FAIR data voor postdocs: hoe je het meeneemt naar je volgende aanstelling

Stel: je bent postdoc, je hebt drie jaar lang data verzameld, verwerkt, geanalyseerd — en dan vertrek je naar een nieuwe universiteit. Wat gebeurt er met al die data?

Gaat het verloren in een oude laptop? Blijft het hangen op een server die straks wordt afgesloten?

Of neem je het netjes mee, klaar voor hergebruik, samenwerking en impact? Dat laatste klinkt beter, toch? FAIR data is je ticket om dat te doer. En dit artikel legd hoe.

Wat is FAIR data — én waarom moet jij als postdoc het geven?

FAIR staat voor Findable, Accessible, Interoperable, Reusable. Vier principes die ervoor zorgen dat onderzoeksdata niet alleen bestaat, maar echt bruikbaar is — voor jezelf, je collega’s en de wetenschappelijke wereld. Maar laten we eerlijk zijn: als postdoc heb je geen tijd om een cursus data-management te volgen.

Je wilt gewoon weten: wat moet ik doen, en waarom zou ik ervoor doen?

Dus hier is het in één zin: Als je data FAIR maakt, word je beter vindbaar als onderzoeker, vergroot je de impact van je werk, en maak je overstappen tussen aanstellingen een stuk soepeler. En het is niet alleen wenselijk — het wordt steeds vaker verplicht.

De Nederlandse Wetenschap Organisatie (NWO), het European Research Council (ERC), en universiteiten als Utrecht, Leiden en Groningen verwachten tegenwoordig dat je data FAIR beheert. Zonder goede data-strategie loop je risico op publicatieproblemen, verlies van onderzoekspotentiëel — en zelfs carrière-achterstand.

De vier principes — makkelijk uitgelegd

Laten we FAIR even ontleden, zonder jargon: Kan iemand jouw data vinden?

1. Findable (Zoekbaar)

Niet alleen jijzelf, maar ook een onderzoeker in Japan of een student die over vijf jaar je artikel leest.

2. Accessible (Toegankelijk)

Dat betekent: goed metadata gebruiken, duidelijke titels, keywords, en een persistente identifier (zoals een DOI). Zonder dat is je data gewoon ‘weg’. Als iemand je data vindt, kan hij of zij er dan ook bij?

3. Interoperable (Interoperabel)

Toegang betekent niet per se ‘open voor iedereen’, maar wel: duidelijk aangegeven hoe toegang wordt verleend, en waarom bepaalde data gesloten zijn (bijvoorbeeld vanwege privacy). Kan jouw data ‘praten’ met andere datasets? Gebruik daarvoor standaardformaten zoals CSV, JSON of NetCDF. Vermijd exotische bestandstypes die alleen in jouw lab werken.

4. Reusable (Herbruikbaar)

En gebruik gedeelde vocabularia en metadata-schema’s — bijvoorbeeld Dublin Core of DataCite Metadata Schema.

Als iemand je data wil hergebruiken, snap dan alles? Documenteer hoe de data is verzameld, wat de variabelen betekenen, welke versie het is, en onder welke licentie de data valt (bijvoorbeeld Creative Commons). Voorkom de meest gemaakte fouten bij het FAIR maken van je onderzoeksdata, want zonder die context is je data waardeloos voor anderen.

Waarom FAIR data jouw carrière als postdoc een boost geeft

Je denkt misschien: “Dit kost me tijd die ik liever aan mijn volgende publicatie besteed.” Maar kijk eens naar de voordelen: FAIR data zorgt voor meer citaties. Kortom: FAIR data is geen bureaucratische last. Het is een investering in jezelf.

• Je wordt beter vindbaar. Onderzoekers die jouw data gebruiken, citeren je. Meer citaties = meer zichtbaarheid.
• Je toont professionaliteit. Sollicitaties voor vaste banen of fellowships vragen steeds vaker naar je data-management skills. FAIR data op je CV? Dat valt op.
• Je voorkomt chaos bij vertrek. Geen gevecht met je oude begeleider over wie de data mag houden. Geen verlies van jarenlang werk.
• Je maakt samenwerking makkelijker. Nieuwe collega’s kunnen direct met jouw data werken — of het nu gaat om vervolgonderzoek of een gezamenlijk project.

Praktische stappen: zo doe je het écht

Goed, je bent overtuigd. Maar waar begin je?

1. Maak een Data Management Plan (DMP) — ook al is het verplicht

Hier is een stappenplan dat je deze week al kunt oppakken. Een DMP is een document waarin je beschrijft hoe je met data omgaat: hoe je het verzamelt, opslaat, deelt en archiveert. Veel universiteiten en funderingsorganen (zoals NWO of ERC) vereisen een DMP.

2. Metadata: de onderschatte held

Maak er gebruik van tools zoals DMPonline of DMPTool — ze begeleiden je stap voor stap.

3. Kies een repository — en upload vroegtijdig

Zonder metadata is je data onvindbaar. Beschrijf duidelijk: wat is de data? Hoe is het verzameld? Wanneer? Door wie?

• Zenodo – gratis, open, ondersteunt alle bestandstypes.
• Figshare – ideaal voor data gekoppeld aan publicaties.
• Dryad – populair in de levenswetenschappen.

Welke eenheden worden gebruikt? Gebruik standaarden zoals Dublin Core of DataCite — het kost wat tijd, maar bespaart jou (en anderen) later veel kopzorgen.

4. Gebruik de juiste formaten

Wacht niet tot je vertrekt om je data te uploaden. Kies nu al een betrouwbare repository. Populaire opties zijn:

Upload je data tussentijds, niet alleen aan het eind. Zo bouw je langzaam een open, vindbaar archief op. CSV in plaats van Excel. JSON of XML in plaats van Word-documenten met tabellen. Waarom?

5. Kies een licentie

Omdat open, gestandaardiseerde formaten leesbaar zijn voor iedereen — nu en over tien jaar. En documenteer altijd welke versie van software je hebt gebruikt.

Laat niet in het midden hoe anderen je data mogen gebruiken. Gebruik een Creative Commons-licentie (bijvoorbeeld CC-BY voor maximale herbruikbaarheid). Dit voorkomt onduidelijkheid en juridische issues.

Hoe je FAIR data meeneemt naar je volgende aanstelling

Het moment van vertrek nadert. Wat doe je? Denk aan FAIR data als je professionele erfenis.

1. Maak een overzicht van al je datasets: waar zijn ze opgeslagen? Welke metadata hoe erbij? Welke licentie?
2. Exporteer alles in open formaten en zorg voor een lokale backup.
3. Informeer je nieuwe collega’s over je data-strategie. Laat zien wat je hebt gemaakt — en hoe ze het kunnen gebruiken.
4. Houd contact met je oude groep. Soms is samenwerking mogelijk — als de data goed gedocumenteerd is.

Het is niet alleen jouw onderzoek — het is een bouwsteen voor anderen.

Conclusie: start vandaag, niet morgen

Als postdoc ben je in een unieke positie: je bouwt aan je reputatie, je netwerk, je toekomst.

FAIR data is geen extra last — het is een manier om te laten zien dat je serieus bent over wetenschap. Dat je om transparantie geeft. Dat je werk blijft leven, ook als je ergens anders staat. Dus: begin klein met onze FAIR data checklist voor onderzoekers. Upload één dataset. Schrijf goede metadata. Kies een licentie.

En herhaal dat, keer op keer. Over drie jaar heb je niet alleen een indrukwekkende publicatielijst — maar ook een levendig, bruikbaar data-archief dat meegroeit met je carrière.

En wie weet: jouw data wordt de basis voor het volgende grote onderzoek.

Misschien wel door jezelf.