随Web3或eb3.0以及分散自治组织Dao和运营的发展而出现的热门话题。
DeSci从根本上 遵循基于证据的系统方法，应用知识并理解自然和社会世 不同于中央化科学CSc)和开放科学D0S运动。它通过重塑合 [2]。在过去的两个世纪里，虽然科学的概念和内涵一 作棋式、价值体系和激励机制，改变了当前科学体系的基本结构 直在演变，但其本质并没有改变，即寻求、系统化和共享 和遗留规范。因此，它可以为解决科学发展中的瓶颈间愿（如寨 知识。科学作为知识生产的主要渠道之一，推动了人类社头政治、等）提供可行的路径，并使科学更加公平、自由、 会的发展和创新[3]
知识所有权保护使得研究人员不愿意分享他们的数据并将或DeSoc)[23],[28].2021年12月，Sarah Hamburg在 其用作未来的竞争优势，这导致了数据生产的重复以及科 学投资的浪费[16]，[17]。最后，官像等级制度限制了科 给《自然》杂志的一封信中提出了DeSci运动，并在明年 学的多样化和开放性发展。
中央集权的组织结构所形成的 的一篇博客文章中进一步讨论了DeSci,引起了学术界和 权力、信息和激励的不对称，使得科学思想很难快速进化 工业界的广泛关注[32]。王飞跃和他的同事调查了自主科 学运动的影响和意义，以及智能技术在基于DA0的DeSci [18]。同时，为了保持竞争优势和有效控制研究人员的活 组织和运作中的潜在用途[20]。2022年3月21日和30 动，集中式科学系统人为地构建了语义屏障。因此，它阻 日，王飞跃和IEEE智能系统的AI专家举办了两场分散式 碍了跨学科的交流与合作[19)]。
混合研讨会(Dms),以解决DeSci的各种问题及其对现有 Web3或Web3.0以及去中心化自治组织(Dao)和运营的出 现正在打破寡头统治，并为科学建立新的发展范式。从在 生态和科学活动和操作的未来演变的影响。此外，作为 COs的提议者和SeiTS的主要倡导者，王飞跃在IEEE智 区块链、加密货币和DA0上建立分布式网络以赋予用户网 能交通系统国际会议(IEEE ITSC2022)上组织了多次与 络所有权的前景来看，Web3明显不同于Web1和web 2[20]、[21]、[22]。
是一个人机混合治理的自组织， DeSci相关的研讨会。这些科学研讨会促使学术界和工业 没有集中的层次结构，由运行在上的智能契约控制[23]， 界深入思考相关问题，并进一步实质性地推进DeSci的发 [24.Web3和DA0s的功能结构和特点为解决当前科学领 展。然而，至今仍没有一个公认的DeSci概念。因此，本 域存在的间题提供了一条可能的路径，这就是分散科学 节从多个角度讨论了它的概念，也从我们的角度定义了 DeSci. (DeSci).DeSci运动台在增加科学资助，从信息孤岛中 释放科学知识，并消除对追求利润的中介机构的依糗 因为DeSci是CeSci的补充概念。在梳理DeSci的概念 和特点之前，我们先讨论CeSci和DeSci的区别。 [25)]。
DeSci不同于0S运动，从根本上解决了当前中心化 科学(CeSci)所面临的问题。 CSci是一项基于集中的组织结构、技术协议和管理系 目前，关于DeSci的研究和实践仍处于起步阶段。除了 统的科学活动，由精英和行政机构管理和控制。DeSci是 随者区块链、Wb3和DAOs基础设施的不断完善而出现的 提出DeSci的概念[20]，[21]，[25]之外，学术研究很 少。
此外，DeSci目前的做法仅限于分散供资。这些努力 一种开发范式。它致力于解决CeSci中存在的问 题。CeSci和DeSci都以知识发现、管理和自动化为目 远远不够。鉴于DeSci缺乏一个统一的技术和分析框架， 本文将对DeSci的技术基础和实现进行全面的介绍。本文 标，它们的区别主要在于如何发现、管理和自动化知识。 的其余部分组织如下。
第二节介绍了DeSci的概念和特 值得注意的是，这是对立的CeSci和DeSci之间互补性的 体现，与所述的一般互补原则有关[33)，[34). 点。
第三节提出了DeSci的六层参考模型，并详细讨论了 每层中的组件。第四节介绍典型应用。第五节讨论研究挑 知识发现：在CeSci中，探索知识的方法、路径和优先 战和未来趋势。第六节总结了本文。 级是由中央决策者自上而下进行的。在DeSci中，它们由 具有不同协调和优先级机制的松散连接的D阳0的自下而上 的交互来支持。 L.概念和特征 知识管理：在CSci中，知识以更精确和可测量的方式 进行管理，其价值归第三方所有。在DeSci中，知识由知 DeSci最初是由Etzrodt[26]从期刊的角度提出的，
但生产者管理，他们共享知识所有权和价值。DeSci正在 它很少引起公众的注意[26]。实际上，以前各种学者和团 使用一种新的数字基础设施来处理CSci面临的现有问 体都提出过类似的想法。对我们来说，DeSci的最初想法愿，以使科学发展与其自然使命保持一致。
是源于社会科学中的社会运动组织(S0s)的概念[27]， 知识自动化：在CeSci中，有两种方法可以实现知识自 [28]。随若网络技术的出现，人肉搜索、众包、网路S0 动化：一种是使用人工智能来构建知识库，另一种是通过 或网络运动组织(CeS0或CO)[29]、[30]、团队科学 认知计算和知识图技术对知识进行数字化和建模。它们都 (SciTS)[31]以及最近的分散自治社会(DAS)等活动和现 严重依赖于科学数据聚合和计算中心，使得科学系统高度 象进一步发展了网络技术 不确定和不可控。在DeSci中，智能合约被用来简化人在 回路中的复杂性，将难以置信的游戏变成可信的游戏合作承诺。而且，制定了分布式网络来进行数据收集、模 型构建和知识生成，更加敏捷、集中和收敛，从而增强了 在特定问题和认知研究进展的激励下进行合作。DeSci强 科学系统的效率和有效性。 烈依赖于创造性人类个体的集体行为和联盟，对相关人类 认知机制的深入洞察对DeSci和认知科学都很重要[43]， [44]。此外，所有权和相应的回报由DeSci的研究人员持 A概念 有，这促进了数据的自由流动和充分利用。 鉴于Web3和DAOs推动了DeSci的产生和发展，其概念 责任：再现性和恶的科学是DeSci面临的两大问题 从以下三个方面进行讨论。 [45]、[46]、[47]。前者与缺乏原始数据和日益复杂和灵 首先，从经济学的角度来看，DeSci使用Web3技术和开 活的分析方法相关[48]。后者是科技成果与社会伦理规范 源金融工具将科学及其服务作为资产引入市场，如知识产 的冲突造成的[49]。在DeSci中，科学被视为资产，研究 权(P)的令牌化、科学系统的民主治理、同行评审和数据 人员被激励分享他们的研究方法、代码和数据，使科学过 访问[35]。第二，从组织结构的角度来看，DeSci被视为 程透明并减少不负责任的行为。 一套自下而上的个人意识形成机制。DAOs中的个体可以 敏感性：高度结构化的科学系统可能会变得僵化，从而 通过定义问题、语言和方法来自主地理解世界[20]。第难以接受复杂性、多样性和不确定性。
DeSci的分布式运 三,从科学管理的角度来看，DeSci旨在改革科学活动的 行和治理防止系统由于不确定性和不稳定性而形成自我保 组织，提高科学完成其使命的能力[36]。 护的泡沫和次优循环[50]，从而保持科学系统的敏感性。 DeSci革新了集中式科学系统的结构、规范、激励和价 值分配。在我们看来，DeSci是建立在去中心化的技术协 L.参考模型 议和组织结构上的一个新的开发范例，比如Wb3和 在本节中，提出了DeSci的六层框架，包括协议层、治 DAOs。它使用最新的数字工具米资助、组织、培训、计 理层、激励层、组织结构层、操作层和应用层，如图2所 划、协调、派遭、收集、分配供求活动和网络社区的资 不。 源。
DeSci通过令牌系统和分散的权力重新激励科学生态 协议层封装了所有支持DeSci操作和应用的技术协议， 系统，并将科学价值和所有权归还给知识生产者。 包括数据层和网络层。 A规约层次 B.特征 1)数据层：它提供了链式数据块和相关技术，包括非对 除了Wb3和DAOs的核心特征，即分布式和去中心化、 自动和自治、组织和运营[37]，DeSci还可以实现公平、 称加密、时间戳、哈希算法和Merkle树。在DeSci系统 自由、负责、敏感和可持续，如图1所示。 中，赢得共识的每个计算节点将被授权创建新的块，并将 公平：DeSci系统致力于消除CeSci中的偏见、寡头和霸 在特定时间生成的相关数据存储到erk1e树结构的数据 权。除了基于证据的研究，科学过程还受到各种因素的影 块中。时间戳表示块的创建时间。基于rk1e树的结构 响，特别是社会力量和独特的个人动机。CeSci是建立在 和时间截是两个关键的创新。前者有助于快速、高效、安 全地验证区块链数据的存在和完整性，而后者可实现块数 等级社会体系之上的。它不可藏免地产生了关于身份、文 化、种族、年龄、性别和研究问题的偏见[38]、[39]、 据的可追湖性和精确定位。 [40]。DeSci使用分布式协议和分散权利来吸引被边缘化 )网络层：它指定了分布式网络、数据转发和身份验证 或被排除在科学之外的人参与研究，从而促进科学多样 的机制。大多数DeSci应用场景由许多分布式的、自治的 性、公平资助和知识获取[41]，[42]。
和动态的决策节点组成。因此，描述系统可以被建模为对 自由：在DeSci中，社区成员以分散的科学活动无法干 等P2P)网络。同伴是同等权力和能力的参与者，没有任 预和微观管理的方式解决具体问题。它改变了集权组织自 何中央协调者或等级制度。其有不同权限的节点可以根据 上而下对科学活动强加特定实施路径并建立激励筒仓的局 协议的规则请求必要的数据。一旦创建了一个新的块，它 面。在DeSci,研究人员 就被广播到网络中，并由所有节点进行监控。
经险证的新 数据块被转发到相邻节点
图一。DeSci的基本特征和指标， 根据像这样的预先定义的规则。大多数验证的数据或块将治理主要包括确定性的非区块链治理和乐观的非区块链治 被附加到DeSci系统的区块链协议。区块链协议确保数据 理[52]。此外，DeSci系统中常用的治理流程包括提案、 即使在处理过程中也不能被幕改或刷除。这对于DeSci在 审核、投票、执行、争议和仲拔。DeSci治理流程整合了 没有信任的情况下构建协作网络尤为重要。 区块链境内和区块链境外的治理。 B.治理水平 2)治理策略：Da0的治理策略主要由各种投票机制制 治理层包括DeSci系统所需的治理结构和策略。
目前的治理策略包括直接投票、代表投票[53]、二次 1)治理结构：DeSci采用Dao的结构，它们的治理可以 投票[54]、信念投票[55]和权力机制[56]。其中，直接投 描述为实现民主协调的原侧则和方法的规范。这一进程的实 票是D4Os治理中最常用的投票方式，包括基于股权的一 现依赖于区块链和区块链以外的治理。
区块链治理决策规 人一票(1T10、基于最低门槛的一人一票（1P1)、基于声 则被编码到协议中，并且任何被批准的决策被自动添加到 誉的混合投票。提出了一种代表制来解决直接投票的问 协议中。正是这种机制使得分散的社区能够通过直接在区 愿，即参与度低，并且没有给予其有更多专业知识的人更 块健上投票来更新区块健，并且决策过程通过在区块链上 多的权重。主要包括代理投票和流动民主。与前三种基于 的赌注和交易来进行。
基于验证和约束零知识简洁的非交 影响力的投票机制、信念投票和基于价值的独裁不同，二 互式知识论证(2然-斯钠克斯)[51]的区块链上的治理是当 次投票适用于诸如治理中的鲸鱼改击等问题。对于DSci 前最先进的模型，是之前基于确定性共识的区块链外治理 来说，治理策略的选择与应用场景及其系统规模有关。 模型的扩展目前，大多数权力下放的系统主要是通过区 块链以外的治理米实施的，即社区中的个人负责社区的运 C.激励水平 作。它的好处是决策快，缺点是集权。区块链之外 激励层面是通过金融化的技术和工具来激励DeSci系 统。主要包括代币系统和激励策略。
1)代币系统：
代币是将科学作为资产或服务引入市场的
D.组织层面
主要方式。DeSci的代币系统包括代币发行、分发、回购等。每个DeSci可以发行其令牌，并根据项目属性设置令 DeSci的组织形式主要有两种：基金会道社区和基金会 牌模型的元素，如类型、发行量、锁定期和分配模式。
一 道社区公司。
这两种组织形式与DeSci的去中心化程度和 个好的代币模型整合了货币资本，同时满足了项目前期的 应用场景有关。
在构建DeSci体系时，创始人可以根据组 资金需求。另一方面，由于代币铺定项目本身，高质量的 织的目标选择“上道”或“出道”的模式。
“去道”是完 项目将不断增加代币的市场价值，从而更好地激励参与 全去中心化，而“出道”则是先以中心化或半中心化的方 者。 式运作DeSci系统，随若组织的发展逐渐去中心化。这两 )藏励策略：激励策略主要包括内部激励和外部激励。 种模式的基金会也被称为DeSci的金库。
基金会通常采用 内部机制通常是指声誉机制和荣誉系统，包括功能，如不 多重签名方法，由社区核心成员控制和管理。 可转让的声誉和声誉随时间衰减。外部激励通常与货币激 励有关，如空投、赌注、流动性开采和拨款。内部和外部
E.工作量规
激励可以通过不可普代令牌FT)和可替代令牌(f)来表 达[57]、[58]、[59]。常见的协议标准有ERC20、ERC721 运营层面主要是指DeSci的运营模式。运行在区块链和 智能合约上的DeSci是一个具有虚拟和真实功能以及人机 和RC1155[60]。此外，激励机制的动态调整用于实现 交互的自治系统。它依赖于底层技术协议、令牌经济和治 个体目标和最优全局目标的平衡。回购机制也用于维护令 牌的稳定性。 理策略。链下的社区成员、虚拟节点、数字人自下而上设 定目标、分配任务。
多方节点对任务结果进行确认和验证，实现对DeSci系统的分散自主管理和控制。DeSci打破了CeSci系统自上而 下的运作模式，由设定目标、分配任务、确认、验证结果 组成。
F.应用级别
这一级包括DeSci的潜在应用场景和案例。根据DeSci D 的特点和功能，其潜在的应用案例可分为两类：一类是科 学系统本身，如资助、激励、权威、同行评议、科学发展 等：另一类是科学系统的具体应用场景，如生物技术、气 候、期刊、会议等。DeSci仍处于非常早期的阶段。然 而，基于Wb3和DAOs的应用场景已经有了很多成熟的探 索，如协议DAOs、服务DAOs、授权DAOs、去中心化金融 (DeFi)和集合DAOs[61],为DeSci的建设和发展提供了 指导
V.应用程序
目前，DeSci的主要应用是研究资助、知识共享和探索 科学系统的所有权和价值系统，如分散资助、同行评审、 激励和特定领域的应用(如图3所示)。在本节中，我们将 讨论DeSci的一些典型应用场景。 A.分散资助 分散资助是由加密技术驱动的一种新的资助模式。与大 型机构和基金会的集中资助不同，分散资助主要来自社会 资金。它是由捐助者民主决定和监督的，而不是自下而上 委托给中央集权机构。分散资助己经成为密码世界的重要 组成部分
DSci系统中相对成熟的实践。其典型应用包括二次资助和追溯性公共产品资助[62]，IP-NPT[63]和赠款DA0s 二次筹资和追溯性公共产品筹资是筹资机制。前者是将 个人资助的金与资金池匹配，匹配资金的金额取决于捐 赠人的数量。后者侧重于为已经启动的公共产品提供持续 的资金。
可追溯性公共产品资助是根据项目的影响来资助 项目，资助的数量和方向是基于对结果的预测。
二次资助 将权力分散给参与者，有助于项目多样化和避免鯨鱼攻 击。这一机制已成为公共产品的核心筹资机 制，Dorallacks[64)和Gitcoin[65]是典型的二次资金 平台。从2021年底开始，这两个平台已经开始资助DeSci 和前沿研究。追溯性公共产品资助机制目前只在乐观的以 太坊生态系统中使用。
IP-FT是一种使用分布式账本技术(DLT)管理IP所有权 的新机制。IP-FT的目标是在开放和分布式市场中投 资、拥有和交易知识产权，同时保护与未注册知识产权相 关的隐私和知识产权潜力。知识产权不仅限于已申请和正 在申请的专利，还包括专利前的智力产品、数据集和研究 项目合同。IP-FT由分子提出，并已成功应用于生物技 术领域，如Vital DA0[66]和PsyDA0[67]。 赠款道是分散供资生态系统中最著名的案例。其治理是 通过不可转让的股份来实现的，这意味着参与主要是通过 积累社会资本来驱动的，而不是从金融回报中获利，如象征性的升值。
赠款DAO的供资机制非常多样，如Moloch DAO[68]、Aave赠款[69)]、Uniswap赠款[70]、分散供资和 Dora Ventures[64]。值得注意的是，Dora Ventures采 用了无限基金的模式来资助前沿研究，将资助从有限游戏 改为无限游戏。 除上述资金外，DeSci的资金来源还包括项目捐赠、协 议资金分配和DFi捐赠平台。这些赠款通过上文所述的 供资机制间接资助了该倡议
B.分散的科学市场 DeSci market(DeSciMart)旨在以金融化的方式将科学 成果和产出引入市场，从而实现科研效率的最大化，提高 价值分配的公平性。分散的科学市场有望解决知识孤岛、 低效的数据共享和可复制性等问题。CeSci系统是一个典 型的线性价值流活动，如图4所示。研究人员接受中央机 构的资助，产生新的知识，并被出版机构捕获。线性科学 价值流形成了中间利润机构的寡头政治。DeSciMart的想 法受到海洋协议[71]的启发。每个研究人员可以共享数 据、算法和程序。随着时间的推移，研究人员可以使用 DeSciMart从知识资产中获益。DeSciMart不仅将知识的 所有权还给研究人员，还扩大了知识的实际价值，使研究 人员不断受益，如图5所示。
C.其他潜在情况 目前，DSci的其他典型实践主要包括应用科学研究和 与人类社会福祉相关的重大问题。 1)生物技术：生物技术和制药一直以大公司和中央化组 织的形式存在。闭源文化和IP望断是其独有的特点。在 这种情况下，虽然组合化学和计算药物设计等技术不断提 高药物创新的速度，但药物开发却越来越慢昂贵。它被称为生物制药的摩尔定律和死亡谷现象。这种现象与资本和资源的协调失灵有关。具体来说，集中的资 金效率低下和不匹配，数据垄断，实验结果难以复制，官 僚的组织结构阻碍了新药进入市场和忠者的使用。DA0目 前用于DeSci运动，以改变生物技术的协调和激励方式， 例如，VitaDA0专注于长寿药物的早期临床前药物开 发，PsyDA0资助迷幻药和精神健康交叉的研究，以及Lab DA0分散服务研究[72]。 2)气候：气候问题关系到人类社会的福祉和发展。碳中 和是应对气候危机的最新努力。碳交易市场承诺以可再生 的方式开发地球比简单的爆炸性开发更有利可图。然而， 碳交易市场面对的是不活跃的市场，缺乏透明度，价值流 向中介。通过区块链科技和DAOs,碳交易市场中的许多 紧迫间愿都可以得到解决。例如，K1 ima DAO[73]通过以 碳为动力的算法数字货币分配奖励来激励和推动气候行 动。akerDA0[74]、dClimate[75]和ReFi DA0[76]等 组织采用D4O结构来应对气候变化的负面影响。此外，环 境道[77]正在提议通过分散资助来资助年轻学者进行环境 问题的研究。
3)科学出版物：出版物是分散科学系统最早关注的领域 之一。科学期刊及其同行评议被少数出版集团控制，如 E1 sevier、Scopus和期刊引用报告(CR)影响因子。它面 临公平、质量、无偿劳动、透明度和准确性问愿。开放期 刊运动试图免费提供已发表的研究论文，但上述间题尚未 解决。今天，DeSci正在利用区块键和道斯米试验新的科 学生产和传插模式，以解决当前出版系统的缺点。它被命 名为分散期刊[78]。例如，OpenAccess DA0让每个人都 可以免费访间研究文章，Scinet提供公开同行评论的公 共存储库和评论者的声誉网络，Ants Review正在建立一 个面向隐私的协议，以激励以太坊上的公开同行评论。 V.未来研究方向 A主要挑战 DeSci仍处于早期阶段。除了面临DA0s和Web3.0的治 理困境，还面临以下挑战。 1)规模问题：DSci是实现科学使命和社会价值的潜在 途径之一。然而，它仍处于小规模实验的过程中，定义适 用的场景是一个不容忽视的问题。CeSci的持续运行离不 开它的规范化操作系统，严格的问责机制，优秀的法律标准。
提高效率 和规模应用对Da0来说仍然是一个挑战[79]。目 前，DeSci只比CeSci更好地资助技术应用。
我们需要仔 细考虑和设计DeSci的应用场景，以避免陷入DAOs的开 发陷阱。例如，根据事项和目的，构建其组织结构和管理 方法并定义DeSci的目标，设计能够使DeSci比当前的 CeSci更高效、更具生产力的应用程序。
2)平衡参与者的质量：DeSci和CeSci的核心任务是保 证科学研究和应用的可靠性和可信性。由于DeSci的背景 和本质是开放的，它将不可避免她吸引不同能力的贡献 者。提高参与质量应该与建立一个广泛、开放的研究社区 D 相平衡。因此，运营商必须投入大量的时间和精力来培训 参与者，帮助他们克服长期参与的障碍。这种能力在目前 的科研体系中还是比较稀缺的。
3)系统次优循环问题：理想的DeSci系统是一个由人和 机器控制的自治系统。然而，到目前为止，DSci更多的 ( 是由人类管理，而不是由机器管理。在一个有限规模的系 D 统中，人类的治理很容易产生过滤泡沫，这意味着持有相 D 同偏见的人会相互影响[80]。这将导致自我封闭和合谋的 治理问题。在分权治理体系中，合谋更难解决。除了基于 零知识证明的隐私投票，目前还没有有效的解决方案。
4)缺乏问责机制：问责制 机制是分散系统中特有的治理问题。集权制通过剩余价值 索取权与问责能力机制绑定，当决策正确时，贡献者将得 到回报。分权制采用集体决策机制。当决策错误时，最大 D 的代价是赌注令牌或声誉的损失，甚至没有罚金[81]。对 于科学系统来说，问责机制的缺失很可能导致研究成果无 法交付，可信网络的脆弱，甚至出现违背社会伦理的不负 责任的行为。
5)DeSci和CeSci之间的合作：CeSci和DeSci有可以利 用的重要互补方面。DSci需要现有社会制度的支 持。阳Sci虽然拓展了组织管理和运营模式，但并不稳 定。科学体系的稳定运行高度依赖大机构，尤其是政府资 金。此外，DeSci仍然需要获得现有社会系统的资源，并 对机构资金的分配和议程的制定产生影响。
这就要求明确 DeSci的职责和适用范用，为DeSci和CeSci的合作搭建 桥梁。DeSci和CeSci之间的冲突和合作将进一步促进 DSci社区的责任感、可靠性和影响力，从而增加对 DeSci的信任。
B研究方向
首先，DeSci是一个典型的复杂系统，具有社会和工程 复杂性的特征。DeSci面临的上述挑战很难通过经验知识 来解决。基于人工系统计算实验并行执行(ACP)方法的并 行智能理论受益于认知科学在更高级认知和有意识人类行 为方面的进步[82]，[83]。它为解决DeSci中的运营和治 理问题提供了可行的框架和技术，我们称之为并行DeSci 系统，并行DeSci系统包括实际DeSci系统和一个或多个 相应的仿真DeSci系统[84、[85]。在基于ACP的并行 DeSci中，仿真系统(A)用于模拟对应于真实世界DeSci系 统的一个或多个仿真DeSci系统。然后，可以在计算实验 中设计和进行多样化的计算实验 (C)评估和验证DeSci系统中涉及的具体行为、机制和策 略。并行执行 P)用于实现DeSci治理的决策优化和并行调优。并行 DeSci治理的核心优势在于它能够有效地实现对实际 DeSci治理系统的学习和培训、实验和评估以及管理和控 制 第二，分散资助建立了一个新的资助para-digm,它 使用金融机制和工具将社会资助引入科学体系。目前，主 流筹资机制仍然是以不连续筹资为特征的二次筹资。科学 作为一种公共产品，很难商业化。不连续的资助不能长期 有效地促进科学系统的发展。如何建立一个持续资助的 DeSci系统，将有限博弈转化为无限博弈，值得进一步探 索。 那么，DeSci问责制的缺失与DAOs的组织结构与现有法 律制度的冲突有关。为建立DAOs的法律和组织结构已经 做了许多尝试。
例如，《摩洛克道》引入了传统的有限合 伙人，而《开放法》推出了有限责任自治组织，使道的法 律商业化。然而，目前的探索并没有解决道组织大规模集 体决策后的问责制问题。它需要进一步研究集体决策和民 主治理中的义务、责任和权力。 VL.结论 DeSci是一种新的科学范式，随若Web3和DA0s以及 operations基础设施的发展而出现。它有望解决CeSci中 的知识垄断、信息孤岛等瓶颈问题。DeSci的发展和成熟 将推动教育、管理、技术、工业和社会体制的改革。同 时，它也为圆Weh3.
DAOs和Metaverses应用程序。遗憾的是，至今仍没有公认的概念和分析框架来指导DeSci的研究和应用。本文旨 在通过讨论DeSci的概念和特征，提出参考模型，分析典 型应用，指出面临的主要挑战和未来的研究方向，对 DeSci进行全面的概述和展望。本文有助于为其今后的研 究和工业应用提供有益的指导和支持。
参考：
[1]米(eter的缩写)）Skipper,“奖励被遗忘的科学步兵”， 《自然》，第535卷，第323页，2016年1月。
[2引A.©.格雷林。我们对科学的定义。访问时间：2022年3月29日。 【在线】。可用：http:/sciencecouneil.org/about-us/.our definition-of-科学/
3.)T.科学革命的结构，第二版，芝加哥，伊利诺伊州，关国：芝加哥 大学出版社，1970年。
[4)J.Grammig和M.Wellner,“波动性和交易间持续时间过程的相互 依赖性建模”，《计量经济学杂志》，第106卷，第2期，第369 400页，2002年2月。
[5 E.Bghi等人，“急性症状性顺箱发作定义的建议”，《腹痫》， 第51卷，第4期，第671-675页，2010年4月。
[6 D.Frank,A.Hironaka和E.Schofer,“二十世纪的民族国家和 自然环境”，mer。社会学家。修订版，第65卷，第96-116 页，2000年2月，
[7 刀D.彭，华，冯志军，“对科学研究的新认识”，牛。下巴。阿卡 德。Sci。·第65卷，第12期，第1413-1418页，2021年，
[8)J.比尔，“开放获取运动并不真的是关于开放获取，TripleC:交 流、资本主义和批判，“开放获取” 1全局持续。1nf。社会主义者，第11卷，第2期，第589-597 页，2013年。
[9)米(eter的增写)）非利普斯和BM,诺珀斯，“谁的公共地？ 数据保护作为开放科学的法律限制”，夏河，医学。《伦湿学）， 第47叁第1期，第106-111页，2019年，
101D.uray等人，“研究货助评估中的偏见对小型大学产生了可怕 的后果”，PLoS0八E,第11卷，第6期，2016年，文章编号 c0155876. [11]南克林姆厮基，“财务利益冲突会导致研究偏差吗？：对“资金效 应”假设的调查，，Technol.。，哼，《价值观》，第38卷，第4 期，第566-587页，2013年7月。
[12)动词(verb的缩写)拉里维埃、b.马卡卢索、p,蒙格籍、k, 西勒和CR,杉本四叶，“消失的行业和大学在已发表研究中的 上升断”，《公共科学图书馆综合》，第13卷，第8期，2018 年8月，文章编号e0202120. I13)长度Borneann和LD.Daniel,“h指数研究的现状：h指数是测 量研究绩效的理想方法吗？”PLoS0E,第10卷，第1期，第26 页，2009.
[14)A.Claudio和A.Brand,“追求开放科学，开放获取是不够的”， 《科学》，第368卷，第6491期，第574-577页，2020年， I15)F.j.are1apea1vo、C.G.de Figuerola和J.AMer1o,“开放知识：桃战和事实”，在线信息，修订版，第34 卷，第4期，第520-539页，2010年。
[l6)A.Zuiderwijk,R.Shinde和w.Jeng,“是什么驱动和抑制了研究人员共享和使用开放的研究数据？分析开放研究数据采用影响因 素的系统性文献综述，《公共科学图书馆棕合》，第15卷，第9 期，2020年9月，文章编号e0239283.
17刀。d,查温加和s,津思，“研究数据共享的全球视角：系统性文献
综述”。Sc1。《研究》，第41卷，第2期，第109-122页，2019
年4月，
[18)F.-王，朱，秦，王，胡，“联合控制：走向信息安全与权利保
护”，中国电子工程学会，2002年。计算机。杜会制度。，第8
卷，第4期，第793-798页，2021年8月。
[l9)长度Leydesdorff和L.Bornmann,“使用科学网格数据的破坏指数及其计算：历史发展或进化动力学的指标？”《信息计量学》， 第15卷，第4期，第101219页，2021年，
[20F,王水庆等，“从道到德的人工智能：自由、公平、责任敏感的科 学”，1EEE1ntel1。系统。，第37卷，第2期，第16-22页，2022 年3月。
