容疑者・フィラー類似性に基づくアイデンティフィケーションライン構築の人工知能による調査

科学分野:

• 犯罪心理学
• 目撃者同定
• 犯罪司法

背景:

• 目撃者同定手続きは、犯罪捜査において極めて重要である。
• 従来のライン構築は、証言への適合（match-to-description, MTD）に基づいて容疑者を適合させることに依存している。
• 最近の研究では、様々な容疑者・フィラー（SF）類似性レベルを持つフィラーが、ラインの効果を高めることができることが示唆されている。

研究 の 目的:

• MTDを超えた様々な容疑者・フィラー（SF）類似性レベル（低、中、高）が、ラインの識別能力に与える影響を評価する。
• 暴露時間、犯人の人種、および有罪・無罪（GI）類似性がラインのパフォーマンスにどのように影響するかを調べる。
• 犯人の同定と無実の容疑者の保護の両方を改善するための最適なSF類似性レベルを決定する。

主な方法:

• AI駆動のライン構築と様々なSF類似性を用いて、2,644人の参加者による実験を実施した。
• 参加者は、白人またはアフリカ系アメリカ人の犯人が登場するビデオを視聴し、ライン同定を行った。
• 暴露時間（短時間 vs 長時間）と有罪・無罪（GI）類似性を操作した。

主要な成果:

• 低および高SF類似性のラインは、MTDのみのラインと比較して、より高い識別能力を示した。
• 低SF類似性のラインは有罪の容疑者の検出を改善し、高SF類似性のラインは無実の容疑者をより良く保護した。
• 低SF類似性は最も高い同定精度をもたらし、高SF類似性は最も良い診断比率をもたらした。

結論:

• MTDを超えた適合・容疑者類似性の利用、特に極端なレベル（低または高SF類似性）での利用は、ラインのパフォーマンスを向上させる。
• これらの発見は、調整されたライン構築が司法制度の成果を改善できることを示唆している。
• 犯人の人種や暴露時間などの外部要因に関係なく、ラインの効果を最適化できる。