Bias nella valutazione della credibilità di una narrazione testimoniale

Le persone solitamente non hanno molto successo nel rilevare una menzogna. Alcune ricerche hanno dimostrato che talvolta anche esperti e addestrati agenti di polizia, se basano i loro giudizi sul comportamento verbale e non verbale, generalmente individuano con successo un bugiardo soltanto una volta su due, con percentuali quasi paragonabili all’affidarsi al caso nello scegliere ¹.

Tuttavia, l’analisi testimoniale svolge un ruolo importantissimo nel sistema di giustizia penale. Per facilitare l’individuazione dei comportamenti d’inganno celati nella narrazione dell’indagato o del testimone oculare, sono stati sviluppati diversi metodi per valutazione dell’attendibilità degli indicatori verbali.

Questi metodi mirano a discriminare tra vere e false dichiarazioni, non focalizzando l’attenzione sulla fonte del racconto (cioè la persona che rilascia la dichiarazione), ma concentrandosi piuttosto sulla quantità di dettagli o sulla qualità del resoconto narrativo da lui fornito. Un metodo tra questi è la Scientific Content Analysis (SCAN)². Questa metodologia è stata sviluppata dall’israeliano Avinoam Sapir, ex tecnico-esaminatore del poligrafo, che ha sostenuto che le dichiarazioni sincere si differenzino da quelle fornite da un bugiardo per il specifico tipo di linguaggio utilizzato. Sulla base di queste differenze, Sapir ha sviluppato un elenco di criteri che possono aiutare a distinguere tra vere e false dichiarazioni. La maggior parte dei criteri è però stata pianificata in modo da “scovare” frasi solitamente usate nelle dichiarazioni menzognere, piuttosto che valutare oggettivamente l’eventuale credibilità del resoconto verbale fornito. Quattro studi hanno esaminato lo SCAN, ma non hanno trovato prove solide del suo valore discriminativo ³.

Inoltre, lo SCAN ha dimostrato di avere una bassa affidabilità tra i diversi osservatori; gli utenti infatti si differenziano sia nel modo in cui applicano lo strumento, sia nell’usare in modo erroneo i suoi criteri nel valutare una stessa dichiarazione⁴.

Queste caratteristiche dello SCAN sollevarono il sospetto che potesse essere sensibile al “pregiudizio contestuale” (informazioni extra-dominio) o all’ “aspettativa dell’osservatore” che lo utilizzava⁵. Quando ci riferiamo a “pregiudizio contestuale” e “aspettativa dell’osservatore” definiamo un insieme di fenomeni correlati alla suggestionabilità degli osservatori, rispetto a pregiudizi personali o informazioni extra ricevute da terzi, che ne influenzano la valutazione obiettiva⁶. Un semplice esempio di questo fenomeno è il bias di auto-conferma, che è la tendenza a cercare (volontariamente o in modo inconsapevole) solo prove che confermino la nostra convinzione di partenza, ignorando le prove oggettive che potrebbero disconfermarla⁷. Oltre a essere un filtro di giudizio, il bias di conferma include anche la tendenza a giudicare le informazioni a supporto delle proprie convinzioni come più importanti rispetto a quelle che vanno contro a ciò che si vuole dimostrare⁸. In sintesi, si riferisce a una selettività implicita nell’acquisizione e utilizzo delle prove⁹. In ambito forense, questo aspetto assume un ruolo fondamentale. Findley e Scott, per esempio, forniscono una vasta carrellata di come tali pregiudizi svolgano un ruolo cruciale negli errori giudiziari¹⁰.

Hill, Memon e McGeorge hanno esaminato come il fornire informazioni extra-dominio possano influenzare la valutazione testimoniale da parte degli osservatori. Nel loro studio, i partecipanti erano invitati a formulare le domande dell’intervista per determinare se un individuo era più o meno credibile: il tutto avveniva dopo che i soggetti erano stati suggestionati dagli sperimentatori a credere che il sospettato potesse essere “ragionevolmente” innocente o colpevole (insinuato in loro il dubbio che l’indagato fosse un bugiardo recidivo; tranquillizzandoli sulla sincerità e precisione del teste). I partecipanti che erano stati suggestionati dai commenti biasimanti dello sperimentatore nei confronti dell’indagato, spesso davano giudizi di colpevolezza maggiori rispetto a quelli cui il soggetto era stato descritto come attendibile e sincero¹¹. Secondo Hill et al. (2008), l’esperimento suggeriva la potenza del bias di conferma, perché i partecipanti avevano cercato informazioni a sostegno della loro aspettativa (suggestionata ad hoc dagli sperimentatori), nel fare poi le domande al soggetto interrogato¹².

Questi studi mostrano quanto è rilevante la questione dei pregiudizi contestuali all’interno del sistema di giustizia penale e di quanto questi possano negativamente influenzare il giudizio degli esperti, inibendo in loro la capacità di considerare scenari alternativi, una volta che si sia insinuato un pregiudizio¹³.

Sulla base di questo ragionamento, alcuni autori¹⁴ vollero eseguire due esperimenti per testare l’efficacia di tre strumenti di analisi del resoconto verbale, al fine di valutare se fossero o no immuni a bias e pregiudizi, durante il loro impiego: la già citata Scientific Content Analysis (SCAN), la Criteria-Based Content Analysis (CBCA) e il Reality Monitoring (RM).

La CBCA è stata originariamente sviluppata in Germania, e impiegata per analizzare l’attendibilità testimoniale nei bambini presunti vittima di abuso sessuale. Undeutsch, l’inventore del metodo, sostenne che le dichiarazioni dei bambini realmente abusati differiscano nel livello di quantità e qualità di dettagli rispetto alle false dichiarazioni, magari inventate sul momento dai bambini “bugiardi” (o che riportavano fatti frutto di fantasia o confabulazione)¹⁵. Sulla base di queste differenze, sviluppò 24 criteri per valutare la credibilità delle testimonianza dei minori. Steller e Kohnken raffinarono questi criteri, e la loro versione rivisitata è quella attualmente in uso¹⁶. La CBCA è inserita tra la fasi di un più ampio metodo di valutazione della credibilità del resoconto narrativo: la Statement Validity Analysis (SVA). Sebbene la CBCA sia stata sviluppata per valutare le testimonianze dei bambini, numerosi studi dimostrarono la sua utilità anche con gli adulti, vittime o testimoni oculari di atti criminosi¹⁷. Una revisione qualitativa condotta da Vrij ha mostrato che il tasso di precisione del CBCA variava tra il 55% e il 90%, con un tasso medio di precisione del 70%.¹⁸

Un altro strumento d’analisi del resoconto verbale fornito è il Reality Monitoring (RM) di Sporer¹⁹. Il RM fa riferimento alle operazioni cognitive su cui una persona si basa nell’attribuire il proprio ricordo. La logica alla base del metodo RM è che i ricordi di eventi reali siano diversi per qualità e contenuti dai ricordi fabbricati e non sinceri²⁰. Lo strumento è composto da otto criteri, che indagano dettagli di contenuto circa il realismo della narrazione, dettagli su spazio e tempi, le informazioni sensoriali riportate e la chiarezza-vivacità del narrato.

Negli esperimenti che coinvolsero l’uso della SCAN, della CBCA e del RM, si volle testare fino a che punto questi metodi fossero sensibili a bias contestuali. Quattro furono le narrazioni testimoniali presentate, e il contesto fu manipolato al fine di insinuare negli osservatori sospetti di colpevolezza o d’innocenza a priori, mediante l’uso di informazioni extra-contesto: ad alcuni venne detto che chi avrebbe testimoniato era in realtà un soggetto pregiudicato, già coinvolto in episodi di falsa testimonianza in passato; ad altri, venne confidato che la testimonianza resa era già stata confermata anche da altri testimoni oculari. Scopo di questi esperimenti era valutare se gli osservatori (addestrati all’uso delle tecniche), potevano essere influenzati in qualche modo da queste informazioni nel valutare il resoconto narrativo come credibile o menzognero.

Nel primo esperimento furono coinvolti 32 agenti di polizia addestrati all’uso dello SCAN, e confrontati con un gruppo di controllo.

Nel secondo esperimento gli osservatori furono 128 studenti che analizzarono le narrazioni attraverso la SCAN, la CBCA o il RM.

I risultati mostrarono che tutti e tre i metodi furono ugualmente vulnerabili a bias contestuali.

Questa ricerca rende evidente un’importante lacuna metodologica di tali strumenti, spesso poco citata nei paper scientifici di riferimento: se applicato a dichiarazioni di vittime o testimoni oculari, il metodo della valutazione credibilità verbale deve essere utilizzato da professionisti privi di informazione a priori sulla vicenda, onde evitare influenze negativamente nel loro giudizio, a discapito dell’oggettività e del rigore del metodo. I risultati emersi mettono in luce quanto sia fallace l’analizzare un solo canale della comunicazione quando dobbiamo valutare la credibilità di una persona. È importante usare un metodo che ci permetta di valutarne contemporaneamente ogni canale espressivo, un modello teso quindi all’analisi completa degli elementi della comunicazione verbale e non verbale dell’interlocutore. Si pensi solo a quante informazioni trasmette il nostro volto attraverso le espressioni e micro espressioni emozionali; quanto dice il nostro linguaggio del corpo circa i nostri atteggiamenti od intenzioni. Chi si occupa di emozioni sa quanto sia essenziale rilevare anche le oscillazioni a carico della voce, che sono strettamente connesse con il sistema nervoso centrale e autonomo dell’individuo. Altri aspetti maggiormente connessi al sistema mnemonico e cognitivo della persona, possono essere indagati attraverso un’attenta analisi dello stile verbale e del contenuto verbale da lui espresso. Un approccio contraddistinto da rigore scientifico permette di controllare ogni possibile variabile in gioco e permette di completare e perfezionare la propria competenza professionale nel campo dell’analisi della credibilità. Specializzarsi solamente su di un solo elemento della comunicazione, ci pone davanti a palesi limitazioni. Ma con la debita formazione circa il come e il cosa guardare, il nostro apporto può divenire affidabile, preciso e fare la differenza.

Diego Ingrassia

—————-

1 Ricerche e pubblicazioni

• Aamodt, M. G., & Custer, H. (2006). Who can best catch a liar? A meta-analysis of individual differences in detecting deception. Forensic Examiner, 15, 6–11.
• Bond, C. F., & DePaulo, B. M. (2006). Accuracy of deception judgments. Personality and Individual Differences, 10, 214–234.
• Bond, C. F., & DePaulo, B. M. (2008). Individual differences in judging deception: Accuracy and bias. Psychological Bulletin, 134, 477–492.
• Elaad, E. (2003). Effect of feedback on the overestimated capacity to detect lies and the underestimated ability to tell lies. Applied Cognitive Psychology, 17, 349–363.
• Vrij, A. (2008). Detecting lies and deceit: Pitfalls and opportunities. Chichester: Wiley.

2 Sapir, A. (2005). The LSI course on scientific content analysis (SCAN). Phoenix, AZ: Laboratory for Scientific Interrogation.

3 Studi di validazione della SCAN

• Driscoll, L. (1994). A validity assessment of written statements from suspects in criminal investigations using the SCAN technique. Police Studies, 4, 77–88.
• Nahari, G., Vrij, A., & Fisher, R. P. (2012). Does the truth come out in the writing? SCAN as a lie detection tool. Law and Human Behavior, 36, 68–76.
• Porter, S., & Yuille, J. C. (1996). The language of deceit: An investigation of the verbal clues to deception in the interrogation context. Law and Human Behavior, 20, 443–458.
•  Smith, N. (2001). Reading between the lines: an evaluation of the scientific content analysis technique (SCAN). Police Research Series Paper 135, 1–42.

4 Smith, N. (2001). Reading between the lines: an evaluation of the scientific content analysis technique (SCAN). Police Research Series Paper 135, 1–42.

5 Risinger, D. M., Saks, M. J., Thompson, W. C., & Rosenthal, R. (2002). The Daubert/Kumho implications of observer effects in forensic science: Hidden problems of expectation and suggestion. California Law Review, 90, 1–56.6

7 Bias di auto-conferma

• Jones, M., & Sugden, R. (2001). Positive confirmation bias in the acquisition of information. Theory and Decision, 50, 59–99.
• Findley, K. A., & Scott, M. S. (2006). The multiple dimensions of tunnel vision in criminal cases. Wisconsin Law Review, 2, 291–397.

8 Findley, K. A., & Scott, M. S. (2006). The multiple dimensions of tunnel vision in criminal cases. Wisconsin Law Review, 2, 291–397.

9 Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of General Psychology, 2, 175–220.

10 Findley, K. A., & Scott, M. S. (2006). The multiple dimensions of tunnel vision in criminal cases. Wisconsin Law Review, 2, 291–397.

11 Hill, C., Memon, A., & McGeorge, P. (2008). The role of confirmation bias in suspect interviews: A systematic evaluation. Legal and Criminological Psychology, 13, 357–371.

12 Hill, C., Memon, A., & McGeorge, P. (2008). The role of confirmation bias in suspect interviews: A systematic evaluation. Legal and Criminological Psychology, 13, 357–371.

13 Rassin, E., Eerland, A., & Kuijpers, I. (2010). Let’s find the evidence: An analogue study of confirmation bias in criminal investigations. Journal of Investigative Psychology and Offender Profiling, 7, 231–246.

14 Bogaard, G., Meijer, E. H., Vrij, A., Broers, N. J., & Merckelbach, H. (2014). Contextual Bias in Verbal Credibility Assessment: Criteria‐Based Content Analysis, Reality Monitoring and Scientific Content Analysis. Applied Cognitive Psychology, 28(1), 79-90.

15 Undeutsch, U. (1967). Beurteilung der glaubhaftigkeit von Aussagen. In U. Undeutsch (Ed.), Handbuch der psychologie Vol 11: Forensische Psychologie. Göttingen, Germany: Hogrefe.

16 Steller, M., & Köhnken, G. (1989). Criteria Based Statement Analysis. In D. C. Raskin (Ed.), Psychological methods in criminal investigation and evidence (pp. 217–245). New York: Springer.

17 CBCA utilizzata negli adulti, in ambito forense

• Akehurst, L., Köhnken, G., & Höfer, E. (2001). Content credibility of accounts derived from live and video presentation. Legal and Criminological Psychology, 6, 65–83. Sporer, 1997.
• Vrij, A., Akehurst, L., Soukara, S., & Bull, R. (2004). Detecting deceit via analysis of verbal and nonverbal behavior in children and adults. Human Communication Research, 30, 8–41.
• Vrij, A., Edward, K., Roberts, K. P., & Bull, R. (2000). Detecting deceit via analysis of verbal and nonverbal behavior. Journal of Nonverbal Behavior, 24, 239–263.

18 Vrij, A. (2005). Criteria Based Content Analysis: A qualitative review of the first 37 studies. Psychology, Public Policy, and Law, 11, 3–41.

19 Sporer, S. L. (1997). The less travelled road to truth: Verbal cues in deception detection in accounts of fabricated and self-experienced events. Applied Cognitive Psychology, 11, 373–397.

20 Johnson, M. K., & Raye, C. L. (1981). Reality monitoring. Psychological Review, 88, 67–85.