Quadro di gioco di segnalazione per dati comportamentali avversari in epidemiologia

I modelli epidemiologici che dipendono da dati comportamentali provenienti dal crowdsourcing—come stato vaccinale, uso di mascherine e aderenza al distanziamento sociale—affrontano una sfida fondamentale: i dati sono riportati strategicamente, non campionati passivamente. Un nuovo quadro, presentato nel preprint arXiv 2602.20134v2, modella questa interazione come un gioco di segnalazione tra individui (mittenti) e un'autorità sanitaria pubblica (ricevente). I partecipanti possono fornire informazioni false per evitare sanzioni, ottenere benefici o esprimere sfiducia, con conseguente corruzione sistematica degli input. L'articolo propone sia un modello generativo di tali dati distorti sia un meccanismo per consentire al ricevente di estrarre segnali affidabili da essi. Questo approccio offre un percorso verso una modellazione epidemiologica più robusta in presenza di segnalazioni avversarie.