MétaCan
Menu
Retour à la cohorte
Enregistrement W3039018420 · doi:10.31273/eirj.v7i3.594

DAO, Blockchain and Cryptography

2020· article· en· W3039018420 sur OpenAlexfundno aff
Mairi Gkikaki, Clare Rowan, Isaac Quinn DuPont

Notice bibliographique

RevueExchanges The Interdisciplinary Research Journal · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of TorontoUniversity College DublinEuropean CommissionUniversity College LondonUniversity of WarwickUniversity of VictoriaUniversity of Washington
Mots-clésCryptocurrencyBlockchainSocialityConversationComputer securityCryptographyVotingCorporate governanceRepresentation (politics)Computer scienceInternet privacyBusinessSociologyPolitical scienceLawPolitics

Résumé

récupéré en direct d'OpenAlex

In Classical Athens, as well as in our modern digital era, governance has been achieved through tokens. Tokens enabled voting on projects, representation, and belonging. The Distributed Autonomous Organisation (DAO) launched on the basis of cryptocurrency and blockchain technology was conceived as a form of algorithmic governance with applications in the organisation of companies. The visionaries of the DAO envisaged, among other things, a new form of sociality, which would be transparent and fair and based on a decentralised, unstoppable, public blockchain. These hopes were dashed when the DAO was exploited and drained of millions of dollars' worth of tokens within days after launching. The conversation published in the present article is conceived as an interdisciplinary discussion about the phenomenon of the Decentralised Autonomous Organisation and its impact on perceptions of sociality. Topics include the idea of the DAO as an algorithmic authority, the lessons learned when the project failed, the revolutionary beginnings of cryptocurrency technology and its potential in voting technologies, as well as the changing notions of cryptography in light of cryptocurrency technologies. Exchanges Discourse Podcast A Spoken Abstract from…Dr Mairi Gkikaki [4:38]

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,012
Communication savante0,0050,008
Science ouverte0,0010,003
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,067
Tête enseignante GPT0,358
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExchanges The Interdisciplinary Research JournalMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207