free-rider-problem.md 9.53 KB
Newer Older
HKalbasi's avatar
HKalbasi committed
1
2
---
title: مساله مفت سواری
HKalbasi's avatar
HKalbasi committed
3
4
category:
  - economy
HKalbasi's avatar
HKalbasi committed
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
related:
  - crowdfunding
---

یکی از انتقاداتی که به داده های عمومی وارد می شود، مساله مفت سواری است. مفت سواری
یعنی کسانی که برای داده هیچ زحمتی نکشیده اند و هزینه ای برای تولید آن نداده اند، به
رایگان صاحب و مالک داده های عمومی می شوند. این مساله به خودی خود مشکلی ندارد؛ اما ممکن
است همه به فکر مفت سواری بیفتند و در نتیجه هیچ داده عمومی تولید نشود. یعنی این معضل
روی هزینه گذاشته شده روی داده های عمومی، تاثیر منفی می گذارد و داده های کمتر
و بی کیفیت تری تولید خواهد شد.

## شرح مساله

مفت سواری اصطلاحی در علم اقتصاد و نظریه بازی هاست که در تولید
[کالای عمومی](https://fa.wikipedia.org/wiki/%DA%A9%D8%A7%D9%84%D8%A7%DB%8C_%D8%B9%D9%85%D9%88%D9%85%DB%8C)
مطرح می شود. مثلا یک فیلم سینمایی را در نظر بگیرید که قرار است داده عمومی باشد
و هزینه ساخت آن از روش
[تامین مالی جمعی](/articles/crowdfunding)
بدست بیاید. فرض کنید هزینه ساخت این فیلم ۲۰۰۰ تومان است و ۱۰۰۰ نفر به این فیلم علاقه
دارند؛ به طوری که اگر این فیلم یک فیلم انحصاری بود، حاضر بودند ۱۰ تومان برای خرید
سی دی آن هزینه کنند.

سازنده کارزار تامین مالی جمعی را ایجاد می کند. اگر ۲۰۰ نفر هر کدام ۱۰ تومانی که حاضر
بودند برای داده های انحصاری هزینه کنند را در این کارزار خرج کنند، کارزار موفق می شد.

اما تصمیم یک نفر، تاثیر چشم گیری در موفقیت یا شکست کارزار، نخواهد داشت. بنابراین یک
**مفت سوار**
ممکن است فکر کند که اگر کمک نکند، می تواند هم ۱۰ تومانش را در جیبش بگذارد و هم فیلم
را دریافت کند. اگر همه مانند مفت سوار فکر و عمل کنند، کارزار شکست خواهد خورد در صورتی
که پیروزی اش به نفع همه بود؛ یک شکست برای همه.

## راه حل ها

معضل مفت سواری تنها در داده های عمومی اتفاق نمی افتد، بلکه اتفاق شایعی است. بعضی از
راه حل هایی که در این جا مطرح می شود مختص داده های عمومی و برخی برای تمام حالات کالا
های عمومی کاربرد دارد. این راه حل ها برگرفته از تجربیات داده های عمومی کنونی و نحوه
برخورد آن ها با این مساله است.

### انگیزه های مجزا
می شود پاداش یا انگیزه هایی به جز داده های عمومی تعریف کرد که با مصرف داده ارتباط
نداشته باشد و در نتیجه تحت تاثیر مساله مفت سواری قرار نگیرد. مثلا در مثال فیلم، می توان
نام کمک کنندگان را در انتهای فیلم نوشت یا به مشارکت کنندگان فرصت تماس تلفنی با بازیگران
فیلم را داد. دیدن نوشته
[انگیزه های تولید داده های عمومی](/articles/why-someone-make-common-data/)
در همین زمینه خالی از لطف نیست.

### توسعه توسط دولت
دولت راهی کلاسیک برای مساله مفت سواری است. تمام کالاهای عمومی کلاسیک (مانند جاده ها یا
شبکه فاضلاب) توسط دولت ساخته می شود. پس علاوه بر این که
[تمام داده های دولت باید عمومی باشد](/articles/public-data-and-government/)
، درصد قابل توجهی از داده های عمومی توسط دولت می تواند تهیه شود.

### هزینه زمان
تاخیر در تولید داده های عمومی، ممکن است از هزینه تولید آن بیشتر شود. هزینه تولید داده عمومی
به وسیله روش های تولید جمعی و غیر متمرکز در کنار کلیت جامعه محور آن، هزینه تولید آن
را بسیار کاهش داده است، تا حدی که ممکن است هزینه تاخیر در تولید از هزینه تولید بیشتر شود.

اگر مفت سوار احتمال دهد که مفت سواری باعث می شود تا مثلا محصول دو سال دیر تر آماده شود،
مفت سواری را کنار می گذارد و حتی خودش پروژه توسعه داده عمومی را به تنهایی آغاز می کند
یا توسعه مد نظرش را که هزینه اش از هزینه تاخیر دو ساله کمتر است، انجام می دهد.

### راه حل کوز
نظریه کوز در اقتصاد بیان می کند که اگر هزینه ارتباطات و قرارداد های اقتصادی در مقابل
سود و هزینه های کار ناچیز باشد، افراد به یک وضعیت بهینه پارتو (وضعیتی که نتوان به هیچ
HKalbasi's avatar
HKalbasi committed
69
کس سود رساند بدون این که دیگری ضرر کند) توافق می کنند که برسند. وضعیتی
HKalbasi's avatar
HKalbasi committed
70
که داده عمومی به دلیل زیاد بودن مفت سواران، تولید نشده است وضعیت بهینه پارتو نیست (با
HKalbasi's avatar
HKalbasi committed
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
تولید شدن آن وضع همه بهتر می شود) پس اگر شرایط نظریه کوز برقرار باشد، یعنی
در مواردی که هزینه تولید
بالا و افراد مربوط، کم هستند
و در نتیجه هزینه ارتباطات و قرارداد ها تقریبا ناچیز است (این بالا و کم نسبی است و نمی توان
برای آن عدد تعیین کرد) 
می توان انتظار داشت که افراد درگیر سر تولید داده عمومی به توافق برسند.

[اینترنت در کاهش این هزینه ها نقش وسیعی داشته](../public-data-and-internet/)
است. به کمک اینترنت، توسعه مشارکتی غیرمتمرکز داده های عمومی ممکن شده است و می توان
از هر جای دنیا با کمترین هزینه، مقاله های ویکی پدیا را ویرایش کرد یا در طراحی های عمومی
مشارکت کرد. کاهش هزینه هایی که به اصطلاح اصطکاک اقتصادی خوانده می شوند به کمک اینترنت
باعث شده است که شرایط نظریه کوز محیا شود و در نتیجه انگیزه افراد برای مفت سواری
کاهش یابد. همین مساله است که داده های عمومی را به شکل کنونی آن در آورده است و اگر
اینترنت نبود، نمی توانستیم داده های عمومی با کیفیت به وجود بیاوریم و مجبور بودیم
از داده های انحصاری استفاده کنیم.
HKalbasi's avatar
HKalbasi committed
86
87
88
89
90
91
92
93
94
95
96
97

### تقبیح اخلاقی
مفت سواری در بسیاری از سیستم های اخلاقی کار بدی تلقی می شود و بنابراین افراد تا حدی
سعی می کنند که از مفت سواری دوری کنند.

## جمع بندی
مفت سواری روی حجم توسعه داده های عمومی تاثیر منفی می گذارد؛ اما مشاهدات نشان می دهد
که راه حل های بالا می توانند تا حدی این مساله را پوشش دهند. به طوری که می توان گفت
مساله مفت سواری برای توسعه و بهره وری، نسبتا بی تاثیر است. (در مقابل
[سود ناعادلانه حاصل از انحصار داده](/articles/proprietary-profit/)
که تاثیر گذار است)

HKalbasi's avatar
HKalbasi committed
98
99
100
101
102
103
104
هم چنین داده های عمومی به نیروی بسیار کمتری برای توسعه نیاز دارند و از نظر مصرف منابع
بسیار بهینه تر هستند زیرا بسیاری از توان، در رقابت و دوباره کاری چند انحصار کننده
هدر می رود ولی چنین اتلافی در داده های عمومی وجود ندارد. بنابراین حتی اگر منابع ورودی
توسعه داده های عمومی کمتر باشد، ممکن است حتی داده های عمومی از نمونه انحصاری خود بهتر
شوند!

با این حال حتی اگر مفت سواری چالشی جدی در زمینه بهره وری داده های عمومی ایجاد کند، انحصار
HKalbasi's avatar
HKalbasi committed
105
106
داده موجه نمی شود؛ همان طور که اگر تمام انسان ها را با شلاق زدن وادار به کار
شبانه روزی کنیم به توسعه چشم گیری خواهیم رسید اما این بهره وری، شلاق زدن را توجیه
HKalbasi's avatar
HKalbasi committed
107
108
109
110
نمی کند. همان گونه که امروز به اندازه کافی بهینه هستیم و به شلاق زدن نیازی نداریم،
داده های عمومی نیز به اندازه کافی بهینه هستند و به انحصار کردن داده برای بهره وری بیشتر
(که در بسیاری از شرایط حتی کمتر هم هست)
نیازی نداریم.