پرش به محتوای اصلی

دانش غیرمتمرکز (DeSci)

  • یک جایگزین جهانی و باز برای سیستم علمی فعلی.
  • فناوری که دانشمندان را قادر می‌سازد بودجه جمع‌آوری کنند، آزمایش‌ها را انجام دهند، داده‌ها را به اشتراک بگذارند، بینش‌ها را توزیع کنند و موارد دیگر.
  • بر اساس جنبش علم باز است.

علم غیرمتمرکز (DeSci) چیست؟

دانش غیرمتمرکز (DeSci) جنبشی است که هدف آن ایجاد زیرساخت عمومی برای تأمین مالی، ایجاد، بررسی، اعتباردهی، ذخیره و انتشار دانش علمی به طور عادلانه و مساوی با استفاده از پشته است.

هدف DeSci ایجاد اکوسیستمی است که در آن دانشمندان تشویق می شوند تا تحقیقات خود را آشکارا به اشتراک بگذارند و اعتبار کار خود را دریافت کنند و در عین حال به هر کسی اجازه دهد به راحتی به تحقیق دسترسی داشته باشد و در آن مشارکت کند. DeSci از این ایده استفاده می کند که دانش علمی باید در دسترس همه باشد و روند تحقیقات علمی باید شفاف باشد. DeSci در حال ایجاد یک مدل تحقیقات علمی غیرمتمرکز و توزیع‌شده‌تر است و آن را در برابر سانسور و کنترل مقامات مرکزی مقاوم‌تر می‌کند. DeSci امیدوار است با غیرمتمرکز کردن دسترسی به بودجه، ابزارهای علمی و کانال های ارتباطی، محیطی ایجاد کند که در آن ایده های جدید و غیر متعارف شکوفا شوند.

علم غیرمتمرکز، امکان منابع مالی متنوع‌تر (از , اعانه های درجه دوم(opens in a new tab) تا تأمین مالی جمعی و غیره)، داده‌ها و روش‌های قابل دسترس تر، و همراه با ارائه انگیزه‌هایی برای تکثیرپذیری را فراهم می سازد.

خوان بنت - جنبش DeSci

چگونه DeSci علم را بهبود می بخشد

فهرست ناقصی از مشکلات کلیدی در علم و اینکه چگونه علم غیرمتمرکز می تواند به رفع این مسائل کمک کند

علم غیرمتمرکزعلم سنتی
توزیع وجوه توسط عموم و با استفاده از مکانیسم هایی مانند اعانه های درجه دوم یا DAO ها تعیین می شود.گروه های کوچک، بسته و متمرکز توزیع وجوه را کنترل می کنند.
شما با همتایانی از سراسر جهان در تیم‌های پویا همکاری می‌کنید.سازمان‌های تأمین مالی و مؤسسات خانگی همکاری‌های شما را محدود می‌کنند.
تصمیمات تامین مالی به صورت آنلاین و شفاف اتخاذ می‌شوند. مکانیسم های تامین مالی جدید بررسی شده است.تصمیمات تامین مالی با مدت زمان طولانی و شفافیت محدود اتخاذ می‌شوند. مکانیسم های مالی کمی وجود دارد.
اشتراک‌گذاری خدمات آزمایشگاهی با استفاده از فناوری آسان‌تر و شفاف‌تر شده است.اشتراک‌گذاری منابع آزمایشگاهی اغلب کُند و مبهم است.
مدل‌های جدیدی برای انتشار می‌توانند ایجاد شوند که از اصول اولیه Web3 برای اعتماد، شفافیت و دسترسی جهانی استفاده می‌کنند.شما از طریق مسیرهای مشخصی که اغلب به عنوان ناکارآمد، مغرضانه و استثمارگر شناخته می شوند منتشر می‌کنید.
می‌توانید برای کار بررسی همتایان، توکن‌ و شهرت کسب کنید.کار بررسی همتایان بدون دستمزد، و به نفع ناشران انتفاعی است.
شما دارای مالکیت معنوی (IP) هستید که بر اساس شرایط شفاف، تولید و توزیع می‌کنید.موسسه خانگی شما مالک IP است که ایجاد می‌کنید. دسترسی به IP شفاف نیست.
اشتراک‌گذاری همه تحقیقات، از جمله دیتای حاصل از تلاش‌های ناموفق، با انجام تمام مراحل روی زنجیره.سوگیری انتشار به این معنی است که محققان غالباً آزمایش‌هایی را به اشتراک می‌گذارند که نتایج موفقیت‌آمیزی داشته‌اند.

اتریوم و DeSci

یک سیستم علمی غیرمتمرکز به امنیت قوی، حداقل هزینه های پولی و معاملاتی و یک اکوسیستم غنی برای توسعه برنامه نیاز دارد. اتریوم همه چیز مورد نیاز برای ساخت یک فناوری دانش غیرمتمرکز را فراهم می‌کند.

موارد استفاده DeSci

DeSci در حال ساخت مجموعه ابزارهای علمی برای ورود آکادمی های سنتی به دنیای دیجیتال است. در زیر نمونه‌ای از موارد استفاده است که Web3 می‌تواند به جامعه علمی ارائه دهد.

انتشار

انتشار علم بسیار مشکل ساز است زیرا توسط مؤسسات انتشاراتی مدیریت می شود که برای تولید مقالات به نیروی کار رایگان دانشمندان، داوران و ویراستاران متکی هستند اما پس از آن هزینه های گزافی برای انتشار دریافت می کنند. عموم مردم که معمولاً به طور غیرمستقیم برای اثر و هزینه های انتشار از طریق مالیات پرداخت کرده اند، اغلب نمی توانند بدون پرداخت مجدد به ناشر به همان اثر دسترسی داشته باشند. مجموع هزینه‌های انتشار مقالات علمی منفرد اغلب پنج رقمی است ($USD) که کل مفهوم دانش علمی به‌عنوان را تضعیف می‌کند، در عین حال سود زیادی را برای گروه کوچکی از ناشران ایجاد می‌کند.

پلتفرم‌های رایگان و دسترسی آزاد به شکل سرورهای پیش چاپ، مانند ArXiv(opens in a new tab)وجود دارند. با این حال، این پلتفرم‌ها فاقد کنترل کیفیت، هستند و معمولاً معیارهای سطح مقاله را ردیابی نمی‌کنند، به این معنی که معمولاً فقط برای تبلیغ کار قبل از ارسال به یک ناشر سنتی استفاده می‌شوند. SciHub همچنین دسترسی به مقالات منتشر شده را رایگان می کند، اما نه به صورت قانونی، و تنها پس از اینکه ناشران قبلاً پرداخت خود را دریافت کرده و اثر را در قوانین سخت گیرانه حق چاپ قرار داده باشند. این یک شکاف مهم برای مقالات و داده های علمی قابل دسترس با مکانیزم مشروعیت تعبیه شده و مدل انگیزشی باقی می گذارد. ابزار ساخت چنین سیستمی در Web3 وجود دارد.

تکرارپذیری و تکرارپذیری

تکرارپذیری و تکرارپذیری پایه های اکتشاف علمی با کیفیت هستند.

  • نتایج قابل تکرار را می توان چندین بار متوالی توسط یک تیم با استفاده از روش یکسان به دست آورد.
  • نتایج قابل تکرار را می توان توسط گروهی متفاوت با استفاده از تنظیمات آزمایشی یکسان به دست آورد.

ابزارهای جدید وب 3 می توانند اطمینان حاصل کنند که تکرارپذیری و تکرارپذیری اساس کشف هستند. ما می‌توانیم علم با کیفیت را در تار و پود فناوری دانشگاه ببافیم. Web3 توانایی ایجاد برای هر جزئی از تجزیه و تحلیل را ارائه می‌کند: داده خام، موتور محاسباتی، و نتیجه برنامه. زیبایی سیستم‌های اجماع در این است که وقتی یک شبکه قابل اعتماد برای حفظ این اجزا ایجاد می‌شود، هر یک از شرکت‌کنندگان شبکه می‌توانند مسئول بازتولید محاسبات و اعتبارسنجی هر نتیجه باشند.

منابع مالی

مدل استاندارد فعلی برای تأمین مالی علم این است که افراد یا گروه‌هایی از دانشمندان درخواست‌های کتبی برای یک آژانس تأمین مالی می‌کنند. گروه کوچکی از افراد مورد اعتماد درخواست ها را نمره گذاری می کنند و سپس با نامزدها قبل از اعطای بودجه به بخش کوچکی از متقاضیان مصاحبه می کنند. گذشته از ایجاد تنگناهایی که گاهی اوقات منجر به سال‌ها انتظار بین درخواست و دریافت کمک هزینه می‌شود، این مدل به شدت در برابر سوگیری‌ها، منافع شخصی و سیاست‌های هیئت بررسی آسیب‌پذیر است.

مطالعات نشان داده اند که پانل های بررسی کمک هزینه در انتخاب پیشنهادهای با کیفیت بالا کار ضعیفی انجام می دهند، زیرا همان پیشنهادات ارائه شده به پانل های مختلف نتایج بسیار متفاوتی دارند. از آنجایی که بودجه کمیاب‌تر شده است، این بودجه در مجموعه کوچک‌تری از محققان ارشد با پروژه‌های محافظه‌کارانه‌تر متمرکز شده است. این اثر یک چشم انداز سرمایه گذاری بیش از حد رقابتی ایجاد کرده است، انگیزه های انحرافی را تقویت می کند و نوآوری را خفه می کند.

Web3 این پتانسیل را دارد که با آزمایش مدل‌های انگیزشی مختلف که توسط DAOs و Web3 به طور گسترده ایجاد شده‌اند، این مدل بودجه شکسته را مختل کند. تأمین مالی ماسبق برای کالاهای عمومی(opens in a new tab) و تأمین مالی درجه دوم(opens in a new tab) و حاکمیت DAO(opens in a new tab) و ساختارهای تشویقی توکنیزه شده(opens in a new tab) ساختارهای تشویقی توکنیزه شده، برخی از ابزارهای Web3 هستند که می توانند تأمین مالی علمی را متحول کنند.

مالکیت و توسعه IP

مالکیت فکری (IP) یک مشکل بزرگ در علم سنتی است: از گیر افتادن در دانشگاه ها یا استفاده نشدن در بیوتکنولوژی گرفته تا ارزش گذاری بسیار سخت. با این حال، مالکیت دارایی‌های دیجیتال (مانند داده‌های علمی یا مقالات) چیزی است که Web3 با استفاده از به خوبی انجام می‌دهد.

همانطور که NFTها می توانند درآمد معاملات آتی را به سازنده اصلی بازگردانند، شما می توانید زنجیره های انتساب ارزش شفاف را برای پاداش دادن به محققان، نهادهای حاکم (مانند DAO) یا حتی افرادی که داده های آنها جمع آوری شده است ایجاد کنید.

IP-NFT(opens in a new tab) همچنین می تواند به عنوان کلیدی برای مخزن داده های غیرمتمرکز آزمایش های تحقیقاتی در حال انجام عمل کند و به NFT و مالی (از تقسیم بندی تا استخرهای وام دهی و ارزش‌یابی) متصل شود. همچنین به نهادهای داخلی زنجیره ای مانند DAO مانند VitaDAO(opens in a new tab) اجازه می دهد تا تحقیقات را مستقیماً روی زنجیره انجام دهند. ظهور توکن‌های «انحصاری»(opens in a new tab) غیرقابل انتقال نیز ممکن است نقش مهمی در DeSci ایفا کند و به افراد اجازه می‌دهد تا تجربه و اعتبار خود مرتبط با آدرس اتریوم خود را ثابت کنند.

ذخیره سازی داده ها، دسترسی و معماری

داده های علمی را می توان با استفاده از الگوهای Web3 بسیار در دسترس تر کرد و ذخیره سازی توزیع شده تحقیقات را قادر می سازد تا از رویدادهای فاجعه بار جان سالم به در ببرد.

نقطه شروع باید سیستمی باشد که توسط هر هویت غیرمتمرکزی که دارای اعتبارنامه های قابل تایید مناسب است، قابل دسترسی باشد. این اجازه می‌دهد تا داده‌های حساس به‌طور ایمن توسط طرف‌های مورد اعتماد تکثیر شوند و مقاومت در برابر افزونگی و سانسور، بازتولید نتایج، و حتی امکان همکاری چندین طرف و افزودن داده‌های جدید به مجموعه داده را ممکن می‌سازد. روش‌های محاسباتی محرمانه مانند محاسبه به داده(opens in a new tab) مکانیسم‌های دسترسی جایگزین را برای تکرار داده‌های خام فراهم می‌کنند و محیط‌های تحقیقاتی مورد اعتماد را برای حساس‌ترین داده‌ها ایجاد می‌کنند. محیط‌های تحقیقاتی مورد اعتماد توسط NHS به‌عنوان راه‌حلی آینده‌نگر برای حفظ حریم خصوصی داده‌ها و همکاری با ایجاد یک اکوسیستم که در(opens in a new tab) محققان می‌توانند به طور ایمن با داده‌ها در محل با استفاده از محیط‌های استاندارد شده برای اشتراک‌گذاری کد و شیوه‌ها کار کنند، ذکر شده است.

راه‌حل‌های داده انعطاف‌پذیر Web3 از سناریوهای بالا پشتیبانی می‌کنند و پایه‌ای را برای علوم باز واقعاً فراهم می‌کنند، جایی که محققان می‌توانند کالاهای عمومی را بدون مجوز دسترسی یا هزینه ایجاد کنند. راه حل های داده عمومی Web3 مانند IPFS، Arweave و Filecoin برای تمرکززدایی بهینه شده اند. به عنوان مثال، dClimate دسترسی جهانی به داده های آب و هوا و آب و هوا، از جمله ایستگاه های هواشناسی و مدل های پیش بینی آب و هوا را فراهم می کند.

مشارکت کنید

پروژه ها را کاوش کنید و به جامعه DeSci بپیوندید.

ما از پیشنهادهایی برای فهرست کردن پروژه‌های جدید استقبال می‌کنیم - لطفاً برای شروع به خط مشی فهرست ما نگاه کنید!

بیشتر بخوانید

ویدیوها

آیا این برگه مفید بود؟