Ética da transcrição de entrevistas: obrigações essenciais

As obrigações essenciais

Pesquisadores que gravam e transcrevem entrevistas mantêm revelações privadas em forma documental. As obrigações éticas associadas a esses documentos não se resolvem apenas obtendo consentimento para gravar. Elas se estendem à forma como as transcrições são processadas, armazenadas, compartilhadas, anonimizadas e eventualmente destruídas. IRBs, participantes e estruturas de proteção de dados fazem perguntas nesse espaço. Este guia mapeia as respostas práticas.

As cinco obrigações que aparecem repetidamente nas orientações dos IRBs, no Common Rule dos EUA e no GDPR são: um consentimento que realmente cubra a transcrição e o processamento por terceiros; anonimização honesta em vez de simples troca cosmética de nomes; divulgação do processamento em nuvem no seu termo de consentimento e protocolo; um cronograma concreto de retenção e exclusão; e uma decisão sobre oferecer ou não aos participantes a revisão da transcrição.

O que o consentimento deve realmente cobrir

O Common Rule dos EUA (45 CFR 46.116) exige que o consentimento informado inclua "uma declaração descrevendo a extensão, se houver, em que a confidencialidade dos registros que identificam o participante será mantida". Essa frase tem mais peso do que aparenta. Um termo de consentimento que diz "sua entrevista será gravada", mas nada diz sobre transcrição, ferramentas em nuvem ou manuseio de dados, não satisfaz o espírito desse requisito.

Escritórios de IRB em várias universidades dos EUA agora tratam ferramentas de transcrição por IA como um item de divulgação separado. A Diretriz XI do IRB da Penn State exige que a documentação de consentimento aborde como as gravações "serão armazenadas, protegidas, usadas, transferidas e destruídas". O IRB da Universidade Columbia declarou explicitamente que, quando um serviço de transcrição em nuvem processa o áudio dos participantes, a ferramenta específica e sua política de privacidade devem constar no termo de consentimento e no protocolo de pesquisa.

Na prática, isso significa que seu termo de consentimento precisa de três coisas além de "você será gravado":

• Uma declaração de que a gravação será transcrita (por você, por um transcritor humano ou por um serviço de IA).
• Se for usada transcrição por IA, o nome da categoria do serviço e uma descrição em linguagem simples do que o serviço faz com o áudio.
• Uma declaração de por quanto tempo a gravação será retida e quando será excluída.

Para participantes que não concordaram com o processamento de seus dados de voz por terceiros, o único caminho defensável é manter a transcrição interna. Implantações locais do Whisper ou ferramentas criptografadas baseadas em laptop permitem transcrever sem rotear o áudio por infraestrutura externa de nuvem.

Para pesquisas envolvendo informações de saúde identificáveis, um Business Associate Agreement (BAA) com qualquer fornecedor de processamento de áudio é um requisito legal sob a HIPAA antes que o áudio possa ser transmitido ou armazenado por esse fornecedor.

Anonimização vs. pseudonimização: a distinção que importa

O erro mais difundido na transcrição de pesquisa é chamar dados pseudonimizados de anônimos. As diretrizes de 2025 do EDPB (EDPB Guidelines 04/2025) formalizam o que o Considerando 26 do GDPR sempre implicou: dados verdadeiramente anônimos estão totalmente fora do escopo da lei de proteção de dados. Dados pseudonimizados, não.

Os dados são pseudonimizados quando os identificadores são substituídos, mas a substituição pode, em princípio, ser revertida. Uma transcrição que usa "Participante 4" em vez do nome do participante está pseudonimizada, não anônima, porque sua chave de correspondência vincula o código de volta à pessoa. Essa transcrição ainda é dado pessoal sob o GDPR e o UK GDPR. Ela permanece sujeita a requisitos de base legal, direitos de acesso e obrigações de exclusão.

Os dados são genuinamente anônimos somente quando os três testes cumulativos do EDPB são atendidos:

• Não é possível isolar um indivíduo a partir do conjunto de dados.
• Não é possível vincular registros da mesma pessoa entre conjuntos de dados.
• Não é possível inferir atributos sobre um indivíduo a partir dos valores de dados restantes.

Para pesquisa qualitativa, passar nos três testes é raro. Citações carregam padrões de fala, vocabulário, contexto profissional e detalhes situacionais que frequentemente sobrevivem à remoção do nome. A classificação honesta para a maioria das transcrições de pesquisa é pseudonimizada.

A consequência prática: trate suas transcrições como dados pessoais até ter uma justificativa documentada para uma alegação mais forte. Aplique as regras de classificação de dados da sua instituição às transcrições pseudonimizadas, não a materiais "desidentificados".

Como pseudonimizar uma transcrição corretamente

O UK Data Service recomenda planejar a pseudonimização no momento da transcrição inicial, em vez de deixá-la como uma tarefa retrospectiva. Suas orientações especificam que identificadores diretos (nomes, dados de contato) e identificadores indiretos (locais específicos, datas e combinações de papéis que restringem a identificação) devem ambos ser abordados.

Um sistema funcional:

1. Substitua o nome de cada participante por um pseudônimo consistente ou código alfanumérico.
2. Substitua nomes de terceiros mencionados pelo participante (colegas, familiares, locais).
3. Agregue ou parafraseie detalhes contextuais identificadores: "[cidade na região norte]" em vez de uma cidade nomeada; "[um empregador do setor público]" em vez de uma agência específica.
4. Mantenha uma chave de correspondência separada, com acesso controlado, que vincule códigos a identidades reais.
5. Registre cada substituição em um log de anonimização armazenado separadamente do arquivo de transcrição.

O UK Data Service adverte contra a superanonimização (remover contexto que carrega significado analítico) e a subanonimização (deixar combinações de detalhes que identificam alguém mesmo após a remoção dos nomes).

Para pesquisas publicadas em relatórios ou artigos, use os mesmos pseudônimos de forma consistente, para que um leitor que acompanhe vários extratos não aprenda inadvertidamente mais sobre um participante por acumulação.

Processamento em nuvem: o que divulgar e quando evitar

Todo serviço de transcrição em nuvem que processa seu áudio é um operador de dados sob o GDPR e um business associate sob a HIPAA se houver PHI envolvida. Essa é uma relação jurídica que exige documentação, não apenas um fornecedor que você espera que se comporte bem.

Antes de enviar áudio de entrevistas para qualquer serviço em nuvem, verifique três coisas:

• Por quanto tempo o serviço retém o áudio depois que a transcrição é devolvida?
• O serviço usa o áudio para treinar ou melhorar seus modelos? Existe uma opção de recusa?
• O serviço oferece um Data Processing Agreement (DPA) ou, para pesquisa em saúde, um BAA assinado?

Essas perguntas pertencem ao seu protocolo de pesquisa. Os IRBs estão cada vez mais fazendo essas perguntas. Vários IRBs universitários dos EUA começaram a tratar serviços de transcrição em nuvem como partes envolvidas na pesquisa se receberem áudio de participantes, o que pode acionar a revisão do IRB sobre a própria ferramenta.

Para entrevistas envolvendo temas sensíveis (trauma, condições de saúde estigmatizadas, situação migratória, denúncia de irregularidades no ambiente de trabalho), o padrão conservador é o processamento local. Ferramentas de código aberto como o Whisper da OpenAI rodam em um laptop sem acesso à rede durante a transcrição.

Para pesquisas em que o tema não é sensível e os participantes consentiram com o processamento em nuvem com divulgação clara, serviços que oferecem um DPA e uma opção explícita de não uso para treinamento são o caminho intermediário entre o processamento local e o roteamento descontrolado para a nuvem.

Se você só precisa de transcrições precisas para entrevistas não sensíveis em que os participantes consentiram com o processamento online, a ferramenta de áudio para texto do ConvertAudioToText usa a infraestrutura de processamento da AssemblyAI com uma política de retenção documentada. Leia essa política antes de enviar áudio de pesquisa.

Retenção e exclusão: monte um cronograma antes de coletar

Muitos pesquisadores fazem isso ao contrário. Coletam, transcrevem, analisam, publicam e então se perguntam o que fazer com arquivos que já guardam há dois anos. A decisão de exclusão deve ser tomada antes do início da coleta de dados e documentada no protocolo do IRB.

Uma estrutura de retenção funcional separa áudio de transcrições por nível de risco.

Gravações de áudio carregam o maior risco de reidentificação. Vozes são biométricas. Se o áudio for retido após a transcrição, uma violação de dados posterior ou uma ordem judicial poderia expor a identidade de um participante mesmo em um estudo pseudonimizado. A maioria das orientações de IRB recomenda excluir o áudio assim que você verificar que a transcrição está completa e precisa. Vários protocolos de IRB estabelecem uma janela específica: 24 a 48 horas após a verificação.

Transcrições pseudonimizadas carregam menor risco e maior valor analítico. Elas normalmente são retidas durante a fase de análise do estudo e, para pesquisas de tese ou dissertação, durante o período de avaliação. Financiadores federais geralmente exigem um mínimo de três anos após a publicação. O cronograma específico deve constar no seu protocolo.

A chave de correspondência (o arquivo que vincula códigos a nomes reais) é o item de maior risco no seu arquivo. Ela deve ser armazenada em armazenamento institucional criptografado e com acesso controlado. Quando você a exclui, os dados dos participantes na transcrição tornam-se efetivamente anônimos para fins práticos, embora a transcrição em si ainda possa conter identificadores residuais.

Crie dois eventos no calendário ao iniciar um estudo: um para a exclusão do áudio e outro para a exclusão da chave de correspondência. Vincule-os aos marcos de encerramento do estudo no seu protocolo. As revisões anuais do IRB são um ponto de verificação natural.

Para as obrigações de manuseio de dados às quais isso se conecta, veja custos ocultos de serviços de transcrição e transcrição para pesquisa qualitativa.

Revisão da transcrição pelos participantes: o que é e quando oferecer

Member checking (também chamada de validação pelos respondentes ou revisão da transcrição pelos participantes) é uma estratégia de credibilidade na qual o pesquisador devolve dados ou achados aos participantes para revisão. Lincoln e Guba (1985) a descreveram como "a técnica mais crítica para estabelecer credibilidade" na pesquisa qualitativa.

No nível da transcrição, a forma mais simples é enviar aos participantes uma cópia da transcrição de sua entrevista e pedir que a revisem quanto à precisão. No nível dos achados, Birt e colegas (2016) propuseram o member checking sintetizado, no qual você compartilha seus achados analíticos em vez das transcrições brutas e pergunta se a interpretação ressoa.

Revisão no nível da transcrição e revisão no nível dos achados servem a propósitos diferentes. A revisão da transcrição trata da precisão factual e do conforto do participante com o registro. A revisão dos achados trata da validade interpretativa. Nenhuma é obrigatória, mas ambas são eticamente transparentes, e algumas estruturas de pesquisa (particularmente aquelas com desenho participativo) as tratam como obrigações.

Considerações práticas antes de oferecer a revisão da transcrição:

• Participantes que veem sua transcrição frequentemente querem alterar, acrescentar ou retirar trechos. Decida antecipadamente como você lidará com esses pedidos e descreva essa decisão no seu protocolo.
• Enviar transcrições cria uma nova obrigação de manuseio. O mecanismo de e-mail ou transferência de arquivos deve ser seguro.
• Alguns participantes acham angustiante ler sua própria fala em forma de texto, particularmente se a entrevista abordou trauma. Ofereça a opção sem dar a entender que ela é obrigatória.
• A revisão da transcrição reabre a relação da entrevista. Para populações vulneráveis, considere se esse novo contato é apropriado.

Minha opinião: para a maioria dos estudos com entrevistas, oferecer a revisão da transcrição é boa prática e de baixo custo. Participantes que sentem que podem corrigir o registro tendem a falar com mais franqueza desde o início. A sobrecarga administrativa é administrável se você criar um formulário simples de solicitação de correção e um protocolo de resposta documentado antes de começar.

Para saber mais sobre o fluxo de trabalho de entrevista para análise do qual isso faz parte, veja codificação de entrevistas qualitativas e análise temática a partir de transcrições.

Um checklist de ética pré-análise

Antes de mover uma transcrição de pesquisa para a análise, confirme cada item:

• O consentimento cobriu a transcrição, o método usado (humano/IA/nuvem) e a retenção de dados.
• O áudio foi excluído ou há uma data de exclusão no calendário.
• A transcrição está pseudonimizada com um log de anonimização.
• A chave de correspondência está em armazenamento criptografado com acesso controlado.
• Qualquer DPA ou BAA do serviço em nuvem está assinado e arquivado.
• A revisão da transcrição foi oferecida aos participantes ou existe uma justificativa documentada por não tê-la oferecido.

Seis itens. Passar por eles leva menos de cinco minutos e produz um rastro documental que satisfaz a revisão do IRB e, se você trabalha em território GDPR, sustenta sua obrigação de prestação de contas sob o Artigo 5(2).

Perguntas Frequentes

Como pseudonimizar uma transcrição corretamente

O UK Data Service recomenda planejar a pseudonimização no momento da transcrição inicial. Substitua sistematicamente identificadores diretos (nomes, dados de contato) e identificadores indiretos (locais específicos, datas, combinações de papéis). Use um pseudônimo ou código consistente para cada participante, mantenha uma chave de correspondência separada com acesso controlado e registre cada substituição em um log de anonimização armazenado separadamente do arquivo de transcrição. Agregue detalhes contextuais que poderiam restringir a identificação mesmo sem um nome presente.

Meu termo de consentimento do IRB precisa mencionar a ferramenta específica de IA que uso para transcrição?

A prática dos IRBs varia conforme a instituição, mas vários IRBs universitários (incluindo Columbia e Penn State) agora recomendam ou exigem nomear a categoria do serviço de transcrição e descrever o que ele faz com o áudio tanto no termo de consentimento quanto no protocolo do estudo. Obter consentimento dos participantes para "gravação de áudio" sem mencionar o processamento por IA de terceiros é cada vez mais considerado divulgação insuficiente, particularmente para temas de pesquisa sensíveis. Em caso de dúvida, consulte seu coordenador de IRB antes do início da coleta de dados, e não depois.

Qual é a diferença entre anonimização e pseudonimização em transcrições de pesquisa?

Sob o GDPR e o UK GDPR (e em consonância com as EDPB Guidelines 04/2025), dados anonimizados estão inteiramente fora do escopo da lei de proteção de dados porque nenhum indivíduo pode ser identificado a partir deles. Dados pseudonimizados substituem identificadores diretos por códigos, mas mantêm uma chave de correspondência, o que significa que os dados podem, em princípio, ser vinculados novamente a uma pessoa. A maioria das transcrições de pesquisa é pseudonimizada, não anônima, e deve ser tratada como dado pessoal, com todos os direitos e obrigações que isso implica.

Por quanto tempo devo manter gravações de áudio e transcrições após o encerramento de um estudo?

Gravações de áudio geralmente devem ser excluídas assim que você verificar que a transcrição está completa e precisa. Muitos protocolos de IRB especificam uma janela de 24 a 48 horas após a verificação. Transcrições pseudonimizadas normalmente precisam ser mantidas durante as fases de análise e publicação; financiadores federais geralmente exigem um mínimo de três anos após a publicação. O cronograma específico deve constar no seu protocolo de IRB antes do início da coleta de dados. Sua chave de correspondência deve ser excluída assim que sua finalidade de pesquisa for atendida.

Preciso de um Business Associate Agreement com um serviço de transcrição se minha pesquisa envolver entrevistas relacionadas à saúde?

Se sua pesquisa envolve Protected Health Information (PHI), conforme definido pela HIPAA, qualquer fornecedor que processe, armazene ou transmita esse áudio é um Business Associate e deve assinar um BAA antes que qualquer áudio seja transmitido. Isso se aplica a serviços de transcrição por IA que processam áudio de participantes na nuvem. Enviar PHI a um fornecedor sem um BAA é uma violação da HIPAA, independentemente do contexto da pesquisa. Para pesquisas que não envolvem PHI, mas abordam temas de saúde sensíveis, a obrigação de BAA pode não se aplicar legalmente, mas o argumento ético por proteções contratuais equivalentes é forte.

Oferecer aos participantes a revisão da transcrição é obrigatório?

Nenhum requisito regulatório universal torna obrigatória a revisão da transcrição na pesquisa qualitativa. O que varia é a expectativa ética dentro de estruturas metodológicas específicas. A pesquisa-ação participativa trata a contribuição do participante para o registro como princípio central. A análise temática (Braun e Clarke) e abordagens da grounded theory tratam estratégias de credibilidade como o member checking como opcionais, mas valiosas. A decisão deve ser documentada no seu protocolo de qualquer forma: oferecê-la com um processo para lidar com as alterações solicitadas, ou documentar por que ela não era apropriada para o desenho do seu estudo.

Fontes

• Common Rule dos EUA, 45 CFR 46.116 (vigente em junho de 2026): https://www.law.cornell.edu/cfr/text/45/46.116
• Diretriz XI do IRB da Penn State: https://researchsupport.psu.edu/orp/irb/irb-resources-training-and-events/irb-guidelines/irb-guideline-xi-research-involving-audio-video-or-digital-recordings-of-research-participants/
• Blog do IRB da Universidade Columbia, Audio and Video Recording in Remote Research (2022): https://www.tc.columbia.edu/institutional-review-board/irb-blog/2022/audio-and-video-recording-in-remote-research/
• EDPB Guidelines 04/2025 sobre anonimização (via Innovires Legal): https://www.innovires.com/en/blog/edpb-anonimizacia-psevdonimizacia.html
• UK Data Service, Anonymising Qualitative Data: https://ukdataservice.ac.uk/learning-hub/research-data-management/anonymisation/anonymising-qualitative-data/
• ICO, Introduction to Anonymisation: https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/data-sharing/anonymisation/introduction-to-anonymisation/
• ICO, Pseudonymisation: https://ico.org.uk/for-organisations/uk-gdpr-guidance-and-resources/data-sharing/anonymisation/pseudonymisation/
• Lincoln, Y. S., and Guba, E. G. (1985). Naturalistic Inquiry. Sage.
• Birt, L., Scott, S., Cavers, D., Campbell, C., and Walter, F. (2016). Member Checking: A Tool to Enhance Trustworthiness or Merely a Nod to Validation? Qualitative Health Research, 26(13).
• Orientação da HHS sobre BAAs da HIPAA: https://www.hhs.gov/hipaa/for-professionals/privacy/guidance/hipaa-audio-telehealth/index.html