3.6 Datensicherung: Transkription Erlaubnis zur Nutzung der Bilder und Zitation von Bildern Im Feld: Zugang, Beobachtung, Erhebung

Transkript

1 162 3 Im Feld: Zugang, Beobachtung, Erhebung Welche Gestaltungsleistungen von den Erforschten und welche Gestaltungsleistungen von den Forschenden kommen, ist letztlich auch eine Leitfrage im Zusammenhang mit der Planung der Erhebung. Wenn beispielsweise Schülerinnen ihre Schule fotografieren, kann das Material für die Perspektive der Schüler auf ihre Schule rekonstruiert werden. Wenn die Lehrenden die Fotos machen, fängt man die Perspektive des Lehrkörpers ein. In methodologischen Überlegungen zur Erhebung von visuellem Datenmaterial wird sehr einhellig diskutiert, dass zwischen Material, das zu Forschungszwecken erhoben wird, und Material, das im Forschungsfeld bereits vorliegt, zu unterscheiden ist. Zu bedenken gilt es hier vor allem, dass bestimmte Gestaltungsleistungen, wie die Wahl der Perspektive, der Bildausschnitte sowie auch der Gesamtkomposition des Bildes in der Fläche, bei Bildern, die eigens für die Forschung erstellt werden, von den Forschenden erbracht werden. Sie sind in diesem Fall die abbildenden Bildproduzenten, während die Untersuchten die abgebildeten Bildproduzentinnen sind und z.b. für Körperhaltungen und die szenische Choreographie ausschlaggebend sind. Die Unterscheidung von abgebildetem Bildproduzenten und abbildendem Bildproduzenten ist auch bei bereits vorhandenem Material relevant, nämlich, wenn beide nicht zum selben Milieu gehören. Dieser Aspekt gehört an sich aber schon zur Auswertung (siehe Kap. 5.6) Erlaubnis zur Nutzung der Bilder und Zitation von Bildern Wenn massenmedial veröffentlichte Bilder nicht als Illustrationen, sondern als Gegenstand der empirischen Analyse dienen, kann man sie wie Texte zitieren. Das Einholen von Bildrechten erübrigt sich. Das Zitieren sollte allerdings ebenso ernst genommen werden wie bei Texten. Schwierig wird es bei Bildern, die auf Social-Media-Plattformen veröffentlicht worden sind. Hier setzt sich die Auffassung durch, dass die Bilder nur für diesen Kontext, z.b. für Facebook, öffentlich gemacht wurden und nicht für andere Kontexte bestimmt sind. Für die Verwendung privater Bilder gilt es, eine Erlaubnis einzuholen. Im Interview oder in der Gruppendiskussion dokumentiert sich dieses Einverständnis durch die Tatsache, dass die Interviewten das Aufzeichnungsgerät akzeptiert haben. Bei der Verwendung von privaten Bildern ist es wichtig, dass diese für die Verwendung zu Forschungszwecken freigegeben werden. 3.6 Datensicherung: Transkription Die Art und Weise, wie mit Ton- und Filmdokumenten egal, ob diese bewusst zu Forschungszwecken erstellt wurden oder nicht gearbeitet wird, entscheidet, ob es sich bei dieser Arbeit um empirische Forschung handelt. Die Transkription bildet dabei eine Schlüsselstelle. Warum das so ist also das methodologisch-wissenschaftstheoretische Argument skizzieren wir, bevor wir auf die konkreten nunmehr methodologisch begründeten Prin-

2 3.6 Datensicherung: Transkription 163 zipien der Transkription und deren technische Umsetzung eingehen: 91 Die Arbeit mit Transkripten so werden wir zeigen ist eine konsequente Lösung eines der zentralen Probleme empirischer Sozialforschung. Dies begründet auch, warum transkribieren nicht schlicht aufschreiben heißt, und wozu sich die Mühe des Transkribierens lohnt. Das Produkt der Wissenschaft ist Wissen in Form von Theorien, die schriftlich niedergelegt werden müssen, also in Form von Texten und Formeln, bisweilen ergänzt oder illustriert durch graphische Modelle oder auch Produkte bildgebender Verfahren. In den nichtempirischen Wissenschaften dienen Erfahrungen außerhalb der wissenschaftlichen Welt in Form von Beobachtung oder Bildern eher als Illustrationen oder (nachträgliche) Belege für theoretische Argumente. In den empirischen Wissenschaften gelten Theorien nur dann, wenn die Erfahrungen, auf welchen sie beruhen, für andere nachvollziehbar, d.h. überprüfbar sind. Damit ist folgendes Problem aufgeworfen 92 : Alle Beobachtungen auf unserem Gebiet sind das Beobachtungen der sozialen Welt müssen auf solche Weise schriftlich niedergelegt werden, dass von anderen prinzipiell wieder in diese verschriftlichen Beobachtungen überführt werden kann. 93 Quantitative Verfahren müssen entsprechend genau definieren, auf welche Beobachtung eine zu messende Merkmalsausprägung (z.b. hohe Ängstlichkeit) abstellt. Noch relativ einfach erscheint diese Definition, wenn es sich um einen bestimmten Wert in einem Test handelt. Dann lautet die Definition z.b. wie viele der entsprechenden Fragen mit ja und wie viele mit nein beantwortet wurden. 94 Schwieriger verhält es sich mit Merkmalen, die den Alltag beschreiben, wie etwa die Häufigkeit von Nachbarschaftskontakten. Ist ein regelmäßiges, freundliches Kopfnicken im Vorbeigehen schon/noch ein Nachbarschaftskontakt? Die Sätze, die einzelne Beobachtungen in Text überführen, nennt man Protokollsätze. Sie bilden die empirische Grundlage für den weiteren Forschungsprozess und machen ihn intersubjektiv überprüfbar. Ein Protokollsatz ist mithin bereits eine Definition auf der Basis einer großen Fülle vorab geleisteter Interpretationen. (Zum Beispiel: Was ist ein Nachbarschaftskontakt? Was unterscheidet Kopfnicken von einem verbalen Gruß? Ist Kopfnicken ein Gruß? usw.) In der standardisierten Forschung liegt jedem Zahlenwert ein derartiger Protokoll- oder Beobachtungssatz zugrunde. Die Kontrolle dieser Interpretationen ist sehr schwierig und daher auch eine schwacher Stelle quantitativer empirischer Forschung ein Dilemma, mit dem in guten Untersuchungen sorgfältig umgegangen wird. In der rekonstruktiven Sozialforschung löst nun die Transkription das Problem der Protokollbzw. Beobachtungssätze: Sie überführt die Dokumente der sozialen Welt in abdruckbare Text- und Bildsequenzen, auditive Wahrnehmungen in schriftliche Texte und bewegte Bilder in eine Abfolge von Standbildern Es gibt eine Fülle technischer Lösungen zur Umsetzung von Grundprinzipien der Transkription in Form vieler Transkriptionssysteme. Eine umfassende Darstellung würde die vorliegende Publikation unnötig belasten. Wir stellen exemplarisch vier Systeme dar, davon zwei so, dass die Leserinnen in die Lage versetzt werden, eigenständig mit ihnen zu arbeiten. Hinsichtlich der anderen Transkriptionssysteme verweisen wir auf entsprechende Quellen. Vgl. zu diesem Problem auch Bohnsack 2003a: 13f. Dieses Ideal ist nur näherungsweise erreichbar. Bei der Transformation von Sinneseindrücken in die Modalität des Textes handelt es sich nie um eine eindeutige Entsprechung, sondern diese Transformation geht immer mit einer Interpretation dieser Eindrücke einher. Bei Tests stellt sich natürlich immer die Frage, in welcher Form durch den Test ein Konstrukt wie Ängstlichkeit überhaupt erfahrbar gemacht wird. Diese Diskussion haben wir an anderer Stelle aufgenommen (vgl. Kap. 2). Festzuhalten bleibt, dass eine Menge Vorinterpretation notwendig ist, um das Antwortverhalten auf bestimmte Fragen mit einer emotionalen Disposition in Verbindung zu bringen.

3 164 3 Im Feld: Zugang, Beobachtung, Erhebung Die Interpretationsleistungen der Forscherinnen sind dabei ungleich geringer als bei Beschreibungen dessen, was bei quantitativen Vorgehensweisen gemessen wird (Bsp.: Nachbarschaftskontakte, s.o.). Arbeitet man, wie bei den in diesem Band vorgestellten rekonstruktiven Methoden, mit Ton-, Bild- oder Filmdokumenten, dann liegen empirische, reproduzierbare und damit überprüfbare Ausgangsdaten vor, die zunächst noch nicht durch das Nadelöhr wissenschaftlicher Interpretation bzw. Definition gegangen sind. Der Bezug, den die Interpretationen (d.h. der Weg zur Theoriebildung) zu ihren Ausgangsdaten haben, muss allerdings systematisch dargestellt werden, damit er intersubjektiv überprüfbar bleibt. Dies zieht die beiden folgenden Anforderungen an den Umgang mit Bild- und Tondokumenten nach sich: 1. Man muss auf die Beobachtungen systematisch zugreifen können, um die Interpretationen eindeutig auf die einzelnen Text- (bzw. Ton-) und/oder Bildausschnitte zurückführen zu können. 2. Die Transformation der Beobachtungen in Texte (also die Beobachtungssätze, auf welchen die Theorien fußen) muss nachvollziehbar gezeigt werden. Das heißt, wir müssen unsere Ton-, Bild- und Filmdokumente in eine schriftliche Form überführen. Als Bezeichnung für diesen Vorgang hat sich in der Sozialwissenschaft der Terminus Transkription eingebürgert. Das Prinzip unseres Alphabets suggeriert ein eindeutiges Abbild des akustischen sprachlichen Ereignisses in der Schrift. Spätestens, wenn man sich Lautschriften ansieht, die Nichtmuttersprachlern einen Zugang zu unserer gesprochenen Sprache geben wollen, erkennt man, dass diese Vorstellung irreführend ist. Wenn wir also das akustische Ereignis der gesprochenen Sprache in Schrift überführen, vollziehen wir bereits eine Interpretation. Wir bleiben dabei im primären Medium Sprache, verändern aber den Träger der Sprache. Der Anteil an vorab geleisteter Interpretation ist umso geringer, je mehr es gelingt, das akustische Ereignis zu notieren. Das heißt, wir haben es mit Ausgangsdaten zu tun, die noch relativ frei von Interpretationen der Forscher sind. Der Bezug von Ausgangsdaten, also Protokollen in Form von Transkripten, Interpretationen und Theorien, kann systematisch gezeigt und damit nachvollziehbar gemacht werden. Das Problem der Beobachtungssätze stellt sich also lediglich auf der Ebene des Verhältnisses von gesprochener zu schriftlicher Sprache. Dieses Verhältnis wird uns bei den Prinzipien der Transkription von gesprochener Sprache beschäftigen. Bilder haben den Vorteil, dass man sie weitgehend so, wie sie sind, auf einer Buch- oder Bildschirmseite niederlegen kann. Auch die Wahrnehmung des Bildes muss aber in (schriftliche) Sprache überführt werden, was man dann nicht mehr transkribieren, sondern interpretieren nennt, weil hier das primäre Medium gewechselt wird. Die Möglichkeit, Bilder innerhalb von Publikationen zu reproduzieren, eröffnet die Chance, ihnen auf dem Weg der (kontrollierbaren) Interpretation der Bildlichkeit mehr Versprachlichbares abzugewinnen, als wenn es sich nur um ein flüchtiges Ereignis handeln würde. Das machen sich Filmtranskripte zunutze. Sie enthalten die bildliche Seite des Films ebenso wie die auditiv textliche. Während die Anonymisierung der untersuchten Personen bei quantitativen Untersuchungen lediglich ein technisches Problem darstellt, erweist sie sich in der rekonstruktiven Forschung insbesondere auf der Ebene von Transkripten als prinzipielles Problem: Die Interpretationen wollen ja gerade nicht von vornherein von raum-zeitlichen Gegebenheiten

4 3.6 Datensicherung: Transkription 165 abstrahieren. Persönliche Daten enthalten eine Fülle solcher Informationen. Dennoch müssen alle Daten und Merkmale, die Rückschlüsse auf konkrete Personen erlauben, anonymisiert werden spätestens, wenn ein Transkript einen engen Forschungszusammenhang verlässt. Das gilt auch für die Arbeit mit nicht veröffentlichten Fotos sowie mit Film- und Videomaterial. Das kann große Einschränkungen für die Präsentation von Forschungsergebnissen mit sich bringen. Diese Regel gilt selbstverständlich nicht für Personen des öffentlichen Lebens und Personen, die in historischen Dokumenten vorkommen, sofern es sich bei dem benutzten Bildmaterial um öffentlich zugängliche Quellen handelt. In der rekonstruktiven Sozialforschung löst die Transkription das Problem der Protokollbzw. Beobachtungssätze. Sie überführt die Dokumente der sozialen Welt in abdruckbare Text- und Bildsequenzen: auditive Wahrnehmungen in schriftliche Texte und bewegte Bilder in eine Abfolge von Standbildern. Die Interpretationsleistungen der Forscherinnen sind dabei ungleich geringer als bei den Beschreibungen dessen, was bei quantitativen Vorgehensweisen gemessen wird (Bsp.: Nachbarschaftskontakte). Systematische Transkriptionen erlauben es, die Transformation der Beobachtungen in Texte nachvollziehbar zu machen und die Interpretationen eindeutig auf entsprechende Textstellen zurückführen zu können, was wesentlich zur intersubjektiven Überprüfbarkeit beiträgt. Sofern es sich nicht um historische Dokumente oder Dokumente des öffentlichen Lebens handelt, müssen alle Formen von Transkripten ebenso wie nicht veröffentlichte Bilder anonymisiert werden Prinzipien der Transkription gesprochener Sprache Die gesprochene Sprache unterscheidet sich deutlich von ihrer schriftlichen Form. Wir sprechen beispielsweise nur selten in ganzen Sätzen. Niemand hat dabei den Eindruck, Fehler zu machen, wie es bei schriftlichen Texten der Fall wäre. 95 Das heißt, die gesprochene Sprache folgt anderen formalen Regeln als die geschriebene. Zudem kommt es häufig vor, dass zwei oder mehrere Personen gleichzeitig sprechen, sei es, dass sie einander unterstützen oder dass sie sich wechselseitig unterbrechen. Nicht nur die Synchronizität, sondern auch die Geschwindigkeit, die Lautstärke und andere nonverbale Phänomene wie Intonation und Modulation sowie dialektale Färbungen und Varianten kennzeichnen die gesprochene Sprache und sind Träger von Bedeutungen. Wir haben bereits argumentiert, dass ein Transkript umso besser ist, je genauer es das akustische sprachliche Ereignis abbilden kann. Dies ist mit unserer herkömmlichen Orthographie nicht möglich. Transkribieren bedeutet also keines Falls abschreiben. Noch weniger heißt es, die gesprochene Sprache zu bereinigen, in ganze Sätze zu bringen, abgebrochene Äußerungen zu ergänzen oder Wiederholungen zu streichen. Aus forschungsökonomischen Gründen muss man jedoch auch entscheiden, welche Phänomene in die Transkription einfließen sollen und wie differenziert man Unterschiede, z.b. der Lautstärke, notieren möchte. Es gilt gut zu überlegen, welche Informationen notwendig sind und auf welche man verzichten kann bzw. welche Verzerrungen man in Kauf nehmen will. Diese Entscheidungen können prinzipiell nur im konkreten Forschungszusammenhang ge- 95 Das zeigt auch das Beispiel in Kap. 2.

5 166 3 Im Feld: Zugang, Beobachtung, Erhebung troffen werden. Es lassen sich aber für die in diesem Band beschriebenen Erhebungsmethoden einige Richtlinien formulieren, die den Einstieg ins Transkribieren erleichtern. Mit zunehmender Forschungserfahrung wird die Forscherin selbst das Bedürfnis entwickeln, die Transkriptionen an ihr Forschungsinteresse anzupassen. Das betrifft z.b. die Frage, wie gründlich dialektale Färbungen transkribiert werden sollen. Zur prinzipiellen Lösung der Frage, wie detailliert transkribiert werden soll, schließen wir uns dem Vorschlag von Deppermann an: Das Transkript soll so beschaffen sein, dass es dem Leser erlaubt, die Fundierung und die Validität der Ergebnisse einzuschätzen; es muss also auch solche Aspekte enthalten, die geeignet wären, die Analyse zu widerlegen ( ) Aus diesen Überlegungen ergibt sich eine allgemeine Regel des Auflösungsniveaus: Das Auflösungsniveau des Transkripts muss mindestens eine Abbildungs- bzw. Beschreibungsebene detaillierter sein als das Auflösungsniveau, auf dem der Untersuchungsgegenstand definiert ist. Nur so ist gewährleistet, dass mit dem Transkript untersucht werden kann, wie die Phänomene im Gespräch konstituiert werden (anstatt ihre Existenz im Transkript schon vorauszusetzen). (Deppermann 2001: 47) Das heißt, wenn z.b. das Phänomen code-switching z.b. der Wechsel von einer Sprache in die andere oder vom Hochdeutschen in einen Dialekt untersucht oder die Argumentation darauf aufgebaut werden soll, sind auch Rhythmus und Sprachmelodie im Transkript festzuhalten; wird mit der Wortwahl, mit Versprechern, zeitgleichem Sprechen und Wiederholungen von Äußerungen oder Sinneinheiten argumentiert, genügt es nicht, nur diese festzuhalten, sondern es müssen zusätzlich z.b. auch die dialektale Färbung und die Betonung mitnotiert werden. Transkripte haben auch für die Auswertung eine zentrale Funktion, denn sie ermöglichen es, Gespräche unter die Lupe zu nehmen (als Zeitlupe und Zoom zugleich) und ihre Komplexität in Ruhe zu untersuchen (Lalouschek/Menz 2002: 10). Man kann Sequenzen miteinander vergleichen, prüfen, ob sich Wiederholungen zeigen, und Gleichzeitigkeiten, die bei flüchtiger Wahrnehmung unverständlich bleiben, in ihrer Bedeutung entschlüsseln. Transkribieren ist eine zeitaufwändige Arbeit. Pro Transkriptminute muss man je nach Komplexität der Ausgangsdaten und der Transkription mit zwanzig bis sechzig Transkriptionsminuten rechnen. Transkripte sind also im wahrsten Sinne des Wortes eine kostbare Arbeitsgrundlage. Es wäre sowohl für die Erstellung wie auch für die Lektüre von Transkripten sehr unpraktisch, die technische Umsetzung der Transformation von gesprochener in verschriftlichte Sprache jedes Mal neu zu erfinden. Auf der Grundlage unterschiedlicher Ausgangsdaten und Forschungsinteressen haben sich unterschiedliche Transkriptionssysteme entwickelt, die die Konventionen dieser Transformation festhalten. Zur Beurteilung der Qualität von Transkriptionssystemen lassen sich die folgenden Gütekriterien nennen: 1. Seine Praktikabilität: Wie leicht (oder schwer) lässt sich die Transkription handlungspraktisch, d.h. auch technisch, umsetzen? 2. Seine Ausbaufähigkeit und Flexibilität gegenüber den Gesprächsdaten: Lassen sich gegebenenfalls alle akustischen und auch visuellen Eindrücke notieren? 3. Seine Erlernbarkeit: Wie schnell ist man in das System eingearbeitet? Kann man es sich autodidaktisch aneignen oder braucht man eine Anleitung von jemandem, der Erfahrung mit dem System hat? (Hierzu gehört auch die Frage, wie gut das System beschrieben, wie gut es dokumentiert ist.)

6 3.6 Datensicherung: Transkription Seine Lesbarkeit: Wie schnell bzw. wie intuitiv kann man sich in das System einlesen, d.h. die Transkripte lesend erfassen? (Wie gut und zugleich sparsam lässt sich das System erklären?) In der Folge gehen wir auf zwei konkrete Transkriptionssysteme für die gesprochene Sprache ein: TiQ und HIAT bzw. EXMARaLDA. Sie stehen als Beispiele für zwei gängige unterschiedliche Lösungen. TiQ verfährt ähnlich, wie es bei Theaterstücken der Fall ist. HIAT bzw. EXMARaLDA verdeutlicht die Partitur- oder Flächenschreibweise, bei der die Sprecherinnen wie die einzelnen Instrumente in einer Partitur notiert werden. TiQ stellen wir so dar, dass man es sich im Selbststudium unmittelbar aneignen kann. EXMARaLDA beschreiben wir nicht zuletzt, weil es sehr komplex ist nur in seinen Grundzügen. Transkriptionssysteme für die Verschriftlichung gesprochener Sprache müssen auch jenen lautlichen Phänomenen gerecht werden, die in der Orthographie nicht vorgesehen sind, wie z.b. gleichzeitiges Sprechen oder parasprachliche Phänomene wie Lachen und dialektale Färbungen. Die Ausdifferenzierung der Verschriftlichung hinsichtlich dieser lautlichen Phänomene richtet sich prinzipiell nach dem Erkenntnisinteresse. Dabei gilt folgendes Forschungsprinzip: Die Auflösung bzw. Detaillierung des Transkripts muss höher sein als sie durch den Untersuchungsgegenstand bzw. das Erkenntnisinteresse definiert ist. Transkriptionssysteme können nach folgenden Gütekriterien bewertet werden: Praktikabilität, Ausbaufähigkeit, Erlernbarkeit, Lesbarkeit TiQ: Ein Transkriptionssystem zur Erfassung von Gesprächen für eine rekonstruktive Auswertung TiQ steht für Talk in Qualitative Social Research und ist im Rahmen der Arbeit mit Gruppendiskussionen und der Entwicklung der dokumentarischen Methode entstanden (vgl. u.a. Bohnsack 1989). Es ist in einer großen Zahl rekonstruktiver Arbeiten als Richtlinie zur Transkription zur Anwendung gekommen wurde es von Przyborski systematisiert und revidiert (vgl. Bohnsack 2003a: 285). Seinen Namen erhielt es erst jüngst (2006) im Zuge der Entwicklung seiner Weiterführung MoViQ ( Movies and Videos in Qualitative Social Research ; s.u.). 96 Den Möglichkeiten für die Feinheit der Transkription sind mit TiQ gegenüber anderen Transkriptionssystemen 97 deutliche Grenzen gesetzt. Das macht allerdings seine Dokumentation sowie Lehr- und Lernbarkeit sehr ökonomisch. TiQ ist nicht für primär sprachwissenschaftliche Forschungsinteressen geeignet, für die meisten anderen Erkenntnisinteressen, die mit rekonstruktiven Methoden bedient werden können, hat es sich jedoch sehr gut bewährt. Es lässt sich mit jedem Textverarbeitungsprogramm anwenden und hat keine elektronische Grundlage Mehr Informationen zu TiQ und MoViQ finden sich auf der Website: Prinzipien und Konventionen von TiQ sind vergleichbar mit jenen, wie sie seit Beginn der sozialwissenschaftlichen Arbeit mit Gesprächen zur Anwendung kamen (vgl. u.a. Sacks 1995 [ ]). Von daher sind sie auch vergleichbar mit GAT (Gesprächsanalytisches Transkriptionssystem), das einen Versuch der Vereinheitlichung (Selting et al.1998: 92) von Konventionen darstellt, die oft nur für einzelne Projekte entwickelt wurden. Die Gemeinsamkeiten betreffen die Notation von Überlappungen sowie eine Fülle von Konventionen für die Niederschrift parasprachlicher Phänomene. Der Unterschied liegt in der Ausbaubarkeit, was GAT deutlich komplexer werden ließ als TiQ.

7 168 3 Im Feld: Zugang, Beobachtung, Erhebung Wie fertigt man ein Transkript mit TiQ an? Wir wenden uns nun dem Aufbau und den konkreten Konventionen der Transkription mit TiQ zu. Ein Transkript beginnt mit einem Transkriptionskopf. Dieser sollte zumindest folgende Informationen enthalten: 1. Projektbezeichnung 2. Name oder Kennzahl der Sequenz, Passage bzw. Textstelle 3. Name bzw. Bezeichnung des Falles 4. Datum der Aufnahme 5. Timecode, der angibt, wo sich die Textstelle auf dem Tonträger befindet 6. Dauer der Passage 7. Name der Transkribentin 8. Name des Korrekturlesers Der Transkriptionskopf kann in etwa so aussehen: Transkript: Projekt: Teleshopping Passage: Eingangspassage Gruppe: Ast Datum: Timecode: 43:59 bis 58:25 Dauer: 8 min 26 sek Transkription: Karin Tetik Korrektur: Stefan Bauer Eine Transkriptsequenz mit TiQ sieht wie unten dargestellt aus. Die Konventionen werden unmittelbar danach aufgelistet. Es diskutieren in der transkribierten Passage drei junge Türkinnen, die in Deutschland leben. Durchgeführt wurde die Diskussion von Aglaja Przyborski. 1 Cf: Also ich hab=n Realschulabschluss mit zwei Komma sechs (.) 2 Y1: mhm 3 Cf: e:h Durch- Durchschnitt (.) und eh also ich hab keine Ausbildung 4 (6) 5 Y1: mhm 6 Af: Darf ich jetzt was sagen? 7 Y1: Ja 8 Af: Ach so (.) ne und zwa:r is=det jetzt so mit den 9 Ausbildungsplätzen Zeichenerläuterung: Das Häkchen markiert den Beginn einer Überlappung bzw. den direkten Anschluss beim Sprecherwechsel. (.) Kurzes Absetzen, Zeiteinheiten bis knapp unter einer Sekunde

8 3.6 Datensicherung: Transkription 169 (3) Anzahl der Sekunden, die eine Pause dauert. Ab 4 Sekunden Pause erfolgt die Notation in einer Extrazeile. Auf diese Weise wird beim Lesen des Transkripts das Schweigen allen an der Interaktion Beteiligten zugeordnet (dem Interviewer und den Interviewten gleichermaßen oder etwa der ganzen Gesprächsgruppe), was bei längeren Pausen meist dem Eindruck des Gehörten entspricht. Ein technischer Vorteil liegt darin, dass Verschiebungen durch Korrekturen nur bis zu diesen Pausen Veränderungen bei den Häkchen nach sich ziehen. nein Betonung Nein Laut in Relation zur üblichen Lautstärke der Sprecherin/des Sprechers nee Sehr leise in Relation zur üblichen Lautstärke der Sprecherin/des Sprechers. Stark sinkende Intonation ; Schwach sinkende Intonation? Deutliche Frageintonation, Schwach steigende Intonation brau- Abbruch eines Wortes. So wird deutlich, dass man hier nicht einfach etwas vergessen hat. oh=nee Zwei oder mehr Worte, die wie eines gesprochen werden (Wortverschleifung) nei:n Dehnung von Lauten. Die Häufigkeit der Doppelpunkte entspricht der Länge der ja::: Dehnung. (doch) Unsicherheit bei der Transkription und schwer verständliche Äußerungen ( ) Unverständliche Äußerungen. Die Länge der Klammer entspricht etwa der Dauer der unverständlichen Äußerungen. ((hustet)) Kommentar bzw. Anmerkungen zu parasprachlichen, nichtverbalen oder gesprächsexternen Ereignissen. Soweit das möglich ist, entspricht die Länge der Klammer etwa der Dauer des lautlichen Lachend gesprochene Kurzes Längeres Lachen mit Anzahl der Sekunden in Klammern //mhm// Hörersignale, mhm der Interviewerin werden ohne Häkchen im Text des Interviewten notiert, vor allem, wenn sie in einer minimalen Pause, die ein derartiges Hörerinnensignal geradezu erfordert, erfolgen. Groß- und Kleinschreibung Nach Satzzeichen wird klein weitergeschrieben, um deutlich zu machen, dass Satzzeichen die Intonation anzeigen und nicht grammatikalisch gesetzt werden. Hauptwörter werden groß geschrieben. Beim Neuansetzen eines Sprechers oder einer Sprecherin, d.h. unmittelbar nach dem Häkchen, wird das erste Wort mit Großbuchstaben begonnen. Zeilennummerierung Zum Auffinden und Zitieren von Transkriptstellen müssen durchlaufende Zeilennummerierungen verwendet werden. Bei Zitaten aus einer Passage geben die Zeilennummern Aufschluss darüber, wo das Zitat in den Verlauf der Passage einzuordnen ist.

9 170 3 Im Feld: Zugang, Beobachtung, Erhebung Maskierung Allen Personen, die an einer Erhebung teilnehmen, wird (zumindest) ein Buchstabe zugewiesen. Um deutlich zu machen, dass es sich dabei um eine Maskierung handelt, kann man alphabetisch mit A beginnen. Diesem Buchstaben wird je nach Geschlecht ein f (für feminin) oder ein m (für maskulin) hinzugefügt. Der Buchstabe bleibt bei allen Erhebungen (z.b. Beobachtungsprotokollen) bestehen, an denen die Person beteiligt ist. Die Zuteilung von erdachten Namen, beginnend mit den zugeordneten Buchstaben, erleichtert die Lesbarkeit von Interpretationen und Ergebnisdarstellungen. Kann eine Äußerung keinem/keiner Gesprächsteilnehmer/in eindeutig zugeordnet werden, wird dies mit einem Fragezeichen (?) anstelle des Buchstabens notiert. Wenn das Geschlecht zuordenbar ist, kann dem Fragezeichen der entsprechende Buchstabe für das Geschlecht folgen (?m). Die Interviewer/innen erhalten die Maskierung Y1 und Y2 etc. Namen, die von Teilnehmern oder Teilnehmerinnen genannt werden, werden durch erdachte Namen ersetzt. Bei allen Namen wird versucht, den kulturellen Kontext, aus dem ein Name stammt, beizubehalten, bspw. kann Mehmet zu Kamil oder Nadine zu Juliette werden. Ortsangaben und Jahreszahlen werden im Regelfall ebenfalls sanft maskiert, es sei denn, dass der historische Sachbezug eine genaue Orts- oder Zeitangabe erfordert, wie z.b. im Fall der Nikolaikirche in Leipzig, die natürlich, wenn es um die Ereignisse im Herbst 1989 geht, nicht zur Martinskirche werden darf HIAT auf der Basis von EXMARaLDA: Ein hoch ausdifferenziertes Transkriptionssystem HIAT steht für halbinterpretative Arbeitstranskription und bezeichnet die Konventionen eines hoch ausdifferenzierten Transkriptionssystems. Im Namen wird deutlich, dass eine Transkription wie differenziert auch immer sie sein mag immer bereits eine Interpretation des Hörbaren darstellt, wie auch, dass sich eine Transkription immer noch weiter verfeinern lässt. EXMARaLDA steht für Extensible Markup Language for Discourse Annotation und ist die Bezeichnung der Software, die das Transkribieren mit den Konventionen von HIAT unterstützt. Ein großer Unterschied zu TiQ ist hier die Flächen- oder Partiturschreibweise, wie sie im folgenden Beispiel deutlich wird. Die Notation erfolgt ähnlich einer Partitur für Instrumente: Die Fläche symbolisiert den Ablauf der Zeit. Alles, was in dieser Zeit hörbar ist (oder auch gesehen werden kann), kann in der Fläche notiert werden. Je mehr Personen gleichzeitig sprechen und je mehr Zusatzinformationen notiert werden, wie Intonation oder auch Körpersprache, desto breiter wird die Fläche.

10 3.6 Datensicherung: Transkription 171 Abb. 2: Partiturschreibweise der Transkription nach EXMARaLDA In diesem Beispiel sprechen A und P in der ersten Fläche gleichzeitig, anschließend spricht nur noch P. Da EXMARaLDA nicht nur das Transkribieren mit HIAT unterstützt, sondern auch umfassend und didaktisch durchdacht in die spezielle Technik des Transkribierens einführt, sei an dieser Stelle nur auf den entsprechenden Link verwiesen, unter dem man alles (kostenfrei) findet: www1.uni-hamburg.de/exmaralda Prinzipien und Techniken der Transkription von Filmen Filme können als Kulturprodukte (z.b. Film- und Fernsehforschung) zum Gegenstand sozialwissenschaftlicher Analyse werden oder als eigens für die Forschung erstellte Dokumente ein Instrument sozialwissenschaftlicher Forschung sein. Im Gegensatz zu Bildern lassen sich Filme in ihrer eigentlichen Form als bewegte Bilder (mit gesprochener Sprache und/oder Musik) nicht abdrucken und auch nur begrenzt verlangsamt rezipieren. Geht man davon aus, dass der Film von seinen Bildern lebt (siehe Panofsky 1999: 23f., vgl. auch Müller 2003: 46f.), werden diese zur zentralen Größe für die empirische Arbeit mit Filmen. Diese methodologische Überlegung wurde von Przyborski und Hampl erstmals in ein Transkriptionssystem überführt. 98 Dieses System, das wir im nächsten Kapitel darstellen, basiert auf einer systematischen Erfassung von Bild und Ton. Andere Transkriptionssysteme wie EXMARaLDA erlauben es zwar, Bilder einzubinden, erfassen diese aber nicht systematisch. Ein Transkriptionssystem für Filme hat ebenso wie Systeme für gesprochene Sprache einerseits die Funktion, das empirische Material in einer Weise aufzubereiten, dass die Interpretationen auf das Ausgangsmaterial eindeutig zurückgeführt und damit zumindest prinzipiell intersubjektiv überprüft werden können. Andererseits hat es für die Auswertung die Funktion einer Lupe, mit der das Ausgangsmaterial betrachtet werden kann. 98 Eine Publikation ist in Arbeit.

11 172 3 Im Feld: Zugang, Beobachtung, Erhebung Filme als künstlerische oder kommerzielle Kulturprodukte entstehen in einer hochkomplexen Teamarbeit. Bei einem Transkript geht es nun aber nicht darum, diesen Produktionsprozess quasi in umgekehrter Richtung zu verfolgen und den Film in den Kategorien des Produktionsprozesses zu beschreiben. Vielmehr geht es wie bei allen unseren Ausgangsdaten darum, die Auswertung möglichst frei von Vorabinterpretationen zu halten. Für den Aspekt der gesprochenen Sprache und anderer akustischer Ereignisse gelten dieselben Prinzipien, wie sie in Kapitel ausgeführt wurden. Für den Aspekt der Bilder gilt es in erster Linie, die Frage zu lösen, wie viele Bilder pro Zeiteinheit in das Transkript aufgenommen werden sollen und welche Bildgröße man wählt. Ähnlich wie bei der gesprochenen Sprache gilt auch hier: Je feiner das Transkript ist, desto genauer ist es, wobei dieser Genauigkeit durch forschungsökonomische Überlegungen Grenzen gesetzt sind. Diese Frage ist daher in Auseinandersetzung mit dem Erkenntnisinteresse zu klären. Auf das Zusammenspiel von Ton und Bild ist genauestens zu achten. Im Transkript müssen die akustischen Ereignisse eindeutig den visuellen zugeordnet werden können. Die Darstellung der technischen Lösung dieses Problems zeigen wir im folgenden Kapitel. Dies kann als zusätzliches Gütekriterium für Video- und Filmtranskriptionssysteme gelten. Darüber hinaus gelten dieselben Gütekriterien wie für Gesprächstranskriptionssysteme. Filme können sowohl Gegenstand als auch Instrument empirischer Sozialforschung sein. Entsprechend methodologischer Überlegungen hat man sich grundlegend an der Bildlichkeit des Materials zu orientieren. Das erfordert ein Transkriptionssystem, das die Bilder in systematischer, möglichst nicht vorab interpretierter Weise erfasst. Das Transkript muss wie ein Gesprächstranskript eindeutig auf das Ausgangsmaterial zurückgeführt werden können und hat wie dieses die Funktion der wissenschaftlichen Lupe. Die Genauigkeit des Transkripts steigt mit der Häufigkeit der Einzelbilder pro Zeiteinheit. Die Forschungsökonomie setzt hier jedoch Grenzen. Das Erkenntnisinteresse bestimmt das Ausmaß an Feinheit bzw. Genauigkeit der Transkription. Im Transkript müssen die akustischen Phänomene eindeutig den visuellen zugeordnet werden können MoViQ: Ein Transkriptionssystem zur Erfassung von Filmen für eine rekonstruktive Auswertung MoViQ steht für Movies and Videos in Qualitative Social Research und ist im Rahmen der dokumentarischen Filminterpretation (Kap. 5.6) von Przyborski und Hampl (s.o.) entwickelt worden. Es baut auf der langjährigen Erfahrung mit Gesprächstranskripten und einer intensiven Auseinandersetzung mit Bildinterpretation auf. Obwohl das System aufgrund seiner Anlehnung an eine Partiturschreibweise eine sehr feine Ausdifferenzierung erlaubt (Notation oder Bemerkungen zu Intonation des Gesprochenen in einer Extrazeile der Fläche, Notation von Musik und Geräuschen), ist es nahezu ebenso einfach und damit ökonomisch gehalten wie TiQ.

12 3.6 Datensicherung: Transkription 173 MoViQ lässt sich mit den meisten gängigen Textverarbeitungsprogrammen und im Prinzip auch ohne zusätzliche Software anwenden. Die Einzelbildselektion ist ohne Zusatzprogramm allerdings sehr zeitaufwändig. 99 Wie sieht ein Transkript mit MoViQ aus? Wir wenden uns nun dem Aufbau und den konkreten Konventionen von MoViQ zu. Auch für ein Filmtranskript ist ein Transkriptionskopf sinnvoll und notwendig. Dieser unterscheidet sich kaum von jenem für Gesprächstranskripte. Er kann in etwa so aussehen: Transkript Projekt: Istanbul Total Passage (oder Sequenz): (siehe unten: Sequenz aus der) Eingangspassage Film (oder Video): Istanbul Total Datum: Timecode: 0:04:19 bis 0:04:43 Dauer: 24 sek Transkription: Stefan Hampl Korrektur: Aglaja Przyborski Eine Transkriptsequenz mit MoViQ sieht wie unten dargestellt aus. Die Konventionen werden unmittelbar danach aufgelistet. Es handelt sich um einen Ausschnitt aus der Sendung Istanbul Total des Senders ProSieben, die im Mai 2004 ausgestrahlt wurde. 99 Eine Unterstützung für die Bildselektion für Word finden Sie kostenfrei auf der oben genannten Homepage.

13 174 3 Im Feld: Zugang, Beobachtung, Erhebung Abb. 3: Filmtranskription nach MoViQ Zeilen pro Fläche: Ein Filmtranskript benötigt mindestens 5 Zeilen, jeweils eine für: 1. den Timecode (TC), 2. die Bilder, 3. für gesprochene Sprache (Am), 4. für Geräusche (Geräusch) und 5. für Musik (Musik). Wenn diese Zeilen leer bleiben, bekommt man bei der Lektüre des Transkripts die Information, dass auf dieser Ebene nichts passiert. Wenn mehrere Sprecher und Sprecherinnen auftreten, erhöht sich die Anzahl der Zeilen entsprechend. Ebenso wie für alle anderen Informationen, die man notieren möchte, wie Sprachmelodie, Sprechrhythmus oder andere akustische Eindrücke. Verhältnis von Akustischem und Visuellem: Eine genaue Wiedergabe der Synchronizität von Bildern und Texten auf der Ebene des Transkripts erreicht man durch den Grad der Dehnung bzw. Verschmälerung der Schrift. Als Nebeneffekt zeigt diese Technik die Unterschiede in der Sprechgeschwindigkeit. Musik und Geräusche müssen wie auch bei der teilnehmenden Beobachtung beschrieben werden. Um die Abstimmung der Zeitabläufe mit den Bildern zu gewährleisten, werden

14 3.6 Datensicherung: Transkription 175 die entsprechenden Zeilen in unterschiedlichen Grautönen oder Farben markiert, wenn man mit der Technik der Dehnung und Verschmälerung der Schrift nicht auskommt. Bilder pro Zeiteinheit: Für dieses Transkript wurde ein Bild pro Sekunde gewählt. Manche Erkenntnisinteressen, die z.b. Gesten (wie Umarmungen) zum Gegenstand haben, werden eine feinere Auflösung verlangen, etwas ein Bild pro halbe Sekunde. Bei weniger als einem Bild pro 1,5 Sekunden wird es schwierig, die Schrift anzupassen. Die Konventionen für gesprochene Sprache stimmen mit jenen von TiQ überein (s.o.). Es entfällt lediglich das Symbol des Häkchens. In der Kommunikationswissenschaft und in angrenzenden Fächern finden sich weitere Formen des Filmprotokolls (vgl. u.a. Müller 2003 und Korte 1999). Der Standardisierung sowie der methodologischen Begründung der Techniken wird hier auch in praktischen Einführungen weniger Aufmerksamkeit geschenkt. Die Varianten reichen von Einstellungsprotokollen über Storyboardtechniken bis hin zur Audio-Video-Analyse, bei der die Bildelemente den Hörelementen in einer Texttabelle gegenübergestellt werden (Müller 2003: 50). Wie bei allen methodischen Entscheidungen ist auch die Frage nach der Variante des Filmprotokolls bzw. des Filmtranskripts entsprechend dem Erkenntnisinteresse zu treffen. Wichtig ist jedoch, methodologische Überlegungen anzustellen und diese wenn dies nicht an anderer Stelle bereits geschehen ist zu explizieren. MoViQ ist ein Verfahren zur Transkription von Filmen, das auf den gängigen Konventionen für Gesprächstranskripte in Kombination mit einer systematischen und exakt auf Gespräche und alle anderen akustischen Phänomene abgestimmten Einzelbilderfassung beruht.