FAIR-principes open science

Wat betekent FAIR?

De Erasmus Universiteit Rotterdam streeft in zijn geheel naar open science als standaard. Dit betekent dat onderzoeksgegevens en alle academische output moeten voldoen aan de FAIR-principes.

De FAIR-principes zijn opgesteld om het potentieel voor hergebruik van onderzoeksdata te maximaliseren door onderzoekers aan te moedigen hun data vindbaar (Findable), toegankelijk (Accessible), uitwisselbaar (Interoperable) en herbuikbaar (Reusable) te maken.

Het is belangrijk om te weten dat er geen algemene aanpak is voor FAIR, en hoe nauwkeurig je sommige principes kunt volgen kan afhangen van je onderzoek. Niet alle FAIR-data zijn open en niet alle open data zijn noodzakelijk FAIR; in plaats daarvan zou het "zo open als mogelijk, zo gesloten als nodig" moeten zijn. Er kunnen legitieme redenen zijn om onderzoeksdata niet open access beschikbaar te maken, zoals privacy of commerciële redenen. Metadata daarentegen zouden altijd open moeten zijn.

Hoe kun je jouw onderzoek FAIR maken? 

Vindbaar (Findable)

Je gegevens moeten gemakkelijk te vinden zijn voor zowel mensen als computers, met metadata en een toegekende persistent identifier die het zoeken naar specifieke datasets na publicatie vergemakkelijkt.

Checklist:

  • Sla je gegevens op in een betrouwbare repository (i.e.: EUR Data RepositoryDANS Data Stations, Zenodo, OSF
  • Zorg voor uitgebreide en duidelijk omschreven metadata
  • Ken een persistent identifier toe (i.e.: DOIORCID, RORCrossref)
  • Voeg een README-bestand toe aan het datapakket met een beschrijving van je onderzoek en dataset

Toegankelijk (Accessible)

Je data moeten langdurig worden opgeslagen en gemakkelijk toegankelijk en/of downloadbaar zijn met goed gedefinieerde toegangsvoorwaarden (open access indien mogelijk), zowel op het niveau van metadata als op het niveau van de feitelijke data. Mensen en machines moeten toegang kunnen krijgen tot je data.

Checklist:

  • Bepaal de toegangsvoorwaarden tot je gegevens: open, beperkt of gesloten 
    • Als de toegang tot de data beperkt is, specificeer dan de voorwaarden voor toegang in de metadata
    • Verduidelijk de authenticatie- en machtigingsstappen van de toegangsprocedure
  • Maak je metadata toegankelijk, zelfs als je data dat niet zijn
  • Neem het volgende op in je README-bestand:
    • Licenties of restricties op de data 
    • Koppelingen naar andere bereikbare locaties van je data

Uitwisselbaar (Interoperable)

Je metadata en/of data moeten voldoen aan vastgestelde formaten en standaarden. Daardoor kunnen ze gelezen worden en zijn ze klaar om gecombineerd te worden met andere datasets door mensen of computers. Je metadata geven duidelijke beschrijvingen van de data en de software die nodig is om ze te openen. Data zijn logisch georganiseerd met voor machines leesbare bestandsnamen en worden opgeslagen in de meest gebruikte bestandsformaten.

Checklist:

  • Sla je data op in veelgebruikte bestandsformaten
  • Zorg ervoor dat je metadata relevante, veldspecifieke standaarden volgen
  • Gebruik waar mogelijk vaste woordenlijsten/sleutelwoorden
  • Neem het volgende op in je README-bestand:
    • Een overzicht van je data en bestanden
    • Een beschrijving van de bestandsformaten
    • Relevante afspraken over naamgeving
    • Informatie over de software die nodig is om data te verwerken

Herbruikbaar (Reusable)

Je data en metadata moeten goed beschreven zijn en daardoor klaar voor gebruik voor toekomstig onderzoek en om verder verwerkt te worden met behulp van computerondersteunde methoden. Ze hebben een duidelijke en toegankelijke licentie, zodat anderen weten wat voor soort hergebruik is toegestaan.

Checklist:

  • Kies een duidelijke en toegankelijke datalicentie
  • Zorg voor goede datadocumentatie
  • Voeg bestanden toe die relevant zijn voor je onderzoek (bijv.: interviewgidsen, codeboek, enz.)
  • Zorg ervoor dat je data en metadata voldoen aan relevante domeinstandaarden
  • Laat gebruikers weten hoe ze je kunnen citeren en vermelden
  • Neem het volgende op in je README-bestand:
    • Beschrijving van methoden die zijn gebruikt voor het verzamelen en verwerken van data
    • Informatie over de licentie

Hoe kun je jouw FAIR-werkwijzen beoordelen?

Tools om FAIRness te beoordelen

Er zijn meerdere, eenvoudig te gebruiken tools beschikbaar om de FAIRness van jouw dataset te kunnen beoordelen. Deze tools kunnen worden gebruikt voor een snelle scan van je dataset en kunnen je helpen je meer bewust te worden van wat er nodig is om te voldoen aan de FAIR-principes die hierboven zijn beschreven.

Er zijn ook geautomatiseerde tools om de FAIRness van je dataset te beoordelen. Deze gebruiken geldige persistente identifiers ( bijvoorbeeld een DOI) of URL's die verwijzen naar de repository waar je data zich bevinden. Dit betekent dat je data al gepubliceerd moeten zijn om deze tools te kunnen gebruiken.

Deze tools controleren zowel de data als de metadata in de dataset en vergelijken deze met de FAIR-principes. Een voorbeeld van een geautomatiseerd hulpmiddel om FAIR-heid te beoordelen is F-UJI:

  • F-UJI is een webservice om de FAIRness van onderzoeksdataobjecten (aka datasets) programmatisch te beoordelen op basis van statistieken ontwikkeld door het FAIRsFAIR project. Het kan ook worden gebruikt om te controleren of een archief dat je zou willen gebruiken FAIR-datasets publiceert.

Ondersteuning

Als je advies nodig hebt over het FAIR maken van je onderzoeksgegevens, kun je contact opnemen met het ondersteunend personeel van de EUR: 

 Lees verder:

De inhoud van deze webpagina is gemaakt op basis van informatie afkomstig van NWOOpenAIRELCRDMPARTHENOSUtrecht Universitythe EUR Data Coffee Breaks en GO-FAIR.

FAIR data principles
Zenodo

Deze pagina is voor het laatst bijgewerkt in mei 2024. Heb je niet-werkende links of (schijnbaar) onjuiste informatie gevonden? Stuur dan een e-mail met als titel 'Website content' naar datasteward@eur.nl.

Vergelijk @count opleiding

  • @title

    • Tijdsduur: @duration
Vergelijk opleidingen