田野调查中最被低估的仪式：把录音交给转写工具/外包，拿到逐字稿，然后宣布「我手上有原始数据」。这句话足以让对话分析学者血压升高。因为在 Gail Jefferson 之前，大家都以为转录就是把声音「复印」成文字；Jefferson 用一套符号系统证明：说话方式本身就是数据，你把它抹掉，等于用理论剪裁了证据。

一个例子。「嗯」是最常见的词。但 Jefferson 转录里，「嗯」至少需要标注音高走向（升/降/平）、时长（(0.3)/(1.0)）、与前后语轮的关系（重叠/间隔/紧接）。为什么？因为受访者说「嗯」可能是在鼓励你说下去，也可能是在用鼻音表迟疑，还可能是准备抢话的前奏。你写下「嗯」的那一秒，就已经替他选了意义。这就是为什么「逐字稿」从来不是数据，而是第一层理论；只是很多人以为自己没做过理论。

另一个例子是沉默。对话分析发现，(0.2)秒和(1.0)秒的停顿不是规模差异，是交互差异：前者像喘气，后者是答案的不在场证明。一般转录把这些全部抹掉，于是受访者最难说出口的东西——拒绝、回避、自我保护——就从「数据」里消失了。你以为你在分析原始材料，其实你在分析一个已经过滤掉关键变量的文本。

Jefferson 系统有大约 30 个符号，看起来繁琐，但它背后是一个基本判断：转录是给分析用的仪器，不是给档案用的复印件。所以，作为写教材的人，我给学生立的规矩是：音频/视频才是原始材料；转录必须至少标注停顿、重叠、延长和音高；转录符号表必须附在附录。这不是形式主义，而是把你已经做过的理论选择公之于众。

值得辩论的问题：如果转录是理论，那「回到原始数据」的行动里，谁能裁决哪一层转录才算「原始」？组里最资深的分析师，和刚入门的转写员，看到并留下的东西不同，哪一版应该是结论的依据？