Profiling vs. Case-specific Evidence: A Probabilistic Analysis

Each language version is independently generated for its own context, not a direct translation.

🕵️‍♂️ Il Profilo vs. L'Impronta Digitale: Perché i "Sospetti Tipici" non sono Prove

Immagina di essere un detective. Hai due modi per cercare di capire chi ha commesso un crimine:

L'Indizio Specifico (Case-Specific Evidence): Trovare le impronte digitali del ladro sulla cassaforta.
Il Profilo (Profiling Evidence): Sapere che il ladro è un uomo di 30 anni, con una storia di furti precedenti, e che il 90% dei ladri in città corrisponde a questa descrizione.

Gli autori di questo studio, Di Bello, Cangiotti e Loi, dicono una cosa che sembra controintuitiva ma è fondamentale: il Profilo non è una prova di colpevolezza per il crimine specifico che stai giudicando.

Ecco come funziona, spiegato con delle metafore.

1. La Metafora del "Cappello Rosso" 🎩

Immagina che in una città ci siano molti furti. I dati dicono che il 90% dei ladri porta un cappello rosso.
Ora, la polizia vede un uomo con un cappello rosso vicino alla scena del crimine.

L'approccio sbagliato: "Ehi, porta il cappello rosso! Il 90% dei ladri lo porta, quindi è quasi certo che sia lui il ladro di questo specifico furto!"
L'approccio corretto (degli autori): Il cappello rosso ti dice solo che quell'uomo è probabilmente un ladro in generale (magari ne ha commessi altri in passato). Ma non ti dice nulla su questo furto specifico.

Il problema è che il "cappello rosso" (il profilo) è una caratteristica stabile della persona, mentre il furto è un evento specifico che è successo in un momento e luogo preciso. Sapere che un uomo porta spesso il cappello rosso non ti dice se ha rubato proprio quella borsa proprio ora.

2. La Differenza tra "Qualcosa" e "Quello"

Gli autori fanno una distinzione cruciale tra due ipotesi:

Ipotesi Generica: "Questo uomo ha commesso (o commetterà) un furto di questo tipo in qualche momento della sua vita."
Ipotesi Specifica: "Questo uomo ha commesso questo furto, in questa strada, alle 22:00 di stasera."

Il profilo (es. "ha precedenti penali") è ottimo per l'ipotesi Generica. Se un uomo ha molti precedenti, è molto probabile che commetta furti in generale.
Ma il profilo è inutile per l'ipotesi Specifica. Perché? Perché non sai se quel furto specifico è stato commesso da un "ladro esperto" o da un "ladro disperato", da un "ladro di giorno" o da un "ladro di notte".

L'Analogia del Menu del Ristorante 🍽️
Immagina che il crimine sia un piatto speciale servito in un ristorante.

Il Profilo ti dice: "Il 90% dei clienti che mangiano in questo ristorante sono appassionati di pizza."
L'Indizio Specifico ti dice: "Ho trovato la forchetta del cliente sul tavolo con il suo nome incisa."

Se vedi un appassionato di pizza, è probabile che sia un cliente del ristorante (Ipotesi Generica). Ma se devi provare che è stato lui a ordinare quel preciso piatto stasera, il fatto che ami la pizza non ti aiuta affatto. Forse ha ordinato la pasta. Forse non è nemmeno entrato stasera. Il profilo non ti dice cosa ha ordinato stasera.

3. Perché la Matematica ci inganna (o ci confonde)

Spesso pensiamo: "Se il 90% dei ladri ha un profilo X, e l'indiziato ha il profilo X, allora la probabilità che sia colpevole è altissima!"
Gli autori dicono: No, non è così.

Ecco perché:
Immagina che ci siano 4 tipi di furti diversi:

Furti in case ricche di giorno (dove i ladri hanno pochi precedenti).
Furti in case ricche di notte (dove i ladri hanno molti precedenti).
Furti in case povere di giorno.
Furti in case povere di notte.

Se guardi i dati generali di tutta la città, il 74% dei ladri ha precedenti. Quindi il profilo "ha precedenti" sembra fortissimo.
MA, se il furto specifico è avvenuto in una casa ricca di giorno (il caso specifico), in quel contesto solo il 40% dei ladri ha precedenti.
Se usi il dato generale (74%) per giudicare un caso specifico (40%), stai sbagliando matematica. Stai mescolando mele e arance. Senza sapere i dettagli specifici del caso, il numero del profilo è come un'ombra: può essere tutto o nulla, ma non ti dice la verità su quel caso.

4. La differenza tra "Prevedere" e "Dimostrare"

Il profilo è come una pallina di cristallo: ti dice che una persona è a rischio di commettere un crimine in futuro o in generale.
L'indizio specifico (come le impronte digitali o una telecamera) è come una fotografia: ti mostra cosa è successo in un momento preciso.

In un processo penale, non stiamo chiedendo "È questa persona pericolosa?" (che è una domanda sul futuro o sul generale). Stiamo chiedendo: "Ha commesso questo crimine?"
Il profilo non può rispondere alla seconda domanda.

5. Conclusione: Perché dovremmo preoccuparci?

Gli autori concludono che usare il profilo come prova principale è un errore epistemico (un errore nel modo di conoscere la verità).

Se usiamo il profilo per decidere se rilasciare qualcuno in attesa di processo (dobbiamo valutare il rischio futuro), può avere senso.
Se usiamo il profilo per condannare qualcuno per un crimine specifico, stiamo commettendo un errore: stiamo giudicando la persona per chi potrebbe essere, non per ciò che ha fatto.

In sintesi:
Il profilo ti dice che il sospetto è un "tipo sospetto".
L'indizio specifico ti dice che il sospetto è "il colpevole".
Non confondere mai i due. Avere un "profilo criminale" non significa essere il colpevole di quel crimine specifico, proprio come avere un cappello rosso non significa essere il ladro di quella specifica borsa.

Il vero colpevole è chi lascia le impronte sul luogo del crimine, non chi corrisponde alla descrizione statistica media.

Each language version is independently generated for its own context, not a direct translation.

1. Il Problema

Il paper affronta una controversia di lunga data nell'epistemologia giuridica e nella teoria della prova: l'ammissibilità e il valore probatorio delle prove di profilazione (profiling evidence) nei processi penali.

Contesto: Le prove di profilazione si basano su dati statistici che mostrano una correlazione tra un profilo del soggetto (es. precedenti penali, caratteristiche demografiche, abitudini) e la commissione di un certo tipo di reato.
Il Dibattito: Molti studiosi, pur opponendosi all'uso di tali prove per motivi morali o di policy (es. rischio di condanne ingiuste, violazione dell'autonomia dell'agente), accettano l'assunto che le prove di profilazione siano probative (cioè che aumentino la probabilità di colpevolezza).
L'Obiettivo: Gli autori rifiutano questa assunzione fondamentale. La loro tesi centrale è che le prove di profilazione, pur potendo supportare un'ipotesi generica (che l'imputato commette reati di quel tipo), non sono prove della colpevolezza per il reato specifico di cui l'imputato è accusato.

2. Metodologia

L'analisi si fonda su un approccio rigorosamente probabilistico (basato sul teorema di Bayes), distinguendosi dalle critiche epistemiche non probabilistiche presenti in letteratura (che si basano su concetti come "tracciamento della verità", "supporto normico" o "esclusione di alternative rilevanti").

Strumento Analitico: Utilizzo del Rapporto di Verosimiglianza (Likelihood Ratio - LR) per valutare il valore probatorio di una prova $E$ rispetto a un'ipotesi di colpevolezza $G$ .
$LR = \frac{P(E | G)}{P(E | I)}$
Dove $P(E|G)$ è la probabilità della prova data la colpevolezza e $P(E|I)$ data l'innocenza.
Distinzione Concettuale Chiave: Gli autori introducono una distinzione fondamentale tra:
1. Ipotesi Generica ( $G_g$ ): L'imputato ha commesso (o commetterà) un reato di quel tipo in un momento e luogo non specificati.
2. Ipotesi Specifica ( $G_s$ ): L'imputato ha commesso il particolare reato contestato (con tempo, luogo e modalità specifici).
Modello Formale: Nell'appendice, viene sviluppato un Modello di Nesting Multi-livello (Multi-level Nesting Model - MNM) per dimostrare formalmente perché non è possibile assumere l'invarianza delle probabilità quando si passa da un'ipotesi generica a una specifica.

3. Contributi Chiave e Argomentazione

A. La Fallacia dell'Invarianza

Il contributo principale è la dimostrazione che il rapporto di verosimiglianza per l'ipotesi generica ( $LR_g$ ) è spesso alto, ma non implica che il rapporto per l'ipotesia specifica ( $LR_s$ ) lo sia.

Il Problema del Numeratore: Per calcolare $LR_s$ , serve $P(P | G_s)$ , ovvero la probabilità che l'imputato abbia il profilo $P$ dato che ha commesso quel specifico reato.
L'Errore Comune: Si tende ad assumere che $P(P | G_s) \approx P(P | G_g)$ (l'invarianza). Gli autori sostengono che questa assunzione è infondata.
La Realtà: I reati specifici variano per contesto (quartiere, orario, metodo). La distribuzione dei profili all'interno di sottogruppi specifici (es. "furti in zone ricche di giorno") può differire drasticamente dalla media generale. Senza informazioni contestuali specifiche, il numeratore $P(P | G_s)$ è ignoto, rendendo il rapporto di verosimiglianza specifico indeterminato.

B. Evidenza di Caso Specifico vs. Profilazione

Gli autori contrappongono le prove di profilazione alle prove di caso specifico (case-specific evidence):

Prove di Caso Specifico: Sono fatti spazialmente e temporalmente ancorati al reato (es. impronte digitali sulla scena, testimoni oculari che vedono la fuga). Esiste una presunta connessione causale diretta tra il fatto del reato e la prova. Queste prove aumentano la probabilità dell'ipotesi specifica ( $G_s$ ).
Prove di Profilazione: Si basano su caratteristiche stabili (es. precedenti, etnia) che non variano in base al singolo evento criminale. Non stabiliscono un nesso causale con il particolare evento. Aumentano al massimo la probabilità che l'imputato commetta reati di quel tipo in generale, ma non che abbia commesso quel reato.

C. Risoluzione dei Paradossi Epistemici

Gli autori mostrano come la loro analisi risolva apparenti paradossi nelle critiche epistemiche esistenti:

Tracciamento della Verità (Truth Tracking): Le prove di profilazione sembrano "tracciare" la verità per ipotesi generiche (se è colpevole di un reato, è probabile che abbia il profilo), ma non per ipotesi specifiche (se è colpevole di questo reato, la presenza del profilo non è più probabile rispetto all'innocenza specifica).
Supporto Normico: Se un imputato con un profilo criminogeno è innocente, non c'è nulla di anomalo da spiegare (è comune). Se un imputato con impronte digitali è innocente, c'è un'anomalia che richiede spiegazione. La differenza risiede nella specificità del nesso causale.

4. Risultati Principali

Inutilità Probatoria per la Colpevolezza Specifica: Le prove di profilazione non aumentano la probabilità razionale che l'imputato sia colpevole del reato specifico in giudizio. Il rapporto di verosimiglianza specifico è indefinibile o pari a 1 (irrilevante) in assenza di dati contestuali che colleghino il profilo al caso specifico.
Distinzione Contesti Giudiziari: Le prove di profilazione possono essere accettabili in contesti dove non si richiede specificità, come le decisioni preliminari sul rischio di recidiva (bail, detenzione preventiva), dove l'obiettivo è valutare la probabilità di qualsiasi futuro reato, non la responsabilità per un atto passato specifico.
Critica alla "Stereotipizzazione": L'analisi si estende alla stereotipizzazione sociale. Passare da correlazioni statistiche di gruppo a giudizi di colpevolezza su individui specifici (es. fermare una persona basandosi solo sull'etnia dopo un furto) è epistemicamente ingiustificato perché salta il divario tra $G_g$ e $G_s$ .

5. Significato e Implicazioni

Teoria della Prova: Il paper offre una giustificazione epistemica (non solo morale o politica) per l'esclusione delle prove di profilazione. Anche se si accettasse un approccio puramente probabilistico alla giustizia, le prove di profilazione fallirebbero nel soddisfare il requisito di rilevanza per l'ipotesi specifica.
Diritto Processuale: Supporta le regole di esclusione (come la regola 404 delle Federal Rules of Evidence negli USA) che vietano l'uso di prove di carattere o precedenti per provare la condotta in un caso specifico, fornendo una base matematica a intuizioni legali consolidate.
Epistemologia Sociale: Sottolinea il pericolo epistemico di applicare statistiche di gruppo a casi individuali senza un nesso causale specifico, offrendo un framework per analizzare il pregiudizio e la discriminazione statistica.

In sintesi, Di Bello, Cangiotti e Loi dimostrano che la "probabilità di colpevolezza" calcolata su dati di profilazione è un'illusione matematica quando applicata a un caso giudiziario specifico, poiché ignora l'eterogeneità dei contesti criminali e la mancanza di un nesso causale diretto tra il profilo e il singolo evento.