Die fortschreitende Digitalisierung hat auch in der soziologischen Forschung neue Wege eröffnet. Dieser Blogbeitrag beschreibt erste Erfahrungen mit automatisierter Transkription mithilfe der Software noScribe (Version 0.4.3 auf MacOS) und richtet sich vor allem an Studierende der Soziologie, der Sozial- Human- und Erziehungswissenschaften. Ziel des Erfahrungsberichtes ist es sowohl die Vorteile als auch die Herausforderungen der Nutzung aufzuzeigen und Hinweise für eine reflexive Verwendung dieser Tools zu geben.
Die Software erlaubt es, datenschutzkonforme Transkriptionen auf dem eigenen Rechner anzufertigen. Dabei kann die Sprache der Aufnahme ausgewählt, die Qualität der Transkription (precise/fast), eine Markierung von Pausen (non vs. ab 1/2/3 Sekunden) sowie die automatische Sprecher:innenerkennung ein und ausgeschaltet werden. Auch kann ein Erkennen überlappender Sprecher:innen aktiviert werden sowie das Erstellen von Zeitmarken. Ausgegeben wird von der Software ein HTML Dokument, das sich in gängige Analysesoftware wie MAXQDA importieren lässt. Hier ermöglichen die Zeitmarken eine automatische Verknüpfung von bestimmten Abschnitten des Transkripts mit den Abschnitten der Audiodatei. Getestet wurde mit Aufnahmen, die hauptsächlich deutsch-/ englischsprachig waren, sowie mit Aufnahmen in denen die Sprecher:innen zwischen den beiden Sprachen wechselten.
Die Bedeutung des Transkripts: Welche Genauigkeit ist für die Analyse notwendig?
Bevor wir uns den praktischen Aspekten widmen, ist es wichtig zu klären, welchen Zweck das Transkript erfüllen soll. Welche Genauigkeit benötigen wir für unsere Analyse? Dies führt uns zu einer tieferen Auseinandersetzung mit den Transkriptionsregeln. Grob kann zwischen zwei unterschiedlichen Transkriptionsstilen unterschieden werden. Zum einen ein Transkript, indem eine Anpassung an die Schriftsprache vorgenommen wird, mit einer sprachlichen Glättung, auch Klarschrift oder semantisch-inhaltliches Transkriptionssystem genannt. Zum anderen eine Transkription, die verbale und nonverbale interaktive Details, wie z.B. Rezeptionssignale, Wortabbrüche, überlappendes Sprechen, aber auch z.B. Pausen und Geräusche, sowie die Art und Weise, wie gesprochen wird (Betonung, Tonhöhe, Lautstärke) mit aufnimmt. Bei dieser Art von Transkripten gibt es eine große Bandbreite, die ausführlichste Transkription wird in der Regel nach GAT2 (Selting et al. 2009) in der Konversationsanalyse verwendet. Aber auch hier gibt es Varianten, wie das Minimaltranskript von GAT2, bei dem z.B. kurze Pausen (kürzer als 1 Sekunde) und das Ein- und Ausatmen nicht aufgenommen werden. Es ist abzuwägen, welche Art von Transkript für die jeweilige Forschungsfrage und -methode verwendet werden soll und ob dieses mithilfe von automatisierter Transkription erstellt werden kann.
Software wie noScribe glättet das Transkript, beispielsweise werden Wortabbrüche und teilweise auch Wortdoppelungen nicht im Transkript aufgenommen. Eine Stärke von noSribe ist, dass zumindest teilweise verbale Rezeptionssignale, wie //mhm// oder //okay// transkribiert werden. Dies ist aber nicht durchgängig der Fall und muss kontrolliert werden. Auch können überlappendes Sprechen und Betonungen sowie Geräusche (Neben- und Hintergrundgeräusche) nicht abgebildet werden. Jedoch kann die Transkriptionssoftware einen ersten Entwurf liefern, der dann überarbeitet und angepasst wird.
Überarbeitung der Transkripte
Bei der Überarbeitung der Transkripte müssen (wie auch bei der eigenständigen Erstellung von Transkripten) ein ‘Kopf’ für das Transkript entwickelt und ausgefüllt werden (siehe hierzu: Dittmar 2004), sowie eine Anonymisierung bzw. Pseudonymisierung durchgeführt werden (Mozygemba & Hollstein 2023). Bei der Überarbeitung automatisiert erstellter Transkripte sollte zudem auf folgendes geachtet werden:
Begriffe und Eigennamen:
- Häufige fehlerhafte Transkriptionen bei englischen Begriffen/Eigennamen in deutschsprachigen Aufnahmen, wie z.B. Playmobil.
- Besonders fehleranfällig sind Komposita (Wortzusammensetzungen). Diese werden beispielsweise als zwei Substantive transkribiert, wie z.B. Station Lernen statt Stationenlernen.
- Ebenso anfällig sind Komposita mit Akronymen (Abkürzungen), wie z.B. VR-Brillen, VR-Szenarien.
- Das Programm erkennt manche Wörter nicht als Einheiten, wie z.B. Buzzword, das lautgetreu und als zusammengesetztes Wort Buss-Wort transkribiert wurde. In einem anderen Fall wurde bloßstellen als Bilder losstellen transkribiert.
- Es gibt die Problematik, dass kreativer Sprachgebrauch (unübliche oder entlehnte Wörter) im Transkript ‘normalisiert’, d.h. geläufigere und ähnlich klingende Wörter eingesetzt werden.
- Teilweise findet eine lautgetreue Transkription statt, wie z.B. Bima für Beamer, Stadtgolasien für Stadtgymnasien.
Häufige Begriffe und Eigennamen können meist gut transkribiert werden, wie z.B. Twitter, NRW, OneNote, Chat-GPT.
Sprache, Überlappungen und Pausen
- Das automatische Erkennen von Sprecher:innenwechseln ist bisher sehr fehleranfällig. Meist werden mehr Sprecher:innen erkannt als tatsächlich im Interview zugegen waren.
- Transkripte, die einheitlich in einer Sprache vorliegen werden fehlerfreier transkribiert. Aufnahmen von Personen die zwischen Sprachen wechseln, müssen deutlich häufiger und großflächiger nachbearbeitet werden.
- Überlappungen, die aus kurzen Einschüben bestehen (z. B. //S01: Ja//; //S07: Ach so.//) werden manchmal mit aufgenommen und als solches transkribiert.
- Die Transkription von Pausen ist häufig unzuverlässig. Besonders kurze Pausen werden nicht transkribiert, längere Pausen werden etwas zuverlässiger aufgenommen, die Länge der Pausen wird jedoch nicht zuverlässig erkannt.
Fazit
Abschließend lässt sich festhalten, dass insbesondere für Forschende ohne (finanzielle) Ressourcen, Programme wie noScribe eine automatisierte Erstellung von Transkripten ermöglichen, die zuvor nur von kostenpflichtigen Transkriptionsdienstleistern erbracht werden konnte (siehe für einen Vergleich unterschiedlicher Transkriptionsprogramme Wollin-Giering et al. 2024). Ich persönlich habe durch die Nutzung von noSrcibe mehr Zeit mich mit der Überarbeitung der Transkripte und der Datenauswertung zu beschäftigen. Jedoch möchte ich betonen, dass eine gründliche Überarbeitung, die über die Frage hinausgeht, ob die Software die Worte erkannt hat, unerlässlich ist.
Entscheidungen im Transkriptionsprozess sollten theoriegeleitet und entsprechend der gewählten Forschungsmethode getroffen werden. Hier birgt eine Automatisierung der Transkription die Gefahr, dass vorhandene kaum hinterfragte Selbstverständlichkeit weiterhin selten expliziert werden (Houben & Eckert 2022; Skukauskaite 2012). Ob es für die Interpretation der Daten beispielsweise wichtig ist die Länge einer Pause präzise zu transkribieren, oder ob Betonungen und ein Heben bzw. Absenken der Stimme mit in die Transkription aufgenommen werden, ist eine Entscheidung, die von der gewählten Forschungsfrage und -methode abhängt. Soll beispielsweise nur auf der erste Sinnebene von Themen und Inhalten analysiert werden, reicht meist ein sprachlich geglättetes Transkript. Sollen jedoch Forschungsfragen beantwortet werden, die auf der Ebene von implizitem Wissen oder Verhalten/Habitus liegen braucht es eine genauere Transkription. Hinweise hierzu finden sich beispielsweise in der Methodenliteratur der Interviewforschung (Kruse 2015). Die automatisierte Transkriptionssoftware bietet hier einen ersten Entwurf des Transkriptes, der überarbeitet und angepasst werden muss.
Auch würde ich Studierenden empfehlen zumindest einen Teil der Daten ohne den Einsatz einer Software zu transkribieren. Dies hilft, um sich bewusst zu machen und reflektieren zu können, welche Entscheidungen bei der Transkription getroffen werden müssen.
Literatur
Dittmar, N., 2004: Transkription. Wiesbaden: VS Verlag für Sozialwissenschaften.
Houben, M., & Eckert, J. (2022). Die Arbeit mit archivierten Interviewdaten in einem methodologischen Sekundärforschungsprojekt: Reflexionen zur Archivierung qualitativer Forschungsdaten. Forum Qualitative Sozialforschung / Forum: Qualitative Social Research, 23(1), Article 1. https://doi.org/10.17169/fqs-23.1.3701
Kruse, J., 2015: Qualitative Interviewforschung: ein integrativer Ansatz. Weinheim ; Basel: Beltz Juventa.
Mozygemba, K. & B. Hollstein, 2023: Anonymisierung und Pseudonymisierung qualitativer textbasierter Forschungsdaten – eine Handreichung. Qualiservice Working Papers 5-2023, Bremen, https://doi.org/10.26092/elib/2525
Selting, M., Auer, P., Barth-Weingarten, D., Bergmann, J., Bergmann, P., Birkner, K., Couper-Kuhlen, E., Deppermann, A., Gilles, P., Günthner, S., Hartung, M., Kern, F., Mertzlufft, C., Meyer, C., Morek, M., Oberzaucher, F., Peters, J., Quasthoff, U., Schütte, W., … Uhmann, S. (2009). Gesprächsanalytisches Transkriptionssystem 2 (GAT 2). Gesprächsforschung – Online-Zeitschrift zur verbalen Interaktion, 10, 353–402. http://www.gespraechsforschung-ozs.de/heft2009/px-gat2.pdf
Skukauskaite, A. (2012). Transparency in Transcribing: Making Visible Theoretical Bases Impacting Knowledge Construction from Open-Ended Interview Records. Forum Qualitative Sozialforschung / Forum: Qualitative Social Research, 13(1), Article 1. https://doi.org/10.17169/fqs-13.1.1532
Wollin-Giering, S., Hoffmann, M., Höfting, J., & Ventzke, C. (2024). Automatic Transcription of English and German Qualitative Interviews. Forum Qualitative Sozialforschung / Forum: Qualitative Social Research, 25(1), Article 1. https://doi.org/10.17169/fqs-25.1.4129
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Rebecca Schmidt (12. Februar 2024). Automatische Transkriptionssoftware – ein Erfahrungsbericht. Sozialwissenschaftliche Methodenberatung. Abgerufen am 8. Oktober 2024 von https://doi.org/10.58079/vsz4