Il meeting del Network for Statistical and Causal Inference (NESCI3) ospitato il 2 luglio alla Scuola IMT Alti Studi Lucca, per approfondire un ampio spettro di applicazioni statistiche e inferenziali

Il comitato organizzatore NESCI, insieme al Dipartimento di Eccellenza L'EMbeDS della Scuola Superiore Sant'Anna e alla Scuola IMT Alti Studi, annunciano il terzo incontro del Network for Statistical and Causal Inference (NESCI3). Sulla scia del successo di NESCI2, tenutosi a febbraio 2024 presso la Scuola Sant’Anna, NESCI3 si svolgerà il 2 luglio 2024 presso la Scuola IMT Alti Studi (Aula 2 - Piazza San Francesco 19, Lucca).

NESCI

La rete NESCI, fondata nel 2022, è una comunità di studiosi/e che promuove la collaborazione tra docenti e ricercatori/trici della Scuola Superiore Sant'Anna, della Scuola IMT Alti Studi Lucca, dell'Università di Pisa e della Scuola Normale Superiore (SNS). La rete si concentra su:

• Promuovere lo sviluppo di metodi per l'inferenza statistica e causale in tutte le scienze, con particolare attenzione a metodologie sperimentali e di apprendimento automatico.
• Favorire lo scambio di risultati di ricerca tra le istituzioni partecipanti.
• La rete NESCI organizza periodicamente eventi a Pisa e Lucca, con possibilità di partecipazione da remoto. La dichiarazione di intenti della rete è disponibile qui.

Il meeting NESCI3

Questo appuntamento vedrà l'intervento dei seguenti studiosi:

• P. Burauel, "Controlling for discrete unmeasured confounding in nonlinear causal models": la sessione discuterà un metodo per stimare i confondenti non misurati nei dati non sperimentali, utilizzando un modello a variabile latente.
• F. Serti, "Assessing the heterogeneous impact of economy-wide shocks": l'autore presenterà una metodologia per valutare l'impatto eterogeneo degli shock economici a livello globale sul tessuto imprenditoriale, prendendo ad esempio l'effetto del COVID-19 sulle esportazioni.
• J. Sprenger, "Causal and counterfactual inference": la conferenza si concentrerà sull'inferenza causale e controfattuale, in particolare su come estendere il modello della Causal Modeling Semantics (CMS) per la valutazione dei controfattuali.
• A. Dominici, "The limits and perils of gentle communication against vaccine hesitancy: an informational trial": un'analisi approfondita che esamina i limiti dell'approccio motivazionale (MI) per ridurre l'esitazione vaccinale. Se da un lato il MI ha migliorato la percezione verso i vaccini, dall'altro ha sorprendentemente diminuito la volontà di vaccinarsi.
• F. Chiaromonte, "COVID-19 in Italy: characterizing pre-vaccine epidemic waves through Functional Data Analysis": uno studio incentrato sull'analisi dei modelli di mortalità durante le prime due ondate di COVID-19 in Italia utilizzando la Functional Data Aanalysis. L'indagine rileva differenze significative tra le ondate e sottolinea l'efficacia delle restrizioni tempestive nel ridurre la mortalità.

I dettagli specifici del meeting NESCI3, incluso il programma completo dell’evento, sono disponibili qui.
La partecipazione è gratuita. Per prenotare un posto in presenza o ottenere il link per seguire l’evento da remoto, iscriversi qui.

Contatti

Per maggiori informazioni, si prega di contattare il Prof. Alessio Moneta.