WECARE: WEaving Complexity And the gReen Economy
- Codice progetto: 20223W2JKJ
- Inizio e fine progetto: 29/09/2023 – 28/09/2025
- Proroga: 28/02/2026
- Fonte di finanziamento: MUR Avviso 104/2022 – 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:F53D23001010006
- Finanziamento CREF: 89.134,00 €
- Costo totale progetto: 117.995,00 €
Responsabile di unità del CREF
Dario Mazzilli
Partenariato PRIN
- Principal Investigator: Andrea Zaccaria – Consiglio Nazionale delle Ricerche, Istituto dei Sistemi Complessi (CNR-ISC)
- CREF: Dario Mazzilli
Team di ricerca e personale reclutato nell’ambito del Progetto
Personale reclutato con fondi PRIN PNRR
Risultati raggiunti
Il progetto WECARE ha applicato il framework dell’Economic Complexity allo studio della transizione verde. Sono stati raccolti e armonizzati dati su export, brevetti e produzione scientifica, con focus sui settori verdi, calcolando la fitness export, tecnologica, scientifica e verde di paesi e regioni e utilizzandola per migliorare le previsioni del PIL. È stata mappata la relatedness tra settori industriali e tecnologie verdi (validata con modelli nulli) e introdotto un indice di “green readiness” basato su machine learning, validato contro l’Environmental Performance Index di Yale. Sono stati analizzati il ruolo delle materie prime critiche nell’innovazione verde e il legame tra diversificazione produttiva, brevetti e crescita economica a livello di paesi, settori e imprese. Sul piano teorico è stata dimostrata l’equivalenza tra l’algoritmo Fitness-Complexity e l’algoritmo di Sinkhorn-Knopp, collegando l’Economic Complexity alla teoria del trasporto ottimo, ed è stata sviluppata una misura della complessità economica basata su occupazioni e competenze. I risultati sono confluiti in oltre 15 pubblicazioni su riviste internazionali, in lavori in corso di valutazione e in numerose presentazioni a conferenze internazionali. Tutti i dati e i risultati sono pubblicati in open access su un repository dedicato.
Pubblicazioni scientifiche
1. Albora et al. (2025), Challenges and opportunities for the EU labour market from AI development, JRC Policy Brief.
2. Albora, Straccamore & Zaccaria (2026), Machine learning-inspired similarity measure to forecast M&A from patent data, PLoS ONE, 21(2), e0341010.
3. Angelini et al. (2024), Forecasting the countries’ gross domestic product growth: the case of Technological Fitness, Chaos, Solitons & Fractals, 184, 115006.
4. Aufiero, De Marzo, Sbardella & Zaccaria (2024), Mapping job fitness and skill coherence into wages: an economic complexity analysis, Scientific Reports, 14(1), 11752.
5. Buffa et al. (2025), Maximum entropy modelling of sub-optimal transport, Communications Physics, 9(39).
6. Caldarola et al. (2024), Economic complexity and the sustainability transition: a review of data, methods, and literature, Journal of Physics: Complexity, 5(2), 022001.
7. Cresti et al. (2025), Vulnerabilities and capabilities in the EU Automotive industry, arXiv:2501.01781.
8.De Cunzo, Consoli, Perruchas & Sbardella (2025), Mapping critical raw materials in green technologies, Industry and Innovation, 1-34.
9. De Cunzo, Patelli, Sbardella & Tacchella (2025), The Functional Role of Critical Raw Materials in Technological Innovation, Utrecht University – Papers in Evolutionary Economic Geography, No. 2516.
10. De Stefano, Mula, Mariani & Zaccaria (2025), From macro to micro: economic complexity indicators for firm growth, arXiv:2507.21754.
11. Fenoaltea et al. (2024), Follow the money: a startup-based measure of AI exposure across occupations, industries, and regions, arXiv:2412.04924.
12. Fessina, Zaccaria, Cimini & Squartini (2024), Pattern-detection in the global automotive industry, Chaos, Solitons & Fractals, 181, 114630.
13. Fessina, Tacchella & Zaccaria (2025), Product-level value chains from firm data, arXiv:2505.01133.
14. Fessina, Albora, Tacchella & Zaccaria (2024), Identifying key products to trigger new exports, Journal of Physics: Complexity, 5(2), 025003.
15. Huang, Xu, Lü, Zaccaria & Mariani (2024), Uncovering key predictors of high-growth firms via explainable machine learning, arXiv:2408.09149.
16. Mariani, Mazzilli, Patelli, Sels & Morone (2024), Ranking species in complex ecosystems through nestedness maximization, Communications Physics, 7(1), 102.
17. Piombo, Mazzilli & Patelli (2026), Statistical Mechanics of the Sub-Optimal Transport, arXiv:2602.04308.
18. Russo, Scaramozzino & Zaccaria (2025), A job-based assessment of economic complexity: from hidden to revealed, arXiv:2507.05846.
In preparazione: Massell et al. (2026); Napoletano et al. (2026), Green Transition Readiness and Environmental Performance: A Machine-Learning Evaluation of Export Complexity in Renewable Energy Supply Chains.
Eventi organizzati o partecipazione a convegni
Dario Mazzilli: NetSci-X 2026, Auckland (Nuova Zelanda); Eco2stat 2025, Cagliari (Italia); NetSci 2025, satellite FinEcoNets, Maastricht (Paesi Bassi); NetSci-X 2025, Indore (India); CCS-24, Exeter (UK); NetSci-X 2024, Venezia (Italia); StatPhys 2023, Tokyo (Giappone).
Angelica Sbardella: GEOINNO 2026, Budapest (Ungheria); CONCORDi 2025, Siviglia (Spagna); GERPISA International Colloquium 2025, Shanghai (Cina); RSA-SIE 2024, Urbino (Italia); CCS 2024, Exeter (UK); CONCORDi 2023, Siviglia (Spagna); seminari presso Università di Palermo (2025), Peking University (2025), Winter Workshop on Complex Systems 2025 (Bergamo, keynote), University of Oxford (2025), JRC Seminar Series (Siviglia, 2024), Bonn AI Climate Expert Meeting (2024), Autonomy Institute Londra (2024).
Andrea Zaccaria: StatPhys29 Satellite (2025); NetSci-X 2025, Indore (India); workshop “Economic And Financial Networks. Reconstruction, Resilience And Recovery”, Lucca (2024); Econophysics Colloquium 2024, Vienna (Austria); NetSci-X 2024 e workshop “Economic Fitness and Complexity”, Università Ca’ Foscari di Venezia.
Alberto Petri: Lipari School 2024, “Complex Systems from economics to biology and brain”.
Poster, materiali divulgativi, output
Sito web del progetto, utilizzato come repository open access per i dataset di input e di output (export, brevetti, scienza, prodotti verdi) e per i risultati delle analisi (fitness, relatedness, green readiness).
Policy brief realizzato in collaborazione con il Joint Research Centre della Commissione Europea: “Challenges and opportunities for the EU labour market from AI development”.
