기술 요약: 탈중앙화 자율 조직(DAO) 거버넌스의 투표 편향

문제 제기

탈중앙화 자율 조직(DAO)은 자원을 배분하고 프로토콜 규칙을 설정하기 위해 토큰 가중치 투표를 활용하며, 이는 효율적이고 민주적인 조율을 약속한다. 그러나 실증적 관찰에 따르면 DAO 투표의 지지는 현저하게 집중되어 있으며, 일방적인 결과가 빈번하게 발생하고 찬성률이 75~90%를 상회하는 경우가 많다. 기존 연구들은 토큰 집중 및 낮은 참여도와 같은 마찰을 기록해 왔으나, 이러한 왜곡된 결과가 실질적인 커뮤니티 합의에서 비롯된 것인지, 아니면 투표 인터페이스와 제안서 프레젠테이션에 내재된 체계적인 편향에서 비롯된 것인지는 여전히 불분명하다. 특히, 관찰된 지지도가 선택지의 위치(position), 선택지의 태도(stance)(찬성 대 반대), 또는 제안 작성자에 의한 선택지의 선택(selection) 중 어느 것에 의해 주도되는지는 알려져 있지 않다.

방법론

본 연구는 2020년 10월부터 2023년 11월 사이 Snapshot 플랫폼의 19,201개 DAO 공간에서 발생한 127,281개 제안서에 대한 약 5,100만 건의 투표 데이터셋을 분석한다.

데이터 처리 및 태도 분류

• 정제(Cleaning): 저자들은 유효하지 않거나, 대기 중이거나, 플래그가 지정된 제안 및 투표를 제거하였으며, 충분한 팔로워, 투표자 및 제안 이력을 가진 "성숙한" 공간만을 필터링하였다.
• 투표 확장(Vote Expansion): 다중 선호 투표 시스템(예: 가중치, 제곱, 승인 방식)을 처리하기 위해, 저자들은 두 가지 체계(favorite-choice: 최상위 가중치 선택지에 질량을 할당, support-fraction: 질량을 비례적으로 분할)를 사용하여 투표 용지를 선택지 단위의 행으로 매핑하였다. 본 분석은 favorite-choice 체계에 의존한다.
• 태도 탐지(Stance Detection): 새로운 파이프라인을 통해 각 선택지를 네 가지 태도(Approve, Reject, Abstain, Other)로 분류하였다. 이는 다음 과정을 통해 수행되었다:
  1. 휴리스틱(Heuristics): 부정어 및 이모지를 고려하여 수동 검토를 거친 규칙 기반 키워드 분류기 사용.
  2. LLM 검증: Llama 3.1/3.3, GPT-4o와 같은 대규모 언어 모델을 사용하여 휴리스틱을 검증하였으며, 상당한 일치도(Cohen's Kappa ~0.68–0.69)를 보였다.
  3. 인간 평가: 375명의 크라우드워커가 590개의 제안서를 층화 표집하여 수동 레이블링을 수행하였고, 휴리스틱 접근법과 0.71의 Kappa 값을 나타냈다.

분석 접근 방식

본 연구는 세 가지 잠재적 편향을 정량화하기 위해 기술적 및 계량경제학적 프레임워크를 채택한다:

1. 위치 편향(Position Bias): 리스트 순서와 투표권 점유율 간의 연관성.
2. 태도 편향(Approval Bias): 찬성 지향적 선택지가 갖는 체계적인 이점.
3. 작성자 편향(Author Bias): 제안 작성자가 선택한 선택지가 갖는 이점.

저자들은 각 선택지의 투표권 점유율을 추정하기 위해 준-이항 연결(quasi-binomial link)을 사용하는 **분수 로짓 회귀 모델(fractional-logit regression models)**을 사용한다. 종속 변수는 0과 1 사이로 제한된 정규화된 투표권 점유율이다. 모델은 선택지 순위(선형 및 제곱), 태도, 작성자 선택, 작성자 가시성, 그리고 DAO 공간 고정 효과를 통제한다. 표준 오차는 DAO 공간별로 클러스터링된다.

강건성을 확보하기 위해 저자들은 다음을 수행한다:

• "작성자 편향"이 단순히 작성자가 자신에게 투표하는 기계적 산물인지 확인하기 위해, 전체에서 작성자의 투표권을 차감한다.
• 상위 TVL(총 예치 자산) DeFi 프로토콜로 제한하거나, 참여도가 낮은 제안을 제외하거나, 투표 시스템 유형을 변경하는 등 다양한 샘플 사양을 테스트한다.

주요 결과

1. 기술적 발견

• 위치 편향: 첫 번째로 나열된 선택지가 투표권 점유율을 불균형하게 차지한다(모든 제안에 대해 평균 점유율 70%, 기본 투표 시스템에서는 79%까지 정점).
• 태도 편향: 찬성 지향적 선택지가 투표권 점유율의 가장 큰 부분을 압도적으로 차지하지만(전체 약 80%), 이는 첫 번째 위치에 배치되는 경 경향성과 밀접하게 상관되어 있다.
• 작성자 편향: 제안 작성자가 선택한 선택지는 모든 위치와 제안 유형에서 가장 많은 투표권을 받는다.

2. 계량경제학적 발견 (평균 한계 효과)

이러한 중첩된 요인들을 분리하기 위해 회귀 모델을 사용한 결과, 다음과 같은 사실이 밝혀졌다:

• 작성자 선택: 작성자가 선택한 선택지는 다른 요인이 일정할 때, 비작성자 선택지에 비해 평균 58.8 퍼센트 포인트의 투표권 점유율 이득을 얻는다. 이는 세 가지 편향 중 가장 강력한 예측 변수이다.
• 찬성 태도: 찬성 지향적 선택지는 비찬성 선택지에 비해 27.1 퍼센트 포인트의 우위를 점한다.
• 리스트 위치: 첫 번째로 나열되는 것(두 번째 대비)은 7.7 퍼센트 포인트의 이점을 제공한다.

3. 강건성 및 인과관계

• 작성자 투표권: 결과에서 작성자 자신의 투표권을 차감한 후에도 작성자 선택의 연관성은 유의미하게 유지되었으나(약 47.9에서 32.6 퍼센트 포인트로 감소), 이는 작성자 편향이 단순히 작성자가 자신의 옵션에 투표하는 것 때문만이 아니라 사회적 영향력, 신호 전달 또는 전략적 배치를 포함할 가능성이 높음을 시사한다.
• TVL 제한: 상위 100개 DeFi 프로토콜로 샘플을 제한했을 때, 작성자 편향의 크기는 감소하여 찬성 편향보다 작아졌으나(통계적으로 유의미한 차이는 아님), 이는 유동성이 높거나 활발한 DAO에서는 다른 요인이 더 큰 역할을 할 수 있음을 시사한다.
• 기술적 성격: 저자들은 이 결과가 체계적인 연관성이지 입증된 인과적 왜곡은 아니라고 명시적으로 밝힌다. 이 결과는 조작을 증명하는 것이 아니라, 인터페이스 디자인과 작성자의 신호가 어떻게 투표권이 축적되는지를 보여준다.

기여도

1. 경험적 분해: 본 연구는 작성자 선택, 리스트 위치, 찬성 태도와 투표권 점유율 사이의 연관성을 경험적으로 분해한 최초의 대규모 연구이다.
2. 새로운 분류 체계: 논문은 LLM 및 인간 평가와 삼각 측량하여, "찬성" 대 "반대" 역학을 체계적으로 분석할 수 있는 견고한 태도 분류 절차를 도입한다.
3. 디자인 함의: 본 연구는 초점을 단순한 제안 결과에서 집단적 결정을 매개하는 인터페이스와 사회적 신호(순서, 작성자 선택, 투표 가시성)로 전환한다.

의의 및 주장

본 논문은 DAO의 높은 찬성률과 일방적인 결과가 단순히 커뮤니티 합의의 반영이 아니라, 선택지의 제시 방식 및 제안자의 정체성과 체계적으로 연관되어 있다고 주장한다.

• 제도적 설계: 저자들은 순서, 작성자 신호, 투표 가시성이 중립적인 구현 세부 사항이 아닌 제도적 설계 선택으로 취급되어야 한다고 주장한다.
• 투명성: 조사 결과는 책임성을 보장하기 위해 누가 제안을 생성했는지, 작성자가 어떤 옵션을 선택했는지, 그리고 작성자의 투표권이 어느 정도인지에 대한 더 명확한 정보가 필요함을 시사한다.
• 정당성: 체계적인 특정 선택지에 대한 이점은 반대 입장을 저해하고 숙의 과정을 은폐하여, 잠재적으로 DAO 거버넌스의 정당성을 약화시킬 수 있다.
• 한계: 저자들은 이 분석이 관찰 연구임을 인정하며 신중한 입장을 유지한다. 그들은 높은 찬성률이 사전 투표 스크리닝(비공식적 검토를 통과하지 못한 제안은 투표에 부쳐지지 않음)을 반영할 수도 있으며, 잔여 작성자 편향이 정보 폭포(information cascades), 조율 또는 측정되지 않은 제안 품질에서 기인할 수 있음을 언급한다.

결론적으로, 본 논문은 DAO 투표 결과가 토큰 가중치 집계뿐만 아니라, 투표 용지의 구조적 특징과 제안 작성자가 발신하는 사회적 신호에 의해 형성된다는 증거를 제공한다.