Stel je voor: je werkt anderhalf jaar aan een onderzoek. Je hebt honderden datasets, notities in drie verschillende mappen, en bestanden met namen als "data_FINAAL_v3_echtdefinitief.xlsx". En dan vraagt iemand: "Kunnen we die data ook gebruiken?" Dan wordt het stil.
▶Inhoudsopgave
Want wie weet nog waar alles staat? Wat betekenen die kolommen eigenlijk?
En mag het delen überhaupt? Dat scenario klinkt herkenbaar?
Dan is een Data Management Plan (DMP) misschien wel het beste wat je kunt doen. Niet omdat iemand het je oplegt, maar omdat het je eigen onderzoek veel makkelijker maakt. Laten we eerlijk zijn: een DMP heeft een imagoprobleem.
Het klinkt als papierwerk. Als iets dat je invult omdat een subsidieverstrekker het wil.
Maar dat is het niet. Niet echt. In dit artikel leg ik uit wat een DMP écht is, waarom het zo waardevol is, en waarom het veel meer is dan een verplichte checklist.
Wat is een Data Management Plan precies?
Een Data Management Plan is een document waarin je beschrijft hoe je met data omgaat tijdens én na je onderzoek. Hoe verzamel je het?
Waar sla je het op? Wie heeft er toegang toe?
Hoe lang bewaar je het? En wat er gebeurt als het project is afgelopen? Belangrijk om te weten: een DMP is geen statisch document dat je één keer invult en vervolgens in een la legt.
Het is een levend document. Iets wat meegroeit met je project.
Beslissingen die je nu maakt, hebben invloed op hoe bruikbaar je data over twee jaar is. Of over tien jaar. De opkomst van DMP's is nauw verbonden met de FAIR-principes. FAIR staat voor Findable, Accessible, Interoperable en Reusable.
Kort gezegd: data moet vindbaar zijn, toegankelijk, te combineren met andere data, en herbruikbaar voor toekomstig onderzoek.
Een DMP helpt je om daar stapsgewijs naar te werken.
Waarom zou je moeite doen? De echte voordelen
"Ja, maar ik heb het toch al druk genoeg?" Dat hoor ik vaak. En begrijpelijk. Maar kijk eens naar wat een goed DMP je oplevert:
Je onderzoek wordt betrouwbaarder
Stel dat een collega jouw resultaten wil controleren. Of herhalen. Zonder goede documentatie is dat bijna onmogelijk. Een DMP dwingt je om na te denken over hoe je data organiseert, beschrijft en opslaat.
Je data wordt waardevoller
Dat maakt je onderzoek reproduceerbaar. En reproduceerbaarheid is één van de pijlers van wetenschappelijke integriteit.
Je voorkomt dure fouten
Data die goed is beschreven en toegankelijk gemaakt, kan door anderen worden gebruikt. Dat leidt tot meer citaties, meer samenwerkingen, en uiteindelijk meer impact. Uit onderzoek blijkt dat artikelen met open data gemiddeld 25 procent meer citaties ontvangen.
Dat is geen slechte aansporing. Data verlies, dubbel werk, onduidelijke afspraken in een team.
Je voldoet aan subsidie-eisen
Het gebeurt vaker dan je denkt. Door vanaf het begin goed na te denken over data management, bespaar je tijd én geld.
Vooral bij grotere projecten met meerdere onderzoekers of instellingen is dit cruciaal. En laten we dat ook even niet onderschatten. Organisaties als NWO, ZonMw, de Europese Commissie, en de VSNU vragen steeds vaker om een DMP als onderdeel van een aanvraag. Soms zelfs vóór de subsidie wordt toegekden.
Je neemt je ethische verantwoordelijkheid serieus
Zonder plan geen geld. Simpel zo. Met name bij onderzoek met persoonsgegevens, medische data of gevoelige informatie is een DMP geen luxe.
Het is een noodzaak. Je moet aantonen dat je data veilig is, dat privacy wordt gewaarborgd, en dat je voldoet aan de AVG. Een DMP helpt je daarbij.
Wat staat er in een Data Management Plan?
Er is geen universele template die voor iedereen werkt. Een DMP voor een kwalitatief interviewonderzoek ziet er anders uit dan eentje voor een grote klinische studie.
Maar de kernvragen zijn wel vergelijkbaar: Welke data verzamel je? Denk aan type data (teksten, metingen, videobeelden), formaat, geschatte hoeveelheid, en frequentie van verzamelen.
Hoe organiseer je het? Wat zijn je naamgevingsconventies? Hoe structurereer je mappen en bestanden? Welke metadata voeg je toe? Waar sla je het op tijdens het project? Universiteitsservers? Cloudopslag? Externe harde schijven?
En wie heeft toegang? Hoe deel je data na afloop? Via een publieke zoals DANS of Figshare?
Of alleen op verzoek? En onder welke licentie? Hoe lang bewaar je data? Veel fondsen vragen minimaal 10 jaar bewaring na afloop van het project.
Dat is niet vijf jaar. Tien. Wie is verantwoordelijk? Wie zorgt voor back-ups? Wie beheert toegang? Wie.archiveert uiteindelijk alles?
Deze vragen lijken simpel, maar ze vergen écht nadenken. En dat is precies de kracht van een DMP: het dwingt je om nu al beslissingen te nemen die later ellende voorkomen.
"Maar het is toch gewoon bureaucratie?"
Nee. Echt niet. Want hier zit het verschil.
Bureaucratie is iets dat je doet voor een ander. Een formulier invullen omdat het moet. Een DMP werkt alleen als je het doet voor jezelf. Het is een strategisch document.
Een soort gids die je helpt om je onderzoek beter te runnen. Kijk, niemand zit te wachten op een 40-pagina's tellend document vol jargon.
Een goed DMP is helder, beknopt, en praktisch. Het hoeft geen literaire meesterwerk te zijn.
Het moet gewoon werken. Voor jou, je team, en eventuele toekomstige gebruikers van je data. En laten we iets zeggen die je niet hoort: een DMP beschermt jou ook.
Als er twijfel ontstaat over de echtheid van je data, of over hoe je bent omgegaan met privacygevoelige informatie, dan kun je aanwijzingen geven. Dat is geen luxe. Dat is noodzaak.
Tools en tips om te beginnen
Gelukkig hoef je niet vanuit nul te beginnen. Er zijn genoeg hulpmiddelen beschikbaar:
De DMPTool, ontwikkeld in Europese samenwerking, is een populaire online tool die je stap voor stap begeleidt bij het opstellen van een DMP. Je kijkt eerst welke template past bij je subsidie, en vult het vervolgens aan met jouw projectinfo. De VSNU biedt via haar website uitgebreide richtlijnen over data management, inclusief voorbeelden en templates. Handig als je in Nederland werkt en wilt weten wat de lokale standaarden zijn.
Daarnaast hebben bijna alle Nederlandse universiteiten een Research Data Management-team. Die helpen je gratis bij het opstellen van een DMP. Gebruik ze.
Ze bestaan niet voor niets. Een praktische tip: begin klein.
Je hoeft niet alles perfect te hebben vanaf dag één. Maak een eerste versie, bespreek het met je team, en pas het aan naarmate je project vordert. Beter een simplistisch DMP dat je écht gebruikt, dan een perfecte versie die nooit geopend wordt.
Conclusie: een DMP is geen last. Het is je voordeel.
Een Data Management Plan is geen bureaucratisch formulier. Het is een investering in de kwaliteit, betrouwbaarheid en duurzaamheid van je onderzoek.
Het helpt je om data FAIR te maken, subsidie-eisen te vervullen, en ethisch verantwoord te handelen. En niet onbelangrijk: het beschermt jou als onderzoeker. Dus de volgende keer dat je een DMP moet schrijven, zie het niet als een verplichting.
Zie het als een kans. De kans om je onderzoek écht goed te doen.
Vanaf de eerste dag. Want wie zijn data goed beheert, beheert zijn toekomst.