DAO社区及其健康评价：RnDAO研究报告

在本文中，作者提出了定义DAO社区的基础概念，并提出如何衡量DAO社区的健康状况。

RnDAO 2022年08月17日 10:59

热度 ...

原文标题：What is a DAO Community and when is it healthy: a working paper by RnDAO

原文作者：RnDAO

原文来源：Mirror

编译：胡博士，dao2

在本文中，我们提出了定义DAO社区的基础概念，并提出如何衡量DAO社区的健康状况。

具体来说，我们试图回答以下问题。

社区的特征是什么？

我们从非常广泛的角度开始，解释我们如何理解什么是社区，以及它的核心特征是什么。我们的结论是，它是一个微观层面上的个人系统。然而，它有几个子系统，社区本身属于更大的生态系统。这种关于社区的嵌套系统或网络科学观点指导着我们的工作，此外还有社会认同的观点。我们还注意到，社区也有消极的一面（例如，对外来者的负面看法，群体思维等）。

1.社区的特征是什么？

2.DAO社区的特点是什么？

在就社区是什么达成一致意见后，我们探讨了DAO社区的定义，以便我们可以将其与其他形式的社区进行比较。我们用几个指导性问题来解决这个问题，比如它受谁影响和控制，以及社区的凝聚力如何。

3.什么是DAO社区健康？

在判定DAO社区具有区别于传统社区的特定属性后，我们深入探讨了怎样才能认为DAO社区是健康的？如何区分健康和不健康的社区？

根据我们对社区的系统性观点，我们理解社区健康是具有再生性的，并将其定义为 "_DAO社区的个体成员和嵌套子系统在努力实现个体和集体目标时的存在、互动和整合状态"。

4.我们如何评价一个DAO社区的健康状况？

在本节中，我们将探讨如何让社区健康从定义到评价具有操作性。利用医学上的类比，我们提出有几个可以测量的生命体征来创建一个社区的健康诊断，并建议参与、参与结构和社区感。我们认为这些生命体征主要衡量的是社区健康的症状。为了更好地了解原因，我们确定了进一步研究的具体途径，以及与社区紧密合作以获得特定背景知识的必要性。

5.我们如何思考衡量DAO社区健康？

在最后一节，我们对我们收集哪些数据来衡量社区的生命体征进行了详细描述。

问题1：社区的特点是什么？

1.1 社区的定义

从生物学到市场营销、社会心理学、网络科学等多个学科和角度都对社区进行了探讨。

以下是一些描述社区的例子。

一个社区有共同的价值观、规范、规则和条例（Chung, Kim, and Shin, 2020）。
一群通过关系连接起来的人，他们有共同的身份，和一套价值观 (Ospina, 2017)。
由以下因素组成：成员资格、影响、强化和共同的情感联系。(Martiskainen，2016）。
一个自我组织的群体，他们承诺彼此相伴；他们的参与不仅是为了自己的需要，也是为了服务他人的需要(Wheatley & Frieze, 2006)。
作为Gemeinschaft的社区（Ferdinand Tönner 1957 [1887]），个体和非正式的联系很普遍，互动受到社会价值观的影响。
由共同的专业知识和对共同事业的热情而非正式地结合在一起的群体 (E. C. Wenger & Snyder, 2000)。
一个关系网络中的紧密集群(Hu et al 2008)。

这些定义的共同点是，社区是由人组成的，而这些人彼此之间形成_社会关系_。这两个特征的结果是，一个社区内的人通过共同的价值观，以及对彼此和社区的（深刻的）情感投资，发展出一种共同的认同感。

一些社会学家（如Willmot，1985年；Lee & Newby，1983年）同意社区的三重分类，包括：

社区存在的地方，社区成员相互之间的互动。这并不局限于物理空间。
一个基于社区成员之间社会关系的独特的社会结构（它既产生于成员之间的互动，又塑造了上述互动）。
一个意义或一个_身份_。

Crow和Allan（1995）认为，这三个方面相互影响，不应该被孤立地看待。此外，作者认为，在分析社区时，应该考虑第四个方面，即时间。通过包括时间，有可能解释社区的演变。社区包含一些力量，这些力量将一些人挤出社区，将另一些人拉进来（Warwick & Littlejohn, 1992）。时间的纳入为将共同的历史纳入对社区的考察打开了大门。社区不仅是由最近的事件形成的，也是由许多星期、几个月或几年前的互动形成的。时间的维度对于研究社区如何对外部或内部的干扰作出反应，如何恢复和适应也是必要的。

1.2 社区的目标

人类参与社会集体是为了增加他们通过协调来满足自己需求的机会。从这个公理出发，我们认为：只要成员认为与满足他们需求的其他选择相比，他们对社区的参与是有益的，社区就会继续存在。

重要的是，尽管人类需求的分类学超出了本文的讨论范围，但有一种需求对社区的研究具有特殊的意义：以其不同的名称，对人类联系、归属和关联的需求。正如Baumeister和Leary所发现的，"现有的证据支持这样的假设：归属的需要是一个强大的、基本的、极其普遍的动机"(“The Need to Belong,” 2017)。社区不仅是达到目的的手段，而且本身也是目的。

最后，人类的自我意识（以及因此对自己需求的定义）是一件复杂的事情：我们**同时**渴望成为独一无二的人，同时我们也希望属于一个集体***(Brewer & Gardner, 1996)。

我们可以根据自己的认知或意愿，认同几个不同的集体。然而，我们对一个社会集体的认同程度决定了它对我们生活的影响。例如，在宗教和种族冲突中，对社会集体的强烈认同会导致个人将集体的需求视为自己的需求，以至于他们可能牺牲自己（或他人）来为该集体服务。

在个体和社区之间存在着一种反馈效应：无论个体相信什么，做什么，都会形成一个新兴的社区。从那里，这个新兴的社区塑造并指导个体成员的行动和思想。

"他们编织了一个互惠的网络，给予和接受。[...]通过团结，生存。所有的繁荣都是相互的"。- Kimmerer, Robin Wall. Braiding Sweetgrass

1.3 关于社区的系统观点

就像身体是由各种身体部位组成的，而这些部位本身又是由生物大分子组成的细胞组成的，社区也是如此。就像身体是一个更大的社会和生态系统的一部分一样，社区也是如此。根据社区嵌套系统模型（Holling 2004），社区存在于一个嵌套系统的层次中：个人在关系中，在子群体中，在社区中，在社会中，在生物圈中，等等。

DAO

图1. 社区嵌套系统模型示意图

所有的系统层次都是相互联系的，各层次之间的互动是这样的：一个层次的变化（或演变或转变或重组）会影响其他层次的变化。关于系统与其他层次的系统连接和相互联系的方式，在不同的层次上往往是一致的。在社区层次上，当考虑什么是最佳的连接方式，什么类型的连接会导致 "疾病 "时，我们可以从其他类型的系统中得到启发，这些系统已经被广泛地观察和研究，如生态系统、细胞或大脑。在设计或改进人类系统时，从生物系统的互动网络中获取灵感，就是应用 "网络仿生学" (van der Molen, 2022).。在整个文章中，我们对社区及其健康状况的看法将由取自各种自然系统的网络生物仿生学实例来支持。

与其他社区和个人的共存

除了嵌套系统之间的 "纵向 "互动（与上下级的互动）之外，还有与其他实体的 "横向 "互动。

"从生态学的角度来看，生态系统由各种相互作用的物种组成。这些相互作用可以有不同的形式：

拮抗性相互作用：一个物种受到伤害，而另一个物种受益。例如，狮子和羚羊之间的捕食者-猎物互动。狮子为了能够增殖而捕食瞪羚，而瞪羚则为了能够增殖而捕食狮子。
互惠性相互作用：两个物种都从对方身上受益。比如一朵花和一个授粉者之间的互动。花朵为传粉者提供食物，而传粉者又帮助花朵的繁殖过程。
竞争性的相互作用：两个物种都对对方产生负面影响。例如，两种不同的海洋哺乳动物争夺同样有限的食物来源。" van der Molen (2022)

在我们的案例中，每个层次都可能存在拮抗性、互惠性或竞争性相互作用。比如说：

试图分配有限资源的成员面临着对立（如诈骗其他成员）、竞争（如为更早完成赏金而战）和合作（如共同创建一个提案）的选择。
子团体可以捕食（如接管另一个团体的工作和奖励），竞争（如试图为他们的公会获得更大的预算），以及合作（如一起开发一种新的能力）。
同样，社区也可以捕食（如攻击另一个社区以破坏其稳定），竞争（如军备竞赛为参与提供更好的奖励），或合作（如共同组织的活动和其他互利的举措）。

加入者和离开者

最后，我们断言，社区是一个开放的系统，成员、想法和资源可以进入或离开社区。一个社区存在于这些流动的平衡中，特别是（不同类型的）成员，他们可以促成或限制其他流动。生物学上的平行关系是，蛋白质的周转率比细胞高，细胞的周转率比生物体高，生物体的周转率比生态系统高（但单个物种也能在生态系统崩溃后存活）。

1.4 社区的消极因素

值得注意的是，社区不一定总是积极的。在极端的一端甚至还隐藏着帮派、邪教和暴力宗派主义。社区有很多消极因素，并对生态系统产生有害的后果，包括：

对外人的消极态度

强烈认同一个社区的成员会对外来者，即那些不属于同一社区的人产生负面看法。这方面的一个很好的例子是德比战期间的欧洲足球迷。因此，对一个社区的强烈认同会导致群体间的成见和垃圾话 (Hickman & Ward, 2007)。对一个群体的强烈认同会导致对内部人夸大的积极态度和对外部人不切实际的消极态度。根据 Molenberghs (2013, pg 1)，从神经学的角度来看，"我们对组内和组外成员的行为和面孔的感知是不同的，我们更强调与组内成员的关系"。而从细胞生物学的角度来看，癌症的一个常见症状是，肿瘤细胞通过移除它们之间的间隙，而与健康细胞保持距离 (Aasen et al., 2016)。

损害成员的福祉

维护群体的愿望会压制不同的声音。例如， Barclay 等人 (2004, pg 1)发现，"农村社区有非正式的社会规范来容忍某些类型的犯罪，并规定需要报告此类犯罪。许多犯罪的受害者在沉默中受苦"。而Fox-Roger发现，破坏性的模式，如庇护主义和腐败，会因社区内权力分配不均而加剧(“The Dark Side of Community,” 2019)。在健康的生物系统内，几乎没有观察到强烈的权力分配不均。相反，这些系统以去中心化的方式自我组织(Camazine et al., 2020)。

僵化

通过对一个社区的认同，我们将自我保护的本能通过文化符号、仪式和思想等来展现。这些标记可能是作为对某一问题的功能性反应而产生的，后来成为社区身份结构中的根深蒂固的东西。即使问题不再相关，因而这些标记也失去了它们的功能价值，我们仍然倾向于抵制变化，作为保护身份的一种方式。正如 Fisher & Sonn (2002, pg 1) 所指出的，"管理变化的挑战是如何向前建设，保持那些具有真正社会价值的标记，并纳入由新来者带来的新标记，以及那些共同发展的标记"。在观察自然生态系统时，能够适应不断变化的环境的物种将占上风。同时，那些无法适应并继续其旧有行为模式的物种最有可能灭绝 (Darwin, 2003)。

群体思维

由于我们依赖我们的社区来满足需求和欲望，并体验到一种互惠的感觉，我们会开始重视和谐，将其作为社区健康的（表面）指标，从而重视我们自己的安全。此外，对共识的渴望会抑制与群体的分歧（或至少是表达不同的意见）。因此，社区可能会出现群体思维，即对群体（认为的）意见的替代方案被系统地驳回的现象 (Solomon, 2006)。分享独特信息的群体成员往往被评价得更差（Thomas-Hunt, 2003），因为他们说出了别人不熟悉的东西。压力和孤立（群体与外人联系不紧密）大大增加了群体思维(Breitsohl et al., 2015)。而不幸的是，"不同的匿名状态对顺应群体意见的可能性没有很大影响"(Tsikerdekis, 2013)。

不稳定的增长速度

一个运作良好的社区，为其成员的需求服务，可以吸引越来越多的新（潜在）成员。对于不受特定地点约束的社区来说，情况更是如此。由于虚拟平台的可扩展性，虚拟社区可以在有限的限制下成长。然而，快速增长会破坏早期的亲密感、凝聚力和普遍的社区认同感 (Slemp et al., 2012)。由于注意力是一种有限的资源，一个社区的指数式增长可能会消耗和消灭其他社区，这反过来又会破坏维持社区增长的生态系统的稳定。不稳定增长的风险也体现在癌症上：肿瘤细胞的快速增长使整个身体失去平衡，最终导致身体内所有细胞的死亡，包括肿瘤细胞自己 (Houten & Reilley, 1980)。

到目前为止，我们已经定义了什么是社区，并认为只要成员认为与其他满足其需求的选择相比，他们在社区的参与是有益的，它就会继续存在。我们介绍了嵌套系统模型，该模型将社区描述为存在于一个嵌套系统的层次结构中。我们还介绍了网络仿生学，即在构建或改进人类网络时从生物网络中获得灵感。我们描述了拮抗性、互惠性和竞争性的相互作用，作为一个系统的组成部分相互作用的不同方式，我们介绍了社区的不健康方面以及它们与生物学中不健康系统的关系。在接下来的章节中，我们将给出DAO的定义并深入描述DAO社区，我们将定义什么是DAO社区健康，我们将概述如何研究和改善DAO社区健康状况。

Q2: DAO社区的特点是什么?

2.1 什么是DAO

在描述DAO社区的特点之前，我们需要简单讲下什么是DAO。

在 What is a DAO? Conceptual Foundations, (Ospina & Bohle Carbonell, 2022)文中提出了DAO的以下定义：表现出组织性的集体，通过交流活动和过程来表达和发展，并由特有的道德观来塑造：

去中心化的权力：没有单一的权力来源。
自主性：自我主宰，不受外部强制力的约束。
一个共同的目标、愿景或一套（正在）努力实现的价值观。
一个由去中心化投票机制控制的共享金库。

从这个定义中，我们可以寻找社区的类型，并将其与DAO和其他表现出组织性的集体进行比较，以确定这些概念之间的异同，从而确定概念基础，有意义地讨论DAO社区，避免无谓的重复。

2.2 了解DAO社区

社区以许多不同的形式存在。正如我们将看到的，我们可以将DAO社区与其他类型的社区（例如，亲属社区）区分开来，我们也可以将DAO社区彼此区分开来（例如，社交DAO与协议DAO的结构）。为了组织我们关于DAO社区属性的讨论，我们使用了以下五个问题。

谁在影响和控制社区？
谁参与了社区？
社区在哪里聚集和互动？
社区的结构是什么，社区的粘合度和意向性如何？
社区的身份如何定义？

谁在影响和控制社区？

社区可以从一群人在一个地区定居或定期聚会来从事他们喜欢的活动开始。同时，其他社区是由一个希望社区存在的特定行为者正式计划和赞助的。Lauden & Traver (2003, as quoted by Porter, 2004 page n.d.)区分了成员发起的社区和组织赞助的社区。成员发起的社区是由社区成员创建和管理的，而组织赞助的社区则是由赞助商（商业或非商业组织，如政府、非营利组织、教育机构）发起的。组织赞助的社区有关键的利益相关者和/或受益者（例如，客户、雇员、学生），他们对赞助组织的使命和目标很重要，因此将塑造社区。

我们不能断定DAO开始时一定是由成员领导或组织赞助的，这两种情况都有例子（即一个社区逐渐组织成DAO，一个集中式组织建立社区并逐渐分散成DAO）。也就是说，如果是自下而上或自上而下形成的社区，其创建动机可能是不同的。然而，鉴于现实世界的例子，我们不能声称DAO社区总是由成员领导或组织赞助的。

然而，从我们对DAO的定义中可以看出，有一个组织性的方面，以及 "一个共同的目标、愿景或一套正在（正在）努力实现的价值观 "和 "由去中心化的投票机制控制的共享金库"。因此，我们可以利用与一个组织共生和重叠存在的社区的比较，并注意到社区（最终）走向自治的雄心。

谁参与了社区？

与传统组织相比，DAO重视去中心化和由去中心化的治理机制控制的共享金库 (Ospina & Bohle Carbonell, 2022)。因此，从愿望上讲，DAO由他们的社区管理，他们的社区成为他们的治理者。反过来，正如我们将看到的，这也决定了DAO社区的具体参与模式和成员结构。

目前，社区领导的治理机制最常依赖数字代币的使用，尽管代币系统的设计各不相同，但有几个共同的模式：用户经常收到代币（通过空投和其他机制），劳动贡献者也经常以DAO的代币得到补偿（部分或全部），投资者收到代币，而不是股票证书。代币可以被指定为 "通行证"（需要进入社区或使用产品、服务或平台）或 "治理"（使代币持有人能够治理DAO）。由于它们可以被转让，人们可以把它们当作资产或利用它们作为投资工具。

代币在使用平台的人、提供资本的人和提供劳动力的人之间的分配，使每个人都能将代币用于平台服务，参与其升值，并治理DAO，这意味着DAO倾向于合并利益相关者类别。因此，与传统社区相比，DAO的利益相关者的类型更加紧密，并希望能保持一致，增加了他们合并成单一身份和社区（DAO成员）的机会。

因此，研究社区的传统场景--如实践社区、品牌社区甚至工人社区--有可能在孤立的情况下过于还原，无法理解DAO社区参与者的各种动机以及由此产生的各种互动（如知识共享、同行支持、共同创造、共同塑造等）。

因此，我们可以得出结论，所有利益相关者，无论他们是投资者、工人还是用户，都可能经常选择参与社区。

社区在哪里聚集和互动？

早期关于社区的文献强调了共同地理环境的重要性（即同地社区）。一个社区与一个特定的邻里及其社会经济特征联系在一起，而且社区成员之间往往有亲属关系。但随着互联网和社交媒体的出现，虚拟社区成倍增加，对它们的研究也成倍增加。

同地社区和虚拟社区之间的一个关键区别因素是社区成员之间的互动方式。线下社区得益于丰富的线下互动（如非语言交流、触摸、嗅觉）、视觉成员信号（如衣服、饰品、壁画）和物理上的接近。为了增加互动的丰富性和质感，虚拟社区必须开发新的方法来替代干巴巴的文字交流媒介。目前，这是通过表情符号、备忘录、GIF、视频和越来越多的3D头像来实现的）。这种虚拟社区和同地社区之间的区别很重要，因为互动机制对于社区成员建立和加强彼此之间的关系至关重要。

迄今为止，大多数DAO社区主要在网上运作。因此，我们在构建框架时将主要参考虚拟社区的文献。

社区的粘合度和意向性如何？

Henri & Pudelko (2003)从两个不同的维度对虚拟社区进行了分类，这些维度在一个连续体上有所不同。

社会纽带的强度：社区成员之间的社会凝聚力的强度，即社区可以是一群松散的人，也可以是一个紧密结合的群体。作者认为，根据社区目标和目的的意向性，成员之间的联系是松散和薄弱的，或者形成一个紧密团结的社会团体。
共同意向性的程度：指参与者之间存在共同的目标和相互依赖（Bock, Ahuja, Suh, & Yap, 2015; Gangi & Wasko, 2009; Meirinhos & Oso ́rio, 2009）。人们对自己形成和参与社区的原因越有意，社区就会越强大。

DAO在这两个方面都有所不同，例如，社会DAO主要是关于成员之间的关系，而协议DAO主要是关于制定或维护协议的共同目标。

DAO社区可以混合利益相关者的类型，并可能有相当不稳定的边界，然而，他们也倾向于自治（见 Ethos of DAOs, (Ospina & Bohle Carbonell, 2022) ），DAO维护自己的平台并控制组织的成员和访问。因此，DAO通常包括一个高度一致和结合的核心群体（他们维护和发展平台，以及组织塑造等），其次是临时的贡献者和外围，更像一个游戏者或学习社区（成员的社会结合度低，共同意向性低，主要为个人娱乐或学习进行互动）。

我们的结论是：DAO社区在不同DAO和每个DAO内的亚人群之间的共享意向性和社会纽带的强度都有所不同。

社区的身份如何定义？

尽管每个DAO和每个DAO社区的身份都会有独特的元素，但一般来说，我们可以参考DAO的道德观（第2.1节）所强调的四个品质，作为DAO社区的共同因素，并可能将它们与其他社区区分开来 (Ospina & Bohle Carbonell, 2022)。

从上面的理论回顾中，我们可以得出DAO社区的五个特征：

与一个组织（DAO）共生存在。
包括多个利益相关者类别，并倾向于将它们融为一体。
主要聚集在网上（虚拟社区）。
各DAO之间和各DAO社区内部的共同意向和社会纽带的强度各不相同。
遵循DAO的道德规范（去中心化；自治；共同的目标、愿景或价值观；以及由社区管理的共同金库）。

Q3: DAO社区健康是什么?

借用医学领域的一个比喻，我们认为社区在某种程度上就像一个活的有机体。虽然传统的健康定义是建立在没有疾病的基础上，但最近的定义则超越了这一点，将健康视为一种新兴的属性和多维度的构造。

"我们的生活所依赖的复杂系统--生态系统、社区、经济系统、我们的身体--都有突发属性，其中最主要的是健康和福祉" (Goodwin et al., 2001, p.27)

3.1 社区健康的再生观点

20世纪关于健康的观点倾向于将身体视为一个单一的有机体。然而，这个有机体由各器官的互动组成，而各器官又由相互作用的细胞组成。而最近的研究（如Pflughoeft & Versalovic，2012）表明，在这些细胞之外，人类由微生物组成，它们与人体细胞共存，使人的生命得以延续，而不是被孤立地看待。同样地，一些传统的社区健康观点将社区描述为一个单一的整体或简单的个人集合。然而，正如我们所论证的，***社区是由多个嵌套系统组成的，***它们相互作用，相互依赖，即：

个体成员
成员之间的关系（互惠或不互惠），形成社区特定的参与结构
子团体（正式建立的）和小团体（非正式产生的）。
整个社区
社区所处的整体生态系统

由于这些嵌套系统是相互依存的，我们认为：一个社区只有在其子系统和上层系统都健康的情况下才会健康。因此，一个能够支持和促进这些嵌套系统健康的社区被认为是（再生性的）更健康的。

3.2 健康是复原力、适应力和转变力

重要的是，健康超出了没有疾病的范围。社区存在于一个生态系统中。这个生态系统是不断运动的：成员在社区内和社区间互动，人们加入或离开，生态系统的环境变化影响着成员和社区。为了健康，超越短暂的状态，一个社区需要处理这些塑造它的内部和外部力量。这与Carillo（2017）的建议是一致的，即一个社区只有在 "能够有效地运作，充分地应对，并对内部和外部的刺激作出适当的改变 "时才是健康的。

尽管各领域的命名习惯有所不同，但我们可以强调社区保持健康的几个必要属性。具备这些特性的社区在经历了一段动荡期后仍能保持健康或恢复其健康状态。借用Walker等人（2004）关于社会生态系统的可持续发展和变化的讨论，三个属性描述了一个社区可能经历的发展轨迹。这些属性描述了一个系统中不断提高的机构等级。

复原力。一个系统在经历变化时吸收干扰和重组的能力，以便仍能保持相同的功能、结构、特性和反馈*。
适应力。系统中的参与者影响复原力的能力。
转变力。当生态、经济或社会结构使现有系统无法维持时，创造一个根本性的新系统的能力。

*注意：有些地方复原力的定义还包括适应力和转变力。我们选择保留这一区别，是为了有一个详细的语言在下面的章节中讨论社区健康评估的实用性。

社区复原力

社区复原力是指在内部或外部事件对社区造成冲击后，社区可以恢复其以前的现状 (Matarrita-Cascante et al., 2017)。因此，社区正在对事件做出反应，处理所产生的紧张关系，同时寻求恢复其以前的稳定状态。在这里，发展轨迹是纯粹的反应性的。系统正在处理事件，以便它能够恢复其当前状态。

在网络科学中，复原力被描述为系统在受到扰动后回到平衡状态所需的时间 (Okuyama & Holland, 2008; Thébault & Fontaine, 2010),，即系统中发生的变化。可以规定两种形式的复原力。

对成员离开（消亡）的复原力。从DAO的角度来看，干扰可能是贡献者非自愿或自愿离开（例如，停止参与社区）。其他DAO成员可能在很大程度上依赖于这个人的存在，如果缺少他们，其他成员可能会反过来离开。一个社区的持久性反映了在一个社区成员离开后，达到新的平衡后留下来的社区成员的数量。生态学中的平行情况是一个物种灭绝，导致一个灭绝级联。
对成员增加（入侵）的复原力。从DAO的角度来看，一个扰动可能是贡献者加入一个社区。虽然大多数社区能够吸收单个贡献者加入的扰动，但大量贡献者加入的影响可能会在社区内产生负面的反响。想象一下，如果大量没有经验或没有价值的成员加入DAO，稀释了社区的身份。同样，如果恶意的行为者进入试图夺取社区的治理权，社区的健康也会受到影响。

关于复原力的网络观点可以通过增加其他研究领域的见解而得到加强。例如，心理学视角关注个体的复原力，并将复原力定义为 "社区成员存在、发展和参与社区资源，以便在以变化、不确定性、不可预测和惊喜为特征的环境中茁壮成长"(Berkes & Ross, 2013)。我们认为个体成员是我们社区健康系统观点的最低层次。自然，他们的复原力会影响其他系统的复原力，就像细胞的复原力会影响有机体的复原力，以及有机体的复原力如何影响生态系统的复原力一样。另一种观点是关于复原力的社会生态学观点。这种观点认为，复原力是提高社区成员和机构应对和影响社会和经济变化过程的个人和集体能力的有意行动(Berkes & Ross, 2013)。

适应性：学习能力和抗脆弱性

在一个系统抵御冲击或从冲击中恢复的能力（即复原力）之外，还有一个系统的适应能力，使其能够避免未来的冲击并提高其复原力。在这种发展轨迹中，社区采取了更加积极主动的立场，旨在对外部冲击 "有所作为"，而不仅仅是恢复到原来的状态。

为了实现适应力，DAO社区需要学习；换句话说，他们需要采用学习型组织的要素(Senge, 2006).。组织学习是 "组织不断质疑现有产品、流程和系统，确定战略地位，并应用各种学习模式的过程"(Wang & Ahmed, 2003, pg. 14)。

按照Wang & Ahmed的定义，组织学习给了我们一个关于适应性的（某种程度上）整体视角。一个社区只有在其成员（不断）学习，其文化不断发展的情况下才能适应。此外，它还需要有相应的流程来改变其流程，获取和传播其知识，并作为一个集体不断改进。

最近，随着组织学习的概念日益扩大，包括创造力和（破坏性）创新的方面，它与另一个适用于社区的概念联系在一起：抗脆弱性--一个系统对压力源产生反应的能力，从而导致更多的利益而不是伤害(Taleb 2013)。换句话说，抗脆弱性的系统已经学会（适应）了这样一种方式，即它们从负面的冲击和扰动中获得的好处多于从正面事件中获得的好处。塔勒布（2003）认为，负面冲击是一个随机事件，可能是系统或其子系统中的一个错误。从我们的嵌套系统的角度来看，我们希望将来自超系统（环境）的冲击作为负面冲击的潜在来源。一个不具备反脆弱性的社区将处理冲击带来的紧张，并回到其错误的默认状态。因此，它没有从扰动中学习，并将在未来因后续的负面事件而遭受挫折。

启用适应力（及其高级状态抗脆弱性）需要在个人和集体层面以及它们之间的启用因素。

在个体层面，这与个人能力有关，如认知灵活性 (Dane, 2010)，以及社会资本等资源 (Nahapiet & Ghoshal, 1998) 已被证明能够使个人学习和适应新的工作和职业环境 (Armanda Hamtiaux & Claude Houssemand, 2012; Oh et al., 2022)。
在系统的交叉点上，适应力是由个体成员（或子系统）做出和执行导致集体适应的选择的能力促成的，即自下而上的治理或草根运动。
在集体层面上，适应性需要:
集体智慧（即集体感觉、意义和选择）和集体领导 (Por, 2008)。
集体能力，即社区能力，是指完成事情以实施变革的能力(Laverack, 2005)。

转变力

最后，在一个系统的适应能力之外，系统需要转型。当一个系统达到进化的死胡同时就会发生这种情况--在这个点上，它不能再适应继续为其服务。一个处于转型发展轨迹上的社区正在从根本上改变自己，成为一个全新的系统。

在生物学上，进化的死胡同会导致死亡和分解。然而，组成元素是产生新生命的基础。在科学中，我们可以与科学范式的变化相提并论，旧的世界观积累了例外和不一致的地方，直到它分崩离析，被一个新的世界观所取代。这个新的世界观可能会保留旧世界观的元素。

传统上，我们更关注的是复原力或适应力，而不是转变力。谷歌学术搜索 "社区复原力 "产生了300万个结果，"组织复原力 "产生了18.8万个结果，"社区适应力 "产生了62.4万个结果，"组织适应力 "产生了11.2万个结果，而 "社区转变力 "只产生了1.85万个结果，"组织转变力 "产生了1.72万个结果。而且重要的是，"转变力 "这个词在已发现的论文中经常被使用，其定义更接近于适应力而不是实际的转变力。然而，在DAO中，已经确定了一些能直接实现转变力的基本要素。

在个体层面，社区成员可以愤怒地退出，离开社区并带走他们的集体资产份额。
在子集团或小集团层面，社区成员的一个子集可以分叉，将DAO的智能合约复制到一个新的组织。

而一些传统的转变障碍（如非竞争协议和非披露协议）在DAO中基本不存在。

3.3 DAO 社区健康

在涵盖了社区（嵌套的、相互依存的系统）的再生观点以及复原力、适应力和转变力之后，我们现在将致力于把这些概念结合起来，形成DAO社区健康和什么是健康合格（多维度的健康状况）的统一定义。因此，我们将DAO社区健康定义为：

DAO

健康与否:

根据上述定义，在下列条件下，一个DAO社区被认为是健康的（积极健康）。

1.为其嵌套系统和自身做出贡献（或至少不破坏稳定）。

满足成员的需求和愿望（包括与他们的价值观保持一致，如DAO的道德观）。
促进健康的关系，以及发挥作用的分组和小团体。
推进其集体目标（社区能力，为DAO整体创造价值）。
为建立一个更健康的生态系统做出贡献。

2.有弹性，适应性强，并有能力转型以更好地实现上述目标。

DAO

图2: 健康的DAO社区

相反的，一个不健康的社区是一个不能满足上述第1或第2条的社区。因此，可能会表现出一些模式，我们在 "社区的黑暗模式 "一节中提到：对外人的负面看法（过度竞争），僵化（缺乏适应性），群体思维（集体愚蠢），损害成员的福祉和不稳定的增长速度（非再生）。

最后，我们可以根据社区实现不同组成部分的能力，定义一系列介于两者之间的阶段（介于理论上的完美积极健康和完美消极健康的极端之间）。

Q4: 我们如何评价一个DAO社区的健康状况?

4.1 评价社区健康

按照我们的上述定义，我们认为社区健康是成员的行动和社区嵌套系统之间的互动的功能，我们可以用多层次的社区健康测量模型来评估它。

DAO

图 3: 我们如何评价社区健康状况

4.2 生命体征：参与度、结构和社区意识

我们认为一个社区的健康状况可以通过三个角度来评估，即在一个特定的时间点上的快照：

成员的参与程度。
成员互动的结构（子系统的结构）。
成员的社区意识。

这些快照可以在不同的时间段进行（例如，每天/每周/每月；季前、季中、季后）。通过结合频繁的被动数据收集（如每天收集聊天平台上的信息）和不太频繁的主动数据收集（如季度调查和每周的脉搏调查），我们可以平衡洞察力的深度和成员的干扰。这些快照增加了社区健康的动态视图，提供了将具体行动和事件与社区健康的变化联系起来的机会。也因此，使社区管理者能够评估他们的影响，并将其传达给其他利益相关者。

我们对社区健康的定义包括五个方面：

社区成员
两个成员之间的关系
小团体（非正式团体）和子团体（正式团体）。
社区
社区更大的生态系统

由于我们对社区健康采取了再生系统的观点，一个系统的健康状态（积极或消极）将影响相邻的系统。

对于我们选定的生命体征，参与度是以社区成员的活动而不是他们的整体健康（身体、心理等，不仅包括疾病的治疗，还包括其社会起源 (McKee, 1988; Saylor, 2004) 来衡量社区成员的健康状况。我们假设一个人的整体健康会影响他们的活动。因此，直接测量一个人的整体健康将在探索长期社区健康的有利因素时进行。同样，测量更大的生态系统的健康是一项重要但艰巨的任务，因为我们需要测量整个DAO社区的参与结构。然而，为了牢记生态系统，我们将跟踪对DAO社区有影响的一般事件（例如，加密货币的上涨/下跌，web3新闻的舆情分析）。

最后，我们将评价社区成员、小团体和子团体以及整个社区之间关系的健康程度。我们的指导性假设和评价指标的描述如下：

关于【DAO社区及其健康评价：RnDAO研究报告】的延伸阅读

Lista：引领流动质押与去中心化稳定币，打造可信赖的DeFi生态系统
Lista DAO是一个基于BNB链的DeFi项目，用户可以通过抵押加密资产获得稳定币LISUSD，并参与借贷和提供流动性。该项目采用创新的流动性质押解决方案，提供低门槛的DeFi服务。用户可以通过抵押BNB获得流动性代币sLISBNB，在其他DeFi平台上进行借贷和提供流动性。Lista DAO的原生代币为LISTA，可用于支付、治理和激励用户参与生态系统。该项目已吸引超过1.79亿美元的锁仓价值，具有强大的团队和发展潜力。
从“仰视”到“平视”，我是如何对Web3祛魅的？
作者在2017年末开始接触区块链，经历了加密市场的牛市和萧条期。2021年，NFT和DAO成为热门话题，但2022年发生重大事件导致市场萧条。为了让更多人了解Web3，作者和专业人士合作出版了一本科普书籍。2024年，牛市回归，但Mass Adoption仍是远大目标。Web3是一个赚钱机会多，但实际并不多的领域，需要以最大善意去揣度人。作者总结了自己在Web3的认知转变，希望每个人都能赚钱，找到适合自己的生态位。

图4: 生命体征

4.2.1 参与度

参与度与社区成员的可观察行为直接相关。他们与其他社区成员的互动程度以及社区创造的内容。缺乏参与可以通过对话中没有声音、没有分享的内容和没有参加的活动而看到。因此，参与是社区成员参与社区的同义词。

根据Etienne Wenger (1999) ，成员在社区中有不同的参与轨迹。

周边轨迹是那些从未导致完全参与的轨迹。
入境轨迹描述的是那些致力于成为社区内全面参与者的新来者的路径，他们的身份被投资于未来的参与。
内部轨迹是由那些已经达到完全参与的成员持有的。他们的参与轨迹集中在社区的演变和对他们在社区中的地位的重新协商上。
边界轨迹跨越了不同的社区，因为参与者在社区边界上努力维持一个身份。
出境轨迹则需要走出社区。

参与的另一个区别可以在公共和私人互动之间做出。公开的互动对所有人都是可见的，而私人的互动则是私密性的，只对少数人可见。发生在私人信息或小型封闭社区中的互动，使社区成员有机会与他人建立亲密而深刻的关系（结合型社会资本）(Donath, 2007)，而开放空间的互动则使社区成员能够与许多人互动，建立一个广泛的简短的熟人网络（桥接型社会资本） (Lee et al., 2014)。进一步的研究表明，在开放空间与他人交流会刺激人们建立深浅不一的关系，而私人交流只有助于加强关系 (Li & Chen, 2022)。这两种形式的社会资本，结合（深层关系）和桥接（熟人）都有助于社区成员发展社区感 (Li & Chen, 2022)。

重要的是，参与不应局限于上述的互动。正如我们所看到的，DAO社区通过合并在一起的利益相关者的多样性之间的互动生态而茁壮成长，这产生了健康作为一种新兴的属性。因此，我们将努力随着时间的推移扩大数据中可以收集的互动范围和类型，以丰富我们对DAO社区健康的评价体系。

4.2.1.1 潜水

上面的列表中没有提到作为被动参与形式的潜水 (Nonnecke & Preece, 2001)。这是一种起源于虚拟社区的参与形式。潜水的社区成员正在访问社区的虚拟空间（如论坛、Discord、Reddit、Twitter或其他社会媒体渠道），但不以任何形式明显地与任何内容互动。他们不使用表情符号或文字回复，也不参加活动。

考虑到潜水者是很重要的，因为多达90%的加入社区的人一开始就没有变得活跃 (Nonnecke and Preece 2000; Schneider et al. 2013, as quoted by Trier 2014)。据推测，潜水者会阅读帖子，从而消化社区的内容，有可能在其他社区分享这些内容，并将其融入他们的日常实践 (Takahashi et al., 2003)。

在DAO的情况下，潜水者可能通过作为跨社区的大使和布道者做出重大贡献，从而帮助引导注意力和资源。然而，众多的潜水者也有可能消化信息和见解，并将它们移植到其他（可能是竞争性的）社区，而无需给予回报。这种跨DAO的信息共享形式对整个DAO生态系统是有益的，而且，假设信息的流入和流出是平衡的，对单个DAO也是有益的 (Thébault & Fontaine, 2010; C.-C. Wang et al., 2017)。

总的来说，信息的自由流动可能会促进整个生态系统的发展，但也带来了围绕社区层面的可持续性问题，每个社区都需要根据他们的独特情况进行思考。此外，由于潜水者保持匿名，他们的存在会影响信任和社区感：。

潜水者不发帖，因此不在网络社区中创造身份。因此，他们保持匿名，导致其他社区成员怀疑他们是与谁分享这个在线空间。最后，潜水者本身也因保持沉默而受到影响。由于缺乏对公共对话的参与，他们没有建立起任何粘合的社会资本和与他人的深厚关系，从而降低了他们的社区意识 (Li & Chen, 2022)。

4.2.2 参与结构

社区成员个体的参与程度创造了DAO社区特有的社会结构。这种社会结构将不同的互动线编织在一起，形成了一个社区的参与挂毯。在下面的文字中，我们将把这种参与挂毯称为_社会网络_或只是_一个网络_。

DAO

图5: 社会网络可视化（Grandjean，2016）

社会网络，人类之间的互动模式，已经被研究了很多年。研究人员已经调查了网络结构对人们的选择（例如，采用一项创新，吃一个巨无霸汉堡）和结果（成功与失败）的影响 (Borgatti & Halgin, 2011)。社会网络科学家的一般假设是，人们之间的联系帮助他们交换东西，如信息、能量和货物（网络流模型），或帮助他们协调行动和信念，如同侪压力（peer pressure）和反对意见（protest）（网络纽带模型）。

当我们从再生的角度看待DAO社区健康（DAO社区是相互依赖的嵌套系统）时，值得考虑网络生物仿生学。各种生物模型系统都可以应用，但我们要特别强调来自生态学的网络研究，因为这一领域的研究非常广泛，跨越了几十年。正如我们所提到的，一个DAO社区有几个参与的利益相关者（投资者、贡献者、用户等），生态学家称之为 "物种"，我们也可以将不同的功能技能组（开发人员、营销人员、设计师等）概念化为物种。与社会科学网络研究相比，生态学关注的是导致生态系统内种群增长或衰落的因素，因此可以给我们一个场景来理解社区内的动态，从而导致其成功或失败。同样，利益相关者的类型可以被看作是细胞类型或大脑区域，因此与这些类型的系统相关的例子也将被简单提及。

早期使用计算机模型进行的网络研究表明，当网络的规模和复杂性增加时，其复原力就会降低 (May, 1972)。而生态学内的观察研究表明，随着复杂性的增加，生态系统的复原力会增加 (Hedgpeth, 1954; MacArthur, 1955)。在随后的几十年里，大量的研究阐明了这种复原力的增加是生态系统网络中存在的特定网络结构的结果 (Landi et al., 2018; van der Molen, 2022)。因此，如果生态系统成员之间的互动模式是有积极意义的，那么规模和复杂性增长的生态系统可以变得更加有复原力，比如说：

适度的成员数量。在网络中，集群是一组社区成员，他们主要与该组的大多数或所有成员互动。他们形成了一个自下而上产生的子系统，没有正式的激励措施。当这种集群适度存在时，来自不同集群的成员与其他集群的成员也有有限的互动。这被称为 "小世界效应" (Watts & Strogatz, 1998)。如果满足两个条件，一个社区就被描述为一个小世界：它有小团体，给成员提供了讨论利基话题的空间，这有利于本地信息处理；还有连接这些利基的边界跨越者，以确保全局的信息整合。有趣的是，细胞中的蛋白质相互作用网络和大脑区域的相互作用也是类似小世界的 (Bassett et al., 2006; Goldberg & Roth, 2003)）。
成员与其他成员的关系数量的变化。生态系统的一些成员与许多其他成员有联系，而其他成员只与少数成员有互动。在生态学中，与许多其它成员有联系的成员被描述为通俗主义者。在社会科学中，他们被称为大众成员或劳力（work-horses）。在线社区经常显示出这种不均匀的长尾分布，这在许多其他生物系统中也被观察到，包括细胞和大脑(Almaas & Barabási, 2006; Tomasi et al., 2017)。
一个强关系的骨架，但大多数是较弱的关系。某些成员之间有很强的影响力，为社区创造了一个稳定的框架。然而，大多数成员之间的互动并不频繁，这使得社区能够灵活应对变化。这种结构反映了纽带型和桥梁型社会资本之间的平衡 (Li & Chen, 2022)。在大脑和自组织脑器官中也观察到类似的强互动骨架，支持更多的弱互动 (Sharf et al., 2022; Song et al., 2005)。
连接性。当人们与社区中的其他人有更多的关系时，它会导致一个更稳定的社区。由于信息可以从一个人传递到另一个人的方式的冗余性，信息可以更容易地在社区中传播 (Thébault & Fontaine, 2010)。连接社区中每一对成员的独立路径数量越多，这个社区的社会凝聚力就越高 (White & Harary, 2001)，也是社区长期稳定的标志 (Quintane et al., 2013)。同样，大脑网络中的冗余也支持细胞和大脑功能 (Bettinardi et al., 2017; Cutler & McCourt, 2005)。
互惠性性和竞争性的互动都有。有些互动对参与的两个个体都有利，而其他互动则是竞争性的。这两种类型的互动都有助于社区的稳定(Mougi & Kondoh, 2012)。例如，在DAO中，成员在合作中贡献他们独特的技能，为DAO的总体目标而努力（互惠型）。同时，DAO成员可以互相竞争，提出最好的解决方案和实施方案（竞争型）。例如，通过提交竞争性提案，试图获得赏金，促进产生高质量的提案。同样，在生物网络中，许多蛋白质的唯一或主要功能是增强或沉默其他蛋白质 (Duan & Walther, 2015)。

4.2.3 社区意识

与可观察到的参与度的健康衡量标准不同，社区意识（SoC）不能被观察到，只能从其他数据点推断出来。SoC是一种描述社区成员之间情感相互联系的表现状态。

研究人员认为，社区意识是刺激人们参与网络社区的主要因素之一（ (Blanchard, 2008; Luo et al., 2017; Talò et al., 2014)。社区意识产生了人们登录在线社区的动力。此外，它创造了与其他社区成员的情感纽带，这是人们对在现实生活中遇到的朋友的类似联系类型(Abfalter, Zaglia, & Mueller, 2012; Luo et al., 2017)。

根据Blanchard（2008）的研究，虚拟社区意识的重要预测因素是共同规范的存在，观察到人们相互支持，以及在网络社区中创造一个身份。与这一定义平行，我们将 "社区意识 "概念化为由以下部分组成：

成员资格：对社区的归属感和认同感，一个共同的符号系统。
共同的规范：成员对什么行为是可接受的有（某种）共同理解。这里的行为指的是基于文本和视频媒介的交流方式。基于文本的交流包括文字、图片（如gif）和表情符号。
社区特有的身份：成员发展出一种社区特有的身份，通过这种身份，认为自己对社区负责。这种社区特有的身份可能与成员在不同社区发展的身份不同。为了不破坏他们与社区的联系，成员意识到不要发展出一个太独特的身份，并在一定程度上与其他社区成员相似。

4.3 嵌套系统的有利因素和附加场景

正如我们所看到的，生命体征已经在不同的嵌套系统中为我们提供了惊人的信息财富，甚至有一些预测能力。然而，我们总是可以更深入地了解。可以用来提供一些额外见解的构造的非详尽清单：

机构、自主权和主权。
信任和心理安全。
激励和动机的观点。
技术接受度模型。
心理分析。
全面的健康评估。
跨社区评价以得出生态系统的健康状况。

Q5：我们如何思考衡量生命体征的问题？

社区健康的部分生命体征是个体对社区的看法，而其他则是个体在社区的行动。为此，我们正在结合不同的数据来源来衡量社区的健康状况。

DAO

图6: 生命体征测量

社区成员个体的参与度是通过他们在社区的参与度来衡量的。这指的是他们的发帖行为和活动出席情况。具体来说，我们要衡量他们在社区中的地位，以及它是如何随着时间的推移而演变的，从而计算出社区成员在入境（新加入者）、入境或出境（潜在离境者）轨迹中的比例。最后，我们还将衡量社区成员中跨越社区中不同子群体和小团体的比例。这些人占据着关键位置，因为他们能够在较小的群体之间进行信息交流。

在衡量参与结构时，我们的目标是确定社区在规模和复杂性方面可持续增长的能力。作为一个数据源，我们使用社区成员的互动数据。互动数据来自成员在社区在线论坛的公共频道上发表的帖子。通过使用这个数据源，我们减少了社区成员的负担，因为他们不需要填写调查表和回忆他们的参与模式。此外，这种数据收集策略不太容易出现近期性和显著性偏差。参与结构的领先指标是小世界指标，它反映了网络中的聚类和将这些聚类连接成一个有凝聚力的整体的边界跨越者的存在之间的平衡。此外，我们将调查不同成员的互动数量的分布以及这些互动强度的分布，以评估社区的复原力。

为了衡量社区意识，我们正在使用一项经过科学验证的调查。通过调查，我们能够深入了解个人对社区的看法和感受。简易社区意识评测表是由David McMillian开发的，他是最早描述理论框架的作者之一。从最初的8个项目的调查来看，在我们的倾向调查中，我们决定只关注评估个体成员的情感联系的两个问题。我们这样决定，是因为倾向调查通常是非常简短的（2到5个问题）。我们选择了情感联系这个维度，因为它与SoC的整体构造有最强的关联。

关于个体和生态系统健康以及关于复原力、适应力和转变力的说明：

尽管对这些方面的测量超出了生命体征（我们对社区健康的出发点）的范围，但由于我们已经收集到的数据，我们可以得出这些方面的信息。

例如，"社区意识 "已被证明是社区复原力和个体愉悦的指标。

此外，为了衡量一个社区的复原力，我们可以计算出参与结构是如何随时间变化的。一个社区如果能恢复以前的（健康的）参与水平、参与结构和社区感，就被认为是有复原力的。复原力测量的准确性取决于所选择的时间范围和在数据收集期间发生的内部和外部事件。在测量社区的复原力之前，首先要确定什么是社区的基线水平，以及这个基线水平对于社区的特定成熟阶段是否被认为是健康的。

最后，我们已经看到，能够实现有效信息流动的结构性因素与社区的适应能力直接相关 (Matarrita-Cascante et al., 2017)，而失权（与其对社区治理有效性的影响与适应性差相关）会导致不认同，从而反映在社区意识。

进一步研究的途径

正如我们所看到的，DAO社区健康的话题非常广泛，我们很高兴能将这个项目推向高潮，并为这个研究流做出贡献。

在下一阶段的研究中，我们将从不同的社区收集数据，以测试和完善社区健康评价模型。如果你希望与你的社区一起参与，请加入RnDAO 的Discord服务器或这个倡议的telegram社群，并让我们知道。

额外的研究项目（由我们或其他人进行），可以在不同的嵌套系统的健康评估的基础上，扩展我们强调的附加结构。同样地，进一步的研究可以探索长期有利于社区健康的积极因素。

致谢

我们感谢RnDAO社区为这个项目的灵感和摇篮提供了肥沃的土壤，我们感谢我们的赞助商Aragon和Polygon的慷慨支持。

参考文献

A Typology of Virtual Communities: A Multi‐Disciplinary Foundation for Future Research—Porter—2004—Journal of Computer-Mediated Communication—Wiley Online Library. (n.d.). Retrieved July 1, 2022, from

https://onlinelibrary.wiley.com/doi/full/10.1111/j.1083-6101.2004.tb00228.x

Aasen, T., Mesnil, M., Naus, C. C., Lampe, P. D., & Laird, D. W. (2016). Gap junctions and cancer: Communicating for 50 years. Nature Reviews Cancer, 16(12), 775–788. https://doi.org/10.1038/nrc.2016.105

Almaas, E., & Barabási, A.-L. (2006). Power Laws in Biological Networks. In E. V. Koonin, Y. I. Wolf, & G. P. Karev (Eds.), Power Laws, Scale-Free Networks and Genome Biology (pp. 1–11). Springer US.

https://doi.org/10.1007/0-387-33916-7\_1

Armanda Hamtiaux & Claude Houssemand. (2012). Adaptability, Cognitive Flexibility, Personal Need for Structure, and Rigidity. Journal of Psychology Research, 2(10). https://doi.org/10.17265/2159-5542/2012.10.001

Barclay, E., Donnermeyer, J. F., & Jobes, P. C. (2004). The Dark Side of Gemeinschaft: Criminality within Rural Communities. Crime Prevention and Community Safety, 6(3), 7–22. https://doi.org/10.1057/palgrave.cpcs.8140191

Bassett, D. S., Meyer-Lindenberg, A., Achard, S., Duke, T., & Bullmore, E. (2006). Adaptive reconfiguration of fractal small-world human brain functional networks. Proceedings of the National Academy of Sciences, 103(51), 19518–19523. https://doi.org/10.1073/pnas.0606005103

Berkes, F., & Ross, H. (2013). Community Resilience: Toward an Integrated Approach. Society & Natural Resources, 26(1), 5–20. https://doi.org/10.1080/08941920.2012.736605

Bettinardi, R. G., Deco, G., Karlaftis, V. M., Van Hartevelt, T. J., Fernandes, H. M., Kourtzi, Z., Kringelbach, M. L., & Zamora-López, G. (2017). How structure sculpts function: Unveiling the contribution of anatomical connectivity to the brain’s spontaneous correlation structure. Chaos (Woodbury, N.Y.), 27(4), 047409.

https://doi.org/10.1063/1.4980099

Blanchard, A. L. (2008). Testing a model of sense of virtual community. Computers in Human Behavior, 24(5), 2107–2123.

https://doi.org/10.1016/j.chb.2007.10.002

Borgatti, S. P., & Halgin, D. S. (2011). On network theory. Organization Science, 22(5), 1168–1181.

Breitsohl, J., Wilcox-Jones, J. P., & Harris, I. (2015). Groupthink 2.0: An empirical analysis of customers’ conformity-seeking in online communities. Journal of Customer Behaviour, 14(2), 87–106.

https://doi.org/10.1362/147539215X14373846805662

Brewer, M. B., & Gardner, W. (1996). Who is this “We”? Levels of collective identity and self representations. Journal of Personality and Social Psychology, 71(1), 83–93. https://doi.org/10.1037/0022-3514.71.1.83

Camazine, S., Deneubourg, J.-L., Franks, N. R., Sneyd, J., Theraula, G., & Bonabeau, E. (2020). Self-Organization in Biological Systems. In Self-Organization in Biological Systems. Princeton University Press.

https://doi.org/10.1515/9780691212920

Carillo, K. (2017, May 17). Exploring the online community biosphere—Towards a conceptualization of the notion of online community health.

Cutler, S., & McCourt, P. (2005). Dude, Where’s My Phenotype? Dealing with Redundancy in Signaling Networks. Plant Physiology, 138(2), 558–559. https://doi.org/10.1104/pp.104.900152

Dane, E. (2010). Reconsidering the Trade-off Between Expertise and Flexibility: A Cognitive Entrenchment Perspective. Academy of Management Review, 35(4), 579–603. https://doi.org/10.5465/amr.35.4.zok579

Darwin, C. (2003). On the Origin of Species, 1859. Routledge. https://doi.org/10.4324/9780203509104

Donath, J. (2007). Signals in social supernets. Journal of Computer-Mediated Communication, 13(1), 231–251.

Duan, G., & Walther, D. (2015). The Roles of Post-translational Modifications in the Context of Protein Interaction Networks. PLOS Computational Biology, 11(2), e1004049. https://doi.org/10.1371/journal.pcbi.1004049

Evaluating community capacity: Visual representation and interpretation | Community Development Journal | Oxford Academic. (n.d.). Retrieved July 15, 2022, from https://academic.oup.com/cdj/article-abstract/41/3/266/494888

Fisher, A. T., & Sonn, C. C. (2002). Psychological sense of community in Australia and the challenges of change. Journal of Community Psychology, 30(6), 597–609. https://doi.org/10.1002/jcop.10029

Goldberg, D. S., & Roth, F. P. (2003). Assessing experimentally derived interactions in a small world. Proceedings of the National Academy of Sciences, 100(8), 4372–4376. https://doi.org/10.1073/pnas.0735871100

Hedgpeth, J. W. (1954). Fundamentals of Ecology. Eugene P. Odum. Saunders, Philadelphia, 1953. Xii + 384 pp. Illus. $6.50. Science, 120(3108), 134–134. https://doi.org/10.1126/science.120.3108.134.a

Henri, F., & Pudelko, B. (2003). Understanding and analysing activity and learning in virtual communities. Journal of Computer Assisted Learning, 19(4), 474–487. https://doi.org/10.1046/j.0266-4909.2003.00051.x

Hickman, T., & Ward, J. (2007). The Dark Side of Brand Community: Inter-Group Stereotyping, Trash Talk, and Schadenfreude. ACR North American Advances, NA-34. https://www.acrwebsite.org/volumes/12923/volumes/v34/NA-34

Houten, L., & Reilley, A. A. (1980). An investigation of the cause of death from cancer. Journal of Surgical Oncology, 13(2), 111–116.

https://doi.org/10.1002/jso.2930130205

Landi, P., Minoarivelo, H. O., Brännström, Å., Hui, C., & Dieckmann, U. (2018). Complexity and stability of ecological networks: A review of the theory. Population Ecology, 60(4), 319–345.

https://doi.org/10.1007/s10144-018-0628-3

Lee, E., Kim, Y. J., & Ahn, J. (2014). How do people use Facebook features to manage social capital? Computers in Human Behavior, 36, 440–445.

Li, W., & Chen, M. (2022). How online social interactions predict the sense of virtual community via social capital: Testing a dual-process model with an interest–based SNS. Computers in Human Behavior, 135, 107347.

https://doi.org/10.1016/j.chb.2022.107347

Luo, N., Zhang, M., & Qi, D. (2017). Effects of different interactions on students’ sense of community in e-learning environment. Computers & Education, 115, 153–160.

MacArthur, R. (1955). Fluctuations of Animal Populations and a Measure of Community Stability. Ecology, 36(3), 533. https://doi.org/10.2307/192960

Matarrita-Cascante, D., Trejos, B., Qin, H., Joo, D., & Debner, S. (2017). Conceptualizing community resilience: Revisiting conceptual distinctions. Community Development, 48(1), 105–123. https://doi.org/10.1080/15575330.2016.1248458

May, R. M. (1972). Will a Large Complex System be Stable? Nature, 238(5364), 413–414. https://doi.org/10.1038/238413a0

McKee, J. (1988). Holistic health and the critique of western medicine. Social Science & Medicine, 26(8), 775–784. https://doi.org/10.1016/0277-9536(88)90171-2

Molenberghs, P. (2013). The neuroscience of in-group bias. Neuroscience & Biobehavioral Reviews, 37(8), 1530–1536. https://doi.org/10.1016/j.neubiorev.2013.06.002

Mougi, A., & Kondoh, M. (2012). Diversity of Interaction Types and Ecological Community Stability. Science, 337(6092), 349–351. https://doi.org/10.1126/science.1220529

Nahapiet, J., & Ghoshal, S. (1998). Social Capital, Intellectual Capital, and the Organizational Advantage. The Academy of Management Review, 23(2), 242. https://doi.org/10.2307/259373

Nonnecke, B., & Preece, J. (2001). WHY LURKERS LURK. Americas Conference on Information Systems, 10.

Oh, J., Jeong, S., Yoon, S. W., & Cho, D. (2022). The link between HRD professionals’ social capital and career adaptability: A moderated mediation analysis of social network. European Journal of Training and Development, ahead-of-print(ahead-of-print). https://doi.org/10.1108/EJTD-09-2021-013

Okuyama, T., & Holland, J. N. (2008). Network structural properties mediate the stability of mutualistic communities. Ecology Letters, 11(3), 208–216. https://doi.org/10.1111/j.1461-0248.2007.01137.x

Ospina, D., & Bohle Carbonell, K. (2022). What’s a DAO? Conceptual Foundations. RnDAO. https://rndao.mirror.xyz/1zGqbsh1YZNi3I9yvtk\_2VMcpyg\_dvHF1GlZ\_LAO3p4

Pflughoeft, K. J., & Versalovic, J. (2012). Human Microbiome in Health and Disease. Annual Review of Pathology: Mechanisms of Disease, 7(1), 99–122. https://doi.org/10.1146/annurev-pathol-011811-132421

Por, G. (2008). Collective Intelligence and Collective Leadership: Twin Paths to Beyond Chaos.

Porter, C. E. (2004). A Typology of Virtual Communities: A Multi-Disciplinary Foundation for Future Research. Journal of Computer-Mediated Communication, 10(1), 00–00. https://doi.org/10.1111/j.1083-6101.2004.tb00228.x

Quintane, E., Pattison, P. E., Robins, G. L., & Mol, J. M. (2013). Short- and long-term stability in organizational networks: Temporal structures of project teams. Social Networks, 35(4), 528–540. https://doi.org/10.1016/j.socnet.2013.07.001

Saylor, C. (2004). The Circle of Health: A Health Definition Model. Journal of Holistic Nursing, 22(2), 97–115. https://doi.org/10.1177/0898010104264775

Senge, P. (2006). The Fifth Discipline. Random House UK.

Sharf, T., van der Molen, T., Glasauer, S. M. K., Guzman, E., Buccino, A. P., Luna, G., Cheng, Z., Audouard, M., Ranasinghe, K. G., Kudo, K., Nagarajan, S. S., Tovar, K. R., Petzold, L. R., Hierlemann, A., Hansma, P. K., & Kosik, K. S. (2022). Functional neuronal circuitry and oscillatory dynamics in human brain organoids. Nature Communications, 13(1), 4403. https://doi.org/10.1038/s41467-022-32115-4

Slemp, C., Davenport, M. A., Seekamp, E., Brehm, J. M., Schoonover, J. E., & Williard, K. W. J. (2012). “Growing too fast:” Local stakeholders speak out about growth and its consequences for community well-being in the urban–rural interface. Landscape and Urban Planning, 106(2), 139–148. https://doi.org/10.1016/j.landurbplan.2012.02.017

Solomon, M. (2006). Groupthink versus The Wisdom of Crowds: The Social Epistemology of Deliberation and Dissent. The Southern Journal of Philosophy, 44(S1), 28–42. https://doi.org/10.1111/j.2041-6962.2006.tb00028.x

Song, S., Sjöström, P. J., Reigl, M., Nelson, S., & Chklovskii, D. B. (2005). Highly Nonrandom Features of Synaptic Connectivity in Local Cortical Circuits. PLOS Biology, 3(3), e68. https://doi.org/10.1371/journal.pbio.0030068

Takahashi, M., Fujimoto, M., & Yamasaki, N. (2003). The Active Lurker: Influence of an In-house Online Community on its Outside Environment. 11.

Taleb, N. N. (2013). “Antifragility” as a mathematical idea. Nature, 494(7438), 430–430. https://doi.org/10.1038/494430e

Talò, C., Mannarini, T., & Rochira, A. (2014). Sense of Community and Community Participation: A Meta-Analytic Review. Social Indicators Research, 117(1), 1–28. https://doi.org/10.1007/s11205-013-0347-2

The dark side of community: Clientelism, corruption and legitimacy in rural planning. (2019). In The Routledge Companion to Rural Planning (pp. 142–152). Routledge. https://doi.org/10.4324/9781315102375-15

The Need to Belong: Desire for Interpersonal Attachments as a Fundamental Human Motivation. (2017). In Interpersonal Development (pp. 57–89). Routledge. https://doi.org/10.4324/9781351153683-3

Thébault, E., & Fontaine, C. (2010). Stability of Ecological Communities and the Architecture of Mutualistic and Trophic Networks. Science, 329(5993), 853–856. https://doi.org/10.1126/science.1188321

Tomasi, D. G., Shokri-Kojori, E., & Volkow, N. D. (2017). Brain Network Dynamics Adhere to a Power Law. Frontiers in Neuroscience, 11. https://www.frontiersin.org/articles/10.3389/fnins.2017.00072

Trier, M. (2014). Towards a Conceptualization of Online Community Health. https://www.academia.edu/33466093/Towards\_a\_Conceptualization\_of\_Online\_Community\_Health

Tsikerdekis, M. (2013). The effects of perceived anonymity and anonymity states on conformity and groupthink in online communities: A Wikipedia study. Journal of the American Society for Information Science and Technology, 64(5), 1001–1015. https://doi.org/10.1002/asi.22795

van der Molen, T. (2022). Complexity vs stability, an ecosystem perspective. https://mirror.xyz/0x228F308e90C36eF1aceE0BEC99061f9De65dbCdd/EaRncgRP-8\_UzHzlZtu4G8FVxcK-GvgtouYbkEVFrc4

Walker, B., Holling, C. S., Carpenter, S. R., & Kinzig, A. (2004). Resilience, Adaptability and Transformability in Social–ecological Systems. Ecology and Society, 9(2). https://www.jstor.org/stable/26267673

Wang, C. L., & Ahmed, P. K. (2003). Organisational learning: A critical review. The Learning Organization, 10(1), 8–17. https://doi.org/10.1108/09696470310457469

Wang, C.-C., Sung, H.-Y., Chen, D.-Z., & Huang, M.-H. (2017). Strong ties and weak ties of the knowledge spillover network in the semiconductor industry. Technological Forecasting and Social Change, 118, 114–127. https://doi.org/10.1016/j.techfore.2017.02.011

Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of ‘small-world’ networks. Nature, 393(6684), 440–442. https://doi.org/10.1038/30918

Wenger, E. (1999). Communities of practice: Learning, meaning, and identity. Cambridge university press.

White, D. R., & Harary, F. (2001). The Cohesiveness of Blocks In Social Networks: Node Connectivity and Conditional Density. Sociological Methodology, 31(1), 305–359. https://doi.org/10.1111/0081-1750.00098

责任编辑：Kate

免责声明：本文仅代表作者个人观点，不代表链观CHAINLOOK立场，不承担法律责任。文章及观点也不构成投资意见。请用户理性看待市场风险，以及遵守所在国家和地区的相关法律法规。
图文来源：RnDAO，如有侵权请联系删除。转载或引用请注明文章出处！

标签：DAODAO社区

分享至

https://www.chainlook.cn/toutiao/1691118072.html