Los análisis conductuales de estudios de interacción humano-robot en entornos naturales suelen depender de entrevistas o información visual de videos. Esto puede ser muy limitante en entornos donde no se permiten o están limitadas las grabaciones de video. Hemos diseñado y probado un protocolo basado en vocalizaciones para analizar interacciones niño-robot en entornos naturales, basado en un esquema de codificación conductual utilizado en biología salvaje, específicamente en estudios de poblaciones de delfines salvajes. El audio de un video o grabación de audio se convierte en una transcripción, que luego se analiza utilizando un protocolo de codificación conductual que consta de 5-6 categorías (una indicando comportamiento no relacionado con el robot, y 4-5 categorías de comportamiento relacionado con el robot). La refinación de las categorías de código y la capacitación de los codificadores resultaron en un mayor acuerdo entre los codificadores, pero solo a un nivel de fiabilidad moderado, lo que llevó a nuestra recomendación de que se utilice con tres codificadores para evaluar dónde hay consenso mayoritario, y así corregir la subjetividad. Discutimos las lecciones aprendidas en el diseño e implementación de este protocolo y el potencial para futuros experimentos niño-robot analizados a través del comportamiento de vocalización. También realizamos algunos análisis de comportamiento observacional solo a partir de vocalizaciones para demostrar el potencial de este campo.