基于區(qū)塊鏈的虛擬知識(shí)社區(qū)內(nèi)容生產(chǎn)投機(jī)行為仿真及治理對(duì)策研究

李志宏 楊麗平 許小穎

華南理工大學(xué)工商管理學(xué)院 廣州 510641

引言

區(qū)塊鏈?zhǔn)且员忍貛艦榇淼臄?shù)字加密貨幣體系的核心支撐技術(shù)[1]。它是一種分布式的點(diǎn)對(duì)點(diǎn)共識(shí)賬本技術(shù)，具有去中心化、交易透明、不可篡改等優(yōu)良特性，在金融、醫(yī)療、農(nóng)業(yè)、能源等多領(lǐng)域均擁有廣闊的應(yīng)用前景[2]。同時(shí)，區(qū)塊鏈獨(dú)特的通證激勵(lì)機(jī)制[3]使得它在知識(shí)社區(qū)中也有著巨大的應(yīng)用價(jià)值?；趨^(qū)塊鏈的虛擬知識(shí)社區(qū)能夠根據(jù)社區(qū)用戶對(duì)社區(qū)知識(shí)貢獻(xiàn)的程度發(fā)放獎(jiǎng)勵(lì)，將判斷知識(shí)價(jià)值的權(quán)力交回到文章的受眾手中，達(dá)到持續(xù)激勵(lì)優(yōu)質(zhì)內(nèi)容產(chǎn)出的效果。這為傳統(tǒng)社區(qū)知識(shí)分享過程中存在的知識(shí)管理低效、用戶內(nèi)容貢獻(xiàn)意愿低、內(nèi)容質(zhì)量缺乏明確評(píng)價(jià)機(jī)制等問題提供了可借鑒的解決思路[4]。

目前，國內(nèi)外已出現(xiàn)不少區(qū)塊鏈知識(shí)社區(qū)的應(yīng)用案例，如Steemit、Reddit、幣乎、幣問等社區(qū)。該類區(qū)塊鏈知識(shí)社區(qū)多處于發(fā)展初期，大部分社區(qū)的機(jī)制設(shè)計(jì)尚未成熟。例如Steemit社區(qū)中逐漸出現(xiàn)內(nèi)容創(chuàng)作者為牟利而發(fā)布噱頭標(biāo)題文、夸大事實(shí)的文章等不良行為。參考資本市場(chǎng)對(duì)于該類行為的定義，本文將其定義為內(nèi)容生產(chǎn)投機(jī)行為。從目前社區(qū)的發(fā)展現(xiàn)狀看，該行為致使知識(shí)社區(qū)的激勵(lì)效果與預(yù)期效果產(chǎn)生偏差，擠壓優(yōu)質(zhì)內(nèi)容的生存空間，長遠(yuǎn)下去將造成“劣幣驅(qū)逐良幣”的社區(qū)局面，對(duì)社區(qū)內(nèi)容生態(tài)和持續(xù)發(fā)展產(chǎn)生不良影響。

然而，當(dāng)前對(duì)于區(qū)塊鏈虛擬知識(shí)社區(qū)的研究，主要集中在激勵(lì)機(jī)制的設(shè)計(jì)、知識(shí)分享行為、成員的收益計(jì)算等方面[5-8]，并重點(diǎn)聚焦社區(qū)知識(shí)分享的正面現(xiàn)象，鮮有學(xué)者討論社區(qū)知識(shí)分享過程中出現(xiàn)的投機(jī)問題及解決方案。此外，現(xiàn)有研究主要采用定性分析和實(shí)證分析等方法，缺乏對(duì)社區(qū)動(dòng)態(tài)變化的分析工具，也無法驗(yàn)證研究結(jié)果的有效性。

針對(duì)以上研究不足，本文擬解決如下問題：（1）從社區(qū)角度分析Steemit社區(qū)知識(shí)分享現(xiàn)狀，探討內(nèi)容生產(chǎn)投機(jī)行為的關(guān)鍵影響因素。（2）分析投機(jī)問題的解決方案并進(jìn)行復(fù)雜系統(tǒng)仿真模擬，判斷出較優(yōu)的調(diào)控方案，以此確定未來政策調(diào)控重點(diǎn)。

本文對(duì)區(qū)塊鏈知識(shí)社區(qū)研究領(lǐng)域做出的有益探索主要體現(xiàn)在：

（1）以Steemit為研究對(duì)象，對(duì)內(nèi)容生產(chǎn)的負(fù)面現(xiàn)象進(jìn)行深入探討，從而有助于社區(qū)思考該類問題的應(yīng)對(duì)措施，促進(jìn)知識(shí)社區(qū)健康發(fā)展。

（2）立足社區(qū)整體層面對(duì)區(qū)塊鏈知識(shí)社區(qū)內(nèi)容生產(chǎn)的投機(jī)現(xiàn)象展開研究，有助于更全面地挖掘投機(jī)行為的影響因素，進(jìn)而系統(tǒng)化分析投機(jī)行為的治理措施。

（3）使用系統(tǒng)動(dòng)力學(xué)的方法進(jìn)行研究，建立社區(qū)內(nèi)容生產(chǎn)投機(jī)行為仿真模型，并在建模過程中關(guān)注了知識(shí)分享的非經(jīng)濟(jì)收益因素。通過模擬仿真10年時(shí)間里不同調(diào)控政策下投機(jī)行為的演變，以期刻畫系統(tǒng)的演化過程，揭示系統(tǒng)的長期變化趨勢(shì)。

最后，本文基于研究結(jié)果提出對(duì)策建議，希望為同類型知識(shí)社區(qū)的機(jī)制設(shè)計(jì)提供一定的啟發(fā)與借鑒。

1 理論基礎(chǔ)及場(chǎng)景介紹

1.1 區(qū)塊鏈知識(shí)社區(qū)的研究

區(qū)塊鏈?zhǔn)请S著比特幣等數(shù)字加密貨幣的日益普及而興起的一種數(shù)字技術(shù)，是由一系列包含時(shí)間戳的數(shù)據(jù)區(qū)塊以鏈?zhǔn)浇Y(jié)構(gòu)存儲(chǔ)，脫中心化的分布式賬本結(jié)構(gòu)[9]。區(qū)塊鏈具有其他技術(shù)不可比擬的優(yōu)勢(shì)：（1）不可篡改性。區(qū)塊鏈的共識(shí)算法[1]決定若要更改某一區(qū)塊的數(shù)據(jù)，必須保證所有節(jié)點(diǎn)的數(shù)據(jù)都被隨之更改，并且需要破解高度復(fù)雜的加密算法才可以更改數(shù)據(jù)（常規(guī)情況下破解需要幾十年甚至更久），這個(gè)工作量之大和難度使得區(qū)塊鏈的數(shù)據(jù)幾乎不可能被篡改，因此保證了數(shù)據(jù)的安全可靠性[10]。（2）去中心化。區(qū)塊鏈的數(shù)據(jù)生成、存儲(chǔ)、驗(yàn)證、更改和交易等所有操作都采用共識(shí)機(jī)制而無需中心節(jié)點(diǎn)介入的方式使節(jié)點(diǎn)達(dá)成一致，從而形成了強(qiáng)大的共同信任的分布式系統(tǒng)，避免了中心節(jié)點(diǎn)為了一己私利欺詐、隱瞞各交易節(jié)點(diǎn)的情況，同時(shí)也減少了中心機(jī)構(gòu)維護(hù)和管理的成本。（3）交易透明性。公有鏈區(qū)塊鏈中所有用戶都可以查看數(shù)據(jù)信息，信息是公開透明的，避免了信息不對(duì)稱或披露不足的弊端。此外區(qū)塊鏈還有匿名性、不可逆轉(zhuǎn)性等多種特性，此處不再贅余。

區(qū)塊鏈?zhǔn)蔷哂衅者m性的底層技術(shù)框架，為眾多行業(yè)帶來深刻變革，在此背景下，區(qū)塊鏈知識(shí)社區(qū)應(yīng)運(yùn)而生。在知識(shí)社區(qū)領(lǐng)域，區(qū)塊鏈主要以其獨(dú)特的通證獎(jiǎng)勵(lì)機(jī)制吸引用戶持續(xù)不斷地自發(fā)維護(hù)社區(qū)的良好運(yùn)行。這種機(jī)制是一種強(qiáng)化目標(biāo)行為的管理系統(tǒng)，通過區(qū)塊鏈技術(shù)實(shí)現(xiàn)了可編程激勵(lì)，可激發(fā)用戶主動(dòng)進(jìn)行知識(shí)生成、分享與評(píng)價(jià)，以經(jīng)濟(jì)獎(jiǎng)勵(lì)引導(dǎo)用戶做出社區(qū)期望的行為，解決了傳統(tǒng)知識(shí)社區(qū)用戶知識(shí)分享意愿不高及內(nèi)容組織管理低效的問題[11，12]。根據(jù)前人文獻(xiàn)，本文將區(qū)塊鏈知識(shí)社區(qū)定義為——以區(qū)塊鏈技術(shù)為基礎(chǔ)特征，社區(qū)成員為了社交或者知識(shí)需求而聯(lián)結(jié)在一起的虛擬組織。

近年來，區(qū)塊鏈知識(shí)社區(qū)引起了學(xué)術(shù)界的重點(diǎn)關(guān)注和研究。目前國內(nèi)外關(guān)于區(qū)塊鏈虛擬知識(shí)社區(qū)的研究成果豐碩。由于Steemit是該領(lǐng)域的最早也最成熟的應(yīng)用，理論界目前還是集中在Steemit社區(qū)進(jìn)行探索。Thelwall等[5]抽取了Steemit社區(qū)925 092名用戶行為信息，分析了發(fā)帖者收益機(jī)制及社區(qū)如何激勵(lì)發(fā)帖，發(fā)現(xiàn)高收益帖子的共同特點(diǎn)是社交性和個(gè)性化程度更強(qiáng)。Mengting等[7]從社會(huì)資本和股份資本兩個(gè)角度探討Steemit自治社區(qū)中成員積極參與度的影響因素，證明社會(huì)反饋和經(jīng)濟(jì)反饋均對(duì)成員參與行為有顯著影響。馬強(qiáng)等[8]著眼于區(qū)塊鏈的特點(diǎn)，設(shè)計(jì)了基于區(qū)塊鏈技術(shù)的網(wǎng)絡(luò)謠言治理模型。上述研究主要關(guān)注區(qū)塊鏈知識(shí)社區(qū)中的積極現(xiàn)象，然而，也有學(xué)者針對(duì)區(qū)塊鏈知識(shí)社區(qū)內(nèi)的不健康現(xiàn)象進(jìn)行研究。例如，Chohan[13]定性分析了Steemit為代表的區(qū)塊鏈社區(qū)在發(fā)展過程中濫用無政府主義以及問責(zé)制度的問題。Li等[14]實(shí)證分析Steemit用戶的交易行為，發(fā)現(xiàn)社區(qū)平臺(tái)中去中心化的實(shí)際水平以及加密貨幣驅(qū)動(dòng)的獎(jiǎng)勵(lì)系統(tǒng)的實(shí)際效果并不理想，存在機(jī)器人濫用文章點(diǎn)贊功能等問題。

總體而言，雖然上述文獻(xiàn)對(duì)區(qū)塊鏈知識(shí)社區(qū)進(jìn)行了多方位的探討，但是其研究也存在一定改進(jìn)空間，具體表現(xiàn)如下：一方面多數(shù)研究是以定性研究或?qū)嵶C研究為主要手段，不能深入探討區(qū)塊鏈知識(shí)社區(qū)研究對(duì)象的長期動(dòng)態(tài)變化趨勢(shì)；另一方面，當(dāng)前研究主要從個(gè)體微觀角度展開，對(duì)社區(qū)用戶之間的復(fù)雜關(guān)系缺乏系統(tǒng)化分析?；谏鲜鲅芯烤窒扌?，本文關(guān)注了

對(duì)社區(qū)有危害的投機(jī)行為，在社區(qū)層面對(duì)其進(jìn)行研究，以系統(tǒng)動(dòng)力學(xué)方法模擬投機(jī)行為的動(dòng)態(tài)變化，并從機(jī)制設(shè)計(jì)角度提出相應(yīng)治理政策，有助于豐富本領(lǐng)域研究。

1.2 投機(jī)行為治理的研究

投機(jī)行為概念最早出現(xiàn)于金融市場(chǎng)，指?jìng)€(gè)體利用市場(chǎng)差價(jià)獲取利潤，后來被廣泛應(yīng)用于房地產(chǎn)、商業(yè)交易、組織合作等多領(lǐng)域。學(xué)者們把投機(jī)行為分為積極和消極兩種，其中廣義的消極投機(jī)行為（也稱機(jī)會(huì)主義行為）是指?jìng)€(gè)體采用不誠實(shí)的手段或違背契約以謀取個(gè)人利益[15]。類比投機(jī)概念，本文定義Steemit的不良現(xiàn)象為內(nèi)容生產(chǎn)的投機(jī)行為。它是指內(nèi)容創(chuàng)作者在區(qū)塊鏈知識(shí)社區(qū)中以獲取用戶點(diǎn)贊、關(guān)注和評(píng)論為主要目的，創(chuàng)作標(biāo)題文等內(nèi)容質(zhì)量低劣帖子的行為。

鑒于消極投機(jī)行為對(duì)組織的負(fù)面影響，前人從各種角度對(duì)這種投機(jī)行為治理展開分析。已有學(xué)者證實(shí)組織中的投機(jī)行為是利益驅(qū)動(dòng)的行為，減少投機(jī)行為所獲利益可直接影響投機(jī)行為[16]；也有研究指出私人關(guān)系約束等非經(jīng)濟(jì)因素可以抑制組織成員的投機(jī)行為[17，18]。本文基于現(xiàn)有的投機(jī)行為治理理論和區(qū)塊鏈知識(shí)社區(qū)實(shí)際機(jī)制，從減少投機(jī)行為所獲經(jīng)濟(jì)與非經(jīng)濟(jì)收益和加大對(duì)投機(jī)行為的懲罰力度兩方面探索投機(jī)行為的治理。

1.3 研究場(chǎng)景簡(jiǎn)介

本文以Steemit為研究對(duì)象，Steemit（https://steemit.com）是全球首個(gè)基于區(qū)塊鏈的線上知識(shí)社區(qū)。自2016年面世以來，Steemit迅速發(fā)展，目前已擁有超過140萬的用戶。在Steemit社區(qū)內(nèi)，用戶可以進(jìn)行發(fā)帖、點(diǎn)贊、點(diǎn)踩、轉(zhuǎn)發(fā)與評(píng)論帖子，也可以進(jìn)行關(guān)注其他用戶、交易轉(zhuǎn)賬等多種操作。發(fā)布帖子的用戶稱為內(nèi)容創(chuàng)作者，對(duì)帖子點(diǎn)贊、點(diǎn)踩與評(píng)論的用戶稱為內(nèi)容發(fā)現(xiàn)者，而那些不帶有強(qiáng)烈目的瀏覽社區(qū)內(nèi)容，不做內(nèi)容分享有關(guān)行為的用戶則稱為瀏覽者。用戶發(fā)帖和點(diǎn)贊評(píng)論帖子均會(huì)獲得收益，但是用戶點(diǎn)踩帖子沒有收益。社區(qū)收益以通證（Token）的形式發(fā)放[19]，對(duì)所有促進(jìn)知識(shí)共享的用戶進(jìn)行獎(jiǎng)勵(lì)。在這里通證相當(dāng)于自由流通的加密數(shù)字權(quán)益證明，具有經(jīng)濟(jì)價(jià)值，同時(shí)為了保證通證價(jià)值的穩(wěn)定性，Steemit發(fā)行并允許用戶兌換一種錨定美元的穩(wěn)定幣Steem Dollar，進(jìn)而將內(nèi)容創(chuàng)作者和內(nèi)容發(fā)現(xiàn)者的收益與內(nèi)容質(zhì)量直接掛鉤，使發(fā)布、發(fā)現(xiàn)高質(zhì)量內(nèi)容的用戶獲得更高的收益。

Steemit的通證激勵(lì)機(jī)制既提高了用戶的知識(shí)分享意愿，也逐漸引發(fā)了內(nèi)容生產(chǎn)的投機(jī)行為，投機(jī)行為表現(xiàn)在內(nèi)容創(chuàng)作者在發(fā)帖時(shí)基于利益最大化付出成本最小化的原則創(chuàng)作劣質(zhì)帖子。而Steemit目前在投機(jī)行為的治理上存在兩大問題，一是缺乏獎(jiǎng)勵(lì)用戶去發(fā)現(xiàn)投機(jī)行為的機(jī)制；二是缺乏明確的懲罰投機(jī)行為的機(jī)制。因此目前的社區(qū)機(jī)制對(duì)內(nèi)容創(chuàng)作者的約束力度不強(qiáng)，其他內(nèi)容創(chuàng)作者根據(jù)對(duì)方行為也采用投機(jī)行為，從而形成內(nèi)容生產(chǎn)的囚徒困境[20]，長此以往將危害社區(qū)的內(nèi)容生態(tài)。

2 虛擬知識(shí)社區(qū)的投機(jī)行為仿真

根據(jù)上文分析，Steemit的投機(jī)行為可能對(duì)社區(qū)未來發(fā)展產(chǎn)生不良影響，因此研究此種行為的動(dòng)因及解決措施具有重要意義。而系統(tǒng)動(dòng)力學(xué)是一種分析復(fù)雜系統(tǒng)的常用方法，適合于刻畫系統(tǒng)的長期動(dòng)態(tài)變化趨勢(shì)[21]，因此常被用于虛擬知識(shí)社區(qū)的研究中?；谶@種特點(diǎn)，本文選擇系統(tǒng)動(dòng)力學(xué)方法，建立Steemit社區(qū)投機(jī)行為仿真模型，考察社區(qū)用戶之間、用戶行為與底層機(jī)制之間的非線性動(dòng)態(tài)關(guān)系，并探索應(yīng)對(duì)投機(jī)行為的解決方案，以期對(duì)社區(qū)的內(nèi)容生態(tài)發(fā)展提供建議。

2.1 模型基本前提和假設(shè)

Steemit社區(qū)內(nèi)容生產(chǎn)的投機(jī)行為受眾多因素的影響，且因素之間存在相互影響、彼此制約的關(guān)系，為有效地分析內(nèi)容生產(chǎn)投機(jī)行為的主要影響因素，本文提出如下假設(shè)：

（1）社區(qū)內(nèi)與知識(shí)分享有關(guān)的所有用戶包括內(nèi)容創(chuàng)作者、內(nèi)容發(fā)現(xiàn)者、瀏覽者。

（2）三類用戶可以互相轉(zhuǎn)化，內(nèi)容創(chuàng)作者為其他帖子投票進(jìn)而轉(zhuǎn)化為內(nèi)容發(fā)現(xiàn)者，內(nèi)容發(fā)現(xiàn)者可以發(fā)布帖子進(jìn)而成為創(chuàng)作者，瀏覽者隨著用戶對(duì)社區(qū)的歸屬感、信任感增強(qiáng)或希望獲得一定收益，就有可能轉(zhuǎn)化為內(nèi)容創(chuàng)作者或內(nèi)容發(fā)現(xiàn)者。

（3）隨著時(shí)間推移，社區(qū)內(nèi)新增用戶數(shù)來自于新注冊(cè)社區(qū)的用戶，且各種類型的用戶的自然流失數(shù)不作考慮。

（4）社區(qū)相當(dāng)于一個(gè)小的生態(tài)系統(tǒng)，為了保證社區(qū)的穩(wěn)定發(fā)展，Steemit設(shè)計(jì)了免于外界市場(chǎng)干擾的通證體系，因此社區(qū)內(nèi)通證兌換為美元的比例（即通證價(jià)格）由通證的供需關(guān)系和用戶對(duì)通證價(jià)值的期望決定。所以通證價(jià)格在一定范圍內(nèi)浮動(dòng)[19]，不考慮因個(gè)別用戶或組織的刻意操作帶來價(jià)格的劇烈變化。

（5）本文認(rèn)為內(nèi)容創(chuàng)作者的收益還包括與知識(shí)共享所帶來的自我效能感、聲譽(yù)、社區(qū)影響、社會(huì)認(rèn)同[22-24]方面有關(guān)的非經(jīng)濟(jì)收益，因此總收益即經(jīng)濟(jì)收益和非經(jīng)濟(jì)收益之和。內(nèi)容發(fā)現(xiàn)者的總收益是點(diǎn)贊獲得收益與非經(jīng)濟(jì)收益之和。

2.2 模型流圖分析

根據(jù)前文分析并結(jié)合Steemit社區(qū)的實(shí)際情形，繪制如圖1所示的模型流圖。社區(qū)整體系統(tǒng)可分為三個(gè)子系統(tǒng)：用戶子系統(tǒng)、獎(jiǎng)勵(lì)子系統(tǒng)及知識(shí)子系統(tǒng)。用戶子系統(tǒng)是獎(jiǎng)勵(lì)子系統(tǒng)的接受者以及知識(shí)子系統(tǒng)的創(chuàng)造者，獎(jiǎng)勵(lì)子系統(tǒng)是知識(shí)子系統(tǒng)的運(yùn)轉(zhuǎn)動(dòng)力，而知識(shí)子系統(tǒng)是保證用戶子系統(tǒng)良好運(yùn)行的核心。

圖1 Steemit社區(qū)內(nèi)容生產(chǎn)的投機(jī)行為系統(tǒng)動(dòng)力學(xué)流圖

用戶子系統(tǒng)如圖2所示，包括瀏覽者、內(nèi)容創(chuàng)作者、內(nèi)容發(fā)現(xiàn)者三種用戶，社區(qū)內(nèi)部不斷流入新的注冊(cè)用戶，新注冊(cè)用戶轉(zhuǎn)化為三種用戶，三種用戶之間可互相轉(zhuǎn)化并且三者之和為用戶總數(shù)。

圖2 Steemit社區(qū)用戶子系統(tǒng)

獎(jiǎng)勵(lì)子系統(tǒng)如圖3所示，社區(qū)每年按照相應(yīng)速率生成新區(qū)塊和新通證以維持社區(qū)正常運(yùn)轉(zhuǎn)，并將新增發(fā)通證以固定比例放入內(nèi)容創(chuàng)作和內(nèi)容發(fā)現(xiàn)獎(jiǎng)勵(lì)池形成獎(jiǎng)勵(lì)池收益，其中通證的價(jià)格受到供應(yīng)端的通證供應(yīng)量、需求端的用戶總數(shù)和用戶的心理預(yù)期影響。

圖3 Steemit社區(qū)獎(jiǎng)勵(lì)子系統(tǒng)

知識(shí)子系統(tǒng)如圖4所示，帖子的點(diǎn)贊評(píng)論數(shù)量、點(diǎn)踩數(shù)量受到獎(jiǎng)勵(lì)子系統(tǒng)的獎(jiǎng)勵(lì)池經(jīng)濟(jì)收益和自我效能感、聲譽(yù)、社會(huì)認(rèn)同、社區(qū)影響組成的內(nèi)容發(fā)現(xiàn)動(dòng)力的非經(jīng)濟(jì)因素影響。進(jìn)而內(nèi)容生產(chǎn)的投機(jī)行為數(shù)量受到帖子的點(diǎn)贊評(píng)論數(shù)量、點(diǎn)踩數(shù)量有關(guān)的經(jīng)濟(jì)因素和自我效能感、聲譽(yù)、社會(huì)認(rèn)同、社區(qū)影響組成的內(nèi)容創(chuàng)作動(dòng)力的非經(jīng)濟(jì)因素影響。最后社區(qū)內(nèi)的各種知識(shí)分享行為還受到系統(tǒng)本身內(nèi)存權(quán)限的限制不能無上限地增加。

圖4 Steemit社區(qū)知識(shí)子系統(tǒng)

2.3 模型參數(shù)估計(jì)與檢驗(yàn)

2.3.1 Steemit社區(qū)相關(guān)變量數(shù)值

本文中的Steemit社區(qū)用戶相關(guān)的數(shù)據(jù)是從Steemit網(wǎng)站上爬取所得，社區(qū)內(nèi)的區(qū)塊總數(shù)（Head block）和通證總數(shù)（STEEM-Current supply）來自于Steem DB瀏覽器（https://steemd.com/）截至2021年1月8日19時(shí)的數(shù)據(jù)。表1展示了本文中 Steemit社區(qū)相關(guān)變量的數(shù)值情況。

表1 Steemit社區(qū)相關(guān)變量數(shù)值

2.3.2 年通脹率

年通脹率（縱坐標(biāo)所示）在 Steemit社區(qū)里面特指通證的發(fā)行速度。根據(jù)白皮書描述，通證按照2016年末初始通貨膨脹率為9.5%的速度增發(fā)，然后每隔250 000個(gè)區(qū)塊遞減0.01%（即每年遞減0.5%），直到減至0.95%停止，這個(gè)遞減的過程將持續(xù)20.5年，之后一直以0.95%的速率增發(fā)[19]。基于本文設(shè)置的時(shí)間點(diǎn)為2021年初，此時(shí)年通脹率為7.5%，遞減到10年后年通脹率為3.0%。本文以線性函數(shù)刻畫年通脹率隨時(shí)間的變化規(guī)律，如圖5所示。

圖5 年通脹率的參數(shù)設(shè)置

2.3.3 通證價(jià)格

通證價(jià)格是1通證可以兌換成單位美元的數(shù)量。根據(jù)Steemit白皮書，在正常的情況下1通證約等于1美元，并且在不超過0.95～1.05的價(jià)格區(qū)間內(nèi)上下浮動(dòng)[19]。根據(jù)本文假設(shè)的條件，社區(qū)內(nèi)通證價(jià)格處于正常情況下的數(shù)值不會(huì)劇烈變化，本文的仿真結(jié)果如圖6所示也驗(yàn)證了這一點(diǎn)，通證價(jià)格（縱坐標(biāo)所示）在120個(gè)月內(nèi)始終處于0.9 583～1.050的價(jià)格范圍內(nèi)且大多數(shù)情況下于1.000的基準(zhǔn)線上變化。這也驗(yàn)證了本文的仿真設(shè)置是較為合理的，貼近真實(shí)社區(qū)情形。

圖6 Steemit社區(qū)通證價(jià)格仿真結(jié)果

對(duì)于其他變量的取值和公式，本文均根據(jù)以往文獻(xiàn)的結(jié)果和與該領(lǐng)域的專家的討論結(jié)果所設(shè)置，此處不再贅述。

2.4 模型仿真及結(jié)果

本文的開始仿真時(shí)間為2021年1月，在模型的初始時(shí)間起點(diǎn)設(shè)置為0，結(jié)束時(shí)間為120月后。為了更加細(xì)致地觀察社區(qū)內(nèi)內(nèi)容生產(chǎn)的投機(jī)行為的變化趨勢(shì)，將時(shí)間間隔設(shè)置為1個(gè)月。

由圖7可看出，在社區(qū)不加干預(yù)的狀態(tài)下，內(nèi)容生產(chǎn)的投機(jī)行為數(shù)量（縱坐標(biāo)所示）在未來10年間呈現(xiàn)先上升后下降的趨勢(shì)。這是因?yàn)殡S著社區(qū)的發(fā)展，社區(qū)的活躍用戶數(shù)不斷增加，社區(qū)不斷發(fā)展使得投機(jī)行為所獲收益增加，所以投機(jī)行為的數(shù)量不斷增加，致使社區(qū)的內(nèi)容環(huán)境受到污染；繼而社區(qū)知識(shí)分享用戶數(shù)量開始減少，整個(gè)社區(qū)發(fā)展受阻導(dǎo)致投機(jī)行為所獲利益變少，隨之投機(jī)行為數(shù)量自然衰減。

圖7 Steemit社區(qū)投機(jī)行為變量仿真結(jié)果

2.5 政策調(diào)控模擬分析

由上文的分析過程可見社區(qū)通證的供應(yīng)和價(jià)格、用戶獲得收益和懲罰等因素會(huì)對(duì)社區(qū)用戶的知識(shí)共享行為產(chǎn)生影響。以這些因素為切入點(diǎn)，本文通過調(diào)試知識(shí)子系統(tǒng)的用戶點(diǎn)踩每單位所獲收益、獎(jiǎng)勵(lì)子系統(tǒng)的獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作比例與獎(jiǎng)勵(lì)知識(shí)分享比例、年通脹率等關(guān)鍵變量，觀察內(nèi)容生產(chǎn)投機(jī)行為數(shù)量的變動(dòng)情況，具體調(diào)控方案如下。

2.5.1 調(diào)整用戶點(diǎn)踩每單位所獲收益

目前Steemit社區(qū)點(diǎn)踩的用戶沒有收益，用戶缺乏對(duì)投機(jī)行為的發(fā)現(xiàn)動(dòng)力和舉報(bào)動(dòng)力。如圖8所示，在自然狀態(tài)即用戶點(diǎn)踩所獲收益為0時(shí)，內(nèi)容生產(chǎn)投機(jī)行為的數(shù)量呈現(xiàn)上升至頂峰又下降的趨勢(shì)。通過調(diào)整用戶點(diǎn)踩每單位所獲收益（1單位收益為0.001個(gè)通證）分別為0、1、1.1、1.5、4、6（即0、原值、+10%、+50%、+300%、+500%）個(gè)單位時(shí)，仿真結(jié)果顯示帖子的點(diǎn)踩數(shù)量依次正向增加，投機(jī)行為的數(shù)量則負(fù)向減少。將用戶點(diǎn)踩所獲收益不為0的5種情況與用戶點(diǎn)踩所獲收益為0的情況相比，可見投機(jī)行為的數(shù)量大幅減少，峰值也明顯降低，且都呈現(xiàn)出先增加后減少的趨勢(shì)。

圖8 調(diào)整用戶點(diǎn)踩每單位所獲收益對(duì)內(nèi)容生產(chǎn)的投機(jī)行為影響的仿真結(jié)果

其中用戶點(diǎn)踩每單位所獲收益為+300%、+500%兩種情況時(shí)，帖子的點(diǎn)踩數(shù)量在達(dá)到一定閾值時(shí)便不再增加，投機(jī)行為數(shù)量的變化曲線也產(chǎn)生重合，即設(shè)置用戶點(diǎn)踩每單位所獲收益為400%至以上時(shí)，抑制投機(jī)行為的效果最好。這是由于社區(qū)本身存在避免惡意點(diǎn)踩的機(jī)制，使得用戶不可以無限點(diǎn)踩，因此投機(jī)行為數(shù)量減少至一定水平便停止減少。仿真結(jié)果說明調(diào)整用戶點(diǎn)踩所獲收益可顯著影響投機(jī)行為的數(shù)量，且在一定范圍內(nèi)用戶點(diǎn)踩所獲收益與投機(jī)行為數(shù)量呈負(fù)相關(guān)，超過閾值則不會(huì)有明顯降低。因此建議設(shè)置每次用戶點(diǎn)踩獲得4個(gè)單位收益的機(jī)制，即0.004個(gè)通證，可以使得投機(jī)行為數(shù)量降至最低又避免浪費(fèi)通證獎(jiǎng)勵(lì)。

2.5.2 調(diào)整獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作和內(nèi)容發(fā)現(xiàn)的比例

目前Steemit將65%比例的新增發(fā)通證放入知識(shí)分享獎(jiǎng)勵(lì)池，即獎(jiǎng)勵(lì)知識(shí)分享比例為65%，再分別以65%、35%的比例獎(jiǎng)勵(lì)給內(nèi)容創(chuàng)作和內(nèi)容發(fā)現(xiàn)者。最終獎(jiǎng)勵(lì)內(nèi)容發(fā)現(xiàn)者比例和獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作者比例之和是100%，兩者是此消彼長的關(guān)系。如圖9所示，本文分別將獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作和內(nèi)容發(fā)現(xiàn)的比例調(diào)整為65%與35%、75%與25%、45%與55%、55%與45%（即原值、+10%與-10%、-20%與+20%、-10%與+10%）。

圖9 調(diào)整獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作和內(nèi)容發(fā)現(xiàn)的比例對(duì)內(nèi)容生產(chǎn)的投機(jī)行為的影響仿真結(jié)果

在上調(diào)獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作的比例時(shí)（即+10%與-10%），內(nèi)容生產(chǎn)的投機(jī)行為數(shù)量明顯高于其他3種情況，并且呈現(xiàn)遞增的趨勢(shì)。這是因?yàn)楠?jiǎng)勵(lì)內(nèi)容創(chuàng)作者的比例變高，內(nèi)容創(chuàng)作者獲得更高收益，相應(yīng)地就產(chǎn)生更多投機(jī)行為。與此同時(shí)獎(jiǎng)勵(lì)內(nèi)容發(fā)現(xiàn)者的比例變低，內(nèi)容發(fā)現(xiàn)者缺少動(dòng)力發(fā)現(xiàn)投機(jī)行為的帖子。這導(dǎo)致約束投機(jī)行為的力度不足，進(jìn)而使得投機(jī)行為的數(shù)量升高。

在下調(diào)獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作的比例時(shí)（即-10%與+10%、-20%與+20%），相應(yīng)地內(nèi)容生產(chǎn)的投機(jī)行為數(shù)量也依次下降，且都呈現(xiàn)先增加后減少的趨勢(shì)。觀察圖9（a）和圖9（d），當(dāng)降低獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作的比例時(shí)，內(nèi)容生產(chǎn)的投機(jī)行為數(shù)量會(huì)減少，并且下降的幅度逐漸減小。同時(shí)內(nèi)容創(chuàng)作者的數(shù)量，即社區(qū)內(nèi)知識(shí)產(chǎn)出總量也隨之降低，然而下降的幅度較為均勻。這說明繼續(xù)下降獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作比例，投機(jī)行為數(shù)量不會(huì)大幅下降，而內(nèi)容創(chuàng)作者數(shù)量則會(huì)進(jìn)一步穩(wěn)定下降。因此，對(duì)社區(qū)而言，將獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作的比例下調(diào)10%是一個(gè)合適的選擇。

2.5.3 調(diào)整獎(jiǎng)勵(lì)知識(shí)分享的比例

當(dāng)前Steemit每年以65%比例對(duì)知識(shí)分享進(jìn)行獎(jiǎng)勵(lì)。為驗(yàn)證不同的獎(jiǎng)勵(lì)知識(shí)分享比例對(duì)投機(jī)行為數(shù)量的影響，本文將獎(jiǎng)勵(lì)知識(shí)分享比例調(diào)整為65%、60%、55%、70%、75%（即原值、-5%、-10%、+5%、+10%），仿真結(jié)果如圖10所示。

圖10 調(diào)整獎(jiǎng)勵(lì)知識(shí)分享的比例對(duì)內(nèi)容生產(chǎn)的投機(jī)行為的影響仿真結(jié)果

因獎(jiǎng)勵(lì)知識(shí)分享的比例與上文獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作、內(nèi)容發(fā)現(xiàn)者的比例為直接的倍數(shù)關(guān)系，因此仿真結(jié)果呈現(xiàn)類似的趨勢(shì)。獎(jiǎng)勵(lì)知識(shí)分享的比例越高，表明內(nèi)容創(chuàng)作者獲得利益也越高，內(nèi)容創(chuàng)作者數(shù)量也越高，投機(jī)行為的數(shù)量也隨之增加。這也透露出社區(qū)在應(yīng)對(duì)投機(jī)行為時(shí)需要考慮雙重影響，既要保證抑制投機(jī)行為又要防止因經(jīng)濟(jì)激勵(lì)過低打擊知識(shí)分享者的熱情。仿真結(jié)果顯示，在現(xiàn)有獎(jiǎng)勵(lì)知識(shí)分享的比例上分別降低5%和10%時(shí)，內(nèi)容生產(chǎn)的投機(jī)行為數(shù)量隨之降低，但數(shù)值最終在108～120個(gè)月時(shí)較為接近，然而內(nèi)容創(chuàng)作者的數(shù)量隨著下調(diào)獎(jiǎng)勵(lì)知識(shí)分享比例均勻下降，并在60個(gè)月以后逐漸擴(kuò)大差距。繼續(xù)降低獎(jiǎng)勵(lì)知識(shí)分享比例，對(duì)最終投機(jī)行為的數(shù)量影響不大，卻會(huì)顯著降低內(nèi)容創(chuàng)作者數(shù)量，因此建議在現(xiàn)有的獎(jiǎng)勵(lì)知識(shí)分享的比例上降低5%為宜。

2.5.4 調(diào)整年通脹率

Steemit通證的發(fā)行速度即通脹率維持在規(guī)定的速率，通證的供應(yīng)速度影響通證價(jià)值，繼而影響社區(qū)內(nèi)用戶收益。本文分別調(diào)整年通脹率為原值、+5%、-5%、-10%、-15%的速度供應(yīng)通證，對(duì)應(yīng)的投機(jī)行為數(shù)量的仿真結(jié)果如圖11所示。

圖11 調(diào)整年通脹率對(duì)內(nèi)容生產(chǎn)的投機(jī)行為的影響仿真結(jié)果

在五種不同的通脹速率下，投機(jī)行為的數(shù)量變化呈現(xiàn)出相同的走勢(shì)。當(dāng)年通脹率以高于原值的速度供應(yīng)通證時(shí)，投機(jī)行為的數(shù)量也高于原值。這是因?yàn)橥ㄗC的發(fā)行速度過快，通證供應(yīng)變多，采用投機(jī)行為更加有利可圖，因此更多用戶采用投機(jī)行為；當(dāng)年通脹率分別以-5%、-10%、-15%的速度時(shí)，投機(jī)行為的數(shù)量均低于原值，并且年通脹率值越低時(shí)投機(jī)行為的數(shù)量也越低，對(duì)應(yīng)的內(nèi)容創(chuàng)作者數(shù)量也越低。即此時(shí)社區(qū)的投機(jī)行為所獲收益減少使得越少用戶采用投機(jī)行為，同時(shí)社區(qū)用戶的知識(shí)分享意愿也減弱。結(jié)果顯示年通脹率降低5%、10%、15%時(shí)，對(duì)應(yīng)的投機(jī)行為數(shù)量的下降幅度越來越小，變化幅度分別為7910、6912、5988、5107，而對(duì)應(yīng)的內(nèi)容創(chuàng)作者數(shù)量的下降幅度則較為均勻。這表示繼續(xù)下降年通脹率對(duì)投機(jī)行為的抑制效果越來越弱，卻會(huì)嚴(yán)重影響創(chuàng)作者數(shù)量，因此建議年通脹率在現(xiàn)有水平上降低5%。

3 結(jié)論與展望

本文基于系統(tǒng)動(dòng)力學(xué)理論，以Steemit社區(qū)的投機(jī)行為為研究對(duì)象，建立社區(qū)系統(tǒng)模型，仿真分析不同政策調(diào)控下內(nèi)容生產(chǎn)投機(jī)行為數(shù)量的變化情況，為Steemit社區(qū)現(xiàn)存問題提供如下建議與對(duì)策：

（1）應(yīng)對(duì)用戶點(diǎn)踩設(shè)置一定的經(jīng)濟(jì)收益。目前內(nèi)容生產(chǎn)投機(jī)行為沒有明確的約束機(jī)制，造成了一部分創(chuàng)作者利用機(jī)制的漏洞攫取利益。本文經(jīng)過分析發(fā)現(xiàn)，可以考慮對(duì)用戶點(diǎn)踩設(shè)置一定經(jīng)濟(jì)收益，使用戶有動(dòng)力發(fā)現(xiàn)更多的投機(jī)行為，進(jìn)而降低內(nèi)容創(chuàng)作的投機(jī)行為數(shù)量。同時(shí)仿真結(jié)果顯示，當(dāng)用戶的點(diǎn)踩收益為每次0.004個(gè)通證時(shí)，抑制投機(jī)行為的效果最佳。

（2）適當(dāng)減少社區(qū)獎(jiǎng)勵(lì)知識(shí)分享比例。目前社區(qū)對(duì)知識(shí)分享進(jìn)行獎(jiǎng)勵(lì)的機(jī)制，一方面促進(jìn)社區(qū)成員進(jìn)行知識(shí)分享，另一方面又可能誘發(fā)成員為了更多經(jīng)濟(jì)獎(jiǎng)勵(lì)采用投機(jī)行為。因此為了社區(qū)長遠(yuǎn)的發(fā)展，須在知識(shí)分享總量和內(nèi)容質(zhì)量之間做出權(quán)衡。由仿真結(jié)果可見，當(dāng)前社區(qū)獎(jiǎng)勵(lì)知識(shí)分享的比例過高，需要在當(dāng)前比例下適當(dāng)下調(diào)，才能減少投機(jī)行為數(shù)量，但若下調(diào)比例過高，也會(huì)影響社區(qū)內(nèi)容創(chuàng)作者的數(shù)量。本文的政策模擬結(jié)果顯示下調(diào)社區(qū)獎(jiǎng)勵(lì)知識(shí)分享比例在5%的幅度為宜。Steemit社區(qū)從原先的獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作的比例75%下調(diào)至如今的65%，從獎(jiǎng)勵(lì)知識(shí)分享的比例75%下調(diào)至如今的65%，也印證了這一分析結(jié)果[19]。

（3）適當(dāng)增加獎(jiǎng)勵(lì)內(nèi)容發(fā)現(xiàn)者比例同時(shí)減少獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作者比例。仿真結(jié)果表明，適當(dāng)增加獎(jiǎng)勵(lì)內(nèi)容發(fā)現(xiàn)者比例和減少獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作者比例，可以一定程度遏制投機(jī)行為，但增加獎(jiǎng)勵(lì)內(nèi)容發(fā)現(xiàn)者比例的幅度過大時(shí)，會(huì)影響社區(qū)的整體內(nèi)容創(chuàng)作活力。本文分析發(fā)現(xiàn)，在當(dāng)前的水平下對(duì)獎(jiǎng)勵(lì)內(nèi)容發(fā)現(xiàn)者比例增加10%，對(duì)獎(jiǎng)勵(lì)內(nèi)容創(chuàng)作者比例減少10%，可以達(dá)到調(diào)控的最優(yōu)目的。

（4）適當(dāng)下調(diào)年通脹率水平。當(dāng)前的年通脹速率過快，社區(qū)供應(yīng)的通證獎(jiǎng)勵(lì)隨之增加，易引發(fā)用戶的投機(jī)行為。本文的研究顯示在當(dāng)前的年通脹率水平上降低5%時(shí)，抑制投機(jī)行為的效果最理想，達(dá)到保證知識(shí)分享活力和內(nèi)容質(zhì)量的雙重目標(biāo)。

綜上所述，本文對(duì)于Steemit社區(qū)投機(jī)現(xiàn)象進(jìn)行分析，有助于促進(jìn)社區(qū)形成“優(yōu)質(zhì)內(nèi)容生成-優(yōu)質(zhì)內(nèi)容獲得高回報(bào)”的正向循環(huán)，改善社區(qū)內(nèi)容生態(tài)環(huán)境，同時(shí)也為同類區(qū)塊鏈知識(shí)社區(qū)未來的通證激勵(lì)機(jī)制設(shè)計(jì)提供參考。