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

Integrating behavioural insights and machine learning for smarter regulatory interventions

Descrizione del progetto

Formare l’apprendimento automatico nella scienza comportamentale per facilitare la governance normativa

Le decisioni normative che affrontano complesse questioni sociali si basano spesso su soluzioni convenzionali e giudizi intuitivi che non tengono conto dei fattori comportamentali, culturali e contestuali. Per affrontare questo problema, il progetto BEHAVREG, finanziato dal CER, creerà un nuovo strumento di apprendimento automatico integrato con dati comportamentali per prevedere i risultati di conformità delle opzioni normative e facilitare un processo decisionale efficace. Sfruttando ampi set di dati sulle valutazioni di impatto preliminari e sulle revisioni post-implementazione, svilupperà modelli predittivi che valuteranno l’efficacia degli interventi normativi in diversi contesti. In sostanza, il sistema avviserà gli enti regolatori di potenziali conseguenze negative o indesiderate, consentendo loro di riconsiderare un intervento prima di procedere. Nel complesso, si prevede che questo sistema innovativo migliorerà la progettazione normativa, migliorando i risultati di conformità e la fiducia del pubblico.

Obiettivo

Effective regulatory decision-making is essential for addressing complex societal challenges, yet current approaches often rely on intuition and standardized solutions that fail to account for behavioral, cultural, and contextual factors. BEHAVREG will transform regulatory governance by developing an innovative decision aid tool that integrates machine learning with behavioral science to predict likely compliance outcomes of regulatory choices and enable more effective intervention design. This project leverages comprehensive datasets, including ex-ante impact assessments and post-implementation reviews, to develop sophisticated predictive models that assess intervention effectiveness across diverse contexts. The tool analyzes critical factors such as compliance costs, social control mechanisms, institutional trust, and cultural norms to provide nuanced recommendations that move
beyond binary regulatory choices.
BEHAVREG's machine learning algorithms, trained on structured historical data, will identify patterns to improve prediction accuracy and evaluate regulatory trade-offs. This will empower regulators to select appropriate interventions—whether mandates, incentives, nudges, or information campaigns—precisely tailored to specific regulatory environments. Importantly, the system can predict potential backfire effects and unintended consequences, enabling regulators to anticipate challenges before implementation. By bridging the gap between theoretical insights and practical implementation, BEHAVREG delivers evidence-based predictions and actionable recommendations. This innovation will optimize regulatory design across sectors and cultures and will improve compliance outcomes, reduce enforcement costs, and enhance public trust—representing a significant advancement in regulatory governance with global implications for policy development and implementation.

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.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

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-POC - HORIZON ERC Proof of Concept 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-2025-POC

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

BAR ILAN UNIVERSITY
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.

€ 150 000,00
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.

Nessun dato

Beneficiari (1)

Il mio fascicolo 0 0