Door Anne van de Dool
De aandacht groeit voor data die gemakkelijk vindbaar, toegankelijk, uitwisselbaar en herbruikbaar zijn. Ook tijdens de uitreiking van de Nederlandse Dataprijs stond dit FAIR-principe centraal. Welke initiatieven vielen daar in de prijzen en wat zegt hun bestaan over de stand van FAIR data? En hoe kijkt DANS naar deze ontwikkelingen?
Jaarlijks reikt Research Data Netherlands (RDNL) de Nederlandse Dataprijs uit aan een onderzoeker of onderzoeksgroep die data beschikbaar maakt voor aanvullend of nieuw onderzoek, en die op die manier extra bijdraagt aan de ontwikkeling van de wetenschap. Eind vorig jaar werd deze prijs voor de zesde keer overhandigd, traditiegetrouw op het partnerevenement Together We Share, dat ditmaal uiteraard in een online vorm was gegoten.
Tijdens deze avond werden drie open en inspirerende datasets uit verschillende disciplines beloond met een bedrag van 5000 euro en een sculptuur. In de categorie sociale en geesteswetenschappen viel een dataset met ruim honderdduizend artikelen uit veertien verschillende Nederlandse krantentitels uit de zeventiende eeuw in de prijzen. Winnaars in de categorie exacte en technische wetenschappen waren de mannen en vrouwen achter STORM, een dataset waarmee het ontstaan van tropische cyclonen in kaart is gebracht. In de categorie medisch en levenswetenschappen ging de eer naar de makers van CoronaWatchNL, die zich sinds de opkomst van het coronavirus inzetten om de data die het RIVM en ziekenhuizen over het virus ter beschikking hebben voor iedereen toegankelijk te maken.
De makers ontvingen hun prijzen van juryvoorzitter prof. dr. Karel Luyben, voormalig rector magnificus van de TU Delft en Nationaal Coördinator Open Science, die samen met zijn medejuryleden de winnaars uit 44 inzendingen had gekozen. Daarnaast ontvingen de makers van drie datasets ter aanmoediging een geldbedrag van 1000 euro om hun data nog toegankelijker te maken voor verder onderzoek (zie kader).
Oudste kranten van Nederland
De Nederlandse Dataprijs in de categorie sociale en geesteswetenschappen ging naar het Instituut voor de Nederlandse Taal (INT), de Koninklijke Bibliotheek (KB) en het Meertens Instituut, die met hulp van een grote groep vrijwilligers een zeventiende-eeuwse krantenset transcribeerden. In deze dataset zijn de oudste kranten te vinden die het Nederlandse taalgebied kent: ze stammen uit de periode 1618-1700. Dat maakt ze meteen tot ingewikkelde documenten om gemakkelijk te doorzoeken. De ouderdom van de tekst en de veelheid aan verschillende lettertypes, die met hun gotische karakter voor het menselijk oog van vandaag de dag niet altijd even gemakkelijk meer leesbaar zijn, zorgen ervoor dat de teksten niet snel door hedendaagse computersystemen worden herkend.
Gelukkig schoten ruim tweehonderd vrijwilligers te hulp. In een tijdsbestek van vijf jaar tikten zij circa 120.000 artikelen uit ruim 6000 kranten over en creëerden zo een full-text doorzoekbaar onderzoekscorpus dat zo’n twintig miljoen woorden rijk is. Natuurlijk staan deze teksten sindsdien niet op een harde schijf te ‘verstoffen’: sinds mei 2020 kunnen de oudste kranten van Nederland via Delpher door het grote publiek worden uitgeplozen.
Overtikken
De overtikactie maakte onderdeel uit van een crowdsourcingsproject dat was opgezet door het INT, de KB en het Meertens Instituut, en dat onder leiding stond van Nicoline van der Sijs, die ook onder meer aan de wieg stond van de online etymologiebank. Eerder werd haar al de Prijs voor de Geesteswetenschappen van het Prins Bernhard Cultuurfonds toegekend, evenals de ANV-Visser Neerlandia-prijs voor het toegankelijk maken van historische teksten, waaronder verschillende Bijbelvertalingen en de Collectie Nederlandse Scheepspost. Dit project paste dus perfect in haar straatje.
De jury roemde het project om de publieke toegankelijkheid van de data, die bovendien bruikbaar zijn voor onderzoekers uit allerlei disciplines. De juryleden zien legio toepassingen voor de data, en beschouwen de inzet van zo’n grote groep vrijwilligers als een teken dat het project aan de slag is gegaan met een collectie ‘die iedereen raakt’.
‘Een geweldige erkenning van het maatschappelijk belang en de waarde van citizen science als bijdrage aan wetenschappelijk onderzoek’, noemde de taalkundige en etymoloog de ontvangst van de prijs. Daarmee wees ze tevens alvast vooruit naar de vervolgstappen die het INT, de KB en het Meertens Instituut van plan zijn te ondernemen. De drie partijen willen het gewonnen geldbedrag gebruiken om de data via een vervolgproject nog verder te ontsluiten, waarbij ze zich richten op het vergaren van inzicht in het reilen en zeilen van de stad Amsterdam ruim tweehonderd jaar geleden.
De vrijwilligers zijn dus nog niet klaar: zij zullen de vraag krijgen alle Amsterdamse locaties – zoals straten, kroegen en markten – die in de zeventiende-eeuwse krantenartikelen ter sprake komen boven tafel te krijgen en te koppelen aan de plattegrond van de hoofdstad. Zo ontstaat, hopen de initiatiefnemers, een digitale kaart waarop de hotspots van het Amsterdamse leven in de zeventiende eeuw zichtbaar worden.
Tropische cyclonen
Binnen de categorie exacte en technische wetenschappen viel de eer te beurt aan dataset STORM, die tienduizend jaar aan synthetische tropische cycloonsporen samenbrengt. Verrassend genoeg gaat het hierbij niet om cyclonen die daadwerkelijk zijn ontstaan, maar juist om varianten die theoretisch mogelijk zijn, maar nog nooit zijn voorgekomen. Toch zijn deze gegevens wel degelijk van belang: de data kunnen worden gebruikt om het risico op een tropische cycloon te berekenen in regio’s die daar vatbaar voor zijn, met name aan de kust, zodat daar beter kan worden geanticipeerd op een dergelijk gevaar.
De dataset is publiekelijk toegankelijk, en is daarmee de eerste in zijn soort: niet eerder waren er gegevens beschikbaar die op wereldwijde schaal de kans op het ontstaan van tropische cyclonen in kaart brengen. Daarmee is deze dataset met name van belang voor risico-analisten, onderzoekers en beleidsmakers.
De jury prees de makers van STORM om de stabiele omgeving waarin de data zich bevinden, de open toegankelijkheid van deze informatie en de nieuwe onderzoeksmogelijkheden die de gegevens met zich meebrengen. Nadia Bloemendaal, onderzoeker bij het Instituut voor Milieukunde aan de Vrije Universiteit van Amsterdam, die aan de wieg stond van de dataset, liet weten dat het prijzengeld zal worden besteed aan ‘een interactieve website waarop we het risico van een tropische cycloon op elke plaats ter wereld kunnen visualiseren’.
Coronaonderzoek
In de categorie medisch en levenswetenschappen viel Jonathan de Bruin met zijn project CoronaWatchNL in de prijzen. De Bruin, research engineer bij de centrale IT-afdeling van de Universiteit Utrecht, begon al bij de opkomst van het coronavirus in Nederland bijna een jaar geleden met het verzamelen van data over het virus en de bijbehorende infecties en sterfgevallen. Hij ontving die informatie van het RIVM en van ziekenhuizen, om deze vervolgens beschikbaar te stellen volgens de FAIR-principes: Findable, Accessible, Interoperable en Reusable. Hierdoor zijn deze data openlijk toegankelijk en herbruikbaar voor iedereen die zelf onderzoek wil doen naar het coronavirus.
‘Data, en in het bijzonder FAIR data, spelen een sleutelrol bij de inperking van het coronavirus’, liet De Bruin eerder aan de Universiteit Utrecht weten. ‘Wij dragen hier met het publiceren van deze dataset graag aan bij.’ De Bruin ziet de prijs als een aanmoediging om zich ook in de toekomst te blijven inzetten voor het beschikbaar maken van datasets, bijvoorbeeld bij snel opkomende infectieziekten en natuurrampen. ‘We hebben bij dit project gezien dat dit extra uitdagingen met zich meebrengt, zoals het ons aanpassen aan definitiewijzigingen en het aansturen van onvermoeibare vrijwilligers. Deze ervaringen zullen in de toekomst hopelijk worden gebruikt om transparant onderzoek te kunnen publiceren op een moment dat de tijd dringt.’
DANS: toekomst voor open science
De aandacht voor FAIR data zal niet snel vervliegen, voorspelt ook DANS, het nationale expertisecentrum en repository voor onderzoeksdata, dat tevens onderdeel uitmaakt van RDNL. Het vijfjarenplan van DANS, dat onderzoekers helpt hun data beschikbaar te maken voor hergebruik, staat geheel in het teken van deze principes, die in steeds meer onderzoeksvelden in opkomst zijn. Het instituut, een samenwerking tussen de Koninklijke Nederlandse Akademie van Wetenschappen (KNAW) en de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO), wil de komende jaren open science optimaal faciliteren.
Daartoe zal DANS nog steviger inzetten op het bevorderen van hergebruik van onderzoeksdata. Daarmee gaat hopelijk ook de kwaliteit van de wetenschap omhoog: door FAIR data wordt onderzoek tenslotte beter controleerbaar en herhaalbaar, en leidt het hergebruik van informatie tot meer efficiëntie en snellere nieuwe ontdekkingen.
Toch valt er nog heel wat werk te verrichten. Veel datasets zitten nog op lokale servers en schijven, waar ze ontoegankelijk zijn voor toekomstig voortbordurend onderzoek. Om die data boven tafel te krijgen moet meer worden geïnvesteerd, samengewerkt en afgestemd. De oprichting van het Nationaal Programma Open Science is daarin een eerste stap.
Om nog meer meters te kunnen maken richt DANS zich de komende vijf jaar op drie manieren om een effectieve bijdrage te leveren aan een onderzoekswereld waarin de FAIR-principes zo veel mogelijk worden gehandhaafd. Allereerst zal DANS zijn pakket aan expertservices uitbreiden en vernieuwen, onder meer door onderzoekers en data-analisten te trainen. Ditzelfde geldt voor de datadiensten die DANS in de nabije toekomst wil aanbieden, en die voor datasets in allerlei soorten en maten beschikbaar moeten zijn. Tot slot zal DANS de komende jaren meer investeren in samenwerking en afstemming. Een FAIR datalandschap creëren vereist tenslotte een gezamenlijke aanpak. Zo kunnen datasets uit verschillende onderzoeksdisciplines binnenkort hopelijk met elkaar worden verbonden.
Gemeenschappelijk kennisfundament
Dat zijn stuk voor stuk uitdagende maar desalniettemin logische stappen, ziet Henk Wals, sinds april vorig jaar directeur van DANS. De sociaaleconomisch historicus ziet het belang van een ‘gemeenschappelijk kennisfundament’, liet hij bij de presentatie van het programma voor de komende jaren weten: er moet meer duidelijk worden over de omvang, kwaliteit en locatie van Nederlandse datasets. Ook beschouwt Wals het beter opleiden van onderzoekers op dit gebied als een van de belangrijkste taken van DANS. Verder wordt juridische ondersteuning bij de omgang met data in relatie tot privacywetgeving een steeds belangrijker vraagstuk.
Om dit alles te bereiken is focus nodig. Daarom stopt DANS met eigen academisch onderzoek en met subsidies voor kleine dataprojecten. Deelname aan het wetenschappelijke Research Data Journal wordt overgedragen aan uitgever Brill. Ook NARCIS, de dienst voor onderzoeksinformatie die DANS tot voor kort draaiende hield, zal binnen de kortste keren overbodig worden door initiatieven van andere partijen, zo verwacht Wals.
In plaats daarvan zal DANS zich de komende jaren richten op het in toenemende mate FAIR maken van onderzoeksdata. De organisatie mag zich daarbij gesteund weten door de grote vraag naar expertise op dit gebied, nu steeds meer onderzoeksvelden het belang voelen van vindbare, toegankelijke, uitwisselbare en herbruikbare data.
Aanmoedigingsprijzen
De aanmoedigingsprijzen van de Nederlandse Dataprijs werden uitgereikt aan het MyMovez Project van de Radboud Universiteit Nijmegen, de Orchid Flowers-dataset van de Universiteit Twente en het project SPI-BIRDS van het Nederlands Instituut voor Ecologie (NIOO) van de Koninklijke Nederlandse Akademie van Wetenschappen (KNAW). In het eerste project werd drie jaar lang het gezondheidsgedrag van adolescenten onderzocht, onder meer op het gebied van voeding, mediagebruik en lichaamsbeweging, in combinatie met hun sociale netwerken. De Universiteit Twente bracht met haar orchideeënproject meer dan zevenduizend afbeeldingen van ruim 150 soorten van de bloem samen die werden voorzien van de specifieke kenmerken van iedere soort. Hierdoor kan de dataset worden gebruikt voor verschillende typen classificaties. Het NIOO richtte zich op het beschikbaar maken van data over populaties van broedende vogels, die stuk voor stuk gemerkt zijn.
Anne van den Dool is tekstschrijver, auteur en cultureel journalist.
Deze bijdrage komt uit IP #1/2021. Het hele nummer kun je hier lezen.