Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Bayesian Gaussian Processes. Or: How I Learned to Stop Worrying and Love Nonlinear Social Science

Descrizione del progetto

Comprendere complessi fenomeni non lineari nelle scienze sociali

Nella ricerca trasversale, variabili come l’inclinazione a condividere fake news sono strettamente legate alla percezione umana, determinando la creazione di modelli intricati che sfidano le analisi lineari. Gli studi longitudinali, che tracciano la natura non stazionaria dei processi sociali temporali, complicano ulteriormente questa problematica, una complessità che i metodi convenzionali non riescono a cogliere. Il progetto NONLINEARSCIENCE, finanziato dal CER, è un’iniziativa pionieristica che sfrutta i processi gaussiani bayesiani per affrontare la questione. Il progetto propone metodologie non parametriche flessibili che consentono ai ricercatori di cogliere forme non lineari complesse, di integrare le conoscenze pregresse e di verificare le teorie in tal ambito. Un nuovo software di facile utilizzo, dotato di estensioni personalizzate per diversi tipi di dati, garantirà un’ampia accessibilità. NONLINEARSCIENCE consentirà agli scienziati di comprendere intricati meccanismi non lineari, di tracciare l’evoluzione temporale e di effettuare previsioni accurate nel panorama dinamico delle scienze sociali.

Obiettivo

Nonlinearity is ubiquitous in the social sciences. In cross-sectional research, nonlinearity naturally follows from the fact that variables often depend on human perception. The tendency to share fake news, for example, depends in a complex nonlinear manner on peoples’ personality and political preferences. In longitudinal research, nonlinearity follows from the fact that temporal social processes are nonstationary by nature. For instance, stressful life events (e.g. unemployment, pandemic) have a complex nonlinear impact on well-being over time. To study these nonlinear phenomena, much more data are needed than in linear analyses. Therefore, researchers increasingly rely on technological innovations to collect rich data, such as panel data via online surveys, experience sampling data via mobile apps, or temporal social network data using digital communication (e.g. email). In addition, prior information (e.g. from experts) is often available to inform us about plausible nonlinear shapes. A crucial problem is however that statistical approaches for learning nonlinearity still heavily rely on old-fashioned techniques which can only model simple (curvilinear) effects and are unable to include external prior information. Our understanding about nonlinear phenomena therefore remains limited. This project aims to resolve these shortcomings by developing cutting-edge methods for nonlinear social science using Bayesian Gaussian processes. With this nonparametric methodology, we can learn complex nonlinear shapes, add prior knowledge, and test nonlinear theories. Implementation in user-friendly software will ensure general utilization. Tailor-made extensions will be developed for cross-sectional data, panel data, experience sampling data, and temporal social network data. After this project, we will be able to truly understand complex nonlinear mechanisms, to learn how these unfold over time, and to make accurate predictions (e.g. of well-being after life events).

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
La classificazione di questo progetto è stata convalidata dal team del progetto.

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) ERC-2022-COG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

TILBURG UNIVERSITY- UNIVERSITEIT VAN TILBURG
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 1 999 555,00
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

€ 1 999 555,00

Beneficiari (1)

Il mio fascicolo 0 0