علم غیر متمرکز یا (DeSci) به همراه بلاک چین به دنبال رفع مشکلات دانشگاه و علم
در این مطلب از تترفا به بررسی این خبر می پردازیم. تا انتهای مطلب با ما همراه باشید.
دانشگاه و علم هر دو درگیر بحران رکود هستند که مستقیماً بر توانایی علمی و توانایی‌های تحقیقاتی ما تأثیر می گذارد.
هدف علم غیرمتمرکز (DeSci) رفع این مشکل ها است.
DeSci همراه با فناوری بلاکچین این پتانسیل را دارد که طرح‌های تأمین مالی موجود را اصلاح کند و همکاری بین سرمایه‌گذاران در تلاش‌های علمی را افزایش دهد.
دسترسی به گزارش‌ها و تحقیقات علمی موضوعی بسیار بحث برانگیز است.
حل مشکلات علمی با علم غیر متمرکز و بلاک چین:
ناشران به جای پیشرفت علم، تحقیقاتی را که توسط دولت تأمین می‌شود، پشت دیوارهای پرداخت قفل شده پنهان می‌کنند و هزینه‌های اشتراک بالایی را برای دسترسی دریافت می‌کنند.
در یک نظرسنجی در سال 2016 که توسط نیچر انجام شد، 70 درصد از محققان خاطرنشان کردند که در بازتولید آزمایش‌های همکاران خود تلاش کرده‌اند و شکست خورده‌اند.
این ناتوانی در بازتولید آزمایش‌ها اساس و دقت ادبیات علمی را تهدید می کند.
این سیستم معیوب به محیطی منجر می‌شود که انحصار را تقویت می کند.
بیشتر بخوانید: کمک شرکت فیسبوک (متا) به دانشگاه ها در زمینه متاورس
و اشتراک‌گذاری داده ها را در میان جامعه علمی منع می‌کند و مستقیماً بر کیفیت تحقیقات تولید شده تأثیر می‌گذارد.
پروتکل‌های Web2 مانند Git برای مقابله با محدودیت‌های سیستم‌های کنترل نسخه متمرکز و ایجاد یک جایگزین منبع باز پدید آمدند که تیم‌های نرم‌افزار را قادر می‌سازد تا پروژه‌هایی با هر اندازه با کارایی، سرعت و ناهمزمانی ایجاد کنند.
این رویکرد شفافیت و قابلیت تأیید را افزایش می دهد و در عین حال راه‌های جدیدی را برای همکاری باز می کند.
تمرکززدایی علم هیچ انگیزه اقتصادی ذاتی ندارد.
این یک مأموریت ترمیمی برای افزایش بودجه علمی، حذف اتکا به واسطه‌های تشنه سود و افزایش همکاری است.
با انتشار عمومی اکتشافات علمی از طریق توکنومیکس مقیاس پذیر، DeSci می‌تواند واسطه‌های سودجو مانند ناشران را حذف کند و صنعت انتشارات علمی را برای بهتر شدن شکل دهد.
مهم‌تر از همه، DeSci از قدرت جمع‌سپاری استفاده می کند.
که دانشمندان را قادر می سازد تا فرضیه ها و داده های خود را برای حل سریع‌تر و کارآمدتر مسائل جمع آوری کنند.
پلتفرم های جمع سپاری، که در اصل برای کمک به مهندسین یادگیری ماشین طراحی شدهاند.
مجموعه‌های داده بزرگ‌تری را برای مطالعات علمی و افزایش تنوع پروژه‌های تحقیقاتی در دسترس قرار می دهند.
موسساتی که از ابزارهای وب 3 و بلاکچین استفاده می کنند، شکوفا می شوند.
و سیستم‌های آکادمیک سنتی را بهینه و جذاب می کنند.
گردآوری : وبلاگ تترفا
