Stel je voor: een historicus in Amsterdam ontdekt een kist met ongelezen brieven uit de Gouden Eeuw.
▶Inhoudsopgave
Tientallen pagina's vol verhalen, emoties en details over het dagelijks leven in de zeventiende eeuw. Maar die brieven zitten opgeslagen in een archief dat niemand kent, zonder beschrijving, zonder zoekwoorden, zonder digitale toegang. Die schat aan kennis?
Voor de wetenschap bestaat ze eigenlijk niet. Dit is precies het probleem dat FAIR data wil oplossen — ook in de geesteswetenschappen.
FAIR staat voor Findable, Accessible, Interoperable en Reusable. Het klinkt als een technisch buzzword uit het bèta-lab, maar voor onderzoekers in geschiedenis, literatuurwetenschap, filosofie, kunstgeschiedenis en talen is het minstens zo belangrijk.
Alleen werkt het daar net even anders.
Wat betekent FAIR data eigenlijk?
FAIR data is geen standaard of een programma. Het is een manier van denken over hoe je onderzoeksdata beheert en deelt.
- Findable (Zoekbaar): Andere onderzoekers moeten je data kunnen vinden. Dat betekent goede metadata, duidelijke beschrijvingen en opslag in een vindbare repository.
- Accessible (Toegankelijk): Als iemand je data vindt, moet die persoon er ook bij kunnen. Zonder onnodige muren, wachtwoorden of papierwerk.
- Interoperable (Interoperabel): Je data moet aansluiten bij andere datasets. Denk aan gestandaardiseerde formaten en gedeelde vocabulaire.
- Reusable (Herbruikbaar): Iemand anders moet jouw data kunnen gebruiken voor een nieuw project. Daarvoor is documentatie essentieel: hoe is de data verzameld? Wat betekenen de velden? Onder welke voorwaarden mag je het hergebruiken?
De vier principes zijn simpel te begrijpen: In de bèta-wetenschappen draait het vaak om gigantische datasets met meetresultaten.
In de geesteswetenschappen is de data anders — maar niet minder waardevol. En zeker niet minder complex.
Waarom is FAIR data in de geesteswetenschappen zo anders?
In een biologielab produceert een spectrometer automatisch gestructureerde cijfers. In de geesteswetenschappen werk je met historische manuscripten, audio-opnamen van dialecten, tienduizenden gedigitaliseerde schilderijen of interviews met overlevenden van oorlogen.
1. Kwalitatieve data is moeilijk te structureren
Deze bronnen zijn rijk, maar ook lastig te standaardiseren. Ze vragen om een andere benadering. Een gedicht, een middeleeuwse kroniek of een opname van een verdwijnende taal — je kunt er geen standaardspreadsheet van maken.
De betekenis zit vaak in de nuance, de context, de interpretatie. Metadata maken over dit soort materiaal vereist daarom niet alleen technische kennis, maar ook inhoudelijke expertise.
2. Auteursrechten en privacy spelen een grote rol
Een computer herkent niet vanzelf dat een brief uit 1672 gaat over de Rampjaar.
Dat moet een onderzoeker aangeven. Veel materiaal in de geesteswetenschappen valt onder auteursrecht. Denk aan nog niet publicererde archieven, foto's van museumstukken of interviews met levende personen. Het delen van data is dan niet zomaar een kwestie van uploaden en klaar.
3. Er ontbreekt nog vaak infrastructuur en kennis
Je moet rekening houden met toestemming, anonimisering en licenties. Creative Commons biedt uitkomst, maar vereist wel dat onderzoekers nadenken over welke licentie past bij hun materiaal.
Veel geesteswetenschappelijke afdelingen in Nederland hebben nog geen toegang tot goede data-opslag, metadata-tools of training in data management. Onderzoekers worden gevraagd om FAIR te werken, maar krijgen niet altijd de middelen om dat ook daadwerkelijk te doen. Digitale geesteswetenschappen — of digital humanities — groeien hard, maar het is nog geen standaardonderdeel van elke opleiding.
4. Domeinspecifieke standaarden zijn essentieel
Algemene metadata-standaarden zoals Dublin Core zijn een goed begin, maar vaak niet genoeg.
Een musicoloog heeft andere beschrijvingscriteria nodig dan een historicus. Daarom werken verschillende Nederlandse initiatieven aan domeinspecifieke standaarden, zodat data niet alleen FAIR is in theorie, maar ook bruikbaar in de praktijk van de onderzoeker. Benieuwd naar hoe FAIR Nederlandse universiteiten in 2026 zijn?
Wie doen het al goed? Inspirerende voorbeelden
Gelukkig zijn er al mooie voorbeelden van FAIR data in de geesteswetenschappen, ook in Nederland en Europa. Het Digital Rembrandt Project heeft honderden werken van Rembrandt gedigitaliseerd en voorzien van uitgebreide metadata.
Onderzoekers wereldwijd kunnen zo zowel de afbeeldingen als de onderzoeksdata raadplegen — van pigmentanalyses tot infraroodopnamen. Een fantastisch voorbeeld van hoe FAIR data fundamenteel nieuw onderzoek mogelijk maakt. De British Library heeft met haar Sound Archive duizenden audio-opnamen — van volksliederen tot historische toespraken — toegankelijk gemaakt met gedetailleerde beschrijvingen.
Deze collectie is nu te doorzoeken en te hergebruiken voor taalkundig, historisch en muzikologisch onderzoek.
Op Europees niveau speelt Europeana een belangrijke rol als platform waar musea, bibliotheken en archieven hun digitale collecties samenbrengt. Via gestandaardiseerde metadata en open licenties wordt cultureel erfgoed vindbaar en herbruikbaar voor iedereen. In Nederland dringen organisaties als DANS (Data Archiving and Networked Services) op het bevrijden van onderzoeksdata uit de archiefkast. DANS helpt onderzoekers — ook in de geesteswetenschappen — bij het duurzaam opslaan en delen van hun data, met aandacht voor FAIR-principes en de specifieke behoeften van kwalitatief onderzoek.
Wat levert het op? De concrete voordelen
FAIR data klinkt als extra werk, en dat is het soms ook. Maar de opbrengsten zijn reëel:
- Betere en dieper onderzoek: Als je data deelbaar is, kun je combinaties maken die je nooit zelf zou tegenkomen. Een literatuurwetenschapper kan teksten vergelijken met een historicus die dezelfde periode bestudeert — mits beide datasets vindbaar en begrijpelijk zijn.
- Minder dubbel werk: Hoeveel keer wordt hetzelfde archiefonderzoek opnieuw gedaat omdat de eerste resultaten niet gedeeld zijn? FAIR data voorkomt verspanning van tijd en subsidiegeld.
- Meer zichtbaarheid en impact: Onderzoek dat FAIR is, wordt vaker geciteerd en vaker hergebruikt. Dat geldt niet alleen voor artikelen, maar steeds meer ook voor de onderliggende data.
- Duurzaam bewaard: Data die FAIR is opgeslagen, verd niet als een onderzoeker met pensioen gaat of een project afloopt. De kennis blijft beschikbaar voor de volgende generatie.
De weg vooruit: samen bouwen aan FAIR geesteswetenschappen
De geesteswetenschappen staan voor een unieke uitdaging. Hun data is anders — vaak ongestructureerd, contextgevoelig en juridisch complex.
Maar dat is geen reden om FAIR te laten vallen. Het is juist een reden om het anders aan te pakken.
Dat begint bij bewustwording. Onderzoekers moeten weten wat FAIR betekent en waarom het hun raakt. Het vereist investering in infrastructuur: goede repositories, metadata-tools en ondersteuning bij data management. En het vraagt om samenwerking — tussen disciplines, tussen instellingen, en tussen onderzoekers en datstewards. Wil je concreet aan de slag? Volg dan ons praktische stappenplan voor een FAIR data implementatieplan.
In Nederland zetten organisaties als VSNU, NWO en DANS stappen om Open Science en FAIR data in sociaalwetenschappelijk onderzoek gestalte te geven.
Het Plan S richt zich op open access publicatie, maar de nadruk verschuift steeds meer naar de data zelf. Ook de Europese Open Science Cloud stimuleert het delen van data over landsgrenzen heen. De geesteswetenschappen hebben een schat aan data liggen — in archieven, bibliotheken, musea en op de harde schijven van individuele onderzoekers.
Die schat verdient het om gevonden, geraadpleegd, begrepen en hergebruikt te worden. Niet over vijf jaar, maar nu.
FAIR data in de geesteswetenschappen is geen kopie van het bèta-model. Het is iets eigen, iets nieuws, iets dat nog volop in ontwikkeling is.
En juist daarom zo belangrijk. Want de vragen die geesteswetenschappers stellen — over cultuur, taal, geschiedenis, betekenis — zijn te belangrijk om te verdwijnen in een archiefkast die niemand kent.