CODE – Coupling Opinion Dynamics with Epidemics
- Codice progetto: P2022AKRZ9
- Inizio e fine progetto: 30/11/2023 – 29/11/2025
- Proroga: 28/02/2026
- Fonte di finanziamento : MUR Avviso 1409/2022 – PNRR – Next Generation EU, Missione 4 Componente 2 Investimento 1.1 -“Fondo per il Programma Nazionale di Ricerca e Progetti di Rilevante Interesse Nazionale (PRIN)
- CUP: F53D23009210001
- Finanziamento CREF: 32.591,00 €
Responsabile di unità del CREF
Fabio Saracco
Partenariato PRIN
- CNR: Stefano Guarino (PI, IAC-CNR, Rome); Francesca Colaiori (ISC-CNR, Rome); Sandro Meloni (assegnista di ricerca; IAC-CNR, Rome)
- Politecnico di Milano: Marco Brambilla (responsabile di unità); Carlo Piccardi; Francesco Pierri; Fabio Mazza (assegnista di ricerca)
- CREF: Fabio Saracco
Risultati raggiunti
Il progetto CODE ha studiato l’interazione tra diffusione epidemica, dinamiche dell’informazione e comportamento umano, con particolare attenzione al ruolo della struttura comunitaria nei processi sociali ed epidemiologici. Il progetto si basa sull’osservazione che le popolazioni tendono a organizzarsi in gruppi caratterizzati da convinzioni, fonti informative e atteggiamenti comportamentali simili, fornendo un quadro comune per modellare epidemie, dinamiche di opinione e interazioni online.
Le attività di ricerca si sono sviluppate lungo tre direttrici principali. In primo luogo, sono stati sviluppati modelli di rete per generare popolazioni sintetiche con struttura comunitaria controllata. Il Random Hyperbolic Block Model consente di regolare indipendentemente clustering, eterogeneità dei gradi e mescolamento tra comunità, mentre l’Urban Social Network Model costruisce reti di contatto realistiche a partire da dati demografici e geografici.
In secondo luogo, sono stati progettati modelli di epidemia e dinamica delle opinioni capaci di rappresentare i meccanismi essenziali mantenendo una struttura sufficientemente semplice da consentire analisi sistematiche. Tali modelli sono stati implementati in una toolbox open source, uno dei principali risultati del progetto, che offre una piattaforma unificata per l’esplorazione di scenari epidemici basati sui dati.
Infine, sono stati analizzati modelli teorici semplificati per individuare i meccanismi che governano la diffusione delle epidemie. Parallelamente, sono stati sviluppati metodi data-driven per identificare comunità ideologiche nelle interazioni online e sono stati resi disponibili dataset relativi alla pandemia di COVID-19.
Nel complesso, CODE mostra che una modellizzazione realistica delle epidemie richiede l’integrazione di struttura sociale e dinamiche epidemiologiche in un quadro unificato e guidato dai dati.
Pubblicazioni scientifiche
[1] Stefano Guarino, Ayoub Mounim, Guido Caldarelli, Fabio Saracco, Leveraging content producer networks and user perception to detect online discursive communities, Sci. Rep. (2026).
[2] Stefano Guarino, Enrico Mastrostefano, and Davide Torre. Random hyperbolic graphs with arbitrary mesoscale structures. Phys. Rev. E, 112:054310, Nov 2025.
[3] Fabio Mazza, Marco Brambilla, Carlo Piccardi, and Francesco Pierri. A data-driven analysis of the impact of non-compliant individuals on epidemic diffusion in urban settings. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 481(2324):20250511, 10 2025.
[4] Alessandro Celestini, Francesca Colaiori, Stefano Guarino, Enrico Mastrostefano, Francesca Pelusi, and Lena Rebecca Zastrow. When to boost: How dose timing determines the epidemic threshold. Phys. Rev. Res., 7:033125, Aug 2025.
[5] Zachary P. Neal, Annabell Cadieux, Diego Garlaschelli, Nicholas J. Gotelli, Fabio Saracco, Tiziano Squartini, Shade T. Shutters, Werner Ulrich, Guanyang Wang, and Giovanni Strona. Pattern detection in bipartite networks: A review of terminology, applications, and methods. PLOS Complex Systems, 1(2):1–34, 10 2024.
[6] Manuel Pratelli, Fabio Saracco, and Marinella Petrocchi. Entropy-based detection of twitter echo chambers. PNAS Nexus, 3(5), April 2024.
[7] Manuel Pratelli, Fabio Saracco, and Marinella Petrocchi. Unveiling news publishers trustworthiness through social interactions. In ACM Web Science Conference, Websci ’24, page 139–148. ACM, May 2024.
[8] Manuel Pratelli, Marinella Petrocchi, Fabio Saracco, and Rocco De Nicola. Online disinformation in the 2020 U.S. election: swing vs. safe states. EPJ Data Science, 13(1), March 2024.
[9] Fabio Saracco, Giovanni Petri, Renaud Lambiotte, and Tiziano Squartini. Entropy-based models to randomise real-world hypergraphs. Communications Physics, 8(1), July 2025.
[10] Anna Gallo, Fabio Saracco, and Tiziano Squartini. Statistically validated projection of bipartite signed networks. npj Complexity, 2(1), July 2025.
[11] Fabio Mazza, Francesca Colaiori, Stefano Guarino, Sandro Meloni, Marco Brambilla, Carlo Piccardi, Francesco Pierri, and Fabio Saracco. The Impact of Heterogeneity on Epidemics: Insights from a Modified SIR Model. In: Cherifi, H., Donduran, M., Rocha, L.M., Cherifi, C., Varol, O. (eds) Complex Networks & Their Applications XIII. COMPLEX NETWORKS 2024 2024. Studies in Computational Intelligence, vol 1190. Springer, Cham. (2025).
[12] Fabio Mazza, Gabriele Ricci, Francesca Colaiori, Stefano Guarino, Sandro Meloni, and Fabio Saracco, Impact of behavioral heterogeneity on epidemic outcome and its mapping into effective network topologies”, Phys. Rev. E 113, 014306.
Eventi organizzati
BeSAFE: Behavioral and Social Aspects in Fighting Epidemics
Final CODE Workshop
Poster, materiali divulgativi, output
Interactive simulator
Repository
Sito web del Progetto
