Capítulo 6: Mecanismo de reconocimiento de contribuciones
6.1 El desafío central del reconocimiento
El reconocimiento de contribuciones es el componente más crítico y más difícil de GMC. El desafío central radica en:
- Las contribuciones pueden ser objetivas (cuantificables) o subjetivas (que requieren evaluación)
- La medición objetiva es naturalmente resistente al fraude pero tiene cobertura limitada
- La evaluación subjetiva tiene amplia cobertura pero es fácilmente manipulable (similar a las reseñas falsas en línea)
6.2 Dos métodos de adquisición
Método 1: Medición objetiva
Basado en métricas objetivas verificables, el sistema acuña Merit automáticamente:
| Dimensión de medición | Ejemplos | Características |
|---|---|---|
| Por volumen | Clientes atendidos, propuestas entregadas | Auditable, resistente al fraude |
| Por tiempo | Horas de servicio, duración en línea | Las marcas de tiempo son verificables |
| Por producción | Commits de código, documentación producida | Rastreable en cadena |
Ventajas: Automático, eficiente, alta dificultad de fraude. Limitaciones: No puede cubrir todos los tipos de contribuciones.
Método 2: Recompensa por tarea
Merit preestablecido para una tarea específica; tras la finalización, las partes interesadas votan para confirmar:
- Publicar: Definir el objetivo de la tarea, la recompensa de Merit y la duración de influencia
- Ejecutar: El ejecutor completa la tarea y envía los resultados
- Votar: Las partes interesadas votan sobre si se cumplen los criterios
- Acuñar: Tras la aprobación, el sistema acuña MeriToken
6.3 Mecanismo de partes interesadas
Quiénes son las partes interesadas
Partes con un interés en una contribución determinada. Por ejemplo:
- La contribución de un coFay de consultoría gubernamental → votada colectivamente por sus usuarios
- Una contribución a un proyecto de código abierto → votada por los usuarios y colaboradores del proyecto
Regla clave: Excluir a individuos de alta intimidad
Dado que GMC registra la red de relaciones sociales, el sistema puede:
- Identificar individuos cuya intimidad con el contribuyente excede un umbral
- Excluir a estos individuos del grupo de votantes
- Seleccionar votantes entre las partes interesadas restantes
Este es el mecanismo central para prevenir que "los cercanos voten por los cercanos".
Condiciones de aprobación por consenso
- Se establece un umbral de proporción (por ejemplo, mayoría de 2/3)
- El peso del voto está vinculado al MeriToken propio del votante
- Una vez superado el umbral, el sistema acuña automáticamente
6.4 Determinación de la duración de influencia
Cada reconocimiento de contribución también debe determinar la duración de influencia:
| Método de determinación | Escenario aplicable |
|---|---|
| Preestablecido por tipo de contribución | Medición objetiva (por ejemplo, interacción de servicio al cliente = 30 días) |
| Establecido por el publicador de la tarea | Recompensa por tarea |
| Decidido colectivamente por los votantes | Consenso comunitario |
La duración de influencia determina la tasa de decaimiento de ese lote de Merit.
6.5 Estrategias anti-fraude
Pregunta central en discusión: La minería de Bitcoin es medición puramente objetiva, naturalmente resistente al fraude. Pero GMC incluye evaluación subjetiva — ¿cómo prevenimos las reseñas falsas?
Enfoque: No eliminar la subjetividad, sino hacer que el costo del fraude supere con creces el beneficio.
Combinación de defensas:
- Exclusión por intimidad: Excluir a votantes con relaciones cercanas al sujeto evaluado
- Ponderación por MeriToken: Los votantes de alta reputación tienen más peso; los defraudadores deben primero acumular una reputación genuina sustancial
- Auditoría de comportamiento de voto: Votar frecuentemente a favor de un sujeto específico → marcado como anómalo
- Muestreo aleatorio: Seleccionar aleatoriamente votantes del grupo de partes interesadas para reducir la posibilidad de colusión
- Responsabilidad retroactiva: Si se descubre fraude, puede abordarse retroactivamente a través del mecanismo de sanción
Principio de diseño
Descomponer las contribuciones en componentes objetivamente medibles tanto como sea posible, reduciendo la proporción de evaluación subjetiva:
- Priorizar la medición objetiva (automática, eficiente, resistente al fraude)
- La evaluación subjetiva se usa solo para escenarios que no pueden cuantificarse objetivamente
- La evaluación subjetiva emplea múltiples capas de defensa para reducir el riesgo de fraude
6.6 Notas de discusión
Compromisos de diseño en el reconocimiento de contribuciones:
- Eficiencia vs. equidad: La medición objetiva es eficiente pero limitada; la evaluación subjetiva es integral pero susceptible a manipulación
- Participación vs. calidad: Reducir el umbral de votación aumenta la participación pero puede reducir la calidad de la evaluación
- Enfoque actual: "Objetivo primero + complemento subjetivo + defensa multicapa"
- Pregunta extendida: ¿Cómo se crea Merit de la nada? → Ver el capítulo de Modelo Económico