Accessible: wat betekent toegankelijkheid voor data die achter een login zit

Stel je voor: je hebt een dataset gevonden die precies is wat je nodig hebt voor je onderzoek. Je klikt, en dan… een loginscherm. Geen toegang. Geen uitleg.

Geen manier om aan te vragen. Frustrerend, toch? Nou, dat is eigenlijk precies waar het bij FAIR-data om gaat met het principe van Accessible.

Want toegankelijkheid betekent veel meer dan “het is online te vinden.” Binnen de FAIR-principes — Findable, Accessible, Interoperable, Reusable — staat het ‘A’ voor een cruciale vraag: hoe kom je daadwerkelijk aan de data als je die hebt gevonden? En dat wordt pas echt interessant wanneer data achter een login zit. Want dan is het niet meer zomaar downloaden. Dan spelen regels, rechten, metadata en technische afspraken een rol. Laten we erin duiken.

Wat betekent ‘Accessible’ in de FAIR-principes?

Veel mensen denken: als data online staat, is het toegankelijk. Maar volgens de FAIR-definitie is dat te kort door de bocht.

• Data moet ophaalbaar zijn via duidelijke protocollen (zoals HTTP, FTP of API’s).
• Als er beperkingen zijn (zoals een login), dan moet duidelijk zijn hoe je toegang kunt krijgen.
• De metadata — de beschrijving van de data — blijft altijd toegankelijk, zelfs als de data zelf niet open is.

Het principe van Accessible zegt: Kortom: toegankelijkheid gaat niet alleen over techniek, maar ook over transparantie. Als iemand je data wil gebruiken, moet hij of zij weten: wat is er nodig om toegang te krijgen, en hoe werkt dat?

Data achter een login: wél of niet FAIR?

Het korte antwoord: ja, dat kan helemaal FAIR zijn. Maar dan moet aan een paar voorwaarden worden voldaan.

Want soms moet data om goede redenen afgeschermd zijn — denk aan medische gegevens, persoonsgegevens of vertrouwelijke onderzoeksresultaten.

• Waarom de data afgeschermd is (bijvoorbeeld privacy of ethische redenen).
• Toegangsvoorwaarden: wie mag aanvragen, via welk proces, en onder welke voorwaarden.
• Gebruiksvoorwaarden: wat mag je doen met de data als je er eenmaal toegang toe hebt.

De sleutel zit in de metadata. Volgens de FAIR-principes moet de metadata altijd publiek toegankelijk zijn, ook als de data zelf dat niet is. Die metadata moet duidelijk uitleggen, ook met betrekking tot juridische kaders en auteursrecht op data:

Denk aan een bankkluis. Je kunt er niet zomaar in, maar de regels voor toegang staan wel duidelijk vermeld. Zo werkt het ook bij FAIR-data.

Hoe ziet goede toegankelijkheid eruit in de praktijk?

Laten we eens kijken naar een voorbeeld uit de gezondheidszorg. Stel: een onderzoeksinstituut heeft een dataset met geanonimiseerde patiëntgegevens over diabetes.

Die data is waardevol voor verder onderzoek, maar mag niet openbaar zijn vanwege privacywetgeving (AVG/GDPR). Wat is dan een FAIR-manier om ermee om te gaan? Op die manier is de data niet open, maar wél toegankelijk volgens FAIR. En dat maakt een wereld van verschil voor onderzoekers die willen bouwen op bestaande kennis.

1. Metadata publiek beschikbaar maken: via een zoekmachine of dataverzoekformulier kan iedereen zien wat de dataset bevat, wie de eigenaar is, en waarom er beperkingen gelden.
2. Duidelijk toegangstraject: er is een gestandaardiseerd aanvraagproces, bijvoorbeeld via een formulier op de website of een e-mailadres van de databeheerder.
3. Gebruiksvoorwaarden helder: de aanvrager weet vooraf wat hij of zij mag en niet mag doen met de data (bijvoorbeeld alleen voor wetenschappelijk onderzoek, niet-commercieel).
4. Technische toegang: als toegang wordt verleend, gebeurt dat via een beveiligde omgeving (zoals een beveiligde server of een virtuele onderzoeksomgeving), niet via een losse e-mail met een Excel-bestand.

Waarom is dit belangrijk voor Open Science?

Open Science draait om het maximaliseren van de waarde van onderzoeksdata. Maar dat betekent niet dat alles open moet zijn.

Soms is dat onmogelijk of onverantwoord. Wat wél moet gebeuren, is dat we transparant zijn over hoe data gedeeld kan worden — en dat we de drempel zo laag mogelijk houden.

Als een dataset achter een login zit, is dat geen probleem. Maar als niemand weet hoe die login te krijgen, of als het proces onduidelijk is, dan wordt de data effectief onbruikbaar. En dat is precies wat de FAIR-principes willen voorkomen.

De VSNU en andere Nederlandse organisatie werken aan richtlijnen om FAIR-data structureel te integreren in onderzoekspraktijken. Dat geldt ook voor de manier waarop we omgaan met beperkte toegang. Want goede datahuishouding betekent: zelfs als data niet open is, is het altijd duidelijk hoe je het kunt gebruiken, zeker als je het verschil tussen FAIR data en open data begrijpt.

Tips voor onderzoekers: hoe maak je afgeschermde data toegankelijk?

Je hoeft geen techneut te zijn om dit goed te doen. Hier zijn een paar concrete stappen die je direct kunt toepassen:

• Documenteer je toegangsvoorwaorden: zet op je projectpagina of in je datasetbeschrijving hoe iemand toegang kan aanvragen. Geen poespas, gewoon duidelijk.
• Gebruik standaardmetadata: volg richtlijnen zoals Dublin Core of DataCite, zodat machines én mensen je data kunnen begrijpen.
• Kies een herkenbare datarepository: platformen wie DANS of Figshare helpen je om metadata goed op te slaan en te delen, ook als de data zelf beperkt is.
• Wees transparant over beperkingen: leg uit waarom data niet open is. Dat vergroot vertrouwen en maakt samenwerking makkelijker.

En onthoud: toegankelijkheid is geen eigenschap van de data zelf, maar van het ecosysteem eromheen. Metadata, protocollen, communicatie — dat alles bepaalt of jouw data écht bruikbaar is voor anderen.

Conclusie: toegankelijkheid is een keuze

Data achter een login hoeft geen obstakel te zijn. Sterker nog: als je het goed aanpakt, is het juist een manier om verantwoord om te gevoelige of waardevolle informatie.

Het FAIR-principe van Accessible vraagt niet alles open te gooien, maar wel om duidelijkheid, structuur en transparantie.

Dus de volgende keer dat je dataset achter een login staat, vraag jezelf dan af: als ik deze data zou willen gebruiken, zou ik dan weten hoe ik aan de slag moet? Zo niet, dan is er werk aan de winkel. En dat is geen slecht ding — het is een kans om je onderzoek een stuk sterker te maken.