質的研究のインタビュー文字起こし｜表記ルールと手順

質的研究のための文字起こしとは、インタビューやフォーカスグループを、分析・引用・安全な共有ができるテキスト（逐語録）にすることです。実際には4つの判断に集約されます。どの文字起こしスタイルを使うか（素起こし、ケバ取り、記号体系）、参加者をどう匿名化するか、精度をどう確認するか、そして分析ソフトがどの形式を取り込めるか、です。このガイドでは各ステップを解説し、最後にコーディング用のインタビュー逐語録を準備する手順を紹介します。

報道や研究のためのインタビューの録音と文字起こしの基本を知りたい方は、まずインタビュー文字起こしのガイドをご覧ください。この記事では、表記ルール、倫理、匿名化、コーディングソフトといった研究特有の部分をより深く扱います。

素起こしとケバ取り：まずスタイルを決める

スタイルは研究手法に合わせて選び、誰かが入力を始める前に文書にしておくべきです。プロジェクトの途中でルールを変えると、それまでのすべての逐語録を確認し直すことになります。

素起こしかケバ取りかの選択は、主に「何をデータとみなすか」の問題です。ためらい、自己修正、あるいは主張を和らげる言い方が分析にとって重要なら、ケバ取りは必要な証拠を消してしまいます。30件のインタビューに共通するテーマに関心があるなら、完全な素起こしは読む時間を増やすわりに分析上の価値はあまりありません。いずれにしても、ケバ取りはフィラーを取り除く以上に参加者の言葉や文法を変えてはいけません。言い換えではないのです。

質的研究の文字起こしの表記ルール

表記ルールは、プロジェクト全体と複数の書き起こし担当者の間で逐語録の一貫性を保つための決まりです。大きく分けて2つの選択肢があります。

シンプルな表記ルール

ほとんどの質的研究では、プロジェクト独自の短いリストを使います。典型的な例は次のとおりです。

• 話者ラベル：インタビュアーは I:、参加者7は P07:。
• 間：目立つ間は （間）、長さが重要なら （3秒）。
• 発話の重なり：[重なり] で示すか、重なった発話をスラッシュで始める。
• 非言語的な音：[笑い]、[ため息]、[長い沈黙]。
• 聞き取れない部分：タイムスタンプ付きで [聞き取り不能 00:14:32]、推測なら [不明瞭：語？]。
• 強調：太字や斜体を控えめに使う。
• 伏せ字：[町名]、[勤務先]。

このリストはプロジェクトの文書と、各逐語録のヘッダーに記載しておきましょう。

Jefferson式記号の基本

会話分析の研究者は、Gail Jeffersonにちなんで名付けられたJeffersonシステムを使います。ラフバラー大学の会話分析の記号に関するチュートリアル（英語）では、主な記号が次のようにまとめられています。

• (.) ごくわずかな間（マイクロポーズ）、(0.5) 秒数を計った間。
• [ 隣り合う行にそろえて重なりの始まりを示し、終わりには ] を使うこともある。
• = 発話の間に切れ目がない（ラッチング）。
• wo:rd 音の引き延ばし、°word° 小さな声、大文字は大きな声。
• >word< 速い発話、 ゆっくりした発話。
• ((sniffs)) 音や動作についての書き起こし者による説明。
• ( ) 聞き取れない発話、(word) おそらくそう聞こえるが不確かな部分。

システム全体については、方法論の文献ではJeffersonの「Glossary of transcript symbols with an introduction」（2004年）や、AtkinsonとHeritageのStructures of Social Interaction（1984年）が引用されます。日本語の会話分析でも、これを日本語向けに調整した記号が使われています。Jefferson式の書き起こしは時間がかかる専門的な作業で、確実にこれを作れる自動ツールはありません。手法上必要なら、人による詳細な作業を見込んでおきましょう。

倫理審査、同意、GDPRと個人情報保護法

録音を文字起こしサービスに渡す前に、3つの文書を確認してください。

1. 倫理審査の承認内容。 音声を誰がどのように文字起こしするかが定められている場合があります。人であれAIであれ、外部サービスの利用を明記するか承認を得る必要があるかもしれません。
2. 参加者の同意書。 録音が文字起こしされること、誰がアクセスできるか、音声をどのくらい保管するか、匿名化した逐語録をアーカイブや共有に使う可能性があるかを、参加者が知っている必要があります。
3. データ管理計画。 音声と逐語録をどこに保存し、いつ削除するかを記載しておくべきです。

EUと英国では、インタビューの録音はGDPRにおける個人データであり、健康、宗教、政治的見解などの特別な種類のデータを含むこともよくあります。日本でも、録音や逐語録は個人情報保護法（APPI）の対象となる個人情報に当たることが多く、病歴や信条などは要配慮個人情報として扱われます。外部サービスを使う場合、そのサービスは委託先（GDPRでいう処理者）になるため、どこでデータを処理するか、どのくらい保管するか、録音をモデルの学習に使うか、データ処理契約を結べるかを把握しておく必要があります。確認すべき点はGDPRと文字起こしの記事で詳しく解説しています。

たとえばAudiotextaは、予定日時での自動削除に対応し、ユーザーのコンテンツをモデルの学習に使いません。TeamプランにはDPA（データ処理契約）が含まれます。詳細はプライバシーのページに記載されており、倫理審査の申請書に引用できます。どのツールを使う場合も、所属機関の規程に照らして確認してください。承認済みの事業者しか使えない大学もあります。

匿名化と仮名化

匿名化はプロジェクトの最後ではなく、文字起こしの途中か直後に行いましょう。UK Data Serviceの質的データ匿名化ガイダンス（英語）は、匿名化を早い段階で計画し、一貫して適用し、伏せ字だけに頼らず同意やアクセス管理と組み合わせることを推奨しています。

実践的なルールは次のとおりです。

• 直接識別子（氏名、住所、メールアドレス、電話番号）は仮名か角括弧の説明に置き換えます。「佐藤さん」は「山田さん」や [同僚の名前] になります。
• 間接識別子（正確な年齢、珍しい職名、小さな町、まれな出来事）は、組み合わさると個人を特定できることがあります。「東北地方の小さな町に住む40代の看護師」のように一般化しましょう。
• 一貫させる。 同じ人や場所には、すべての逐語録で同じ置き換えを使います。
• 対応表を残す。 すべての置き換えを、逐語録とは別に保管しアクセスを制限した記録に残します。
• 黒塗りは避ける。 置き換えなら逐語録は読みやすいままですが、黒塗りでは読めなくなります。
• 匿名化しすぎない。 文脈を取り除きすぎると、データが分析に使えなくなることがあります。

対応表が存在する限り、仮名化したデータはGDPR上も個人データのままです（日本の個人情報保護法では「仮名加工情報」「匿名加工情報」という独自の区分があります）。もはや個人に結び付けられないデータだけが匿名と見なされます。

精度の確認：AIの下書きと人による確認

手作業の文字起こしには時間がかかります。シンプルな素起こしで音声1時間あたり4〜6時間という目安がよく挙げられ、詳細な記号付きの場合や雑音の多いフォーカスグループではさらに長くかかります。自動文字起こしは作業の流れを変えます。機械が数分で下書きを作り、研究者の時間は確認に充てられます。

実用的な確認手順は次のとおりです。

1. 下書きを作成する。 話者ラベルとタイムスタンプを付けます。Whisperクラスのモデルはクリアな音声では精度が良いものの、人名、専門用語、なまり、話者の重なりは今でも聞き間違えます。
2. 録音を最後まで聞きながら読む。 再生中の単語をハイライトし、単語をクリックしてその位置に移動できるエディタがあれば、ずっと速く進みます。
3. まず話者の切り替わりを直し、次に単語、最後に表記ルール（間、重なり、非言語的な情報）を加えます。
4. 推測せず不確かさを示す： [不明瞭 00:21:05]。
5. サンプルで2回目のチェックをする。 またはバッチごとに1件、同僚に確認してもらいます。

確認作業には通常、少なくとも録音と同じくらい、多くの場合はそれ以上の時間がかかります。これはデータに慣れ親しむ貴重な機会でもあり、多くの質的手法ではこれを分析の第一段階と位置付けています。録音条件が下書きにどう影響するかは、文字起こしの精度を上げるヒントで解説しています。

逐語録のヘッダーのテンプレート

すべての逐語録を同じヘッダーで始めれば、参加者が誰かを明かさずにファイルを識別できます。

コーディング用のインタビュー文字起こし：形式と書き出し

コーディングに最も適したインタビュー逐語録の形式はシンプルです。話者の発話ごとに1段落、冒頭に話者ラベル、そして各発話の冒頭か一定間隔でタイムスタンプを付けます。

• NVivoはWindows版でDOCXまたはTXTの逐語録を取り込めます。タイムスタンプは段落の冒頭か表の列に置き、hh:mm:ssなどの形式に対応しています。Mac版NVivoはプレーンテキストで取り込むため、お使いのバージョンのヘルプページを確認してください。
• ATLAS.tiはDOCX、RTF、TXTの逐語録に加え、現行バージョンではSRTとVTTのファイルも取り込め、再生時に逐語録と音声を同期できます。
• MAXQDAはDOCXまたはRTFファイルからタイムスタンプ付きの逐語録を取り込め、SRTとVTTにも対応しています。一般的な文字起こしツールのタイムスタンプ形式の一覧もあります。

Audiotextaなら、無料プランでTXT、SRT、VTT、ProでDOCXを書き出せます。タイムスタンプがファイルに含まれるため、ATLAS.tiやMAXQDAにはSRTやVTTを使うのが最も早いことが多いでしょう。NVivoの場合は、タイムスタンプ付きのDOCXかTXTを書き出し、まとめて取り込む前に、その形式をNVivoが認識できるか確認してください。まずはWebアプリで1件のインタビューを処理し、残りを文字起こしする前に取り込みを試しましょう。

逐語録を取り込み、音声とリンクし、匿名化まで済ませれば、すべての引用を録音の特定の場面までたどれるという安心感を持ってコーディングを始められます。