ส่งต่อชื่อเรื่องต้นฉบับ: สิบปีของ DAO: ปลดล็อคมิติชั้นใหม่ของการปกครองและการวิเคราะห์ลึกลงเกี่ยวกับตัวชี้วัดการปกครองที่สำคัญ

ประวัติความเป็นมาของ DAOs ตอนนี้ครอบคลุมทศวรรษโดยประสบกับความเจริญรุ่งเรืองอย่างมากในปี 2021 รูปแบบองค์กรนี้ได้รวมเข้ากับสังคมอย่างต่อเนื่องโดยมี DAOs ขนาดใหญ่จํานวนมากทําการทดลองและขยายการกํากับดูแลที่หลากหลายซึ่งนําไปสู่การพัฒนาการศึกษาด้านธรรมาภิบาลต่างๆ

บทความนี้รวบรวมพารามิเตอร์อ้างอิงที่เป็นตัวบ่งชี้การปกครองสำหรับการวิเคราะห์โครงสร้างการปกครองที่แตกต่างกัน ในขณะที่แต่ละพารามิเตอร์มักจะประเมินค่าตัวบ่งชี้เฉพาะอย่างหนึ่ง สำคัญที่จะทราบว่าความสำคัญของแต่ละตัวบ่งชี้ขึ้นอยู่กับประเภท DAO

วิเคราะห์ตัวชี้วัดที่สำคัญ

ตัวบ่งชี้ต่อไปนี้ไม่รวมถึงตัวบ่งชี้ที่เกี่ยวข้องกับ "ความซับซ้อน" และ "ความสอดคล้อง" ตามขณะนี้ และ "การลงคะแนน" ถูกใช้เป็นตัวอย่างแบบเดียวกัน ขอบเขตการใช้งานเฉพาะเป็นไปได้ที่จะขยายต่อไปได้ทั้งในข้อมูลต่าง ๆ เช่น เงินทุน สื่อ ฯลฯ

ดัชนีเฮอร์ฟินดาล-เฮิร์ชแมน, HHI

นี่เป็นวิธีการที่ได้รับการยอมรับอย่างแพร่หลายในการวัดความ-concentration ซึ่งมีชื่อจากนักเศรษฐศาสตร์สองคน มันคำนวณผลรวมของส่วนแบ่งตลาดที่ถูกยกกำลังสองของภาพรวมของกิจกรรมทั้งหมดในตลาด

อย่างง่ายๆ ก็คือ อัตราส่วนของหน่วยที่แตกต่างกันแต่ละหน่วยนำมาคูณกับสี่เหลี่ยมสี่เหลี่ยม

ตัวอย่างเช่น มี A 50%, B มี 30%, และ C มี 20%

50 * 50 = 2500

30 * 30 = 900

20 * 20 = 400

ผลรวมของสามจำนวน 2500 + 900 + 400 = 3800

3800 เป็นดัชนีความ-concentration ของ ABC

สูงสุด 10,000 (1 คนคิดเป็น 100%)

ดัชนีความ concentrat ของพลัง (CPI)

ตัวแปรที่ได้มาจาก HHI ซึ่งโดยพื้นฐานแล้วเป็นเหมือนกับ HHI แต่พิจารณาว่าสถานการณ์อยู่ใน DAO ที่เฉพาะเจาะจง เช่น OP สถาบันการปกครองที่ต่างกันจะมีน้ำหนักที่แตกต่างกัน ดังนั้น คะแนนสำหรับแต่ละตัวแทนจำเป็นต้องถูกปรับตามน้ำหนักของตนเอง

ตัวอย่างเช่น:

หากตัวแทนมีน้ำหนัก 300 คะแนน แต่เข้าร่วมทั้งในบ้านโทเค็นและบ้านพลเมือง น้ำหนักรวมของพวกเขาจะเป็น:

น้ำหนักรวมของเขาคือ:

30032.33% + 30034.59% = 200.76

เนื่องจากการคำนวณนี้เกี่ยวกับตัวชี้วัดการปกครอง มันไม่ได้คำนึงถึงตัวแทนทุกคน แต่เพียงผู้ที่มีส่วนร่วมในการปกครองเท่านั้น ดังนั้นเมื่อกิจกรรมการปกครองของชุมชนลดลง มันก็สามารถส่งผลให้ค่าดัชนีเพิ่มขึ้นได้

นักคณิตศาสตร์ Nakamoto

โดยส่วนใหญ่เน้นไปที่คำถามเดียว: ต้องการผู้เข้าร่วมกี่คนเพื่อควบคุมระบบทั้งหมด?

คำถามนี้น่าสนใจมาก และในความเป็นจริงก็เป็นประโยชน์มากสำหรับกลยุทธ์ในตลาดทุน

หากมี 5 คนในระบบ สิทธิ์ในการลงคะแนนของพวกเขาคือ:

• A: 30%
• B: 25%
• C: 20%
• D: 15%
• E: 10%

จำนวนคนขั้นต่ำที่ต้องใช้ควบคุมระบบทั้งหมดคือ 30 + 35 = 55 จำนวนคนขั้นต่ำที่ต้องใช้คือ 2 ดังนั้น ค่า Nakamoto คือ 2

หากค่านาคาโมโตะของระบบเป็น 20 แสดงว่าต้องมีอย่างน้อย 20 คนต้องร่วมกันเข้าร่วมควบคุมระบบนั้น ระบบนี้มีการกระจายอำนวยงานมากมาย

ค่าความสัมพันธ์สูง ความรุนแรงของการกระจายอำนาจก็สูงตามไปด้วย และกันและกัน

ความหลากหลายของผู้เสนอข้อเสนอ (ดัชนีความหลากหลายของชานนอน)

มีหลายวิธีในการวัด วิธีหนึ่งใช้ HHI เพื่อประเมินความ-concentration ของข้อเสนอที่ส่งเข้ามา ความ-concentration ยิ่งสูง ความหลากหลายยิ่งต่ำ

วิธีการอื่นใช้ดัชนีความหลากหลายของแชนนอน.

สมมติว่ามีผู้ส่งเสนอ 4 คน ซึ่งส่งเสนอจำนวนเสนอต่อระยะเวลาดังต่อไปนี้:

• ผู้เสนอ A ส่งข้อเสนอ 5 ข้อ
• ผู้เสนอ B ส่งข้อเสนอ 3 ข้อ
• ผู้เสนอ C ยื่น 2 ข้อเสนอ
• ผู้เสนอ D ส่งข้อเสนอ 1 ข้อ

ต่อไป คำนวณสัดส่วนของจำนวนข้อเสนอจากผู้เสนอแต่ละคน ต่อจำนวนข้อเสนอทั้งหมด

จำนวนรวมของข้อเสนอ คือ: 5 + 3 + 2 + 1 = 115

อัตราส่วนของผู้เสนอแต่ละคนคือ:

• A：≈ 0.4545
• B：≈ 0.2727
• C: ≈ 0.1818
• D：≈ 0.0909

ถัดไปคำนวณค่า log ธรรมชาติของสัดส่วนแต่ละอัน (โดยใช้ปุ่ม "ln" บนเครื่องคิดเลข)

• ตอบ:−0.7885
• B: -1.2993
• C：−1.7047
• ง:-2.3979

ต่อไปคูณแต่ละสัดส่วนด้วยค่าลอการิทึมที่สอดคล้องกัน:

• A：0.4545 × −0.7885 ≈ −0.3582
• B: 0.2727 × −1.2993 ≈ −0.3540
• C: 0.1818 × -1.7047 ≈ -0.3090
• D：0.0909 × −2.3979 ≈ −0.2171

สุดท้าย รวมค่าทั้งหมด: ผลลัพธ์คือ 1.2383 ค่าที่สูงกว่าแสดงถึงความหลากหลายที่มากขึ้นในระบบ เมื่อเปรียบเทียบกับ HHI ดัชนี Shannon มีความสมเหตุสมผลมากขึ้นโดยเฉพาะในกรณีที่มีความหลากหลายสูง เนื่องจากมันเน้นถึงความแตกต่างอย่างดีขึ้น (กับ HHI ค่าที่น้อยกว่าสมการกับการกระจายตัวมากขึ้น)

ดัชนีจินี

นี่คือดัชนีที่เหมาะสำหรับการแสดงผลที่มีกราฟ ขั้นตอนดังนี้ มักใช้ในการประเมินการกระจายของทรัพยากร ตัวอย่างเช่น เมื่อองค์กรมีโครงการหลายๆ โครงการ ดัชนีจินี่สามารถใช้ในการเข้าใจว่าทรัพยากรกระจายอย่างเท่าเทียมกันหรือไม่ นอกจากนี้ยังสามารถวิเคราะห์ปัจจัยต่างๆ เช่น เงินเดือนและเงื่อนไขการทำงานได้อีกด้วย หากมีค่าหลายๆ ค่าที่เหมือนกัน จะสร้างเส้นตรงบนกราฟ

1. ระบุสัดส่วนของอำนาจในการลงคะแนนของสมาชิกแต่ละคน:

ก่อนอื่นคุณต้องทราบสัดส่วนของอำนาจในการลงคะแนนของสมาชิกแต่ละคน ตัวอย่างเช่นหากมีสมาชิก 5 คน สัดส่วนของอำนาจในการลงคะแนนของพวกเขาอาจเป็นได้ดังนี้:

• A: 40%
• B: 30%
• C: 15%
• D: 10%
• E: 5%

1. เรียงลำดับตามอำนาจในการลงคะแน

เรียงอัตราส่วนพลังเสียงลงจากน้อยไปมากเพื่อให้เห็นความไม่เสมอภาคได้ง่ายขึ้น:

• E: 5%
• D: 10%
• C: 15%
• B: 30%
• A: 40%

1. คำนวณสัดส่วนพลังงานลงคะแนนสะสม:

ตอนนี้เราคำนวณสัดส่วนอำนาจลงคะแนนสะสมของแต่ละสมาชิกโดยเริ่มต้นจากสมาชิกที่เล็กที่สุดและบวกกันทีละคน ๆ ละหนึ่ง:

• E: 5%
• E + D: 5% + 10% = 15%
• + D + C: 5% + 10% + 15% = 30%
• E + D + C + B: 5% + 10% + 15% + 30% = 60%
• E + D + C + B + A: 5% + 10% + 15% + 30% + 40% = 100%

ค่าสะสมเหล่านี้ - 5, 15, 30, 60 และ 100 - สามารถ plot บนกราฟ (จากด้านล่างซ้ายไปยังด้านขวาบน) ได้

เมื่ออำนาจการลงคะแนนเสียงถูกกระจายทั่วภายในองค์กร แถวนี้จะเข้าใกล้เส้นเส้นเสมอ ยิ่งเส้นโค้งโค้งลง, ความไม่เสมอภาคเสียงจะรุนแรงมากขึ้น

Z-Score ตัวบ่งชี้การกระจายตัวทางศูนย์

Z-Score Decentralized Metric ใช้เพื่อกําหนดว่าอํานาจของแต่ละบุคคล (เช่น สิทธิในการออกเสียง) ในระบบสอดคล้องกับพลังเฉลี่ยของผู้อื่นในระบบมากน้อยเพียงใด มันตอบคําถาม: "พลังของแต่ละคนจากระดับเฉลี่ยเมื่อเทียบกับคนอื่น ๆ มากแค่ไหน"

ค่า Z-Score อาจเป็นบวกหรือลบ

• หาก Z-Score ใกล้เคียงกับ 0 มันหมายความว่าสัดส่วนพลังของบุคคลคนนั้นเท่ากับค่าเฉลี่ยของคนอื่น ๆ
• ถ้า Z-Score มีค่าเปลี่ยนแปลงมากจาก 0 หมายความว่าพลังของบุคคลนั้นๆ ต่างกับระดับที่เฉลี่ยมากๆ คือ ระดับพลังของเขาเป็นไปได้มากหรือน้อยมาก

นี่คือดัชนีทางสถิติที่สามารถใช้ในการระบุข้อมูล เช่น โครงสร้างเงินเดือน ฯลฯ

สมมติว่ามีสมาชิก 5 คน และสัดส่วนของอำนาจในการลงคะแนนของพวกเขาคือ:

• A: 40%
• B：25%
• C: 15%
• D：10%
• E：10%

ค่าพลังลงคะแนนเฉลี่ย:

• เฉลี่ย = 20%

คำนวณความแตกต่างในพลังงานของแต่ละบุคคล:

ต่อไปเราจะต้องดูว่าพลังของแต่ละสมาชิกแตกต่างกันเท่าไหร่จากค่าเฉลี่ย

ตัวอย่างเช่น：

• A: 40% − 20% = 20%
• B：25% − 20% = 5%
• C：15% − 20% = −5%
• D: 10% - 20% = -10%
• E：10% − 20% = −10%

คำนวณเบี่ยงเบนมาตรฐาน: ค่าเบี่ยงเบนมาตรฐานถูกใช้เพื่อแสดงถึงการเบี่ยงเบนของพลังการโหวตของสมาชิกแต่ละคนจากค่าเฉลี่ย

ค่าเบี่ยงเบนมาตรฐานคือค่าเฉลี่ยของจำนวนที่ยกกำลังสองทั้งหมดแล้วนำไปหารด้วยจำนวนที่นับแล้วรากที่สอง

แบ่งความเบี่ยงเบนของแต่ละบุคคลด้วยค่าเบี่ยงเบนมาตรฐาน ตัวอย่างเช่น หากค่าเบี่ยงเบนของ D เป็น -10% และค่าเบี่ยงเบนมาตรฐานเป็น 11.4% ค่า Z-Score คือ:

-10 / 11.4 = −0.88

แต่ทำไมไม่แค่มองดูความแตกต่างหรือ?

• Z-Score ให้มาตรฐานเดียวกัน เช่น เมื่อเปรียบเทียบองค์กร DAO ที่แตกต่างกัน ความแตกต่าง 10% ในพลังการลงคะแนนอาจดูเหมือนกัน แต่การแปลงมันเป็น Z-Scores จะทำให้เปรียบเทียบตรงกันได้ในองค์กรต่าง ๆ
• Z-Score ทำให้เน้นที่ความแตกต่างที่สัมพันธ์ ตัวอย่างเช่น หากการเบี่ยงเบนของ D ยังคงอยู่ที่ -10% แต่ค่าเบี่ยงเบนมาตรฐานเปลี่ยนแปลงเนื่องจากการเปลี่ยนแปลงในการกระจายพลังงานโดยรวม D's Z-Score ก็จะเปลี่ยนไปตาม แสดงถึงความไดนามิกเหล่านี้

นอกจากนี้ยังสามารถใช้ในการวิเคราะห์การเปลี่ยนแปลงเงินเดือนได้ด้วย ตัวอย่างเช่น ถ้าเงินเดือนของบุคคลคงที่ในขณะที่ค่าเบี่ยงเบนมาตรฐานของเงินเดือนทั่วบริษัทเพิ่มขึ้นเนื่องจากการเพิ่มเงินเดือนทั่วไป Z-Score สามารถเปิดเผยว่าเงินเดือนของบุคคลนั้นได้รับการเปลี่ยนแปลงอย่างไรต่อเฉลี่ยของบริษัท

ในขณะที่คะแนน Z-Score อาจไม่เหมาะสมสำหรับการวิเคราะห์การลงคะแนนใน DAOs แต่มันเป็นค่าที่มีค่าสำหรับการประเมินการเปลี่ยนแปลงในการจัดสิทธิ์ทรัพยากรโครงการหรือผลงานรายบุคคล

การเปลี่ยนแปลงไดนามิกในพลังการลงคะแนน

ดัชนีความเคลื่อนไหวของพลังงานในการลงคะแนนเลือกตั้ง

ดัชนีนี้วัดปริมาณพลังโหวตที่เคลื่อนไหวระหว่างสมาชิกในระบบ หากพลังโหวตยังคงมีความ concentrated ในมือของไม่กี่คนเป็นประจำ นั่นแสดงให้เห็นถึงโครงสร้างอำนาจที่เข้มงวดและโอกาสในการเข้าร่วมจำกัด หากพลังโหวตเปลี่ยนแปลงบ่อยครั้งระหว่างสมาชิก นั่นแสดงให้เห็นถึงระบบที่ 'ใช้งานอยู่' โดยทุกคนมีโอกาสเข้าร่วม ซึ่งเป็นการสร้างระบบที่เป็นธรรมและมีความกระจาย

สมมติว่านี่คือการกระจายสิทธิในการลงคะแนนเสียงในไตรมาส 1 และ 2:

• ไตรมาสแรก
  • สิทธิ์ในการลงคะแนนของ A: 40%
  • สิทธิ์ในการลงคะแนนของ B: 30%
  • สิทธิ์ในการลงคะแน: 30%
• ไตรมาสที่สอง
  • สิทธิ์ในการลงคะแนนของ A: 35%
  • สิทธิ์ลงคะแนนของ B: 40%
  • สิทธิ์ในการลงคะแนนของ C: 25%

ขั้นตอนที่ 2: คำนวณการเปลี่ยนแปลงในพลังโหวตสำหรับสมาชิกแต่ละคน

การเปลี่ยนแปลงของสมาชิกแต่ละคนนี่คืออํานาจการลงคะแนนในไตรมาสที่สองลบด้วยอํานาจการลงคะแนนในไตรมาสแรก:

• การเปลี่ยนแปลงใน A: 35% - 40% = -5% (ลดลง 5%)
• การเปลี่ยนแปลงใน B: 40% - 30% = +10% (เพิ่มขึ้น 10%)
• การเปลี่ยนแปลงใน C: 25% - 30% = -5% (ลดลง 5%)

ขั้นตอนที่ 3: เพิ่มการเปลี่ยนแปลงของสมาชิกทั้งหมดไว้ด้วยกัน

ในขั้นตอนนี้เราจะนำค่าสัมบูรณ์ของการเปลี่ยนแปลงของทุกคน (ไม่ว่าจะเพิ่มหรือลด ให้เอาเฉพาะขนาด) และรวมกันเพื่อให้ได้ ”ดัชนีความเคลื่อนไหวของ Voting Power” ของระบบทั้งหมด

• ค่าสัมบูรณ์ของการเปลี่ยนแปลงใน A: 5%
• ค่าสัมบูรณ์ของการเปลี่ยนแปลงใน B: 10%
• ค่าสัมบูรณ์ของการเปลี่ยนแปลง C: 5%

การเปลี่ยนแปลงรวม = 5% + 10% + 5% = 20%

20% นี้คือ “ดัชนีความสามารถในการโหวต” มันบอกว่า 20% ของพลังในการโหวตในระบบเปลี่ยนแปลงระหว่างไตรมาสสองรอบ

คอนเซ็ปต์นี้คล้ายกับ Z-Score มาก และคุณยังสามารถเพิ่มค่าเบี่ยงเบนมาเพื่อดูอัตราการเปลี่ยนแปลง

การเปลี่ยนแปลงในอำนาจลงคะแนนสะสม

เรามองไปที่ "สมาชิก 5 อันดับแรก" ที่มีอำนาจในการลงคะแนนมากที่สุดเพื่อดูว่าส่วนแบ่งของอำนาจในการลงคะแนนของพวกเขาเพิ่มขึ้นหรือไม่ หากส่วนแบ่งของสมาชิก 5 อันดับแรกเหล่านี้มีการเพิ่มขึ้นมากขึ้น แสดงว่าอำนาจในระบบกำลังเริ่มเกิดการเน้นที่มากขึ้น หากไม่มีการเปลี่ยนแปลงมากนัก แสดงว่าอำนาจในระบบยังคงกระจายอยู่และสิทธิการลงคะแนนของทุกคนมีความเท่าเทียม

สมมติว่าเรามีข้อมูลพลังงานลงคะแน Q1 และ Q2:

• ไตรมาสแรก
  • อำนาจลงคะแนนของ A: 40%
  • อำนาจลงคะแนนของ B: 25%
  • C's voting power: 20%
  • อำนาจในการลงคะแนนของ D: 10%
  • อำนาจลงคะแนนของ E: 5%
• ไตรมาสที่สอง
  • อำนาจในการลงคะแนนของ A: 45%
  • อำนาจโหวตของ B: 20%
  • พลังโหวตของ C: 15%
  • อำนาจความเห็นของ D: 15%
  • พลังโหวตของ E: 5%

เราจัดอันดับอำนาจในการลงคะแนนของสมาชิกในแต่ละไตรมาสจากมากที่สุดไปหาน้อยที่สุด:

• ไตรมาสแรก: A > B > C > D > E
• ไตรมาสที่สอง: A > B > D > C > E

ขั้นตอนที่ 2: คำนวณส่วนแบ่งพลังงานในการลงคะแนนของสมาชิก "20% บน"

เพื่อสังเกต 'ความ concentr concentration of power' เราโดยทั่วไปจะมองไปที่อำนาจในการลงคะแนนรวมของ 'สมาชิกสุดยอด' ในไตรมาสต่าง ๆ เพื่อดูว่าพวกเขากำลังเพิ่มขึ้นหรือไม่

ใน 5 สมาชิก สมาชิก 20% สูงสุดคือสมาชิกที่มีอำนาจในการลงคะแนนเสียงสูงที่สุด (A)

• ไตรมาสแรก: อำนาจในการลงคะแนนของ A = 40% (อำนาจในการลงคะแนนสะสมของ 20% สูงสุด = 40%)
• ไตรมาสที่สอง: อำนาจในการลงคะแน = 45% (อำนาจในการลงคะแนสะสมของ 20% สูงสุด = 45%)

อย่างที่เห็นได้ว่า ส่วนแบ่งอำนาจในการลงคะแนนของ 20% สูงสุดเพิ่มขึ้นจากไตรมาส 1 ถึงไตรมาส 2

ขั้นตอนที่ 3: คํานวณส่วนแบ่งการลงคะแนนของสมาชิก "40% แรก"

เรายังสามารถดูส่วนแบ่งสะสมของ 40% สูงสุด (จาก 5 สมาชิก คือสูงสุด 2 คน) ได้เช่นกัน

• ไตรมาสแรก: สิทธิ์ในการลงคะแนนสะสมของ A + B = 40% + 25% = 65%
• ไตรมาสที่สอง: สิทธิ์โหวตสะสมของ A + B = 45% + 20% = 65%

ที่นี่คุณสามารถเห็นได้ว่าไม่มีการเปลี่ยนแปลงในส่วนแบ่งพลังงานลงมติสะสมของ 40% บนสุด

การคำนวณนี้ช่วยให้คุณเห็นได้ว่าการเปลี่ยนแปลงเช่นการแสดงอย่างง่ายและการให้สิทธิ์ในการลงคะแนนเลือกตั้ง เป็นการเปลี่ยนแปลงเพียงแค่การเลื่อนสิทธิ์ในการลงคะแนนเลือกตั้ง หรือว่ามีการสะท้อนความconcentrationสูง

ความโปร่งใสในการจัดทุน

โดยทั่วไปเมตริกนี้จะไม่วัดปริมาณอย่างเคร่งครัด มันมักจะเกี่ยวข้องกับการเปรียบเทียบรายงานทางการเงินที่เผยแพร่กับกองทุนสภาพคล่องทั้งหมดหรือการประเมินระดับของรายละเอียดที่เปิดเผย ในขณะที่อัตนัยและมีความสําคัญ จํากัด ด้านต่างๆเช่นวิธีการเปิดเผยระดับรายละเอียดและการตรวจสอบจะดําเนินการยังคงสามารถใช้สําหรับการประเมินอย่างง่าย

เวลาการตัดสินใจ

วิธีทั่วไปในการวิเคราะห์เวลาการตัดสินใจเน้นไปที่ขั้นตอนการเตรียมการก่อนที่จะเสนอข้อเสนอ

ตัวอย่างเช่น คํานวณระยะเวลาเฉลี่ยของขั้นตอน "การรวบรวมคําติชม" สําหรับแต่ละข้อเสนอ

ตลอดเวลาที่ใช้ในการลงคะแนนเสมอกัน เมื่อนับแล้วมักจะไม่มีความสำคัญ นอกจากกรณีที่มีการลงคะแนนทั้งหมดเสมอมากเกินไป (ซึ่งเป็นสิ่งที่หายาก)

พารามิเตอร์เวลาทั่วไป:

• เวลารวบรวมความคิดเห็น
• เวลาประมวลผลลายเซ็น
• เวลารีวิวข้อเสนอ

กลไกส่งเสริมที่เกี่ยวข้องกับการบริหาร

ความเป็นธรรมของกลไกจูงใจมักถูกประเมินโดยใช้ดัชนี Gini อย่างไรก็ตาม สิ่งนี้จําเป็นต้องแก้ไขปัญหาของ "การมีส่วนร่วมด้านธรรมาภิบาล" เชิงปริมาณ ซึ่งโดยทั่วไปจะทําโดยการแปลงเงินสมทบคงที่เป็นสิ่งจูงใจตามสัดส่วน

การประเมินความสำคัญของการบริจาคในการบริหารจัดการเป็นเรื่องที่ท้าทายสำหรับความสม่ำเสมอในระยะยาว ด้านล่างนี้คือวิธีการที่เป็นไปได้บ้าง

• คะแนนสมทบคอมโพสิต = (อัตราส่วนความสําเร็จของงาน × น้ําหนัก 1) + (เวลาการมีส่วนร่วม × น้ําหนัก 2) + (การมีส่วนร่วมในการตัดสินใจ × น้ําหนัก 3) +...
• (น้ำหนักของงาน 1 x ปริมาณของงาน 1) + (น้ำหนักของงาน 2 x ปริมาณของงาน 2)…

ข้อมูลที่เกี่ยวข้องภายนอกรวมถึง:

• ส่วนต่างทั้งหมดต่อไตรมาส
• รายได้เฉลี่ยที่ได้รับจากการส่งเสริมให้แก่บุคคล
• การวิเคราะห์ Z-Score หรือ Gini เพื่อหาว่าสิ่งตอบแทนถูกกระจายเสมอหรือมีความconcentrated อยู่ในผู้เข้าร่วมที่สำคัญเพียงไม่กี่คน

ตัวชี้วัดอื่น ๆ ที่ไม่ต้องอธิบาย

• อัตราส่วนการลงคะแนนเลือกตั้ง
• อัตราการอนุมัติข้อเสนอ
• การจัดโปรไฟล์กลุ่มเป้าหมาย: นั่นคือคล้ายกับสถิติสังคมวิทยา เช่น อายุ เพศ ภาษา เป็นต้น
• จำนวนการโจมตี/จับกุม/เหตุการณ์ป้องกันการจับกุมทางการปกครอง

สรุป

การสํารวจความจริงที่ซ่อนอยู่เบื้องหลังเดลต้าข้อมูลต้องมีการสะสมและการตรวจสอบอย่างต่อเนื่อง ในขณะที่เรียนรู้จากประสบการณ์ด้านการกํากับดูแลใน DAOs ต่างๆ LXDAO ยังพยายามชี้แจงเบาะแสการกํากับดูแลผ่านวิธีการเชิงปริมาณซึ่งเป็นรากฐานสําหรับการวิเคราะห์ประสิทธิภาพของ DAO ความพยายามนี้มีจุดมุ่งหมายเพื่อสํารวจข้อมูลเพิ่มเติมและความเป็นไปได้ หวังว่าบทความนี้จะให้ข้อมูลเชิงลึกที่เป็นประโยชน์สําหรับผู้ที่สนใจในการวิเคราะห์การกํากับดูแล

คำประกัน

1. บทความนี้ทําซ้ําจาก [LXDAOส่งต่อชื่อเรื่องเดิม 'สิบปีของ DAO: เปิดรูปแบบการปกครองใหม่และการวิเคราะห์ลึกของตัวชี้วัดการปกครองที่สำคัญ' ลิขสิทธิ์เป็นของผู้เขียนเดิม [LXDAO]. หากคุณมีเหตุผลใดๆที่ไม่เห็นด้วยกับการพิมพ์ซ้ำ กรุณาติดต่อทีม Gate Learn (gatelearn@Gate.io) และทีมงานจะดำเนินการตามขั้นตอนที่เกี่ยวข้องโดยเร็วที่สุด
2. ข้อความและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงความคิดเห็นส่วนตัวของผู้เขียนเท่านั้น และไม่ใช่การให้คำแนะนำทางการลงทุนใดๆ
3. ทีม Gate Learn แปลบทความเป็นภาษาอื่น ๆ การคัดลอก การแจกจ่ายหรือการลอกเลียนแบบบทความที่ถูกแปลนั้นห้าม ยกเว้นถ้าได้ระบุไว้