Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Integrating behavioural insights and machine learning for smarter regulatory interventions

Opis projektu

Trening algorytmów uczenia maszynowego w zakresie nauk behawioralnych w celu wsparcia legislacji

Legislacja dotycząca złożonych problemów społecznych często opiera się na konwencjonalnych rozwiązaniach i intuicyjnych osądach, które nie uwzględniają czynników behawioralnych, kulturowych i kontekstowych. Zespół finansowanego ze środków Europejskiej Rady ds. Badań Naukowych projektu BEHAVREG opracuje nowatorskie narzędzie oparte na algorytmach uczenia maszynowego i wykorzystujące dane na tema zachowań w celu przewidywania przestrzegania przepisów i regulacji, co pozwoli na sprawniejsze podejmowanie decyzji. Wykorzystując obszerne zbiory danych dotyczące wstępnych ocen wpływu i przeglądów w następstwie wdrożenia, zespół opracuje modele predykcyjne, które ocenią skuteczność regulacji w różnych kontekstach. Powstały system powiadomi organy regulacyjne o potencjalnych negatywnych lub niezamierzonych konsekwencjach, umożliwiając im ponowne przemyślenie interwencji przed podjęciem dalszych działań. Zdaniem badaczy innowacyjny system usprawni projektowanie przepisów, poprawi ich przestrzeganie i zwiększy zaufanie publiczne.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC-POC - HORIZON ERC Proof of Concept Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2025-POC

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

BAR ILAN UNIVERSITY
Wkład UE netto
€ 150 000,00
Koszt całkowity
Brak danych

Beneficjenci (1)