Wetenschap delen we doorgaans in met Alpha-, Bèta- en Gammawetenschappen. Alpha wetenschappers bestuderen de producten van de menselijke geest, Beta de natuur en natuurlijke wetmatigheden en Gamma het menselijk handelen. Elk deel is weer onderverdeeld in disciplines zoals taalkunde, biologie of psychologie en daarna in nog specifiekere vakgebieden. Deze indeling is grotendeels bepalend in welke omgeving wetenschappers hun werk doen. Scheikundigen zitten op een gang met collega scheikundigen, sociologen gaan naar congressen met andere sociologen, filosofen zitten in een redactie van een tijdschrift met filosofen, en informatici dienen een proposal in met andere informatici. Natuurlijk zijn er vele dwarsverbanden, overlappende vakgebieden en interdisciplinaire samenwerking, maar primair is het wetenschappelijk onderzoek zo georganiseerd. Niet zonder redenen natuurlijk, maar dit heeft ook een keerzijde. Door Menno Rasch

Want het is ook denkbaar dat je wetenschap anders indeelt. Je kan bijvoorbeeld kijken hoe het onderzoek wordt uitgevoerd. Dan valt vooral op hoe groot de diversiteit is binnen een discipline. Er zijn wiskundigen die voor een krijtbord staan en wiskundigen die hun werk niet zonder een supercomputer kunnen doen. Er zijn biologen die gedrag van dieren observeren, maar ook die geavanceerde instrumenten gebruiken in een lab. Er zijn economen die werken met big data, en die kwalitatief onderzoek doen.

Een manier om zo’n indeling te maken kan door naar de rol van data in het onderzoek te kijken. Hoe wordt de data verzameld? Hoe gaat het analyseren van de data in zijn werk, en hoe werkt het interpreteren van de analyses? Welke uitdagingen zijn er bij het omgaan met de data? Zijn die er bij de hoeveelheid van de data, of bij de complexe statistische analyses, of bij de betrouwbaarheid? Door onderzoek met soortgelijke uitdagingen bij elkaar te brengen, kan er een andere indeling van de wetenschap ontstaan. Of, om het in organisatietermen te zeggen: we kantelen de wetenschap, of: we gaan naar een matrixorganisatie.

Zo’n kanteling brengt uiteenlopende wetenschapsgebieden bij elkaar. Wetenschappers die elkaar nu nooit tegenkomen, kunnen samenwerken met wetenschappers die op een vergelijkbare manier met data omgaan. De taalkundige die miljoenen tweets analyseert ontmoet de historicus die het gedigitaliseerde VOC-archief analyseert. De antropoloog die vooral interviews afneemt gebruikt dezelfde software en technieken als de geneeskundige die patiënten bevraagt. De natuurkundige die enorme hoeveelheden data ‘real time’ moet opvangen, deelt best practices met de econoom die betalingsverkeerdata gebruikt.

Voor het bouwen van een zo generiek mogelijke infrastructuur kan dit een alternatieve benadering zijn. Het realiseren van infrastructuur voor alle onderzoekers uit een vakgebied is vaak een hele lastige opgave, juist vanwege die grote diversiteit aan onderzoeksmethoden. Maar infrastructuur voor het analyseren van big data, of infrastructuur voor het vastleggen van kwantitatieve data, voor het toepassen van machine learning op grote hoeveelheden tekst – daar zijn grote groepen onderzoekers mee te ondersteunen.

Hoe krijgen we echter deze wetenschappers bij elkaar aan tafel? Ze komen elkaar niet tegen op de gang, bij congressen of in bestuurlijke organen. Maar er is hoop: dit blad brengt lezers uit vele verschillende vakgebieden samen rondom data. Zien jullie kansen?