Interviews transcriberen en coderen voor kwalitatief onderzoek: van opname tot codeerbare tekst

Transcriptie in kwalitatief onderzoek is het omzetten van opgenomen interviews of focusgroepen in geschreven tekst die je kunt coderen, citeren en archiveren. Wie in 2026 interviews transcriberen en coderen moet, werkt het handigst met een AI-concept dat de onderzoeker daarna naast de audio controleert, volgens een conventie die je vóór het eerste interview kiest: clean verbatim, strikt verbatim of Jefferson-notatie. Het transcript is je dataset, dus elke keuze die je erover maakt (wat je bewaart, hoe je sprekers labelt, hoe je anonimiseert) hoort in je methodesectie.

Deze gids loopt die keuzes op volgorde door, van de opname tot een bestand dat zonder gedoe in NVivo of MAXQDA te importeren is.

Wat is transcriptie in kwalitatief onderzoek?

In de meeste projecten analyseer je het transcript, niet de opname. Codes hangen aan de regels ervan, citaten in het artikel komen eruit, en een archief of tweede codeur ziet alleen de tekst. Transcriberen is daarom een interpretatieve stap en geen typwerk: jij beslist welke kenmerken van het gesprek op papier belanden, en wat je weglaat kun je niet meer coderen.

Drie vragen bepalen de hele klus:

• Hoeveel detail heeft de analyse nodig? Thematische analyse werkt met inhoud; conversatieanalyse met timing, overlap en intonatie.

• Wie maakt het eerste concept? Jijzelf, een onderzoeksassistent, een menselijk transcriptiebureau of spraakherkenning.

• Waar gaat de audio naartoe? Je ethische goedkeuring en toestemmingsformulier moeten elk systeem dekken dat de opname verwerkt.

Soorten verbatim transcriptie in kwalitatief onderzoek

Onderzoekers gebruiken "verbatim" nogal losjes, dus noem in je protocol de exacte conventie en pas die op elk bestand toe. De drie gangbare niveaus:

De symbolen van Jefferson staan in haar Glossary of transcript symbols (2004), de bron die de meeste conversatieanalytici aanhalen. Gaat je onderzoeksvraag over wat mensen zeggen en niet over hoe het gesprek is georganiseerd, dan is dat meer detail dan je nodig hebt, en het vermenigvuldigt de tijd die transcriberen kost.

Een praktische middenweg voor veel interviewstudies: clean verbatim als basis, plus een korte lijst kenmerken die je altijd bewaart, zoals lachen, lange pauzes en hoorbare emotie, als notitie tussen vierkante haken, bijvoorbeeld [lacht] of [lange pauze].

Kwalitatieve interviews transcriberen en coderen: stap voor stap

Deze werkwijze houdt stand in een methodesectie en houdt de onderzoeker dicht bij de data:

1. Neem op met het transcript in gedachten. Een stille ruimte, de recorder tussen interviewer en deelnemer, en bij gesprekken op afstand liefst aparte microfoons. De geluidskwaliteit bepaalt het plafond van de nauwkeurigheid; onze gids over waarom de nauwkeurigheid van AI-transcriptie verschilt behandelt de factoren die het zwaarst wegen.

2. Test de hele keten. Haal je pilotinterview door het volledige proces en noteer hoe lang de correctieronde duurt. Dat getal, niet de benchmark van een leverancier, vertelt je hoeveel uur je voor de hele steekproef moet begroten.

3. Maak een concept met sprekerslabels. Speaker diarization verdeelt de tekst per stem. Een interview met twee personen is daarvoor het makkelijkste geval.

4. Vervang algemene labels door deelnemerscodes. "INT" en "P07" in plaats van "Spreker 1" en "Spreker 2", in elk bestand, zodat de codeersoftware en latere lezers dezelfde codes zien.

5. Controleer het concept naast de audio. Luister de hele opname terug, niet alleen de passages die er verkeerd uitzien. Let extra op namen, getallen, ontkenningen ("ik kon" tegenover "ik kon niet") en elke passage die je misschien citeert. Deze ronde is meteen je eerste nauwkeurige lezing, dus houd een memobestand open.

6. Markeer wat je niet kunt verstaan. Schrijf [onverstaanbaar 00:14:22] of [onduidelijk: mogelijk "contract"] in plaats van te gokken. Een stilzwijgend gegokt woord is een verzonnen gegeven.

7. Anonimiseer en sla dan een codeerkopie op. Bewaar het gecontroleerde origineel met beperkte toegang en werk vanuit de gepseudonimiseerde versie (zie de paragraaf over anonimiseren hieronder).

8. Exporteer en importeer. DOCX of TXT voor codeersoftware, met tijdstempels bij elke sprekersbeurt als je naar de audio wilt terugspringen.

Voor de algemene techniek van interviewtranscripten buiten de wetenschap, zoals in de journalistiek of bij sollicitaties, zie een interview transcriberen.

Transcriptieconventies voor kwalitatief onderzoek

Schrijf vóór het eerste bestand een conventieblad van één pagina en geef het aan iedereen die transcribeert of controleert. Deze afspraken besparen de meeste tijd in de codeerfase:

Voorbeeld van een kwalitatief interviewtranscript

Een kort fragment in clean verbatim met de conventies hierboven (verzonnen ter illustratie):

[00:12:45] INT: Hoe veranderde de overstap naar thuiswerken je week?
[00:12:49] P07: In het begin ging het prima. Toen begon [leidinggevende 1] om acht uur calls in te plannen, en ik [pauze] schakelde gewoon niet meer uit.
[00:13:02] INT: Hoe bedoel je, niet meer uitschakelen?
[00:13:04] P07: [lacht] Laptop op de keukentafel, eigenlijk. Mijn partner had er een hekel aan. [onverstaanbaar 00:13:09] het hele voorjaar.

Elke beurt begint met een tijdstempel en een code, onzekerheid is gemarkeerd, en het enige identificerende detail is een tag geworden.

Zo anonimiseer je kwalitatieve transcripten

De UK Data Service, die kwalitatieve data archiveert voor hergebruik, geeft de meest praktische openbare richtlijnen op de pagina over anonimiseren van tekstdata. De hoofdpunten, toegepast op interviewtranscripten:

• Gebruik pseudoniemen of beschrijvende tags zoals [collega 1] in plaats van details te schrappen, zodat het verhaal nog steeds klopt.

• Vervang consequent in alle transcripten en bijbehorend materiaal. Dezelfde persoon krijgt in elk bestand dezelfde tag.

• Houd een anonimiseringslogboek bij van wat je hebt veranderd, apart bewaard van de geanonimiseerde bestanden.

• Anonimiseer niet te veel. Wie elk contextueel detail weghaalt, kan de data onbruikbaar maken; gecontroleerde toegang is vaak een beter middel dan zwaarder redigeren.

Indirecte identificatoren zijn het lastige deel. Een functietitel, een klein dorp en een zeldzame ziekte samen kunnen naar één persoon wijzen, ook zonder naam in de tekst. Lees elk transcript één keer uitsluitend op zulke combinaties.

Houd bij Europese en Britse studies het juridische onderscheid in gedachten. Volgens overweging 26 van de AVG (GDPR) zijn gepseudonimiseerde gegevens die met aanvullende informatie te herleiden zijn nog steeds persoonsgegevens. Een transcript met tags en een aparte sleutel is gepseudonimiseerd, niet anoniem, en je datamanagementplan moet het ook zo behandelen. De regels voor toestemming bij opnemen verschillen per land; ons overzicht van toestemming voor opnames in de VS en de EU behandelt de basis.

Transcripten importeren in NVivo, MAXQDA en ATLAS.ti

Codeertools halen structuur uit eenvoudige patronen, dus een consequent transcript importeer je bijna zonder opschoonwerk.

• NVivo kan een transcript importeren en aan het mediabestand koppelen. De hulppagina over het importeren van transcripten (NVivo 14) accepteert tijdstempels als hh:mm:ss of mm:ss en leest een sprekersnaam als die wordt gevolgd door een dubbele punt en een spatie. Daarom veroorzaken losse dubbele punten in de tekst problemen. Welke bestandstypen werken, verschilt per versie: de Mac-hulp voor NVivo 14 vraagt om TXT, CSV of TSV voor transcriptregels, terwijl de Windows-hulp ook Word- en RTF-bestanden noemt. Kijk dus op de pagina voor jouw editie.

• MAXQDA importeert transcripten in DOCX en RTF en herkent een lange lijst tijdstempelformaten, waaronder [hh:mm:ss] en hh:mm:ss, volgens de pagina over het importeren van transcripten. Het importeert ook VTT-bestanden, het ondertitelformaat dat Zoom en Teams aanmaken.

• ATLAS.ti en vergelijkbare tools nemen DOCX of TXT op als tekstdocument; tijdstempels zijn dan ijkpunten die je leest, geen koppelingen naar de media.

Test eerst met één bestand. Synchroniseren de tijdstempels niet, dan ligt het meestal aan een formaat dat de tool niet herkent of aan tijdstempels die niet op volgorde staan.

Focusgroepen transcriberen

Focusgroepen zijn op alle fronten lastiger dan interviews: zes tot tien stemmen, mensen die door elkaar praten en deelnemers ver van de microfoon. Sprekers scheiden wordt minder betrouwbaar naarmate er meer vergelijkbare stemmen zijn, dus reken op meer correctietijd.

• Zet één recorder midden op tafel en, als het kan, een tweede aan het andere eind als reserve.

• Laat de gespreksleider in de eerste ronde namen gebruiken ("Dank je, P03"), zodat stemmen later aan codes te koppelen zijn.

• Vraag een notulist om tijdens verhitte stukken de eerste woorden van elke beurt met de kloktijd te noteren.

• Accepteer dat sommige overlap als [door elkaar] blijft staan. Markeer die eerlijk in plaats van woorden aan de verkeerde spreker toe te schrijven.

Bij groepsanalyse weegt een verkeerd toegeschreven beurt zwaarder dan een verkeerd verstaan stopwoord, dus besteed de controle aan wie wat zei.

Transcriptiesoftware of transcriptiebureau voor kwalitatief onderzoek

Er zijn drie realistische routes, en veel projecten combineren ze:

Welke tool je ook kiest, toets deze punten aan je ethische goedkeuring voordat je ook maar één opname uploadt:

• Waar de audio wordt verwerkt en opgeslagen, en of dat land volgens je protocol acceptabel is.

• Of bestanden worden gebruikt om modellen te trainen.

• Hoe lang opnames en transcripten worden bewaard, en of je ze zelf kunt verwijderen.

• Of er een verwerkersovereenkomst beschikbaar is voor je instelling.

• Welke exportformaten je krijgt (DOCX en TXT om te coderen, tijdstempels bij beurten).

BlaBlaScribe is één optie voor de AI-route: het transcribeert geüploade opnames in 120+ talen met sprekerslabels, draait de transcriptie op eigen servers in Duitsland, gebruikt bestanden niet om AI te trainen en exporteert DOCX, TXT, CSV en ondertitelformaten. Het is geen meetingbot en schuift niet aan bij je gesprekken, het maakt geen Jefferson-notatie, en het pseudonimiseren van de tekst blijft jouw werk. Het gratis abonnement geeft eenmalig 30 minuten; bij bestanden langer dan 10 minuten zie je alleen de eerste 10 minuten tot je een minutenpakket of abonnement koopt, dus voor een volledig pilotinterview heb je een van die twee nodig. Wil je begrijpen wat nauwkeurigheidscijfers eigenlijk meten, lees dan word error rate uitgelegd.

Interviews in andere talen transcriberen

Transcribeer in de taal van het interview en codeer daarin zo lang als je team dat kan. Wie vóór het coderen vertaalt, vervangt de formulering van de deelnemer door die van de vertaler, en juist aan die formulering hangt vaak een in-vivocode.

1. Transcribeer in de oorspronkelijke taal, bijvoorbeeld met een speciale instelling voor Spaanse transcriptie of Duitse transcriptie.

2. Codeer in het origineel waar een teamlid de taal vloeiend leest.

3. Vertaal geselecteerde citaten pas laat voor publicatie, en laat een vloeiende spreker ze nakijken.

4. Vermeld in de methodesectie wie vertaalde en in welke fase.

Machinevertaling van het hele transcript is handig om eentalige begeleiders toegang te geven, zolang iedereen het erover eens is dat het origineel de dataset blijft.

Zo rapporteer je transcriptie in je methodesectie

Reviewers willen weten wie de transcripten heeft gemaakt, op welk detailniveau en hoe ze zijn gecontroleerd. Een zin als deze dekt het: "De interviews zijn met toestemming opgenomen, met automatische spraakherkenning in clean verbatim getranscribeerd en door de eerste auteur volledig naast de opnames gecontroleerd; zij pseudonimiseerde ook namen en plaatsen." Voeg de naam van de tool toe als dat in je vakgebied gebruikelijk is, en vermeld hoe onduidelijke passages zijn gemarkeerd.

Veelgestelde vragen

Is AI-transcriptie acceptabel voor kwalitatief onderzoek?

Ja, mits je ethische goedkeuring en toestemmingsformulier de tool dekken en een onderzoeker elk transcript naast de audio controleert. Beschrijf zowel de tool als de controlestap in je methodesectie.

Wat is verbatim transcriptie in kwalitatief onderzoek?

Het is een woordelijk schriftelijk verslag van wat deelnemers zeiden. Strikt verbatim bewaart stopwoorden, herhalingen en pauzes, terwijl clean verbatim stopwoorden en valse starts weghaalt maar elk inhoudswoord en de eigen grammatica van de spreker behoudt.

Moet ik mijn kwalitatieve interviews zelf transcriberen?

Zelf transcriberen geeft de grootste vertrouwdheid met de data, maar duurt veel langer. Een AI-concept regel voor regel naast de audio controleren geeft voor een groot deel dezelfde onderdompeling in minder tijd, en daarom werken veel onderzoekers nu zo.

Hoe transcribeer ik een focusgroep met veel sprekers?

Neem op met een centrale microfoon, laat de gespreksleider vroeg deelnemerscodes gebruiken en reken erop dat je de toewijzing aan sprekers met de hand corrigeert. Markeer overlappend praten als [door elkaar] in plaats van te gokken wie er sprak.

Welk formaat heeft NVivo nodig voor transcripten?

NVivo leest tijdstempels in de vorm hh:mm:ss of mm:ss en ziet tekst gevolgd door een dubbele punt en een spatie als sprekersnaam. Welke bestandstypen werken, verschilt per versie en platform, dus test één transcript in jouw editie voordat je de hele set importeert.

Is een gepseudonimiseerd transcript anoniem volgens de AVG?

Nee. Kunnen de tags met een sleutel die jij bewaart aan personen worden gekoppeld, dan is het transcript volgens de AVG (GDPR) gepseudonimiseerde persoonsgegevens en heeft het dezelfde bescherming nodig als andere persoonsgegevens.