I pentiti mentono di più

Pubblicato il 08/04/2009Read time: 1 min

Gianluca Bruttomesso

Scacco ai criminologi. Quando al potenziale criminale si chiede una seconda confessione, caratterizzata da incentivi, come l'abbreviazione della pena, o una da scontarsi in condizioni migliori, ci si attende che l'indagato dica la verità. Per questo quanto confessa, in questa fase, è considerato probatorio. Ora, tuttavia, uno studio comportamentale effettuato da due psicologhe dell'Università dell'Arkansas a Fayetteville (Usa), Jessica K. Swanner e Denise R. Beike, sembra ribaltare quanto sinora ritenuto acquisito: in realtà, il criminale, nel corso della seconda confessione, a seguito degli incentivi offerti, non è affatto indotto ad affermare il vero. Semmai l'incentivo suggerisce di dire altro, secondo criteri opportunistici. La ricerca, pubblicata sul Journal of law and human behavior (edizione del 10 marzo 2009), ha sottoposto un centinaio di partecipanti a una situazione (il crash di un computer) in cui sapevano chi era il responsabile. Quindi è stata chiesta loro una prima e una seconda confessione in presenza di incentivi. Il risultato inatteso è stato appunto che la presenza di incentivi ha aumentato il tasso di false confessioni.

Fonte: Newswise

Criminologia

prossimo articolo

LLM e ricerca scientifica: opportunità, rischi e controlli

di Rocco De Nicola

Pubblicato il 01/07/2026

Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.

Immagine di copertina realizzata con ChatGPT

Intelligenza artificiale

Ricerca scientifica

Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.