Stel: je hebt maandenlang data verzameld. Prachtig werk. Maar dan vraagt iemand: "Is je data FAIR?
▶Inhoudsopgave
Of gewoon open?" En je denkt… wat is eigenlijk het verschil? Geen paniek. Je bent niet de enige. Veel onderzoekers wisselen deze termen door elkaar — terwijl het gaat om twee heel verschillende dingen. Twee kanten van dezelfde medaille, eigenlijk.
Maar als je begrijpt hoe ze samenwerken, wordt je onderzoek niet alleen beter vindbaar, maar ook echt herbruikbaar. En dat is precies waar het om draait in Open Science.
Wat is FAIR data eigenlijk?
FAIR staat voor Findable, Accessible, Interoperable en Reusable. Het is geen verplichting, maar wel een set richtlijnen — bedacht in 2016 door een groep wetenschappers — om onderzoeksdata zo te beheren dat anderen er echt iets mee kunnen. Kortom: FAIR gaat over hoe je data organiseert — niet of ze open zijn.
- Findable: Je data moet makkelijk te vinden zijn, zowel voor mensen als machines. Denk aan unieke identifiers (zoals DOI’s) en rijke metadata.
- Accessible: Zodra iemand je data vindt, moet hij of zij erbij kunnen — via standaardprotocollen, zoals HTTP. Soms betekent dat: na authenticatie, niet per se openbaar.
- Interoperable: Je data moet aansluiten bij andere datasets. Gebruik daarvoor gangbare formaten en vocabulaire, zodat systemen en onderzoekers met elkaar kunnen ‘praten’.
- Reusable: De ultieme test: kan iemand anders jouw data begrijpen en correct hergebruiken? Daarvoor heb je duidelijke licenties, gedetailleerde documentatie en context nodig.
En open data dan?
Open data is juist een keuze: je maakt je onderzoeksdata vrij toegankelijk voor iedereen, zonder beperkingen. Geen login, geen aanvraag, geen vragen. Gewoon beschikbaar.
Denk aan datasets op platforms zoals DANS (Data Archiving and Networked Services) of Zenodo, waar je bestanden uploadt onder een Creative Commons-licentie. Iedereen mag ze downloaden, analyseren, hergebruiken — zolang je maar correct wordt geciteerd. Maar hier zit het verschil: open data hoeft niet per se FAIR te zijn.
Je kunt een Excel-bestand zonder metadata online zetten — technisch ‘open’, maar praktisch onbruikbaar voor anderen.
Omgekeerd kan data FAIR zijn zonder open te zijn: bijvoorbeeld medische data die alleen toegankelijk is na goedkeuring van een ethische commissie, maar wel perfect gedocumenteerd en gestructureerd.
Waarom maakt dit uit voor jou als onderzoeker?
Omdat funders, universiteiten en tijdschriften steeds vaker vragen om beide. De VSNU, NWO en de Europese Commissie (via Horizon Europe) verwachten dat je onderzoeksdata FAIR én zo open mogelijk worden gemaakt.
Niet altijd volledig open — maar wel zo open als redelijk is, en altijd FAIR. En er zit meer in voor jou dan alleen compliance: Stel je doet onderzoek naar luchtkwaliteit in stedelijke gebieden. Je uploadt je dataset naar Figshare met een DOI, uitgebreide metadata, en een CC-BY-licentie.
- Je vergroot de zichtbaarheid van je werk. FAIR-data wordt vaker gevonden, geciteerd en hergebruikt.
- Je voorkomt dubbel werk. Als anderen jouw data kunnen hergebruiken, versnelt dat de wetenschap.
- Je bouwt vertrouwen op. Transparantie over data versterkt de geloofwaardigheid van je onderzoek.
Praktisch voorbeeld: twee paden, één doel
Dat is open én FAIR. Maar stel: je data bevat gevoelige locatiegegevens van deelnemers.
Dan maak je de data niet open, maar wel FAIR: je vult de juiste metadata in, gebruikt een persistente identifier, en geeft toegang via een beheerde omgeving (zoals een ‘data access committee’). Zo blijft je data vindbaar en herbruikbaar — zonder privacy te schenden.
FAIR én open: geen either/or, maar both/and
Het mooie? Ze versterken elkaar. Open data zonder FAIR-principes is vaak rommelig en onbruikbaar, terwijl FAIR data en reproduceerbaar onderzoek hand in hand gaan.
FAIR-data zonder openheid mist potentieel impact. De sweet spot ligt waar je data zo open mogelijk, en altijd FAIR is, wat bovendien leidt tot meer citaties voor jouw artikel.
Wat kun je vandaag nog doen?
En gelukkig hoef je het niet alleen te doen. Universiteiten bieden steeds betere ondersteuning: data librarians, Research Data Management (RDM)-plannen, en tools zoals DMPonline helpen je stap voor stap. Begin klein, maar begin: Want uiteindelijk draait het niet om regels of acroniemen. Het draagt om één simpel idee: goede data verdient een tweede leven. En jij kunt ervoor zorgen dat die er komt.
- Maak een Data Management Plan (DMP) — zelfs als je er nog geen hebt.
- Gebruik persistente identifiers (DOI, ORCID) voor jezelf én je data.
- Kies een repositorie die FAIR ondersteunt: DANS, Zenodo, 4TU.ResearchData, of je eigen universiteitsarchief.
- Documenteer alles: methoden, variabelen, licenties. Alsof je data aan een vreemde moet uitleggen — want dat ben je eigenlijk.
Veelgestelde vragen
Wat houdt FAIR precies in voor mijn onderzoek?
FAIR staat voor Findable, Accessible, Interoperable en Reusable. Het gaat erom dat je data op een manier organiseert dat anderen ze gemakkelijk kunnen vinden, gebruiken en integreren in hun eigen onderzoek. Denk aan duidelijke identifiers en metadata, zodat ze begrijpen waar de data vandaan komt en hoe ze te gebruiken zijn.
Wat is het belangrijkste verschil tussen open data en FAIR data?
Open data is een keuze om je data vrij beschikbaar te maken zonder beperkingen, terwijl FAIR data een set richtlijnen is om ervoor te zorgen dat je data vindbaar, toegankelijk, interoperabel en herbruikbaar is.
Hoe kan ik ervoor zorgen dat mijn data herbruikbaar is?
Je kunt data FAIR maken zonder dat deze open is, bijvoorbeeld met strikte toegangsbeperkingen, maar het is essentieel voor bruikbaarheid en hergebruik. Om je data herbruikbaar te maken, is het cruciaal om duidelijke licenties te gebruiken die aangeven hoe anderen je data mogen gebruiken, en om gedetailleerde documentatie te leveren die de context en betekenis van de data uitlegt.
Waarom is FAIR belangrijk voor onderzoekers?
Zorg er ook voor dat je data in gangbare formaten is opgeslagen, zodat andere onderzoekers ze gemakkelijk kunnen verwerken. Funders, universiteiten en tijdschriften eisen steeds vaker dat onderzoekers hun data FAIR maken. Dit zorgt ervoor dat je onderzoek vindbaar, reproduceerbaar en bruikbaar is voor anderen, wat de impact van je werk vergroot en de wetenschappelijke vooruitgang bevordert.
Wat zijn voorbeelden van platforms waar ik mijn data kan uploaden onder een Creative Commons-licentie?
Platforms zoals DANS (Data Archiving and Networked Services) en Zenodo bieden mogelijkheden om je onderzoeksdata te uploaden en beschikbaar te stellen onder een Creative Commons-licentie.
Dit maakt het mogelijk voor anderen om je data te downloaden, te analyseren en te hergebruiken, zolang ze de juiste credits geven aan de oorspronkelijke auteur.