科学代币工程第1部分：科学问题
这是一系列讨论科学代币工程的博客文章中的第一篇文章。
计算机科学与行为经济学的汇合
首先，什么是科学代币工程？我强烈推荐TrentMcConaghy撰写的这篇出色的博客文章，它概述了Web3空间中这个令人兴奋的、快速增长的领域。
从本质上讲，科学代币工程是将代币工程原理专门应用于科学系统的实践。更具体地说，我们从价值流动的角度来看待科学。这可以引导我们识别系统中的低效率，我们可以直接使用替代价值流解决这些问题，这些问题稍后会在模拟中得到验证。用于模拟科学价值流的软件称为DARC-SPICE，如果你有兴趣，我强烈建议你去看看不同模拟的技术。
这一切都会更有意义，所以让我们从主要问题开始：
当前的科学价值流是什么样的？
科学价值流
要回答这个问题，假设你是一个正在申请资助的研究科学家。你提交了一份研究项目提案，希望能从你工作的机构或外部机构获得资助。一旦你收到资金，你将用它来支付获得所有必要的研究资源(数据、设备、人员等)的费用，但这笔资金的一部分将不可避免地用于在科学杂志上发表你的研究结果，以向更大的科学界传播你的发现。
回到最初的价值流问题，我们可以看到：
所有价值都来自某个赠款资助机构，
然后由研究人员将其转化为新知识，
最终被知识策展人捕获，在这种情况下是科学期刊。
忽略不可控变量导致的不可避免的价值泄漏，很明显科学价值流是令人难以置信的线性；它从一个中心化的地方开始，到另一个中心化的地方结束。
图1.科学价值流模型示意图
图1显示了这种线性价值流。现在，你可能想知道这个模型是否有什么问题。毕竟，近三个世纪以来，科学研究一直是这样进行的。我在下面概述了这个模型的问题。
基线科学模型的问题
在资助机构和知识管理者的层面上，价值的中心化可能带来了许多低效率。例如，如果我是一名研究人员并且花了几年时间收集有价值的数据，那么这些数据可能不属于我，所以我几乎无法控制它会发生什么。此外，由于我几乎没有控制权，我不想分享这些数据，因为它代表了我在未来获得额外研究资助以及在利用这些数据来证明/支持/反证基于证据的声明时获得科学界认可的潜在竞争优势。
如果有人想对已经收集但无法使用的数据进行研究怎么办？这意味着需要再次收集数据。从本质上讲，当前的价值流不会激励协作和数据共享，这是低效的。
综上所述，到目前为止，我们已经发现当前科学价值流存在以下问题：
价值的线性流动，
价值是中心化的
研究依赖于中心化机构。
结论
这三点概述了科学代币工程背后的动机，旨在通过设计一个新社区来解决这些问题，该社区中所有参与者的激励措施都是一致的，以最大限度地提高科学研究效率和价值分配的公平性。Web3世界，科学家们可以摆脱对中心化机构的依赖，他们可以保留他们所做工作的所有权，并根据他们的贡献获得公平的回报。我们将一起探讨如何实现这一目标。请继续关注明天的第二部分。
参考文献
OpSci的OpenWebFellowship：https://github.com/opscientia/darcspice
https://blog.oceanprotocol.com/towards-a-practice-of-token-engineering-b02feeeff7ca
DARC-SPICE：https://opscientia.gitbook.io/darc-spice/
不同模拟技术：https://pulse.opsci.io/technical-excursions-on-simulations-for-science-token-communities-4f21113262dc
三个世纪：https://en.wikipedia.org/wiki/Scholarly_peer_review
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。