پرش به محتوای اصلی

دانش نامتمرکز (دیسای)

  • 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؟

علم 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 عادلانه با استفاده از پشته Web3 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 به منابع مالی متنوع‌تر (از DAO، کمک مالی درجه دوم(opens in a new tab) تا تأمین مالی جمعی و بیشتر)، داده‌ها و روش‌های دسترسی بیشتر، و با ارائه انگیزه‌هایی برای تکرارپذیری، اجازه می‌دهد.

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 مردم با استفاده از مکانیسم هایی مانند کمک های مالی درجه دوم یا DAO ها تعیین می شود.گروه های کوچک، بسته و متمرکز، توزیع وجوه را کنترل می کنند.
شما با همتایان خود از سراسر جهان در تیم های پویا همکاری می کنید.سازمان های تامین مالی و موسسات خانگی همکاری های شما را محدود می کنند.
تصمیمات مالی به صورت آنلاین و شفاف گرفته می شود. مکانیسم های تامین مالی جدید بررسی شده است.تصمیمات تامین مالی با مدت زمان طولانی و شفافیت محدود اتخاذ می شود. مکانیسم های مالی کمی وجود دارد.
اشتراک‌گذاری خدمات آزمایشگاهی با استفاده از Web3 اولیه آسان‌تر و شفاف‌تر شده است.به اشتراک گذاری منابع آزمایشگاهی اغلب آهسته و مبهم است.
می توان مدل های جدیدی برای انتشار ایجاد کرد که از Web3 اولیه برای اعتماد، شفافیت و دسترسی جهانی استفاده می کنند.شما از طریق مسیرهای مشخصی که اغلب به عنوان ناکارآمد، جانبدارانه و استثمارگر شناخته می شوند، منتشر می کنید.
شما می توانید نشانه ها و شهرت را برای کار بررسی همتا کسب کنید.کار بازبینی شما بدون دستمزد است و به نفع ناشران سودآور است.
شما مالک مالکیت معنوی (IP) هستید که تولید می کنید و آن را طبق شرایط شفاف توزیع می کنید.مؤسسه خانگی شما مالک IP تولید شده شما است. دسترسی به IP شفاف نیست.
به اشتراک گذاشتن تمام تحقیقات، از جمله داده‌های حاصل از تلاش‌های ناموفق، با داشتن تمام مراحل در زنجیره.سوگیری انتشار به این معنی است که محققان احتمال بیشتری برای به اشتراک گذاشتن آزمایش هایی دارند که نتایج موفقیت آمیزی داشته اند.

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 ایجاد یک پشته علمی غیرمتمرکز را فراهم می کند.

موارد استفاده DeSci

DeSci در حال ساخت مجموعه ابزار علمی برای ورود دانشگاه Web2 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 کالای عمومی را تضعیف می‌کند(opens in a new tab) 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، مکانیسم‌های ضد سیبیل(opens in a new tab)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 گواهی برای هر جزء تجزیه و تحلیل را ارائه می دهد: داده های 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 منجر به گاهی اوقات 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)، تأمین مالی درجه(opens in a new tab)، حاکمیت DAO(opens in a new tab) و ساختارهای تشویقی نمادین(opens in a new tab) 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 توکن غیرقابل تعویض (NFT)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-NFTs(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 DeFi مالی (از تقسیم بندی تا استخرهای وام دهی و ارزیابی ارزش) 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 غیرقابل انتقال "soulbound"(opens in a new tab) نیز ممکن است نقش مهمی در DeSci ایفا کند و به افراد اجازه می‌دهد تا تجربه و اعتبار خود را در ارتباط با آدرس اتریوم خود 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 سیاست فهرست‌بندی ما نگاه کنید!

بیشتر بخوانید

ویدیوها

آیا این برگه مفید بود؟