基于前景理论的区块链自治组织知识共享协同合作演化博弈研究

李志宏, 乔贵鸿, 许小颖, 田明昊

(华南理工大学 工商管理学院,广东 广州 510640)

0 引言

在知识经济时代,在线社区作为群体智慧涌现和知识共享的典型众创平台,有效推动了知识创新的协同合作[1]。然而,传统中心化平台仍存在一些问题。首先,用户信息都存储在中心化服务器上,这意味着管理者可以在未经许可的情况下利用这些数据来获利[2]。其次,中心化平台利用用户贡献内容的价值进行商业变现,而用户却无任何利益分成[3]。此外,激励机制的同质化设计导致社区出现了“90-9-1”现象[4],这极大地削弱了用户共享知识的动力。

区块链的兴起促进了组织变革,催生出一种新型的组织形式——区块链自治组织[5],为传统社区的知识治理缺陷提供了全新的解决思路。HSIEH等将区块链自治组织定义为一种可自主运行的组织形式,不受任何中心化控制或第三方干预[6]。Steemit是代表性的组织之一,它通过设计基于通证的激励机制,将通证奖励和社区特权公平公开地赋予对社区发展做出贡献的用户[2]。与传统社区相比,Steemit利用通证的价值属性与治理能力,不仅增加了用户的预期收益,还赋予其一定的社区治理特权。这种全新的知识变现方式从物质层面和心理层面同时激励用户参与知识共享协同合作。

随着区块链的迅速发展,学者们开始将研究重点放在通证激励对用户知识共享行为偏好的影响方面。LIU等的实证研究表明,不同权益属性的通证能够满足用户参与社区活动的不同动机,促进了用户的知识共享行为[2];KIM和CHUNG认为适当的通证激励可以实现社区知识的可持续增长[7];唐洪婷等认为通证激励的引入丰富了Steemit社区的内容生态[8]。虽然通证激励在一定程度上促进了知识共享行为,但同时也存在着一些激励机制设计漏洞。如Steemit中存在为谋取个人利益而滥用通证激励机制的现象[9]。THELWALL认为目前推动Steemit发展的主要因素是用户间基于社交关系的共谋行为,而不是面向高质量知识共享的协同合作[10]。总之,目前的研究大多聚焦于通证激励对社区知识生态整体性的静态分析。然而,在通证激励对用户知识共享协同合作的动态作用机制以及具体的影响因素方面,仍缺乏深入讨论。

知识共享过程中各参与主体是否选择协同合作是一个复杂的博弈过程,用户参与意愿的形成还会受到外部环境的影响。通证作为一种动态激励方式,对促进用户协同合作起到了关键作用。然而,由于预期收益的不确定性,有限理性的用户对损益的感知程度存在差异。传统演化博弈模型无法完全解释行为主体的非理性心理因素与预期收益问题。因此,本文采用前景理论对用户的行为决策及偏好问题进行建模,构建了博弈双方的收益感知矩阵,并分析了用户协同合作的演化稳定策略。通过对各个参数的仿真分析,揭示了它们对用户行为策略选择的影响,并提出了相应的管理建议。

1 演化博弈模型构建

1.1 Steemit社区概述

Steemit是一个基于区块链的知识社区。它采用独特的通证激励来识别用户贡献,激励用户参与社区活动。Steemit设计了三种不同的通证,分别是STEEM,SP和SBD。值得注意的是,用户持有的SP数量将决定其在社区中的投票权重和获得的奖励份额。在Steemit社区中,用户可以对他人创作的帖子进行投票,社区根据帖子收到的投票权重,对帖子进行排序和过滤,以提高帖子的曝光度和知名度[11]。其中,帖子的创作者和投票者都会获得通证奖励,奖励会在帖子创建7天后自动计算和发放[2]。

1.2 模型假设

根据张洁和廖貅武[12]的研究及Steemit的特点,本文认为用户的知识创作行为(发帖)和知识传播行为(投票)都属于知识共享。同时,由于知识水平的差异性及通证持有量的不同,用户在参与知识共享协同合作过程中所担任的社区角色不同,且用户进行策略选择会受到社区内外部环境影响。因此,双方的知识共享决策取决于其对预期损益的判断。故本文做出如下假设:

假设1本文研究的博弈模型仅涉及两类用户,即知识创作者和知识传播者。个体在进行策略选择时主要考虑策略得失的感知价值,根据前景理论,这种感知价值可用前景价值V来描述。

V=∑π(pi)v(Δxi)

(1)

其中,pi为事件i发生的客观概率,π(pi)为决策者对事件i的主观决策权重,满足π(0)=0,π(1)=1。Δxi为事件i发生后用户相对于参照点x0的实际损益值,即Δxi=xi-x0。为方便分析,本文取0为参照点。v(xi)为个体对事件i的主观感知价值,如式(3)。

(2)

(3)

上式中,σ∈(0,1)为函数的调节参数;γ∈(0,1)为风险偏好系数,反映博弈主体对风险的承受程度;参数λ为损失规避系数,衡量决策者对损失的厌恶程度,与收益的重要性相比更高。

假设2博弈主体A和B在t时刻均只存在两种行为策略,其中用户A为知识创作者,其策略集为{创作,不创作};用户B为知识传播者,其策略集为{投票,不投票}。

假设3当用户选择{创作,投票}策略时,双方进行知识共享协同合作,用户生成内容被有效传播,双方不仅能获得直接收益,还能获得通证收益。获得通证导致用户物质财富的增加和对社区治理权的提升,作为既得利益者,双方将获得由于通证持有量增加而持续参与协同合作带来的潜在收益,同时还需承担其他用户的策略行为导致价值垄断造成的风险损失。当用户选择{创作,不投票}策略时,双方都不会获得通证收益,用户A需要付出前期的创作成本。当用户选择{不创作,投票}策略时,双方仍不会获得通证收益,用户B需要付出前期的传播成本。当用户选择{不创作,不投票}策略时,双方不参与知识共享,只能获得一般效用。

假设4由前景理论,用户进行策略选择时,会预设一个损益参考点,本文假设当用户获得的通证收益高于该参考点时,视为一次成功的协同合作,否则视为不成功。

假设5用户A选择“创作”策略的概率为x,选择“不创作”策略概率为1-x;用户B选择“投票”策略的概率为y,选择“不投票”策略的概率为1-y。其中0≤x,y≤1。

1.3 收益感知矩阵构建

基于上述假设,构建本文的博弈收益感知矩阵如表1,各参数含义如下:

表1 知识共享协同合作博弈收益感知矩阵

PA:用户A进行知识创作时需要付出的生产成本,包括用户创作知识所克服的时间空间成本和机会成本等。

PB:用户B进行知识传播时需要付出的投票成本,包括发现高质量知识所需的时间成本与消耗投票带宽所要承担的边际成本等。

RA,RB分别为用户A,B选择{不创作,不投票}策略时,可获得的一般效用。

SA,SB分别为用户A,B在非通证激励下进行知识创作&传播所获得的直接收益。

V1,V2分别为用户A,B对参与知识共享协同合作获得通证收益的感知效用。

V3,V4表示用户A,B知识共享协同合作成功后持续获得潜在收益的感知效用。

V5,V6分别为用户A,B对社区中策略投票行为造成潜在风险的感知效用。

当博弈双方采取{创作,投票}策略时,知识共享协同合作成功的概率为p,双方获得的总通证收益为K,潜在收益为K1和K2,通证收益分配系数为β和(1-β)。此时,博弈双方以没有参与共享时的通证收益0作为感知价值的参考点,即v(0)=0,则用户对通证收益和潜在收益的感知价值V1,V2,V3,V4分别为:

V1=π(p)·v(βK-0)+π(1-p)·v(0)

(4)

V2=π(p)·v((1-β)K-0)+π(1-p)·v(0)

(5)

V3=π(p)·v(K1-0)+π(1-p)·v(0)

(6)

V4=π(p)·v(K2-0)+π(1-p)·v(0)

(7)

同时,社区内还存在知识价值被垄断的风险,假设风险发生的概率为p1,用户A和用户B的潜在风险损失为K3和K4,则用户对潜在损失的感知价值V5,V6分别为:

V5=π(p)·v(K3-0)+π(1-p)·v(0)=π(p)·v(K3)

(8)

V6=π(p)·v(K4-0)+π(1-p)·v(0)=π(p)·v(K4)

(9)

1.4 演化博弈模型构建

UA1=y(RA+SA+V1-PA+V3-V5)+ (1-y)(RA+SA-PA)=y(V1+V3+V5)+RA+SA-PA

(10)

UA2=yRA+(1-y)RA=RA

(11)

(12)

UB1=x[RB+SB+V2-PB+V4-V6]+ (1-x)(RB+SB-PB)=x(V2+V4-V6)+RB+SB-PB

(13)

UB2=xRB+(1-x)RB=RB

(14)

(15)

因此,用户A选择“创作”策略以及用户B选择“投票”策略的复制动态方程分别为:

(16)

(17)

1.5 行为策略的稳定性分析

通过对用户A、B的复制动态方程求偏导,得到区块链自治组织知识共享协同合作动态演化系统的雅克比矩阵J如下:

该矩阵行列式为:

DetJ=(1-2x)[y(V1+V3-V5)+SA-PA]·(1-2y)[x(V2+V4-V6)+SB-PB]-x(1-x)(V1+V3-V5)·y(1-y)(V2+V4-V6)

该矩阵的迹为:

TrJ=(1-2x)[y(V1+V3-V5)+SA-PA]+(1-2y)[x(V2+V4-V6)+SB-PB]

根据Friedman方法,如果平衡点的行列式DetJ>0且迹TrJ<0,则该平衡点是局部稳定的。基于此有以下推论:

推论1当SA-PA<0,且SB-PB<0时,即博弈双方在非通证激励下获得的直接收益难以抵消投入的共享成本时,得出系统的演化稳定均衡点为E1(0,0)和E4(1,1)。具体见表2。

表2 各均衡点稳定性状态

推论2当SA-PA≥0,且SB-PB≥0时,即博弈双方在非通证激励下获得的直接收益能够弥补投入的共享成本时,会出现鹰鸽博弈的情况。此时,系统的演化稳定均衡点为E2(1,0)和E3(0,1)。具体见表3。

表3 各均衡点稳定性状态

推论3当SA-PA≥0,且SB-PB<0时,即用户A在非通证激励下进行知识创作获得的直接收益能够弥补其所投入的创作成本,但用户B进行知识传播获得的直接收益无法弥补其所投入的投票成本时,根据雅克比矩阵的稳定性分析,得知系统此时不存在演化稳定均衡点,并将围绕E5(x*,y*)做螺旋运动。当SA-PA≤0,且SB-PB>0时,结论不变。具体见表4:

表4 各均衡点稳定性状态

2 博弈模型结果分析

该二维动力系统旨在使博弈双方选择{创作,投票}策略,使系统收敛于演化稳定均衡解E4(1,1)。然而在实际情况中,社区中还存在各种投机行为,使得博弈双方参与协同合作的成本大于其所获得的直接收益。在对均衡点的稳定性分析过后,只有推论1与实际情况相符,系统收敛于E4(1,1)。因此,后续将仅关注推论1,并分析影响用户协同合作的相关参数。其中,博弈双方策略选择的复制动态关系如图1所示。

图1 博弈双方复制动态和稳定性

在博弈演化中,A(0,0)和D(1,1)是该系统的演化稳定策略。当初始状态位于区域AFEG时系统将收敛于A点,当初始状态位于区域DMEN时系统将收敛于D点。此外,只要当区域DMEN的面积大于区域AFEG的面积时,系统才更有可能收敛于D点。由于本文旨在使博弈双方通过不断的行为演化,最终都参与知识共享协同合作,使系统收敛到D点。因此,SAFEG越小,SDMEN就越大,系统收敛于D点的概率就越大。

SAFEG表达式如式(18)所示,所以系统演化路径主要受博弈双方的感知价值V1,V2,V3,V4,V5,V6以及PA,PB,SA,SB等参数影响,下面分别对其进行分析。

(18)

本文将基于前景理论分析参与主体的有限理性对策略选择过程的影响,以探究系统难以达到最优点的原因。

结论1以知识价值垄断所造成的风险损失为参照依赖,用户对协同合作通证收益感知的效用越大,即V1+V3-V5和V2+V4-V6越大,用户保持知识共享协同合作的概率越大。

证明由式(18)可知

随着用户参与知识共享协同合作与潜在风险损失的感知价值差距越大,区域AFEG的面积SAFEG越小,区域DMEN的面积SDMEN就越大,说明与潜在风险相比,用户对协同合作通证收益的感知价值更大时,其保持协同合作的可能性越大。

结论2知识共享协同合作成功后的通证收益分配系数β过大或过小时,双方保持协同合作的稳定性会下降。

证明由前景价值函数的定义和式(4)(5)可得:

对于知识创作者和传播者而言,通证收益分配系数β的大小影响了它们对通证收益的感知效用V1和V2,以及SDMEN的大小。β越大,知识创作者对通证收益的感知效用V1就越大,SDMEN也越大;知识传播者则恰好相反。博弈双方都希望获得更多的通证收益。但当收益分配不均,即β过大或过小时,会导致一方选择消极参与,从而降低协同合作的稳定性。

结论3用户参与知识共享协同合作的直接收益SA,SB越高,用户保持协同合作的可能性越大。

证明由式(18)可知

由上式可知,随着用户获得的直接收益SA,SB的增加,SAFEG减小,SDMEN增加,因此,用户知识共享直接收益的提高,有利于维护协同合作的稳定性,营造良好的知识生态环境。

结论4用户知识共享协同合作的协同成本PA,PB越小,用户保持协同合作的概率越大。

证明由式(18)可知

随着用户知识共享协同合作的协同成本PA,PB的减小,SAFEG减小,SDMEN增加,用户保持协同合作的可能性越大。

3 仿真分析

为了进一步探究前景理论视域下用户知识共享协同合作的演化规律,本文运用Python软件进行数值模拟,通过调整参数和观察仿真过程,探讨知识共享协同合作的最优稳定策略。为了让策略组合能够达到 E4(1,1)理性状态,本文根据模型假设和Steemit社区的相关信息设定参数,并满足条件SA-PA<0,且SB-PB<0,初始取值设定如下:RA=RB=2,SA=6,SB=4,PA=10,PB=7,x=0.6,y=0.4,γ=0.88,σ=0.69,λ=1.1。

3.1 通证损益感知价值差距的敏感性分析

如图2所示,当感知价值差距超过某一阈值时,用户的行为策略缓慢收敛于1,即双方都参与知识共享协同合作;相反则收敛于0。随着感知价值差距的增大,收敛到1的速度明显加快。因此,相对于风险损失,用户对知识共享协同合作通证收益的感知效用越大,持续合作的可能性越大。

(a)

此外,前景理论指出,有限理性的个体在决策时往往表现出过度自信的行为特征,高估自身知识质量和知识选择的准确性,对参与知识活动赋予的权重大于实际权重。在此情境下,用户在参与知识共享活动时,往往会高估协同合作成功的概率,即π(p)>p,使其感知价值V1和V2大于实际价值,导致V1,V2与实际价值的差距增大,而V1,V2的大小又会影响用户保持协同合作的意愿。因此,在知识共享平台的设计和管理中,理解用户的有限理性和心理偏差,可以帮助平台优化用户体验,提高协同合作效率和平台的吸引力,从而促进协同合作的持续发展。

3.2 损益感知影响因素的敏感性分析

根据式(4)-式(9),进一步分析价值函数中风险偏好系数γ,损失规避系数λ,和权重函数π(p1)的参数敏感性。如图3、图4所示,当γ或λ大于某一阈值时,用户协同合作的概率收敛于1,反之则收敛于0,且随着系数的增大,收敛的速度也变快。图5展示权重系数π(p1)对用户行为策略选择的影响,当用户对社区知识价值被垄断的风险感知越大时,用户更可能高估风险概率p1,即π(p1)>p1,这会降低用户保持协同合作稳定性的概率。

图3 风险偏好系数对系统的演化影响

图4 损失规避系数对系统的演化影响

图5 风险感知权重对系统的演化影响

3.3 通证收益分配系数的敏感性分析

图6展示了在保持其他参数不变的情况下,通证收益分配系数β不同取值下用户行为策略的演化情况。结果显示,收益分配系数β存在两个关键阈值β′和β″,当β<β′或β>β″,通证收益分配不均衡,博弈中的一方通常不会选择参与知识共享协同合作。这表明,只有当用户获得符合其预期的通证收益时,才会参与知识共享。因此,通证收益的合理分配对于促进知识共享协同合作至关重要。

(a)

3.4 其他参数的敏感性分析

图7展示了在不同的直接收益水平下,用户行为策略的演化情况。结果显示,当用户从知识共享中获得的直接收益超过一定阈值时,才会积极参与到协同合作中。反之,当直接收益降低时,用户更倾向于采取{不创作,不投票}的行为策略。

(a)

由于区块链自治组织中独特的投票机制,使得博弈双方在参与知识共享时都需要付出一定的协同成本。图8展示了不同协同成本下用户行为策略的演化情况。当协同成本PA,PB过高时,博弈双方均会收敛到(0,0) 。反之,系统收敛到(1,1)状态。但过低的协同成本也会导致诸如共谋投票、机器人刷帖等不良行为的出现。因此,在促进用户协同合作的同时,需要在协同成本和系统稳定性之间取得平衡。

4 结论与管理启示

在区块链自治组织中,参与知识共享协同合作的用户可以获得平台提供的通证奖励。然而,这种激励效果会受到用户感知的影响,考虑到通证的价值属性,本文在有限理性假设的前提下,采用前景理论解释了用户的非理性心理因素和预期损益问题,并构建了博弈双方的感知收益矩阵。基于此,本文进一步分析了通证激励条件下用户的行为演化规律,并利用数值仿真对相关参数进行了敏感性分析。

本研究通过理论推导和数值分析得出以下结论:1)用户对预期通证损益感知价值的差距越大,用户参与知识共享协同合作的可能性越高;2)用户对协同合作成功率的感知越大,就越容易参与知识共享;3)知识创作者和传播者的通证收益分配对双方参与知识共享协同合作影响显著,合理的、符合用户预期收益的分配比例可促进用户积极参与协同合作。4)知识共享过程中的直接收益和协同成本对用户参与协同合作有一定影响,过低的直接收益和过高的协同成本都会导致系统收敛到{不创作,不投票}行为策略。本文对促进用户参与知识共享协同合作提出了如下管理启示:

(1)合理设置通证收益分配系数。在DAO中,应建立知识贡献量化机制,将参与双方在知识共享协同合作中所做出的贡献从知识创作的质量和数量、知识传播的广度及深度等维度进行精准量化。合理设置通证收益分配系数,实现社区、知识创作者、知识传播者三方共赢。

(2)加强平台治理机制,降低用户风险感知。区块链自治组织应增强平台监管能力,建立相应的惩罚机制,以打击共谋、垄断投票等不良行为,降低用户知识共享的风险感知,提高用户参与协同合作的积极性。

(3)优化通证激励模式,引导用户合理感知自身知识价值,避免水文水贴、机器人投票等滥用平台通证奖励机制的投机行为,提高知识共享质量和用户粘性,促进社区可持续发展。

同时,本研究也存在一定的局限性:首先,在知识共享协同合作的过程中,博弈主体行为策略的选择受社区内部因素及外部环境多重维度的影响,本文主要聚焦于通证这一经济因素对用户行为演化的影响,忽略了其他如声誉、社交关系等因素。因此,未来的研究可以考虑加入非经济因素,进一步探究这些因素之间的相互作用对知识共享协同合作的影响。其次,本研究中选择了特定社区的通证机制和博弈模型,而不同的机制和模型可能会对研究结果产生影响。因此,未来的研究可以考虑采用不同的研究对象和方法,并结合社区的实际情况进行比较分析,以更全面地了解知识共享协同合作的内涵。