whispertranscribe.ai Editör Ekibi · Son güncelleme: Kasım 2026 · 13 dakikalık okuma
Evet, yapay zekâ nitel araştırma transkripsiyonunda kullanılabilir, ancak yalnızca ilk taslak için. Görüşmeyi yükleyin, konuşmacıları ayırın, metni dışa aktarın ve düzeltirken kaydın tamamını dinleyin. Döküm ancak bir araştırmacı sesle karşılaştırıp araştırmanın transkripsiyon kurallarını uyguladıktan ve kimlik belirleyici bilgileri çıkardıktan sonra veri hâline gelir.
Aşağıda transkripsiyon biçimi seçimi, yedi adımlı iş akışı, kopyalanabilir bir kontrol listesi, resmî kaynaklarla anonimleştirme ve etik esasları ve dışa aktarma biçimleri yer alıyor.
Kısa yanıt: Nitel araştırma transkripsiyonunda yapay zekâ kullanılabilir mi?
Çıktıyı ham malzeme olarak ele alırsanız kullanılabilir. Yapay zekâ taslağı yazma işinden tasarruf sağlar; dinlemenin yerini almaz.
- Önce transkripsiyon kurallarını belirleyin: kelimesi kelimesine mi temiz mi, konuşmacılar nasıl etiketlenecek, duraklamalar ve anlaşılmayan sözler nasıl işaretlenecek?
- Taslak oluşturun: her kaydı doğru dili seçip konuşmacı algılamayı açarak yükleyin.
- Doğrulayın, anonimleştirin ve analiz edin: taslağı sesle karşılaştırıp düzeltin, isimleri kodlarla değiştirin ve temiz dosyayı analiz yazılımınıza alın.
Kimliği belirlenebilir herhangi bir şeyi yüklemeden önce etik onayınızın ve onam formlarınızın aracı kapsadığından emin olun.
Araştırmanız hangi transkripsiyon biçimine ihtiyaç duyuyor?
En hızlı olana göre değil, analiz yönteminize göre seçin. İnsanların ne düşündüğünü inceleyen tematik bir çalışma genellikle daha temiz bir metin kullanabilir; nasıl konuştuklarını inceleyen bir çalışma ise her tereddüdü korumalıdır.
Sık atıf alan bir makalede Oliver, Serovich ve Mason (2005), transkripsiyonu iki yaklaşım arasındaki bir süreklilik olarak tanımlar. Doğalcılık, her ifadeyi mümkün olduğunca ayrıntılı kaydeder. Doğallıktan arındırma, dil bilgisini düzeltir, kekemelik ve duraklama gibi görüşme unsurlarını çıkarır ve çoğunluk dışı aksanları standartlaştırır. Yazarlar birini diğerinden üstün tutmaz. Seçimin bulguları ve katılımcıların temsilini etkilediğini, bu nedenle transkripsiyon başlamadan bilinçli biçimde yapılması gerektiğini vurgularlar. Örneğin katılımcının üye kontrolü sırasında dökümü okuyabileceğini bilerek lehçesinin korunup korunmamasını tartışırlar.
| Biçim | Neler kalır | Neler çıkar | Yapay zekâ taslağında yapmanız gereken |
|---|---|---|---|
| Tam kelimesi kelimesine (doğallaştırılmış) | Her kelime, dolgu sesi, yanlış başlangıç, tekrar, gülme ve işaretli duraklama | Duyulan hiçbir şey | Taslağın düzelttiği dolgu ve yeniden başlangıçları geri ekleyin; duraklama ve gülme işaretlerini elle koyun |
| Temiz kelimesi kelimesine (doğallıktan arındırılmış) | Konuşmacının kendi ifadesindeki tüm anlamlı sözler | Dolgu sesleri, kekemelik, çoğu tekrar | Dolgu seslerini tutarlı biçimde çıkarın; katılımcının dil bilgisini veya kelime seçimini asla “düzeltmeyin” |
| Ayrıntılı konuşma analizi gösterimi | Süreli duraklamalar, örtüşmeler, vurgu, tonlama | Hiçbir şey | Taslağı yalnızca kelime listesi olarak kullanın; gösterim elle yapılır |
| Düzenlenmiş metin veya özet | Ana noktalar | Okunabilirlik için gerekmeyenler | Transkript değildir; çoğu nitel yöntem bunu veri olarak kabul etmez |
Hangi biçim seçilirse seçilsin, daha temiz bir kopyayı analiz etseniz de değiştirilmemiş kelimesi kelimesine bir ana kopya saklayın ve kuralları kısa bir protokole yazın. University of Illinois kütüphane rehberinin belirttiği gibi transkripsiyonun kendisi bir analiz eylemidir: yazdıklarınız daha sonra bulabileceklerinizi şekillendirir.
Tek sayfalık transkripsiyon protokolü (kopyalayıp uyarlayın)
PROJE TRANSKRİPSİYON PROTOKOLÜ — ÖRNEK, çalışmanıza uyarlayın
Biçim: Tam kelimesi kelimesine. Dolgu seslerini, yanlış başlangıçları ve tekrarları koruyun.
Konuşmacılar: I = görüşmeci. P01, P02... = katılımcılar. Gerçek isim kullanmayın.
Zaman damgaları: Her konuşmacı değişiminde [hh:mm:ss] biçimi.
Anlaşılmayan söz: [duyulmuyor hh:mm:ss] kayıp sözler; [şüpheli: kelime] tahminler için.
Sözsüz ifadeler: [gülüyor] [duraklama] [üst üste konuşma] [telefon çalıyor] köşeli ayraçta.
Örtüşmeler: İkinci konuşmacıyı yeni satırda başlatın, [örtüşme] olarak işaretleyin.
Geri bildirim: Katılımcı konuşurken görüşmecinin “hı hı”sı: çıkar / koru (birini seçin).
Kimlik bilgileri: Anonimleştirme aşamasında [tanım] ile değiştirin, değişiklikleri kaydedin.
Dil: Konuşulan dilde yazıya dökün; yalnızca kontrolden sonra çevirin.
Dosya adı: StudyCode_P01_v1-draft / v2-checked / v3-anonymised
7 adımda yapay zekâ taslağı ve araştırmacı kontrolü
1–4. adımlar dikkatinizin yalnızca dakikalarını alır. Asıl zaman 5. adımda harcanır ve öyle de olmalıdır.
Adım 1: Yalnızca kendiniz için değil, döküm için kayıt yapın
Taslak kalitesi için en önemli unsur temiz sestir. Kayıt cihazını kendinizden çok katılımcıya yaklaştırın, sessiz bir oda seçin ve on saniyelik test yapın. Uzaktan görüşmelerde gerekli tüm onamları ve organizatörün iznini aldıktan sonra platformun kayıt aracını veya tarayıcıdaki ekran ve ses kaydediciyi kullanın. Yüz yüze görüşmede yalnızca dizüstü bilgisayarınız varsa çevrim içi ses kaydedici tek seferde kaydedip yazıya döker.
Adım 2: Her görüşmeyi ayrı yükleyin
Tarayıcıda görüşme transkripsiyonu sayfasını açın ve yüklemeden önce konuşulan dili seçin. Görüşme başına bir dosya veri kümesini düzenli tutar. whispertranscribe.ai, ses ve videoyu 130'dan fazla dilde metne dönüştüren web tabanlı bir yapay zekâ aracıdır; MP3, WAV, M4A ve MP4 gibi yaygın biçimlerde 5GB ve 10 saate kadar dosyaları kabul eder. Kayıt Google Drive veya Dropbox'taysa önce indirmek yerine bağlantıyı URL'den Transkripsiyon ile yapıştırabilirsiniz.
Adım 3: Konuşmacı algılamayı açın
Taslağın konuşmayı sıralı konuşmalara ayırması için Enable Speaker Detection seçeneğini açın. Bu, nitel araştırmada özellikle önemlidir: katılımcı yerine görüşmeciye atfedilen bir alıntı yazım hatası değil, veri hatasıdır. Özellikle sesler üst üste geldiğinde veya birbirine benzediğinde bazı atamaları düzeltmeyi bekleyin.
Adım 4: Taslağı dışa aktarın
Düzenleme için DOCX veya TXT çalışma kopyası indirin. Yanlışlıkla kodlanmaması için taslak (v1) olarak etiketleyin. Aşağıdaki biçim rehberi hangi dışa aktarmanın hangi işe uygun olduğunu açıklar.
Adım 5: Taslağı sesle karşılaştırarak düzeltin
Transkript açıkken kaydın tamamını dinleyin ve metinle sesin uyuşmadığı yerlerde durun. Önce konuşmacı etiketlerini, sonra tekrar eden yanlış duyulmuş terimleri bul ve değiştir ile düzeltin, ardından baştan sona dinleyin. Alıntılamayı düşündüğünüz her bölümü yeniden oynatın. Konuşma tanıma dolgu seslerini ve yeniden başlangıçları çıkarabilir; protokolünüz tam kelimesi kelimesine olsa bile taslağın zaten öyle olduğunu varsaymayın.
Adım 6: Ayrı bir kopyayı anonimleştirin
Düzeltilmiş dosyayı v2 olarak kaydedin, ardından anonimleştirme için v3 oluşturun. İsimleri ve tanımlayıcı ayrıntıları tutarlı tanımlarla değiştirin ve her değişikliği günlüğe kaydedin (aşağıdaki anonimleştirme bölümüne bakın). Bunu dışa aktarmadan sonra kendi düzenleyicinizde çevrim dışı yapın.
Adım 7: Analiz yazılımınıza aktarın
Anonimleştirilmiş sürümü nitel veri analizi yazılımınıza veya elle kodluyorsanız belgeye ya da hesap tablosuna alın. whispertranscribe.ai, NVivo, ATLAS.ti, MAXQDA veya başka bir analiz paketine doğrudan bağlanmaz; dosyayı dışa aktarıp kendiniz içe alırsınız. Kabul edilen biçimler ve konuşmacı adlarının nasıl okunduğu için yazılımınızın içe aktarma rehberine bakın.
Düzeltilmiş bir transkript nasıl görünür? (örnek)
Aşağıdaki üç sürüm, gerçek bir görüşmenin veya testin çıktısı değil, açıklama için uydurulmuştur. 5. ve 6. adımlarda yapılan değişiklik türlerini gösterir.
ÖRNEK — v1, yapay zekâ taslağı (düzeltilmemiş)
Speaker 1: Klinikte çalışmaya ne zaman başladınız?
Speaker 2: Sanırım 2019 yılında başladım. Müdürüm Sarah alışmama yardım etti.
Başta zordu çünkü Leeds'ten taşınmıştım.
ÖRNEK — v2, sesle karşılaştırılmış (tam kelimesi kelimesine)
[00:04:12] I: Klinikte çalışmaya ne zaman başladınız?
[00:04:15] P07: Ben, ıı, ben orada— 2019'du sanırım. [duraklama] Müdürüm
Sarah, alışmama gerçekten yardım etti. Başta zordu çünkü işte Leeds'ten taşınmıştım.
ÖRNEK — v3, anonimleştirilmiş
[00:04:12] I: Klinikte çalışmaya ne zaman başladınız?
[00:04:15] P07: Ben, ıı, ben orada— [yıl]dı sanırım. [duraklama] Müdürüm
[yönetici 1], alışmama gerçekten yardım etti. Başta zordu çünkü işte taşınmıştım
[kuzey İngiltere'deki şehir] şehrinden.
v1 ile v2 arasında dolgu sesi ve yanlış başlangıç geri eklendi, duraklama işaretlendi, nötr “çünkü” katılımcının daha konuşma dilindeki “çünkü işte” ifadesiyle değiştirildi ve genel etiketler araştırma kodlarına dönüştü. Ana fikir değişmese de tüm bunlar analiz açısından önemli olabilir.
Görüşme transkriptleri için kontrol listesi
Analize girmeden önce her transkriptte bu listeyi kullanın. Doğrudan hesap tablosuna veya laboratuvar el kitabına kopyalanabilir.
| Kontrol | Nelere bakılmalı | Nasıl düzeltilir | Tamam |
|---|---|---|---|
| Konuşma sıraları | Yanlış kişiye verilen satırlar; tek kişinin iki etikete ayrılması | Her konuşmacı değişiminde dinleyin; birleştirin veya yeniden etiketleyin | ☐ |
| Konuşmacı kodları | Genel etiketler veya gerçek isimler | Protokole göre I, P01, P02 ile değiştirin | ☐ |
| Biçim tutarlılığı | Dolgu sesinin bir yerde korunup başka yerde çıkarılması | Protokol kuralını dosyanın tamamında uygulayın | ☐ |
| Katılımcının ifadesi | Taslağın “düzelttiği” dil bilgisi veya lehçe | Seste duyulan tam sözleri geri koyun | ☐ |
| Temel terimler | Yanlış duyulmuş jargon, yer, ürün veya kurum adları | Terim listesi tutun; bul ve değiştir uygulayıp örnekleri kontrol edin | ☐ |
| Sayılar | Yaşlar, yıllar, tutarlar, adetler | Her birini sesle kontrol edin; sayılar kolayca yanlış duyulur | ☐ |
| Olumsuzluklar | Eksik veya eklenmiş “değil”, “asla”, “yapmadı” | Anlamı olumsuzluğa bağlı cümleleri yeniden dinleyin | ☐ |
| Üst üste konuşma | Tek konuşmacının satırında birleştirilmiş sesler | Konuşmaları ayırıp örtüşmeyi işaretleyin | ☐ |
| Anlaşılmayan bölümler | Kesinmiş gibi sunulan tahminler | Zamanıyla duyulmuyor veya şüpheli olarak işaretleyin | ☐ |
| Sözsüz ipuçları | Anlamı değiştiren gülme, uzun duraklama, duygu | Protokol gerektiriyorsa ayraçlı notlar ekleyin | ☐ |
| Yazıda kullanılacak alıntılar | Alıntılanabilecek tüm bölümler | İki kez dinleyip kelimesi kelimesine doğrulayın | ☐ |
| Kimlik bilgileri | Kalan isim, iş yeri, şehir ve nadir ayrıntılar | Anonimleştirme adımına geçin; her değişikliği kaydedin | ☐ |
Nitel transkripsiyon ne kadar sürer ve maliyeti nedir?
Manuel transkripsiyon her ses saati için birkaç saat alır; yapay zekâ taslağı zamanın çoğunu kontrole kaydırır. International Rescue Committee araştırma araç seti, ayrıntı düzeyi, beceri ve ses kalitesine göre bir saatlik kayıt için üç ila 10 saat tahmin eder.
Aşağıda örnek bir çalışmanın hesabı var. Kontrol süreleri ölçüm değil, açıklama için varsayımdır; kendi ilk görüşmenizin süresini ölçüp uyarlayın.
| Örnek çalışma: 20 görüşme × 60 dakika = 20 saat ses | Kendiniz yazarsanız | Yapay zekâ taslağı + tam kontrol |
|---|---|---|
| Ses saati başına süre | 3 ila 10 saat (IRC tahmini) | 1.5 ila 3 saat kontrol varsayımı |
| Toplam araştırmacı süresi | 60 ila 200 saat | 30 ila 60 saat |
Tamamını dinlerseniz kontrol kaydın kendisinden hızlı olamaz; her görüşme için en az kayıt süresini planlayın. Gürültü, yoğun örtüşme ve tam kelimesi kelimesine kuralları süreyi aralığın üstüne yaklaştırır. whispertranscribe.ai planları yıllık ödemede $9.99/aydan başlar; bir hibe bütçesi hazırlamadan önce güncel dakika ve koşulları kontrol edin.
Yapay zekâ transkripsiyonu, insan hizmeti ve kendiniz yazma
Her yaklaşımın yeri vardır. Doğru seçim bütçenize, takviminize ve veriyle ne kadar yakın çalışmak istediğinize bağlıdır.
| Etken | Yapay zekâ taslağı, siz kontrol edersiniz | İnsan transkripsiyon hizmeti | Baştan kendiniz yazarsınız |
|---|---|---|---|
| Sizin zamanınız | Orta: dikkatli dinleme ve düzeltmeler | Başta az, ancak yine örnek kontrolü gerekir | En fazla |
| Maliyet | Abonelik veya kullandıkça ödeme | Genellikle ses dakikası başına ücret; en yüksek nakit maliyet | Nakit maliyet yok |
| Teslim süresi | Dakikalar içinde taslak | Sağlayıcı ve siparişe göre çoğu zaman günler | Tüm çalışma için haftalar |
| Veriye yakınlık | Yüksek; tamamını dinlersiniz | Kontrol etmezseniz daha düşük | En yüksek |
| Sesi başka kim işler | Araç sağlayıcısı ve listelenen işleyicileri | Genellikle gizlilik anlaşması altında sağlayıcı personeli | Kimse |
| En uygun olduğu durum | Sesi temiz çoğu görüşme çalışması | Büyük fonlu projeler veya araştırmacı zamanı ayrılamadığında | Küçük örneklemler, konuşma analizi, çok hassas veriler |
whispertranscribe.ai yalnızca ilk sütuna girer. Otomatik bir araçtır; insan transkripsiyonu veya insan düzeltmesi sunmaz.
Anonimleştirme, onam ve etik inceleme
Bu bölüm genel bilgidir, hukuki tavsiye değildir. Gerçek kuralları kurumunuzun etik kurulu ve katılımcıların imzaladığı onam belirler.
Aracı kapsayan onam ve onay alın
Kimliği belirlenebilir kayıtları bir çevrim içi hizmete yüklemeden önce onaylı protokolünüzün ve onam formunun buna izin verdiğini kontrol edin. ABD'de 45 CFR 46.116 kapsamındaki Common Rule, onam bilgilerinde tanımlayıcı kayıtların gizliliğinin ne ölçüde korunacağının belirtilmesini gerektirir. HHS Office for Human Research Protections, aydınlatılmış onam rehberini bir arada sunar. Diğer ülkelerin ve kurumların kendi kuralları vardır; etik biriminize sorun.
Etik biriminizin transkripsiyon aracı hakkında sorabileceği sorular:
- Ses nerede işleniyor ve hangi üçüncü taraflar erişiyor?
- Kayıtlar ve transkriptler ne kadar saklanıyor, bunları kim silebilir?
- İçerik yapay zekâ modellerini eğitmekte kullanılıyor veya insanlarca inceleniyor mu?
- Veriler aktarımda ve depoda nasıl korunuyor?
Boşluklar yerine tanımlarla anonimleştirin
UK Data Service'in metin verilerini anonimleştirme rehberi, doğrudan tanımlayıcıların tutarlı biçimde takma ad veya anlamlı etiketlerle değiştirilmesini, aşırı kesin ayrıntıların genelleştirilmesini ve anonimleştirme günlüğü tutulmasını önerir. Yalnızca isimleri çıkarmak nadiren yeterlidir: küçük bir topluluktaki nadir bir iş veya ayrıntılı zaman çizelgesi birini hâlâ ortaya çıkarabilir. Aşırı anonimleştirme de risklidir: “X” dolu bir döküm analizin ihtiyaç duyduğu bağlamı kaybeder. Aynı rehber anonimleştirme araçlarını harici sunucularda değil yerel olarak çalıştırmayı önerir. UK Data Service ayrıca ücretsiz transkripsiyon şablonu ve transkripsiyoncu gizlilik sözleşmesi sunar.
Anonim dosyalardan ayrı tutulan basit bir günlük:
| Transkript | Orijinal (güvenli saklayın) | Yerine geçen | Neden |
|---|---|---|---|
| P07 | Katılımcının yöneticisinin adı | [yönetici 1] | Doğrudan tanımlayıcı |
| P07 | Yaşadığı şehir | [kuzey İngiltere'deki şehir] | Yer bilgisi kimliği daraltabilir |
| P07 | Başlangıç yılı | [yıl] | Görevle birleşince kimliği belirleyebilir |
whispertranscribe.ai gizlilik politikası ne diyor?
whispertranscribe.ai gizlilik politikası, Kasım 2026'da okunduğu üzere şunları belirtir: yüklenen orijinal ses ve video dosyaları işlem bitince otomatik silinir. İşlemde çıkarılan MP3 dosyaları daha önce silinmedikçe varsayılan olarak 30 gün saklanır. Transkriptler siz silene kadar hesabınızda kalır; silme kalıcıdır ve silinen içerik için yedekleme veya geri yükleme hizmeti sunulmaz. Kayıtlar ve transkriptler yapay zekâ eğitimi için kullanılmaz; politikaya göre insan incelemesi yapılmaz. Veriler aktarımda TLS 1.3, depoda AES-256 ile korunur. Politika ABD'deki OpenAI'ı yapay zekâ hizmet sağlayıcısı olarak listeler; etik kurulunuz bunu bilmek isteyebilir. whispertranscribe.ai HIPAA veya GDPR uyumluluk belgeleri ya da SOC 2 raporu yayımlamaz; çalışmanız bunları veya ülke içi işlemeyi gerektiriyorsa gereksinimi karşılayan bir sağlayıcı seçin.
Araştırmacılar hangi dışa aktarma biçimini kullanmalı?
whispertranscribe.ai DOCX, PDF, TXT, CSV, SRT ve VTT dışa aktarır. Sonraki adıma göre seçin.
| Biçim | Araştırma projesinde kullanım |
|---|---|
| DOCX | Kelime işlemcide düzeltme ve anonimleştirme; ikinci kontrolcü için değişiklikleri izleme; analiz yazılımına belge olarak aktarma |
| TXT | Arşivleme veya düz metin tercih eden araçlar için en basit, taşınabilir kopya |
| CSV | Parçaları hesap tablosunda satır satır kontrol etme veya konuşma sıralarını hızla saymak için konuşmacıya göre sıralama |
| Anonimleştirmeden sonra katılımcı kontrolü veya danışman için sabit kopya | |
| SRT veya VTT | Video analizinde ya da medya oynatıcısında transkript ile kayıt arasında geçiş için zaman kodlu metin |
Çok dilli ve kültürler arası görüşmeleri yazıya dökme
Önce konuşulan dilde transkribe edin, sonra çevirin. IRC araç seti, analiz sırasında çevirinin orijinalle kontrolünü sürdürmeye olanak verdiği için çeviriden önce kaynak dilde transkripsiyonu en iyi uygulama olarak niteler.
whispertranscribe.ai 130'dan fazla dili destekler. Görüşme sayfasının listesinde İspanyolca (Latin Amerika) ve Fransızca (Kanada) gibi bölgesel çeşitler ve saha kayıtları için yararlı olan birçok dilde “Noise / Low-Quality Audio/Video” modları bulunur. Konuşmacıların dil değiştirdiği görüşmeler için Multilingual Mix, İngilizce, İspanyolca, Fransızca, Almanca, Hintçe, Rusça, Portekizce, Japonca, İtalyanca ve Felemenkçe karışımlarını kapsar. İngilizce çalışma kopyası gerektiğinde sesi İngilizceye çevirin ve kaynak dildeki transkripti birincil veri olarak saklayın.
Temiz seste doğruluk %99'a kadar çıkar, ancak arka plan gürültüsü, güçlü aksan ve dil değişimi bunu düşürür. İngilizce dışındaki veya karışık dilli görüşmeler için ek kontrol süresi ayırın ve alıntılayacağınız bölümleri dile hâkim birine kontrol ettirin.
Sık sorulan sorular
Yapay zekâ transkripsiyonu nitel araştırma görüşmelerinde kullanılabilir mi?
Evet, bir araştırmacı her dökümü kayıtla karşılaştırdığı sürece. Yapay zekâ konuşma sıraları ve zaman damgalarıyla hızlı bir ilk taslak üretir ve yazma işinin çoğunu ortadan kaldırır. Yine de isimleri, sayıları ve jargonu yanlış duyabilir, satırları yanlış konuşmacıya atayabilir ve protokolün gerektirdiği dolgu seslerini çıkarabilir. Taslağı çalışma kopyası olarak görün, sesin tamamını dinleyerek düzeltin ve analizden önce anonimleştirin.
Yapay zekâ transkripsiyonu kelimesi kelimesine alıntılar için yeterince doğru mu?
Kontrol edilmeden değil. Temiz seste bile yanlış duyulan tek kelime alıntının anlamını değiştirebilir; gürültü, aksan, örtüşme ve uzmanlık terimleri doğruluğu düşürür. whispertranscribe.ai temiz seste %99'a kadar ulaşır, ancak bu en iyi durumdur ve kaydınız için garanti değildir. Alıntılayacağınız her bölümü en az iki kez oynatıp makale veya rapora girmeden kelimesi kelimesine doğrulayın.
Nitel görüşmeler tam mı yoksa temiz kelimesi kelimesine mi yazılmalı?
Seçimi analiz yönteminize dayandırın. Söylem veya konuşma analizinde olduğu gibi insanların nasıl konuştuğunu inceliyorsanız duraklama ve dolgu sesleriyle tam döküm kullanın. Birçok tematik çalışmada olduğu gibi ne söylediklerine odaklanıyorsanız katılımcının kendi ifadeleri korunduğu sürece temiz döküm işe yarayabilir. Oliver, Serovich ve Mason (2005), transkripsiyondan önce bilinçli karar verilmesini önerir. Birçok araştırmacı tam ana kopyayı saklar ve daha temiz kopyayı analiz eder.
Çevrim içi transkripsiyon aracı için etik kurul onayı gerekir mi?
Genellikle etik onay ve onam formu, üçüncü taraf hizmetler dâhil kayıtların nasıl işlendiğini kapsamalıdır. Gereksinimler kurum ve ülkeye göre değişir; kimliği belirlenebilir sesi yüklemeden önce etik kurulunuza danışın. Verinin nerede işlendiği, ne kadar saklandığı, yapay zekâ eğitip eğitmediği ve kimin erişebildiği hakkında yanıt hazırlayın. Bu genel bilgidir, hukuki tavsiye değildir; kurumunuzun kuralları önceliklidir.
Bir saatlik görüşmeyi yazıya dökmek ne kadar sürer?
International Rescue Committee'nin araç setine göre elle yazmak, ayrıntı ve ses kalitesine bağlı olarak yaklaşık üç ila 10 saat sürer. Yapay zekâ taslağı hızlıdır ve zamanınız kontrole gider: tamamını dinlemeniz gerektiğinden en az kayıt süresi ve düzeltme duraklamaları kadar. İlk görüşmeyi zamanlayın ve çalışmanın kalanını bu rakamla planlayın.
Nitel analiz yazılımı için hangi dosya biçimini dışa aktarmalıyım?
Görüşmeleri belge olarak içe almak için genellikle DOCX veya TXT seçilir; önce düzeltmek ve anonimleştirmek için DOCX en kolaydır. CSV hesap tablosunda kodlamaya, SRT veya VTT metinle birlikte video analizine uygundur. whispertranscribe.ai bunların hepsini dışa aktarır ancak NVivo, ATLAS.ti veya MAXQDA ile doğrudan bütünleşmez; desteklenen biçimler için yazılımınızın içe aktarma rehberini kontrol edin.
Sonraki görüşmenizi kontrol edilmiş bir transkripte dönüştürün
Kaydı whispertranscribe.ai'nin görüşme transkripsiyonu sayfasına yükleyin, konuşmacı algılamayı açın ve sesle karşılaştırarak düzeltmek için DOCX taslağı indirin. Önce tek dosyada taslak kalitesini denemek için hesap gerektirmeyen ücretsiz sayfayı kullanın; site ücretsiz miktarı gösterir. Seminer veya grup oturumu kaydediyorsanız önce gerekli onamları ve organizatörün iznini alın. Ders ve seminer transkripsiyonu sayfası aynı adımları izler; özellik listesi diğerlerini açıklar.
İlgili rehberler: Whisper ne kadar doğru?, telefon görüşmesi nasıl kaydedilir? ve eyaletlere göre görüşme kayıt yasaları.
Kaynaklar
- 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 yazar taslağı
- 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
