In deze paragraaf schetsen we in het kort de geschiedenis van een nieuw en inmiddels onmisbaar gebied van onderzoeksondersteuning: research data management support.

Once upon a time ...

Toen de eerste cursus Essentials 4 Data Support werd gehouden in 2014, lag de nadruk nog vooral op bewustwording dat datamanagement belangrijk is. Vijf jaar en 300 studenten later, kunnen we stellen dat het onderzoeksondersteuningsgebied steeds volwassener wordt. Dat niet het waarom maar het hoe in de spotlight staat. Hoe doe je dat, ondersteunen van onderzoekers bij datamanagement? Hoe pak je dat organisatorisch aan, welke tools zijn er nodig, welke services onontbeerlijk, welke netwerken noodzakelijk, welke kwaliteiten en vaardigheden vereist? En hoe zorg je ervoor dat je het perspectief van de onderzoeker niet uit het oog verliest? De verschillende rollen en taken die data supporters hierin kunnen vervullen, beginnen zich uit te kristalliseren (Verheul, e.a., 2019).

Het kompas waarop wetenschappelijk onderzoek vaart is er een van integriteit en reproduceerbaarheid. Hoe richten we het wetenschappelijk proces zo in dat het leidt tot betrouwbare en bruikbare wetenschappelijke inzichten? In de afgelopen jaren zijn er vanuit de onderzoeksgemeenschap zelf vele manifesten, verklaringen en aanbevelingen op het gebied van onderzoek, onderzoeksdata, open science, wetenschappelijke communicatie en publicatie opgesteld (Bosman & Kramer, 2015 & 2018) en is het onderzoeken van onderzoek zelf - metascience - een aparte wetenschappelijke discipline geworden (Ionnadis, 2015; Munafò, 2017). 

In de slideshow hieronder passeert een aantal belangrijke richtinggevende verklaringen de revue. Een uitgebreidere lijst is ook beschikbaar (Bosman & Kramer, 2018). De termen die gebruikt worden, worden in de komende paragrafen nader toegelicht. 

Een voorproefje

De roep om het open en herbruikbaar maken van onderzoeksdata vindt steeds meer weerklank. Een concreet hulpmiddel om data voor te bereiden op hergebruik, ook door computers, is het faciliteren van FAIR data (Findable, Accessible, Interoperable, Reusable) in een FAIRe data-infrastructuur. Het streven naar FAIR data is niet alleen goed om transparantie en reproduceerbaarheid te bevorderen. Als we het faciliteren van FAIR data na zouden laten, kost ons dat enorm veel in verloren mogelijkheden voor efficiëntie en innovatie (Europese Commisie, 2019). FAIR data zijn bouwstenen - een soort van interoperabele machine-leesbare legoblokjes - die met elkaar gecombineerd kunnen worden. En de talloze mogelijkheden voor nieuwe combinaties kunnen ertoe leiden dat er op de grenzen van disciplines nieuwe ontdekkingen en innovaties plaatsvinden. Temeer omdat FAIR een enabler is van kunstmatige intelligentie, de intelligentie waarmee machines, software en apparaten zelfstandig leren en problemen oplossen (Wise, 2019).

Tegen de achtergrond van de technologische mogelijkheden speelt het maatschappelijke debat over hoe we onderzoekers het beste kunnen waarderen voor hun inspanningen om data FAIR te maken. Het Nationaal Plan Open Science (2017), ondertekend door o.a. de onderzoeksfinancier NWO, de Vereniging Hogescholen en de VSNU, maakt zich sterk voor het waarderen van onderzoekers voor hun bijdragen aan o.a. het FAIR maken van hun data. Ook het tekenen van de DORA verklaring door de onderzoeksfinanciers NWO, ZonMW en KNAW (NWO, 2019) staat symbool voor de overgang naar een onderzoeksecosysteem waarin onderzoeksdata voor de volle 100% meetellen. 

De data-infrastructuur die zich in de afgelopen decennia heeft ontwikkeld en die zich de komende decennia gaat ontwikkelen, ondersteunt de beweging naar een FAIRe data-infrastructuur. De data-infrastructuur die het mogelijk maakt om onderzoeksdata voor de langere termijn te bewaren, publiceren, delen, combineren en (her)gebruiken kent diverse lagen en fasen. Tijdens Essentials 4 Data Support staan we stil bij de maatregelen om onderzoeksdata tijdens al deze fasen voor te bereiden op een integer en reproduceer bestaan en een zo herbruikbaar mogelijke toekomst.

Onderstaande illustratie geeft een voorproefje van maatregelen waar we het dan over hebben. Misschien klinken de gebruikte begrippen nu nog als abracadabra in jouw oren, maar we verzekeren je een ding:

Als je klaar bent met de cursus kent onderstaande illustratie geen geheimen meer voor jou.