranscribe.ai exporteert DOCX, PDF, TXT, CSV, SRT en VTT. Kies volgens de volgende stap.
| Formaat | Gebruik in onderzoeksproject |
|---|---|
| DOCX | Corrigeren en anonimiseren in een tekstverwerker; bijgehouden wijzigingen voor een tweede controleur; import als document in analysesoftware |
| TXT | De eenvoudigste, meest overdraagbare kopie voor archief of tools die platte tekst willen |
| CSV | Segmenten rij voor rij controleren in een spreadsheet of sorteren op spreker voor een snelle telling van beurten |
| Vaste kopie voor deelnemerscontrole of begeleider, na anonimisering | |
| SRT of VTT | Tekst met tijdcodes bij videoanalyse of om in een mediaspeler tussen transcript en opname te springen |
Meertalige en interculturele interviews transcriberen
Transcribeer eerst in de gesproken taal en vertaal daarna. De IRC-toolkit noemt transcriptie in de brontaal vóór vertaling een best practice, omdat je de vertaling tijdens analyse met het origineel kunt blijven vergelijken.
whispertranscribe.ai ondersteunt meer dan 130 talen. De taallijst van de interviewpagina bevat regionale varianten zoals Spanish (Latin America) en French (Canada), plus modi "Noise / Low-Quality Audio/Video" voor veel talen, nuttig bij veldopnamen. Bij interviews waarin mensen van taal wisselen ondersteunt Multilingual Mix combinaties van Engels, Spaans, Frans, Duits, Hindi, Russisch, Portugees, Japans, Italiaans en Nederlands. Heb je een Engelse werkkopie nodig, gebruik dan afzonderlijk audio naar Engels vertalen en behoud het brontaaltranscript als primaire data.
Bij heldere audio kan de nauwkeurigheid tot 99% oplopen, maar achtergrondgeluid, sterke accenten en taalwisseling verlagen die. Plan extra controle voor niet-Engelse of gemengde interviews en laat passages die je wilt citeren controleren door een vaardige spreker.
Veelgestelde vragen
Kan AI-transcriptie worden gebruikt voor kwalitatieve onderzoeksinterviews?
Ja, zolang een onderzoeker elk transcript met de opname controleert. AI maakt snel een eerste concept met sprekersbeurten en tijdstempels en bespaart veel typwerk. Het kan nog steeds namen, cijfers en vaktermen verkeerd verstaan, regels aan de verkeerde spreker toewijzen en stopwoorden weglaten die je protocol vereist. Behandel het als werkkopie, corrigeer terwijl je de hele audio beluistert en anonimiseer vóór analyse.
Is AI-transcriptie nauwkeurig genoeg voor letterlijke citaten?
Niet zonder controle. Zelfs bij heldere audio kan één verkeerd verstaan woord de betekenis veranderen; ruis, accenten, overlap en vaktaal verlagen de nauwkeurigheid. whispertranscribe.ai bereikt tot 99% bij heldere audio, maar dat is een gunstige situatie, geen garantie voor jouw opname. Speel elke te citeren passage minimaal tweemaal af en bevestig die woord voor woord vóór opname in een paper of rapport.
Moeten kwalitatieve interviews volledig of opgeschoond letterlijk worden getranscribeerd?
Baseer je keuze op de analysemethode. Onderzoek je hoe mensen spreken, zoals bij discours- of conversatieanalyse, behoud dan volledig letterlijk met pauzes en stopwoorden. Gaat het om wat mensen zeggen, zoals bij veel thematisch onderzoek, dan kan opgeschoond letterlijk werken zolang de eigen woorden behouden blijven. Oliver, Serovich en Mason (2005) adviseren vooraf bewust te kiezen. Veel onderzoekers bewaren een letterlijke master en analyseren een schonere kopie.
Heb ik IRB-goedkeuring nodig voor een online transcriptietool?
Meestal moeten je ethische goedkeuring en toestemmingsformulier de omgang met opnamen dekken, inclusief diensten van derden. Eisen verschillen per instelling en land; vraag je IRB of ethische commissie vóór upload van identificeerbare audio. Zorg dat je kunt aangeven waar data wordt verwerkt, hoelang die blijft, of die AI traint en wie toegang heeft. Dit is algemene informatie, geen juridisch advies; regels van je instelling gaan voor.
Hoe lang duurt transcriptie van een interview van een uur?
Handmatig typen kost volgens de onderzoekstoolkit van International Rescue Committee ongeveer drie tot 10 uur, afhankelijk van detail en audiokwaliteit. Een AI-concept ontstaat snel; jouw tijd gaat naar controle: minimaal de lengte van de opname, omdat je alles moet luisteren, plus pauzes voor correctie. Meet je eerste interview en gebruik dat cijfer voor de rest van het onderzoek.
Welk bestandsformaat exporteer ik voor kwalitatieve analysesoftware?
DOCX of TXT is gebruikelijk voor import van interviews als document; DOCX is het eenvoudigst voor vooraf corrigeren en anonimiseren. CSV past bij coderen in een spreadsheet, SRT of VTT bij videoanalyse naast tekst. whispertranscribe.ai exporteert al deze formaten maar integreert niet rechtstreeks met NVivo, ATLAS.ti of MAXQDA. Controleer daarom de importgids van je software.
Maak van je volgende interview een gecontroleerd transcript
Upload een opname naar whispertranscribe.ai op de pagina voor interviewtranscriptie, schakel sprekerherkenning in en exporteer een DOCX-concept om met de audio te corrigeren. Wil je eerst de conceptkwaliteit op één bestand testen, gebruik dan de gratis pagina zonder account; de site toont de gratis hoeveelheid. Neem je seminars of groepssessies op? Vraag vóór opname de vereiste toestemmingen en toestemming van de organisator. De pagina voor transcriptie van colleges en seminars volgt dezelfde stappen; de functielijst behandelt de rest.
Gerelateerde gidsen: hoe nauwkeurig Whisper is, een telefoongesprek opnemen en wetgeving voor gespreksopnamen per staat.
Bronnen
- 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-auteursmanuscript
- University of Illinois Library. Kwalitatieve data-analyse: data transcriberen
- International Rescue Committee. Transcriptie en vertaling van kwalitatieve data, IRC-onderzoekstoolkit (PDF)
- eCFR. 45 CFR 46.116, Algemene eisen voor geïnformeerde toestemming
- HHS Office for Human Research Protections. Richtlijnen geïnformeerde toestemming
- UK Data Service. Tekstgegevens anonimiseren
- UK Data Service. Databeheer: tools en sjablonen
