Stel je voor: je besteedt maanden aan een onderzoek, verzamelt gigabytes aan data, en als je die wilt delen, blijkt niemand die data te kunnen vinden of begrijpen. Klinkt frustrerend? Dan is FAIR data het antwoord.
▶Inhoudsopgave
Maar hoe zorg je ervoor dat jouw onderzoeksdata écht Findable, Accessible, Interoperable en Reusable is? In Nederland speelt de FAIRsFAIR toolkit daarin een grote rol. Maar werkt alles zoals beloofd? Laten we erin duiken.
Wat is de FAIRsFAIR toolkit eigenlijk?
FAIRsFAIR was een Europees project dat liep van 2019 tot 2022, gefinancierd door het Horizon 2020-programma van de Europese Unie. Het doel: FAIR-datawerkelijkheid maken, niet alleen op papier maar ook in de dagelijkse praktijk van onderzoekers, datamanagers en instituten.
De toolkit die hieruit voortkwam, biedt concrete tools, richtlijnen en checklists om onderzoeksdata FAIR te maken.
Denk aan dingen als de FAIR-Aware tool, die onderzoekers helpt om te checken hoe FAIR hun data al is, of de DMP Evaluation Rubric, die kijkt of een Data Management Plan voldoende aandacht besteedt aan FAIR-principes. Er zijn ook richtlijnen voor het kiezen van persistente identifiers, metadata-standaarden en het bewaren van data in betrouwbare repositories.
Waar Nederland goed in scoort
Nederland doet het niet slekt op het gebied van Open Science. Universiteiten als Leiden, Utrecht en Delft werken actief met FAIR-principes.
DANS (Data Archiving and Networked Services), onderdeel van KNAW en NWO, is een van de belangrijkste spelers als het gaat om het duurzaam beheren van onderzoeksdata in Nederland.
Daarnaast heeft de VSNU met het programma Open Science Nederland een duidelijke koers uitgezet. In 2022 ondertekenden alle Nederlandse universiteiten het National Programme Open Science (NPOS), waarin FAIR data een kernonderdeel is. Dat betekent dat steeds meer onderzoekers worden geholpen om hun data FAIR te maken en dat universiteiten investeren in de infrastructuur die daarvoor nodig is.
De FAIRsFAIR toolkit wordt hier actief gebruikt. Vooral bij de grote onderzoeksinstituten zijn er FAIR-data-officers en datamanagers aan het werk die de tools uit de toolkit toepassen op projecten. De FAIR-Aware self-assessment tool is bijvoorbeeld populair: onderzoekers vullen hem in en krijgen direct inzicht via FAIR data volwassenheidsmodellen in wat er al goed gaat en waar nog winst te behalen valt.
Waar het nog schuurt
Toch loopt het niet overal soepel. Een van de grootste knelpunten is kennis en bekendheid.
Veel onderzoekers — zeker in de gezondheidswetenschappen en de sociale wetenschappen — weten niet eens dat deze toolkit bestaat.
Ze horen wel eens het woord FAIR, maar weten niet wat het concreet betekent voor hun data of hoe ze het moeten toepassen. Daarnaast is er het probleem van versnippering. Nederland kent talloze initiatieiten rondom FAIR data voor klimaatonderzoek, maar die hangen niet altijd goed samen.
De ene universiteit werkt met een eigen tool, de ander gebruikt iets anders, en weer een derde doet het gewoon niet structureel. Dat maakt het lastig om een landelijk uniforme aanpak te krijgen, ook al zijn de ambities groot.
Ook de technische kloof is reëel. De toolkit biedt mooie richtlijnen, maar als je daadwerkelijk FAIR data wilt publiceren, moet je repositories hebben die metadata goed ondersteunen, persistente identifiers kunnen verwerken, en die voldoen aan internationale standaarden. Niet alle Nederlandse repositories zijn daar nog klaar voor.
Wat kan er beter volgens de praktijk?
Datamanagers en onderzoekers in Nederland zijn redelijk eerlijk over wat er mist. Ten eerste is er behoefte aan meer training en voorlichting.
De toolkit is er, maar als niemand weet hoe je hem moet gebruiken, helpt dat weinig.
Hands-on workshops, online cursussen en voorbeelden uit de eigen vakgebieden zouden een wereld van verschil maken. Ten tweede is samenwerking cruciaal. Als de verschillende Nederlandse instituten hun krachten bundelen rondom FAIR data — gezamenlijke standaarden, gedeelde tools, uitwijdelijke kennis — dan wordt het een stuk makkelijker om echt vooruitgang te boeken.
Het NPOS-programma biedt daarvoor een kans, maar het moet nog vaster vorm krijgen in de dagelijkse praktijk. En ten derde: durf het ongemakkelijke te zeggen. Niet alles wat in de toolkit staat, werkt even goed in de praktijk. Sommige richtlijnen zijn te abstract, sommige tools zijn niet intuïtief genoeg. Dat is geen reden om ze weg te gooien, maar wel om ze bij te stellen op basis van feedback uit het veld.
De weg vooruit
De FAIRsFAIR toolkit is geen wondermiddel, maar het is een solide startpunt. Nederland heeft de ambities, de infrastructuur en de mensen om FAIR data écht te realiseren. Wat nu nodig is: meer aandacht voor kennisverspreiding, betere afstemming tussen instituten en de moed om, zoals blijkt uit FAIR data in sociaalwetenschappelijk onderzoek, tools en richtlijnen aan de praktijk te toetsen — en bij te sturen waar nodig.
Want uiteindelijk draait het niet om een mooie toolkit. Het draagt ervoor dat onderzoeksdata terug te vinden, te begrijpen en te hergebruiken is. Voor iedereen.
Nu én over tien jaar. Dat is het doel, en daar werken we in Nederland samen aan.