Können Kryptowährungen die aktuellen Probleme der wissenschaftlichen Forschung lösen?
#Decentralized #science #Write2Earn Die wissenschaftliche Forschung hat weltweit oft dieselben Probleme:
* Mangelnde Finanzierung: Viele vielversprechende Studien werden nicht weitergeführt, weil ihnen das Geld ausgeht. Die Finanzierung fließt oft in trendige und bekanntere Themen, wodurch viele interessante, aber Nischenbereiche unfinanziert bleiben. Und selbst wenn Gelder für die Forschung bereitgestellt werden, kann man nicht 100 % sicher sein, dass sie auch dafür verwendet werden; das ist auch bei Wohltätigkeitskampagnen ein Problem.
* Voreingenommene Publikationsauswahl: Normalerweise veröffentlichen wissenschaftliche Zeitschriften nur „positive Studien“, also Studien, die eine bestimmte Wirkung festgestellt haben, und veröffentlichen keine Studien, die diese Wirkung nicht festgestellt haben (d. h. wenn eine Behandlung wirksam ist, wird sie veröffentlicht, wenn dieselbe Behandlung in einer anderen Studie nicht wirksam ist, wird der Artikel nicht veröffentlicht). Dies kann dazu führen, dass Daten gefälscht werden, um den Artikel zu veröffentlichen, da die Gehälter der Forscher oft davon abhängen.
Kann Blockchain diese Probleme nun lösen?
Derzeit gibt es einige neue Projekte im Bereich DeSci (Decentralized Science), die genau das zum Ziel haben:
* VitaDAO ist eine dezentrale Organisation, die Projekte von allen Forschern der Welt (berühmte Professoren oder einfache Studenten) sammelt und die Finanzierung an die vielversprechendsten verteilt. Das beste Feature ist meiner Meinung nach, dass Projekte zwar immer noch von einem Expertengremium geprüft werden, aber die Community das letzte Wort hat.
* Molecule ist eine Plattform, mit der Sie in spezifische Forschung investieren können, insbesondere im medizinischen Bereich. Es ist so, als würden Sie Forschern Geld leihen und Zinsen verdienen, wenn sie etwas entdecken.
* Data Lake sammelt hochwertige medizinische Daten aus der ganzen Welt, um Forschern vollen Zugriff darauf zu gewähren. Dies versucht insbesondere, das Problem zu lösen, dass Unternehmen für ihre Forschung Daten analysieren, die nicht öffentlich und daher fälschbar sind.