質的研究のためのインタビュー逐語録：録音からコーディング可能なテキストまで

質的研究における文字起こしとは、録音したインタビューやフォーカスグループを、コーディング・引用・保存ができるテキスト、つまりインタビューの逐語録に変える作業です。2026年時点で現実的なのは、AIで下書きを作り、研究者が音声と突き合わせて確認する方法です。表記ルールは最初のインタビューの前に決めておきます。ケバ取りした逐語、厳密な逐語（素起こし）、ジェファーソン式の転記法のいずれかです。逐語録はそのまま研究データになるので、何を残すか、話者をどう表記するか、どう匿名化するかといった判断はすべて論文の方法セクションに書くべき事項です。

このガイドでは、録音からNVivoやMAXQDAにすんなり取り込めるファイルができるまで、こうした判断を順を追って説明します。

質的研究における文字起こしとは？

ほとんどの研究で分析されるのは録音ではなく逐語録です。コードは逐語録の行に付けられ、論文中の引用はそこから写され、アーカイブ担当者や2人目のコーダーが目にするのもテキストだけです。そのため文字起こしは単なる入力作業ではなく、解釈を伴う工程です。話し言葉のどの特徴をページに残すかを決めるのは研究者であり、落としたものは二度とコーディングできません。

作業全体を左右する問いは3つあります。

• 分析にはどの程度の細かさが必要か？テーマ分析は内容を扱い、会話分析はタイミング、発話の重なり、イントネーションを扱います。

• 最初の下書きを誰が作るか？自分、研究補助者、人による文字起こしサービス、あるいは音声認識です。

• 音声データはどこへ送られるか？倫理審査の承認と同意書は、録音を処理するすべてのシステムをカバーしていなければなりません。

質的研究における逐語録の種類

研究者は「逐語」という言葉を緩く使いがちです。プロトコルには具体的な表記ルールを明記し、すべてのファイルに同じルールを適用しましょう。一般的なレベルは次の3つです。

ジェファーソンの記号は、会話分析の研究者が最もよく参照するGlossary of transcript symbols（2004年）にまとめられています。研究の問いが「会話がどう組み立てられているか」ではなく「人が何を言っているか」なら、ここまでの細かさは必要なく、文字起こしの時間が何倍にも膨らむだけです。

多くのインタビュー研究で実用的な落としどころは、ケバ取りした逐語を基本に、笑い、長い間、はっきりわかる感情の表れなど、必ず残す特徴を短いリストにして、[笑い] や [長い間] のような角かっこの注記で書き添える方法です。

質的インタビューの逐語録の作成方法：ステップごとの手順

次の手順なら方法セクションでも説明がつき、研究者がデータから離れずに済みます。

1. 文字起こしを前提に録音する。静かな部屋で、レコーダーはインタビュアーと参加者の間に置きます。オンラインの場合は、可能なら別々のマイクを使います。音質が精度の上限を決めます。最も影響の大きい要因はAI文字起こしの精度が変わる理由で解説しています。

2. 工程を試験的に回す。パイロットインタビューを全工程に通し、修正作業にかかる時間を記録します。サンプル全体に何時間を見込むべきかを教えてくれるのは、業者のベンチマークではなくこの数字です。

3. 話者ラベル付きの下書きを作る。話者分離は声ごとにテキストを分けます。1対1のインタビューは、話者分離にとって最もやさしいケースです。

4. 汎用的なラベルを参加者IDに置き換える。「Speaker 1」「Speaker 2」ではなく「INT」「P07」のように、すべてのファイルで統一します。こうすればコーディングソフトにも後の読み手にも同じIDが見えます。

5. 下書きを音声と突き合わせて確認する。おかしく見える箇所だけでなく、録音を最初から最後まで聞きます。名前、数字、否定（「できた」か「できなかった」か）、そして引用する可能性のある箇所には特に注意を払いましょう。この作業は最初の精読も兼ねるので、メモ用のファイルを開いておきます。

6. 聞き取れない箇所は印を付ける。推測で埋めず、[聞き取り不能 00:14:22] や [不明瞭：「契約」か] と書きます。黙って推測した一語は、でっち上げたデータと同じです。

7. 匿名化してから、コーディング用のコピーを保存する。確認済みの原本はアクセスを制限して保管し、作業は仮名化した版で行います（後述の匿名化のセクションを参照）。

8. 書き出して取り込む。コーディングソフト用にはDOCXかTXTで書き出します。音声に戻れるようにしたい場合は、話者交代ごとにタイムスタンプを入れておきます。

報道や採用面接など、研究以外でのインタビュー文字起こしの一般的な進め方は、インタビューの文字起こし方法をご覧ください。

質的研究の逐語録の表記ルール

最初のファイルに取りかかる前に、1ページの表記ルール表を作り、文字起こしや確認をする全員に渡しておきましょう。コーディングの段階で最も時間を節約してくれるのは次のルールです。

質的インタビューの逐語録の例

上記のルールに沿った、ケバ取りした逐語の短い抜粋です（説明用に作成した架空の例）。

[00:12:45] INT: リモートワークに移ってから、1週間の過ごし方はどう変わりましたか？
[00:12:49] P07: 最初は問題なかったんです。でも [上司1] が朝8時に打ち合わせを入れるようになって、それで [間] オフに切り替えられなくなりました。
[00:13:02] INT: 切り替えられなくなった、というのは？
[00:13:04] P07: [笑い] 要するに、台所のテーブルにノートパソコンが出しっぱなしで。パートナーは本当に嫌がっていました。[聞き取り不能 00:13:09] 春の間ずっと。

どの発話もタイムスタンプとIDで始まり、不確かな箇所には印があり、個人を特定しうる唯一の情報はタグに置き換わっています。

質的研究の逐語録を匿名化する方法

再利用のために質的データをアーカイブしているUK Data Serviceは、テキストデータの匿名化に関するページで、公開されている中では最も実践的なガイダンスを示しています。インタビューの逐語録に当てはめると、要点は次のとおりです。

• 情報を削除せず、仮名や [同僚1] のような説明的なタグを使う。そうすれば話の筋が通ったまま残ります。

• 置き換えはすべての逐語録と関連資料で一貫させる。同じ人物には、どのファイルでも同じタグを付けます。

• 何を変えたかの匿名化ログを残す。ログは匿名化したファイルとは別に保管します。

• 匿名化しすぎない。文脈情報をすべて取り除くとデータが使い物にならなくなることがあります。編集を重ねるより、アクセス制限のほうが有効な手段であることも多いのです。

難しいのは間接的な識別子です。役職、小さな町、珍しい病気の3つがそろえば、テキストに名前がなくても1人に絞り込めてしまうことがあります。各逐語録を、こうした組み合わせだけに注目して一度読み通しましょう。

EUや英国での研究では、法的な区別も意識しておく必要があります。GDPR前文第26項によれば、追加情報によって再識別できる仮名化データは、依然として個人データです。タグを使い、対応表を別に保管した逐語録は匿名ではなく仮名化されたものであり、データ管理計画でもそのように扱うべきです。録音の同意に関するルールは国によって異なります。基本は米国とEUにおける録音の同意ルールの概要をご覧ください。

逐語録をNVivo、MAXQDA、ATLAS.tiに取り込む

コーディングツールは単純なパターンから構造を読み取るので、表記が統一された逐語録はほとんど手直しせずに取り込めます。

• NVivoは逐語録を取り込み、メディアファイルとリンクさせることができます。トランスクリプトの取り込みに関するヘルプ（NVivo 14）によると、タイムスタンプは hh:mm:ss または mm:ss の形式に対応し、コロンと半角スペースが続く文字列を話者名として読み取ります。本文中に余計なコロンがあると問題が起きるのはこのためです。対応するファイル形式はバージョンによって異なります。NVivo 14のMac版ヘルプではトランスクリプトの行にTXT、CSV、TSVを求めていますが、Windows版のヘルプにはWordやRTFファイルも挙がっているので、お使いのエディションのページを確認してください。

• MAXQDAは、トランスクリプトの取り込みに関するページによると、DOCXとRTFの逐語録を取り込め、[hh:mm:ss] や hh:mm:ss を含む多数のタイムスタンプ形式を認識します。ZoomやTeamsが出力する字幕形式であるVTTファイルも取り込めます。

• ATLAS.tiなどのツールは、DOCXやTXTをテキスト文書として受け付けます。その場合、タイムスタンプはメディアへのリンクではなく、目で見て参照する目印として機能します。

まずは1ファイルで試しましょう。タイムスタンプが同期しない場合、原因はたいてい、ツールが認識しない形式か、タイムスタンプの順序の乱れです。

フォーカスグループの文字起こし

フォーカスグループは、あらゆる点でインタビューより難しくなります。6〜10人の声、重なり合う発話、マイクから遠い参加者。似た声が増えるほど話者分離の信頼性は下がるので、修正時間を多めに見込んでおきましょう。

• テーブルの中央にレコーダーを1台置き、できれば反対側の端にも予備として2台目を置きます。

• 最初の発言の一巡では、司会者に名前を呼んでもらいます（「P03さん、ありがとうございます」）。後で声とIDを照合しやすくなります。

• 議論が白熱している間は、記録係に各発話の最初の数語と時刻をメモしてもらいます。

• 重なりの一部は [発話重複] のまま残ることを受け入れましょう。誤った話者に言葉を割り当てるより、正直に印を付けるほうがましです。

グループの分析では、聞き間違えたフィラーよりも、発話者の取り違えのほうが重大です。確認の時間は「誰が何を言ったか」に使いましょう。

質的研究の文字起こし：ソフトウェアかサービスか

現実的な選択肢は3つあり、多くの研究はそれらを組み合わせています。

どのツールを選ぶにしても、録音を1本でもアップロードする前に、次の点を倫理審査の承認内容と照らし合わせて確認しましょう。

• 音声がどこで処理・保存されるか、その国がプロトコル上許容されるか。

• ファイルがモデルの学習に使われるかどうか。

• 録音と逐語録がどれくらいの期間保管されるか、自分で削除できるか。

• 所属機関向けにデータ処理契約（DPA）を締結できるか。

• どの書き出し形式が使えるか（コーディング用のDOCXとTXT、話者交代ごとのタイムスタンプ）。

AIを使う方法の選択肢のひとつがBlaBlaScribeです。アップロードした録音を120以上の言語で話者ラベル付きで文字起こしし、文字起こしはドイツにある自社サーバーで行い、ファイルをAIの学習に使わず、DOCX、TXT、CSV、字幕形式で書き出せます。会議ボットではないので通話には参加せず、ジェファーソン式の転記は作成できません。テキストの仮名化も研究者自身の作業です。無料プランでは30分を1回だけ使え、10分を超えるファイルは分数パックかプランを購入するまで最初の10分しか表示されないため、パイロットインタビューを丸ごと確認するにはどちらかが必要です。精度の数字が実際に何を測っているかは単語誤り率（WER）の解説をご覧ください。

外国語のインタビューを文字起こしする

文字起こしはインタビューの言語のまま行い、チームが対応できる限りコーディングもその言語で行いましょう。コーディングの前に翻訳すると、参加者の言い回しが翻訳者の言い回しに置き換わってしまいます。インビボ・コードが拠りどころにするのは、まさにその言い回しであることが多いのです。

1. 元の言語で文字起こしします。たとえば専用のスペイン語の文字起こしやドイツ語の文字起こしの設定を使います。

2. チームにその言語を流暢に読めるメンバーがいる限り、元の言語でコーディングします。

3. 論文に載せる引用は後の段階で選んで翻訳し、その言語に堪能な人に確認してもらいます。

4. 誰がどの段階で翻訳したかを方法セクションに記載します。

逐語録全体の機械翻訳は、その言語を読めない指導教員がデータにアクセスできるようにするには便利です。ただし、研究データはあくまで原文だという点を全員で共有しておく必要があります。

方法セクションに文字起こしをどう書くか

査読者が知りたいのは、誰が逐語録を作成し、どの程度の細かさで、どう確認したかです。たとえば次のような一文で足ります。「インタビューは同意を得て録音し、自動音声認識を用いてケバ取りした逐語で文字起こしを行った。その後、第一著者が録音と照らし合わせて全文を確認し、人名と地名を仮名化した。」分野の慣習で求められる場合はツール名を加え、不明瞭な箇所をどう表記したかも記載しましょう。

よくある質問

質的研究にAIの文字起こしを使ってもよいのですか？

はい。倫理審査の承認と同意書がそのツールをカバーしており、研究者がすべての逐語録を音声と照らし合わせて確認するのであれば問題ありません。方法セクションには、ツールと確認の工程の両方を記載しましょう。

質的研究における逐語録とは何ですか？

参加者が話した内容を一語一語そのまま書き記した記録です。厳密な逐語ではフィラー、繰り返し、間を残し、ケバ取りした逐語ではフィラーや言い直しを除きつつ、内容のある語と話し手自身の文法はすべて残します。

質的インタビューの文字起こしは自分でやるべきですか？

自分で文字起こしすると、データに最も深くなじめますが、はるかに時間がかかります。AIの下書きを音声と1行ずつ突き合わせて確認すれば、短い時間で同じくらいの没入感が得られます。今では多くの研究者がこの方法をとっているのはそのためです。

話者が多いフォーカスグループはどう文字起こしすればいいですか？

中央に置いたマイクで録音し、早い段階で司会者に参加者IDを使ってもらい、話者の割り当ては手作業で修正する前提で臨みます。重なった発話は、誰の発言かを推測せず [発話重複] と記載します。

NVivoに取り込むには、逐語録をどんな形式にすればいいですか？

NVivoは hh:mm:ss または mm:ss 形式のタイムスタンプを読み取り、コロンと半角スペースが続く文字列を話者名として扱います。対応するファイル形式はバージョンやプラットフォームによって異なるので、全件を取り込む前にお使いのエディションで逐語録を1つ試してください。

仮名化した逐語録はGDPR上の匿名データになりますか？

いいえ。手元にある対応表を使ってタグを個人に結びつけられるなら、その逐語録はGDPR上の仮名化された個人データであり、ほかの個人データと同じ保護が必要です。