博士論文インタビュー文字起こし：博士課程のための完全プラン

文字起こし段階は、博士論文の中で最も安価で地味な部分でありながら、タイムラインを最も頻繁に遅らせる部分でもあります。 30〜80件のインタビューを扱う質的研究プロジェクトで、この段階を誤ると、手入力に何ヶ月も浪費するか、学科が予算を承認しない人間による文字起こしに数千ドルを費やすか、あるいは審査委員が必ず尋ねてくる精度とIRBに関する質問に正当な答えを持たないまま口頭試問に臨むことになります。

このガイドは、フルスケールの博士論文に取り組む博士課程の研究者向けです。インタビュー件数が少ない修士論文に取り組んでいる場合は、論文研究のための文字起こしの記事がその規模をカバーしています。

研究手法には逐語録とインテリジェント文字起こしのどちらが必要か？

これは最初に決めておくべき問いです。以降のすべてがここで決まるからです。

会話分析と談話分析では、副言語表記を含む完全な逐語録が必要です。 長さで示される休止、発話の重なり、イントネーションなどです。AI文字起こしだけではこれを実現できず、いずれにせよ手動での表記作業が発生します。

グラウンデッド・セオリーでは、 GlaserとStrauss、あるいは後のCorbinとStraussの定式化に従う場合、少なくとも初期のオープンコーディング段階ではクリーン逐語録が必要です。クリーン逐語録は意味のある発話内容をすべて残しますが、フィラーワードと言い直しは除去します。理論的サンプリングが後半のインタビューへ進むにつれて要件は多少緩和されますが、その旨を方法の章に明記する必要があります。

テーマティック分析では、 BraunとClarke（2006）の記述によれば、データとの馴染みを6つのフェーズのうちの第1フェーズとして位置づけます。クリーン逐語録は6つのフェーズすべてに十分対応できます。テーマティック分析には「インテリジェント」（大幅に整理された）文字起こしだけで足りるという主張は十分に裏付けられておらず、クリーン逐語録の方が安全なデフォルトです。

現象学はより柔軟です。分析段階ではインテリジェント文字起こしで機能しますが、参加者の正確な言い回しが証拠となる箇所のために、音声へのアクセスは保持しておいてください。

**ナラティブ・インクワイアリー（物語研究）**は談話分析に近い位置にあります。ためらいや語りのリズムもデータです。逐語録を使ってください。

研究計画書で約束した手法の選択はあなたを拘束します。計画書に逐語録と書いたのにインテリジェント文字起こしの原稿を提出すれば、審査委員は必ず気づきます。

AI文字起こしについてIRBが実際に知っておくべきこと

IRBは「AI」というカテゴリを承認するわけではありません。データ取り扱い計画が同意書と一致し、参加者を保護しているかどうかを評価します。AI文字起こしサービスがプロトコルに入ってくると、審査担当者が注目するのは次の4つの質問です。

そのサービスは音声を保持しますか？ 保持する場合、どのくらいの期間か。また、その保持期間は承認済みのデータ管理計画と矛盾しませんか？

あなたのデータはモデル学習や製品改善に使われますか？ 人を対象とする研究を審査するほとんどのIRBにとって、答えは「ノー」でなければなりません。ベンダーから書面で確認を取ってください。

データは地理的にどこで処理・保存されますか？ 参加者の所在地によっては、国境を越えるデータ移転がGDPR、PIPEDA、あるいは所属機関独自のデータ所在地ポリシーに関わる可能性があります。

チーム外の誰がファイルにアクセスできますか？ ベンダーのスタッフ、再委託先（サブプロセッサー）、政府からの要請もすべて該当します。

この4つすべてへの回答を方法の章に記録してください。明確に記録された答えは審査委員の質問を終わらせます。曖昧な答えは不安を生み、それが口頭試問で反対意見として再浮上します。

クラウドサービスに音声を送る前に、特に機密性の高い識別情報をアップロード前にマスキングしておくことは、ワークフローを大きく変えずにIRBリスクを減らす実用的な対策です。

実際にはどれくらいの時間がかかるのか？

60分のインタビュー50件からなる博士研究プロジェクトは、50時間の音声を生み出します。以下は楽観的なものではなく、現実的なタイムラインです。

• AI文字起こし処理：合計1〜4時間（並列処理）
• 文字起こし原稿のレビューと修正：12〜25時間（音声1時間につき15〜30分）
• 匿名化作業：独立した工程として1〜2週間
• QDAへの取り込みとセットアップ：1〜2日
• 初期コーディング：75〜150時間（帰納的コーディングで1時間のインタビューにつき3〜5時間）
• テーマの展開：3〜4週間
• 結果章の草稿執筆：6〜10週間

この規模のプロジェクトにおけるデータ収集後の分析段階は、現実的には10〜18週間かかります。プログラムが6週間しか割り当てていないなら、延長の相談をする覚悟が必要です。口頭試問の日程を決める前に、実際の数字に基づいて計画してください。

8段階のワークフロー

ステージ1：最初のインタビューの前にプロトコルを文書化する

データを収集し始める前に、この文書を書いてください。

• 録音デバイスの機種と設定
• ファイル命名規則（プロジェクトコード、参加者の仮名、日付）
• バックアップ手順とスケジュール
• 文字起こしツール、精度レビューのプロセス、レビュー担当者
• 匿名化の手順と仮名対応表の保管場所
• 保管スケジュールと削除計画

この文書は方法の章の一部になります。データ収集後に書くということは、行ったことを後から再構成することを意味し、審査委員の精査では常に説得力が弱く見えます。

ステージ2：冗長性をもって録音する

博士課程の規模では、録音デバイスを2台用意することは慎重すぎるやり過ぎではありません。それが標準です。スマートフォン＋専用ハンドヘルドレコーダーの組み合わせが一般的です。50件のインタビューからなるプロジェクトで音声を失えば、取り返しがつきません。

各録音は、インタビューから24時間以内に、少なくとも2つの別々の保管場所にコピーしてください。

ステージ3：クラスタ単位でバッチアップロードする

5〜10件のインタビューのまとまりごとに、半日を確保してください。まとめてアップロードします。AI文字起こしはファイルを並列処理するため、60分のインタビュー10本でも1本とほぼ同じ時間で完了します。バッチ処理にすることで、数ヶ月に及ぶプロジェクト全体でワークフローを管理する認知的負荷も軽減されます。

ステージ4：すべての文字起こし原稿を音声と照合してレビューする

これは博士課程の学生が最も省略しがちで、口頭試問で最も後悔するステージです。 音声1時間につき15〜30分のレビューを見込んでください。音声50時間なら、プロジェクト全体に分散した12〜25時間の集中作業になります。

音声を再生しながら文字起こし原稿を開き、修正します。

• 固有名詞：人物名、機関名、地名、プログラム名
• 研究テーマに関わる専門用語
• 数値と日付（AIのエラーが頻発する箇所）
• ダイアリゼーションが発話の帰属を誤った箇所の話者ラベル

論文で直接引用する予定の箇所は、文章に登場させる前に必ず音声と照合して確認してください。

ステージ5：匿名化を独立した工程として行う

匿名化はレビューと混ぜず、独立した別工程として実施します。正当性を示せる匿名化プロトコルは次のとおりです。

• 参加者名を、全文字起こし原稿を通じて一貫した仮名に置き換える
• 勤務先名を一般的な記述に置き換える（「地方の病院」「中堅のテクノロジー企業」）
• 具体的な日付を相対的な時期に変換する（「約18ヶ月前」）
• 個人を特定できる経歴の詳細を一般化する
• 参加者が言及した第三者の名前をすべて置き換える

仮名と実名を対応付ける鍵となる文書を暗号化して管理してください。文字起こし原稿とは別に保管し、同じデバイスやプラットフォームには絶対に置かないでください。

ステージ6：QDAソフトウェアに取り込む

30〜80件のインタビューからなるプロジェクトなら、QDAソフトウェアへの投資は価値があります。NVivo、MAXQDA、ATLAS.tiはいずれも.docxまたは.txt形式の文字起こし原稿を取り込めます。ATLAS.tiは学術向け個人クラウドプランを提供し、MAXQDAにはアカデミックライセンスの階層があり、両社とも学生価格があります。大学がサイトライセンスを保有している場合もあるので、購入前に図書館に確認してください。

QDAソフトウェアとAI文字起こしを競合関係と見なすのは誤った枠組みです。AI文字起こしがクリーンな入力を作り、QDA環境がコーディング、メモ、理論の発展を担います。NVivo対AI文字起こしの記事で、両者がどう連携するかを解説しています。

ステージ7：体系的にコーディングする

質的インタビューのコーディングの記事で、コーディングのアプローチを詳しく解説しています。50件のインタビューからなるプロジェクトで帰納的コーディングを行う場合、1時間のインタビューにつき3〜5時間のコーディング時間を見込んでください。テーマの展開が始まるまでに150〜250時間のコーディング作業が必要です。これが分析段階で最大の時間のかかる部分であり、交渉の余地はありません。

ステージ8：IRBの承認に従ってデータを保管する

IRBの承認では、音声と文字起こし原稿の保管期間が指定されているのが一般的で、通常は出版後3〜7年です。この期間を持ちこたえられる保管計画を立ててください。安全な機関内の場所に置かれた暗号化外部ドライブが最も一般的なソリューションです。強固な暗号化を備えたクラウドストレージも実用的な選択肢ですが、継続的なコストとサービス存続への依存が発生します。

博士課程規模での予算計算

プロの人間による文字起こしは、音声1分あたり約1.50ドルから始まります。 60分のインタビュー50件のプロジェクトでは、音声3,000分となり、エントリーレートで4,500ドルです。80件になると7,200ドル近くに達します。これを賄える博士課程の予算はほとんどありません。訛りのある発話、専門用語、特急納品のプレミアムまで含まれている例はさらに少ないでしょう。

AI文字起こしはこの計算を根本的に変えます。月額9.99ドルなら、ConvertAudioToTextのようなサービスで、2〜3ヶ月の請求期間にわたり30ドル未満で論文の全音声をカバーできます。コストの下限を決めるのはツールではなく、あなた自身のレビュー時間です。

私の見解：ほぼすべての博士課程の予算にとって現実的なワークフローは、AI文字起こし＋自分自身の丁寧なレビューであり、音声品質や強い訛りで本当にAIが対応できなかった2〜3件のインタビューだけ人間による文字起こしに頼ることです。いずれにせよ全原稿を音声と照合してレビューするのであれば、データセット全体を人間に頼むことは4,500ドル以上を正当化する品質向上にはなりません。

英語以外のインタビューの場合は、選ぶツールが「99以上の言語対応」という謳い文句だけでなく、あなたの特定の言語で検証済みの精度を持っていることを確認してください。

サービスごとの1分あたりコストの詳細な比較は、文字起こし料金比較をご覧ください。

比較：博士課程規模での文字起こしアプローチ

口頭試問で審査委員が尋ねてくること

次の3つの質問は、質的研究の博士論文口頭試問でほぼ必ず出てきます。

「AIの文字起こし原稿をどのように検証しましたか？」 具体的なプロセスを説明します。音声を再生しながら原稿を開き、固有名詞・専門用語・数値を修正し、論文に登場させる前にすべての直接引用を音声と照合して確認した、と。具体性がこの質問を終わらせます。

「参加者の身元をどのように保護しましたか？」 匿名化プロトコルを一歩ずつ順を追って説明します。識別情報をケースバイケースの判断ではなく、体系的に扱ったことを示しましょう。

「文字起こしの方法は研究方法論とどのように整合していますか？」 逐語録かインテリジェントかという判断を、引用した方法論的伝統に直接結び付けます。BraunとClarkeのテーマティック分析フレームワーク、GlaserとStraussのグラウンデッド・セオリー、あるいは現象学の伝統のいずれにも正当化できる答えがありますが、あなたの答えは独自の見解ではなく、彼らの枠組みに基づくものである必要があります。

文字起こし段階では、話者ダイアリゼーションも重要になります。複数人数のインタビューやフォーカスグループでは、ツールが発話のターンを正しく話者に割り当てているかを確認し、誤りがあればレビュー時に修正してください。話者ラベルが入れ替わった文字起こし原稿は、分析の糸筋全体を無効にしかねません。

FAQ

使用予定の文字起こしサービスをIRBに伝える必要はありますか？

はい。識別可能な音声録音を第三者サービスで処理する場合は必要です。IRBは、そのサービスがデータを保持するか、モデル学習に利用するか、そしてプロトコルが許容する管轄区域にデータを保存するかを確認します。データ管理計画にサービス名を明記し、これら3つの質問への回答を記録した上で、何かをアップロードする前にベンダーから書面で回答を入手してください。

博士論文の研究手法では、逐語録とインテリジェント文字起こしのどちらが必要ですか？

会話分析と談話分析では、副言語情報（休止、発話の重なり、イントネーション）を含む完全な逐語録が必要です。グラウンデッド・セオリーでは、GlaserとStrauss、あるいは後のCorbinとStraussの定式化に従う場合、意味のある発話内容をすべて残すクリーン逐語録が、特に初期のオープンコーディング段階での標準的な出発点となります。BraunとClarke（2006）が述べるテーマティック分析では、データとの馴染みを第1フェーズとしており、その目的にはクリーン逐語録で十分です。フィラーワードを除去するインテリジェント文字起こしは、現象学やケーススタディの事例間分析では正当化できますが、方法の章で明示すべきです。

50件のインタビューがある博士論文の場合、文字起こし段階には実際どれくらいの時間がかかりますか？

AI処理自体はファイルあたり数分で終わります。ボトルネックになるのはレビュー時間です。固有名詞、専門用語、話者ラベルの修正のために、音声1時間につき15〜30分を見込んでください。60分のインタビュー50件なら、音声は50時間、集中したレビュー作業は12〜25時間になります。匿名化（独立した別工程）、QDAへの取り込み、初期コーディングを加えると、データ収集後の分析段階は現実的には10〜18週間かかります。

博士論文プロジェクト全体の文字起こしにはいくらかかりますか？

プロの人間による文字起こしは、音声1分あたり約1.50ドルからです（Ditto Transcripts、Revの人間によるサービス）。このレートで音声50時間だと4,500ドルになります。ConvertAudioToTextのようなサービスのAI文字起こしは、無制限の音声で月額9.99ドルなので、2つの請求サイクルにまたがればプロジェクト全体でも30ドル未満に収まります。ほとんどの博士課程の予算に対する現実的なアプローチは、AI文字起こし＋自分自身のレビュー時間を使い、音声品質や強い訛りでAIが対応できなかった2〜3件のインタビューだけ人間による文字起こしに頼ることです。

口頭試問で、文字起こしの精度に関する審査委員からの質問にはどう答えればよいですか？

3つの答えを事前に準備しておきましょう。検証については、具体的なプロセスを説明します（音声を再生しながら文字起こし原稿を開き、固有名詞・専門用語・数値を修正し、論文で使う直接引用はすべて音声と照合して確認）。匿名化については、体系的なプロトコルを一歩ずつ順を追って説明します。逐語録かインテリジェントかについては、自分の選択を明示した研究手法に直接結び付け、方法論上の根拠を引用します。いずれも曖昧な答えは追加の追及を招きますが、具体的で記録された答えは質問を終わらせます。

出典

• Revの料金ページ - AIおよび人間による文字起こしプランの料金、2026年7月時点で確認
• Otter.aiの料金ページ - フリーおよびProプランの制限、2026年7月時点で確認
• Ditto Transcripts：人間による文字起こしのコスト 2026 - プロの人間による文字起こしの1分あたり1.50ドルからの開始レート
• GoTranscript：AI文字起こしのIRBリスクチェックリスト - 第三者AI文字起こしに関するIRB評価の重点領域
• ATLAS.ti 料金ガイド 2026 - アカデミックおよび学生向け料金階層
• Lumivero NVivo ショップ - NVivoの現在のプランとアドオン
• BraunとClarkeのテーマティック分析概観 - 6フェーズフレームワークの要約
• ConvertAudioToTextの料金ページ - 現在のProプラン料金と無料枠の制限