社会实验方法论

框架

CashPop 是一款 Telegram 游戏。它同时也是一个持续运行、覆盖全球、实时进行的人类协调实验，研究焦点信念、策略深度以及共同知识的传播。该协议的商业结构（广告资助、代币再分配）使实验在财务上可持续。而实验本身则使该协议成为一个持久的科学公共资源。

本文档记录了我们的测量内容、匿名化方式、发布内容以及参与的学术合作伙伴。

观测变量

对于每个 Round (回合)，我们记录：

变量	类型	精度
Round ID	整数	唯一
Question ID	整数	映射到公共题库条目
Round 开始时间戳	UTC 毫秒	精确
参与者数量	整数	精确
按阶段毫秒桶统计的 Commit (提交) 数量	数组	按1秒间隔分桶
按阶段毫秒桶统计的 Reveal (揭示) 数量	数组	按1秒间隔分桶
多数结果		精确
投票比率	浮点数	精确
人口统计分解	聚合数据	按每桶≥100名参与者分桶

我们不记录：

• 任何级别的个人用户身份
• 个人用户投票（仅记录聚合比率）
• IP 地址（仅记录国家代码，且聚合超过100名参与者）
• 任何特定用户在跨 Round 中的行为（每个用户在每轮中表现为一个匿名、不可交叉关联的令牌）

匿名化协议

所有发布的数据均经过 k-匿名性下限（k=100）处理：任何聚合单元中参与者数量不少于100人。低于 k 值的单元将与相邻单元合并或予以抑制。

对于人口统计分解（国家、年龄段、语言），我们应用 差分隐私，ε = 1.0：对每个单元计数添加经过校准的拉普拉斯噪声机制。

密码学证明：匿名化流水线是开源的（github.com/cashpop-protocol/data-pipeline），第三方验证者可以验证发布的数据集是否符合匿名化规则。

我们发布的内容

季度聚合数据集

每个季度，我们发布：

1. Round 级聚合数据：每轮统计（数量、比率、人口统计）——经 k-匿名化处理。
2. 题库快照：使用过的问题、响应分布、焦点估计。
3. 时间序列：每周 DAU、MAU、Round 数量、奖池分布。
4. 跨国焦点矩阵：按问题类别划分，各国响应分布的余弦相似度。

所有数据集：采用 CC-BY-4.0 许可。发布于 datasets.cashpop.meme。

年度研究报告

每年，该协议发布一份达到同行评审质量的研究报告。我们已承诺：

• 至少每季度一篇论文预印本，目标为 SSRN / arXiv（经济博弈论、计算机科学博弈论）。
• 至少一份年度报告与学术合作伙伴合著（目标：研究型大学的行为经济学小组）。
• 一个开放数据审查委员会，包括外部学术评审员。

第一份此类报告——涵盖 2027 年第一季度数据集——计划于 2027 年第二季度发布。

正在探索的方法论

活跃的研究方向（需经同行评审）：

1. 跨文化 Schelling Point (谢林点) 分歧指数。衡量焦点在文化上的特异性程度，作为问题类型和文化距离的函数。
2. 人口规模的 Level-k 混合估计。利用 Round 级的提交时间和答案数据来估计人群的 level-k 分布。
3. 共同知识传播延迟。信念关于信念通过 Telegram 社交图传播的速度有多快？可通过同步问题组的跨 Round 一致性进行测量。
4. 群体智慧校准与真实值对比。对于事实性问题，将 CashPop 的多数结果与已验证的真实值进行比较。
5. 按人口统计阶层划分的策略深度异质性。老年人是否更倾向于 level-1，加密原生用户是否更倾向于 level-3？可通过实证检验。
6. 信息冲击下的信念修正。在重大新闻事件前后运行问题组；测量变化。

为何这很重要

三个原因：

1. 科学意义。30 年来，Beauty Contest (Beauty Contest) 实验仅在受控实验室中针对少于 200 名受试者进行。CashPop 每轮运行约 10,000 名受试者，在实地条件下，跨越不同文化，并具有密码学可审计性。其经验杠杆是前所未有的。

2. 公民意义。共同知识结构（Aumann、Rubinstein、Vives）支撑着从市场微观结构到选举结果的一切。更好地测量共同知识如何形成和消解是一项公共产品。

3. 声誉意义。该协议的长期合法性取决于其数据公共资源的身份。CashPop 并非从用户身上榨取价值，而是与他们共同创造科学资源。

我们承认的局限性

• 选择偏差。CashPop 用户并非人类的代表性样本。他们是具有加密好奇心且有时间玩游戏的 Telegram 用户。我们的结果可推广至该人群，而非全人类。
• 激励污染。玩家会获得 POP (积分) 报酬。与无激励的实验室研究相比，这改变了策略博弈。我们会记录并量化此效应。
• 题库偏差。题库由 LLM 生成并尽力去偏，但残留偏差仍然存在。我们公开题库，以便外部研究人员使用自己的去偏方法重新分析。

参考文献

• Aumann, R.J. (1976). Agreeing to Disagree. Annals of Statistics 4(6).
• Rubinstein, A. (1989). The Electronic Mail Game. AER 79.
• Vives, X. (2008). Information and Learning in Markets. Princeton.
• Surowiecki, J. (2004). The Wisdom of Crowds. Doubleday.
• Galton, F. (1907). Vox Populi. Nature 75.