第6章：貢献認定メカニズム

6.1 認定の核心的課題

貢献認定はGMCの最も重要かつ最も困難なコンポーネントです。核心的課題は以下にあります：

• 貢献は客観的（定量化可能）な場合も主観的（評価を要する）な場合もあります
• 客観的測定は本質的に不正に強いですが、カバー範囲が狭いです
• 主観的評価はカバー範囲が広いですが、操作されやすいです（偽のオンラインレビューに類似）

6.2 2つの取得方法

方法1：客観的測定

検証可能な客観的指標に基づき、システムが自動的にMeritを鋳造します：

測定次元	例	特徴
量による	対応した顧客数、提出した提案数	監査可能、不正に強い
時間による	サービス時間、オンライン時間	タイムスタンプが検証可能
成果物による	コードコミット、作成したドキュメント	オンチェーンで追跡可能

利点：自動的、効率的、不正の難易度が高い。 限界：すべてのタイプの貢献をカバーできません。

方法2：タスク報奨

特定のタスクにMeritをプリセットし、完了時にステークホルダーが投票で確認します：

1. 公開：タスクの目標、Merit報酬、影響期間を定義します
2. 実行：実行者がタスクを完了し結果を提出します
3. 投票：ステークホルダーが基準を満たしているか投票します
4. 鋳造：承認されると、システムがMeriTokenを鋳造します

6.3 ステークホルダーメカニズム

ステークホルダーとは誰か

特定の貢献に利害関係を持つ当事者です。例えば：

• 政府相談coFayの貢献 → そのユーザーが集団で投票します
• オープンソースプロジェクトの貢献 → プロジェクトのユーザーと協力者が投票します

重要なルール：高親密度の個人を除外する

GMCはソーシャル関係ネットワークを記録しているため、システムは以下が可能です：

1. 貢献者との親密度が閾値を超える個人を特定します
2. これらの個人を投票プールから除外します
3. 残りのステークホルダーから投票者を選出します

これが「身内が身内に投票する」ことを防ぐ核心的メカニズムです。

コンセンサス承認条件

• 比率閾値が設定されます（例：2/3の多数決）
• 投票の重みは投票者自身のMeriTokenに連動します
• 閾値を超えると、システムが自動的に鋳造します

6.4 影響期間の決定

各貢献認定では影響期間も決定する必要があります：

決定方法	適用シナリオ
貢献タイプによるプリセット	客観的測定（例：カスタマーサービス対応 = 30日）
タスク公開者が設定	タスク報奨
投票者が集団で決定	コミュニティコンセンサス

影響期間はそのMeritバッチの減衰率を決定します。

6.5 不正防止戦略

議論中の核心的問い：ビットコインのマイニングは純粋に客観的測定であり、本質的に不正に強い。しかしGMCには主観的評価が含まれる — 偽レビューをどのように防ぐのか？

アプローチ：主観性を排除するのではなく、不正のコストを利益をはるかに上回るものにすることです。

防御の組み合わせ：

1. 親密度除外：評価対象と親密な関係にある投票者を除外します
2. MeriToken加重：高評判の投票者がより大きな重みを持ちます。不正者はまず相当量の真正な評判を蓄積しなければなりません
3. 投票行動監査：特定の対象に頻繁に賛成投票する → 異常としてフラグ付けされます
4. ランダムサンプリング：ステークホルダープールから投票者をランダムに選出し、共謀の可能性を低減します
5. 遡及的責任追及：不正が発覚した場合、罰則メカニズムを通じて遡及的に対処できます

設計原則

貢献を可能な限り客観的に測定可能なコンポーネントに分解し、主観的評価の割合を減らします：

• 客観的測定を優先します（自動的、効率的、不正に強い）
• 主観的評価は客観的に定量化できないシナリオにのみ使用します
• 主観的評価には複数層の防御を採用し、不正リスクを低減します

6.6 議論メモ

貢献認定における設計上のトレードオフ：

• 効率性 vs. 公平性：客観的測定は効率的だが範囲が狭い。主観的評価は包括的だが操作されやすい
• 参加度 vs. 品質：投票閾値を下げると参加度は上がるが、評価品質が低下する可能性がある
• 現在のアプローチ：「客観優先 + 主観補完 + 多層防御」
• 拡張的問い：Meritは無から生まれるのか？ → 経済モデルの章を参照