Per ogni area di indagine, sono definite delle finalità e obiettivi specifici:

• Economic Fitness: nel prossimo triennio (2025-27), l’obiettivo principale è rafforzare l’approccio EFC per analizzare temi cruciali come innovazione tecnologica, sviluppo economico, sostenibilità e mercato del lavoro, con un focus sulle implicazioni politiche. Questo lavoro si baserà su progetti individuali e collaborativi, richiedendo un approfondimento teorico delle reti complesse in economia e una maggiore integrazione tra fisica, economia, scienze sociali e informatica per sviluppare modelli più efficaci.  
• Computational Social Science: le ricerche recenti hanno utilizzato modelli nulli per identificare strutture nelle dinamiche online, come comunità discorsive e disinformazione, distinguendo tra fonti autorevoli, opinion leader e pubblico generale. Questi studi, parte del progetto PRIN PNRR 2022 CODE, esplorano anche il legame tra eventi reali (es. epidemie) e dibattiti online, offrendo nuove prospettive sociologiche sull’interazione tra mondo digitale e fisico.  
• Metodi di analisi di Network Theory: l’attività si concentra sull’applicazione di modelli nulli, ispirati alla Meccanica Statistica e alla Teoria dell’Informazione, per analizzare reti economiche e sociali (come commercio internazionale, brevetti e dati occupazionali). Questi metodi permettono di filtrare il rumore nei dati e estrarre informazioni rilevanti, sia a livello topologico che ponderato, risultando fondamentali per identificare segnali significativi in contesti con elevata variabilità statistica.

L’approccio Economic Fitness and Complexity (EFC) considera l’economia come un sistema complesso, analizzando le interazioni tra “agenti” (paesi, regioni, città o aziende) e “items” (prodotti, settori, tecnologie, articoli scientifici) attraverso network bipartiti. Un esempio chiave è il network paese-prodotto, che collega i paesi ai prodotti che esportano competitivamente, consentendo di prevedere il PIL e identificare nuovi prodotti promettenti.

L’EFC mira a individuare prodotti, settori e tecnologie che offrono vantaggi competitivi per diverse tipologie di agenti. Utilizzando metodi di ricostruzione e armonizzazione dei dati a livello di prodotto, settore e tecnologia, in combinazione con applicazioni di sistemi complessi e machine learning, si ottengono previsioni dettagliate e indici di “relatedness” per quantificare i legami e prevedere lo sviluppo tra gli “items”. Recentemente, in collaborazione con il Joint Research Center della Commissione Europea e la European Bank of Reconstruction and Development, il gruppo si sta concentrando sulla ricostruzione di dati del commercio internazionale a prezzi unitari e sulla loro integrazione con le catene globali del valore, con un focus specifico sui settori automobilistico ed eolico.

In futuro, il gruppo intende espandere l’analisi per includere “items” non esportabili, come i servizi, e studiare gli spostamenti di impiego tra i settori industriali per analizzare le dinamiche salariali e la polarizzazione dei mercati del lavoro a livello granulare.

Sviluppi Teorici dell’EFC

Gli sviluppi teorici del framework EFC seguiranno tre direzioni principali:

• Metriche EFC a diverse scale geografiche: Si studieranno le dinamiche spaziali delle “capabilities” (competenze, infrastrutture e risorse necessarie per produrre un dato item), analizzando come le interazioni tra agenti e items variano al cambiare della scala e quali fenomeni emergenti ne derivano.

• Integrazione con la “capability-based theory of the firm”: Verranno analizzati dati microeconomici su aspetti organizzativo-strategici e di bilancio delle imprese italiane per integrare la teoria dell’impresa basata sulle capacità, sviluppata nell’economia dell’innovazione, con il framework EFC.

• Inquadramento teorico e applicativo dell’algoritmo Fitness & Complexity: Ci si concentrerà sull’algoritmo Fitness & Complexity e i suoi sviluppi tramite il problema del trasporto ottimale, collegandolo a teorie economiche come l’economia strutturalista e dell’innovazione, e a teorie sull’evoluzione degli ecosistemi mutualistici.

Innovazione Tecnologica e Complessità Economica Multilayer

Il gruppo esaminerà diverse tecniche per valutare come produzione industriale, mercati del lavoro, attività brevettuale e ricerca scientifica interagiscono per prevedere vantaggi competitivi in nuovi “items”. L’obiettivo è creare multigrafi che descrivono le interazioni tra economia, scienza e innovazione, analizzando le dinamiche di competitività e disuguaglianza nella produzione scientifica, e la connessione tra diversi ambiti lavorativi, settori industriali e ambiti brevettuali in Europa e negli USA.

Innovazione Tecnologica e Sostenibilità

Il gruppo approfondirà l’analisi della transizione sostenibile, studiando l’innovazione “verde” attraverso l’analisi di brevetti legati alla mitigazione e all’adattamento al cambiamento climatico, utilizzando metodi di Machine Learning e reti complesse. Verranno esaminate le potenzialità di crescita e competitività dei sistemi d’innovazione regionali e nazionali, considerando le interazioni tra capacità produttiva e sistemi d’innovazione verdi e non verdi. Si analizzerà inoltre il legame tra competitività industriale e inquinamento nelle cosiddette “aree dell’abbandono”, che soffrono di disuguaglianze socioeconomiche e ambientali.

Computational Social Science

Le ricerche si concentrano sull’identificazione e l’analisi di comunità discorsive online e sulla diffusione di (dis)informazione. Attraverso modelli nulli, è stato possibile quantificare segnali statisticamente significativi delle “echo chambers” – gruppi di utenti online con idee simili che si informano dalle stesse fonti. Tali strutture sono cruciali per comprendere i fenomeni di disinformazione, poiché le opinioni degli utenti nelle echo chambers sono particolarmente resistenti al cambiamento.

Metodi di Analisi di Network Theory

L’uso di modelli nulli per distinguere segnale e rumore nelle reti è consolidato nella ricostruzione di reti parziali, e recentemente è stato applicato all’analisi dei social network online e alla validazione di dati economici. Questo ha permesso, ad esempio, di identificare comportamenti coordinati nella diffusione di disinformazione. Sul piano teorico, si sviluppano modelli massimamente entropici, adattandoli a diverse tipologie di reti (monopartite, bipartite, ipergrafi, reti dinamiche o segnate). A livello applicativo, questi strumenti vengono impiegati per caratterizzare reti reali, come i network di Economic Complexity o i social network, verificando la robustezza delle strutture identificate e isolando i comportamenti significativi dal rumore di fondo.

Luciano Pietronero (Referente linea di ricerca)

Dario Mazzilli (Ricercatore)

Aurelio Patelli (Ricercatore)

Fabio Saracco (Ricercatore)

Angelica Sbardella (Ricercatrice)

Andrea Tacchella (Ricercatore)

Questa metodologia è ufficialmente usata da:

European Commission – Joint Research Center di Siviglia: collaborazione con A. Tacchella, E. Pugliese, L.Napolitano, gruppo Complexity. (https://publications.jrc.ec.europa.eu/repository/handle/JRC124939)

IFC – World Bank: collaborazione con M. Cader

Altre collaborazioni scientifiche includono:

SonyLab – Parigi e Roma: collaborazione con tutto il gruppo CSL diretto da V. Loreto
CNEL: Prof. Tiziano Treu
ISC – CNR

Collaborazione con Università
Questo progetto si sviluppa in forte sinergia con le università, in particolare con l’Università Sapienza di Roma, il personale del Dipartimento di Fisica e con l’Università Tor Vergata.

Oltre alle attività di ricerca, il progetto prevede la condivisione dei risultati con la comunità scientifica e il pubblico.

In particolare il gruppo dal 2023 organizza ogni estate la Economic Fitness and Complexity Spring School,  e giornate di studio al CREF, aperte ad accademici e alla società civile.

Il gruppo partecipa inoltre a iniziative di divulgazione, come “La Notte dei Ricercatori” e la “Maker Faire di Roma”.

Infine, i risultati delle ricerche scientifiche del gruppo sono condivisi sui canali social dell’Ente e sui siti dei progetti di ricerca.

Questo approccio articolato e multidisciplinare posiziona il gruppo di Economic Fitness come un attore chiave nella comprensione e previsione delle dinamiche economiche e sociali complesse.