Indice

• Un modello comportamentale integrato
• Come l’IA ha reso tutto possibile
• Cosa ci dicono i dati
• Dalla causalità alla previsione: anticipare il comportamento digitale con l’IA
• Il ruolo di Neodata nello sviluppo dell’AI comportamentale
• Uno sguardo al futuro

Oggi, ogni nostra azione – fisica o virtuale – lascia una traccia. Una passeggiata al parco, una foto pubblicata su Instagram, un momento di immobilità prima di condividere un pensiero. Questi gesti possono sembrare scollegati tra loro. Ma lo sono davvero? È possibile che esista una connessione tra ciò che facciamo fisicamente e come ci comportiamo online?

Questa è la domanda al centro di ABITS (Adaptive Behavioral Insights and Technology Smart Solutions), un progetto di ricerca guidato da Neodata Group in collaborazione con l’Università di Catania. Il progetto si inserisce all’interno di SAMOTHRACE, iniziativa finanziata dal PNRR (Piano Nazionale di Ripresa e Resilienza), attraverso il Centro di Ricerca e Innovazione sulle Micro e Nano Tecnologie della Sicilia.

L’obiettivo è esplorare come le nostre attività fisiche interagiscono con il nostro comportamento sui social media, utilizzando l’intelligenza artificiale per rivelare pattern nascosti altrimenti invisibili.

Un modello comportamentale integrato

ABITS propone un nuovo approccio all’analisi del comportamento, unendo due flussi di dati solitamente separati: il movimento fisico e l’interazione digitale. Per farlo, il team di ricerca ha raccolto dati sull’attività fisica tramite smartphone, sfruttando accelerometri e giroscopi, e li ha combinati con dati di attività su Instagramcondivisi volontariamente dagli utenti, il tutto nel rispetto della normativa GDPR.

Come l’IA ha reso tutto possibile

Alla base del progetto c’è una solida metodologia basata sull’intelligenza artificiale. Il team ha utilizzato architetture di deep learning progettate per dati sequenziali e sensibili al contesto spaziale. Uno dei modelli più efficaci si è rivelato essere il ConvLSTM, una rete neurale in grado di cogliere sia pattern di movimento (spazio) sia sequenze temporali (tempo).

Il modello è stato addestrato per riconoscere diverse attività fisiche – camminare, stare fermi, correre – a partire dai dati raccolti dai sensori degli smartphone. Queste attività sono poi state collegate ai timestamp delle interazioni su Instagram per costruire la base dell’analisi comportamentale.

Invece di analizzare l’intera serie temporale, è stato adottato un approccio event-based, concentrandosi su brevi finestre temporali prima e dopo un evento digitale – come postare una foto o aggiornare lo status – per analizzare quali attività fisiche avvenivano intorno a quel momento.

Cosa ci dicono i dati

L’analisi della correlazione condotta attraverso il coefficiente di Pearson ha rivelato pattern evidenti tra attività fisica e interazioni social. Le correlazioni più forti sono emerse da 1 a 5 minuti prima o dopo una pubblicazione su Instagram. In particolare:

• Gli utenti tendevano a camminare prima di postare una foto
  
• Erano spesso fermi prima di aggiornare lo status
  
• Vi erano correlazioni negative se gli utenti erano inattivi prima di pubblicare una foto, o stavano correndo prima di condividere un video
  

Questi risultati suggeriscono che l’attività fisica non solo accompagna il comportamento digitale, ma può influenzarlo o persino anticiparlo.

Per verificare la possibilità di una relazione predittiva, è stata applicata un’analisi di causalità di Granger, uno strumento statistico che permette di capire se un tipo di dato può essere utilizzato per prevederne un altro. I risultati sono stati chiari: l’attività fisica può prevedere un’interazione su Instagram entro 1-5 minuti. da 1 a 5 minuti prima o dopo.Questo effetto predittivo diminuisce dopo 10 minuti e scompare del tutto dopo 30.

Al contrario, l’ipotesi inversa – cioè che l’uso dei social predica l’attività fisica successiva – ha dato risultati deboli e incoerenti. Almeno nel breve termine, quindi, è più probabile che sia il comportamento fisico a influenzare quello digitale, e non il contrario.

Dalla causalità alla previsione: anticipare il comportamento digitale con l’IA

Per trasformare queste scoperte in uno strumento predittivo, il team ha sviluppato un modello basato su reti neurali LSTM, capaci di riconoscere sequenze temporali ricorrenti nei dati di movimento.

Configurato con un ritardo costante di due step, il modello ha dimostrato che le transizioni di stato fisico (es. da seduto a in piedi o dalle scale a in piedi) anticipano con buona probabilità un’interazione digitale (con valori medi compresi tra 0,74 e 0,82). Al contrario, stati prolungati come il camminare continuo avevano valori predittivi molto bassi (inferiori a 0,05).

Questo conferma che i cambiamenti nel comportamento, più che le attività stabili, sono segnali efficaci di un’interazione imminente. Il modello LSTM estende così le analisi causali verso la previsione in tempo reale, completando la pipeline comportamentale di ABITS.

Il ruolo di Neodata nello sviluppo dell’AI comportamentale

Neodata ha avuto un ruolo centrale in tutte le fasi del progetto: dalla definizione del framework analitico, allo sviluppo e training dei modelli di intelligenza artificiale. Con una profonda competenza in big data, algoritmi e intelligenza comportamentale, Neodata ha fornito la visione tecnica e strategica alla base dell’intero progetto.

Guidando l’integrazione tra dati fisici e digitali, Neodata ha dimostrato come l’AI possa essere usata non solo per elaborare informazioni, ma per capire davvero come si comportano le persone nella realtà.

Attraverso ABITS, Neodata conferma la sua missione di portare innovazione centrata sull’essere umano. Il progetto rappresenta un esempio concreto di come la collaborazione tra industria e ricerca possa generare nuove intuizioni applicabili in ambiti come la salute digitale, il marketing comportamentale e la personalizzazione dei dati.

Uno sguardo al futuro

ABITS ci mostra che il confine tra il sé fisico e quello digitale è più sottile che mai. Le nostre esperienze immediate – come il movimento o la quiete – sono strettamente connesse al modo in cui ci esprimiamo online.

Per Neodata, questa non è solo una scoperta scientifica, ma una base concreta per sviluppare sistemi più intelligenti, che sappiano connettere dati, persone e tecnologia in modo davvero significativo. L’impegno dell’azienda continua nel superare i limiti dell’AI per aiutarci a comprendere e anticipare meglio il comportamento umano.