11 Metodi dettagliati per scoprire chi mente

Articolo di Katsiaryna Valko

I metodi standardizzati per il riconoscimento della menzogna

Uno dei fondamenti principali per l’utilizzo del linguaggio del corpo per riconoscere la menzogna è una strutturazione e standardizzazione dei metodi per rilevare i movimenti con la massima precisione.

La recente letteratura scientifica è concorde nel ritenere il linguaggio del corpo come uno dei metodi rilevare la menzogna, spesso applicato assieme ad altri metodi. La ricerca scientifica ha infatti rilevato che la probabilità di riconoscere correttamente la menzogna avviene quando vengono utilizzati più metodi contemporaneamente.

 

I ricercatori[1][2] che hanno analizzato la storia dei metodi di riconoscimento della menzogna sono concordi nell’affermare che esiste un periodo pre-scientifico nella costruzione dei metodi di riconoscimento della menzogna che si basano su strumenti di tipo intuitivo e non standardizzato.

Trovillo, in particolare, riconosce due tappe fondamentali nella storia di queste tecniche, la prima è riguarda la costruzione del primo strumento di misura degli stati fisiologici, il Pulsilogium di Galileo Galilei, primo strumento in assoluto a misurare correttamente il battito cardiaco rappresenta una svolta fondamentale. Un secondo elemento fondamentale è relativo ad un testo di Lancisi, primo teorico italiano che connette gli stati fisiologici alle emozioni.

I ricercatori – afferenti al settore della psicologia – che hanno studiato la storia dei metodi di riconoscimento della menzogna sono inoltre concordi nel classificare tre categorie principali di metodi riconoscimento della menzogna

  • Metodi fisiologici: si tratta di metodi che assumono che gli stati fisiologici possano darci indicazioni su come riconoscere le affermazioni false
  • Metodi non verbali: si tratta di metodi standardizzati finalizzati a classificare comportamenti codificati (codifica) ed a tradurli in significati spesso di natura emotiva (decodifica)
  • Metodi verbali: si tratta di metodi di analisi del contenuto che può avvenire dal punto di vista qualitativo (ad esempio analizzando le incongruenze del contenuto verbale, la presenza di punti logici) o anche dal punto di vista quantitativo (tramite il conteggio e la categorizzazione delle parole).

Molto spesso, per poter formulare una corretta valutazione dell’attendibilità di una dichiarazione è necessario integrare l’utilizzo di tali metodi. Si pensi a titolo di esempio che la principale tecnica di analisi del riconoscimento della menzogna mediante linguaggio del corpo si basa sul confronto tra i significati emersi dall’analisi non verbale e le dichiarazioni verbali di una persona. Vedremo qui di seguito le integrazioni tra i vari metodi ed i loro punti di forza e di debolezza.

I metodi fisiologici

  • Il poligrafo: si tratta di uno strumento in grado di tracciare più stati fisiologici interni di un soggetto durante un’intervista (respirazione, battito cardiaco, elettroconduttanza cutanea). Alcuni strumenti moderni sono in grado di tracciare anche altri movimenti del corpo che il soggetto valutato potrebbe mettere in atto per provare a falsificarne i risultati. Alcuni setting infatti utilizzano sensori di vario genere (inclusi nella sedia usata dall’intervistatore e nella cuffia) per misurare la contrazione muscolari, gli adattamenti nella sedia, l’azione di mordersi la lingua ed altri movimenti, tutte strategie che la persona potrebbe applicare per provare a falsificarne i dati[3]. La principale critica che viene rivolta a questo strumento riguarda il fatto che essenzialmente il poligrafo misura lo stress. Chi critica lo strumento afferma infatti che lo stress non è sempre un indicatore di menzogna. Le stime di validità del poligrafo sono dunque molto varie e oscillano solitamente tra il 70 e il 96%. È tuttavia necessario precisare che il poligrafo in sé misura degli stati fisiologici con precisione, ma la struttura dell’intervista, la presenza o meno della ripetizione delle domande, la formulazione delle domande restano gli elementi più strettamente correlati alla qualità delle valutazioni tramite poligrafo.
  • Pupillometro: si tratta di uno strumento finalizzato a misurare un comportamento non verbale osservabile, la dilatazione della pupilla.
  • Brain Fingerprint. Si tratta di un modo specifico di analizzare le onde dell’Elettroencefalogramma. L’assunto di base riguarda la teoria per cui il cervello elabori le informazioni conosciute diversamente dalle informazioni immaginate[4].
  • Risonanza Magnetica Funzionale: si tratta di uno strumento che misura il livello di ossigenazione presente nelle diverse aree del cervello. Dal livello di ossigenazione è possibile dedurre quali siano le aree del cervello più attive in un dato momento. Tramite questo strumento è dunque possibile comprendere quali aree del cervello si attivino maggiormente durante l’espressione del falso.
  • Elettrogastrogramma. Si tratta di uno strumento medico finalizzato alla misurazione delle contrazioni muscolari dello stomaco. Uno studio di Pasricha[5] e collaboratori ha rilevato che – studiando le onde basse dello stomaco – durante la menzogna la percentuale di normogastria diminuisce mentre aumenta la percentuale di aritmia (le probabilità di errore statistico sono rispettivamente 0.04 e 0.02). Il metodo è stato depositato come invenzione nel 2006 presso il sistema dell’Università del Texas[6]

I metodi fisiologici hanno dunque il grande vantaggio di poter rilevare fattori difficili da controllare (attività del cervello, respirazione, elettroconduttanza cutanea, contrazione muscolare dello stomaco) e sono caratterizzati solitamente da alta attendibilità. Il limite di questi metodi sono invece rappresentati dai costi strumentali e dalla necessaria collaborazione del soggetto a rilevare i dati. È impossibile applicare questi strumenti senza un’aperta collaborazione del soggetto.

Metodi Non Verbali

  • Facial Action Coding System (FACS): si tratta di un metodo standardizzato di analisi delle espressioni facciali. Si basa sulla codifica di 44 Unità di Azione che possono verificarsi in circa 7000 combinazioni. Il metodo dunque è in grado di attribuire un codice costituito da lettere e numeri che indica con precisione quali muscoli facciali siano contratti in un dato momento. Questo strumento si integra con l’EMFACS (Emotional Facial Action Coding System) che ha invece una funzione di decodifica, ovvero, “traduce” il codice numerico in un significato di natura emotiva o di rappresentazione di uno stato interno. Trattandosi di uno strumento finalizzato alla rilevazione delle emozioni, siano esse espresse apertamente o celate, questo strumento è in grado di riconoscere con maggiore accuratezza le menzogne emotive. Affinché il FACS possa essere utilizzato accuratamente per riconoscere il falso è necessario osservare una differenza tra ciò che la persona dice ed un’emozione eventualmente espressa a livello facciale. Una ricerca di Warren e collaboratori[7] ha valutato l’efficacia nel riconoscere le menzogne in un campione di soggetti sottoposti a due training strutturati chiamati Micro Expression Training Tool (METT) e Subtle Expression Training Tool (SETT). Entrambi i metodi, erogati dal Paul Ekman Group, sottopongono i partecipanti ad una serie di stimoli facciali neutri uno alla volta. Durante ogni singola prova il volto neutro viene intervallato da un fotogramma che presenta un’espressione facciale per una frazione di secondo. Il tempo di esposizione all’espressione facciale è modulabile in entrambi i metodi e la funzione è l’identificazione rapida delle espressioni facciali che si verificano per un periodo molto breve. Questo tipo di allenamento consente alla persona che apprende di essere molto più rapido nell’interpretazione anche durante l’analisi di reali microespressioni facciali. Durante le prove è richiesto al partecipante di identificare unicamente l’emozione rappresentata dall’espressione facciale mentre non viene richiesta un’analisi completa delle singole unità di azione coinvolte, dunque gli obiettivi di queste tecniche sono quelli di velocizzare l’analisi e di identificare le emozioni. La differenza principale tra i metodi METT e SETT è rappresentata dal fatto che il primo metodo mostra in quella frazione di secondo delle espressioni facciali complete, che riguardano dunque tutto il volto e sono dunque più facili da interpretare, mentre il SETT ha un coefficiente di difficoltà maggiore perché nella stessa frazione di secondo mostra un’espressione facciale parziale che si verifica solo in un’area del volto. I partecipanti allo studio di Warren erano selezionati tra persone non esperte del riconoscimento della menzogna, proprio al fine di verificare la validità dei training METT e SETT senza altre interferenze. Una conoscenza precedente dell’argomento, infatti, avrebbe potuto interferire sulla performance. I dati rivelano che certamente tali training aumentano la possibilità di identificare le menzogne, ma solamente quelle di natura emotiva e cioè quelle in cui il contenuto verbale rappresenta temi che suscitano emozioni nel parlante. Nello studio emerge infatti che i partecipanti a seguito dei due brevi training erano in grado di distinguere correttamente storie vere e storie false in modo significativamente maggiore rispetto al caso, infatti la percentuale di successo per le storie vere emozionali era pari a 64,4%; percentuale di successo, la percentuale di successi nell’identificazione delle storie false emozionali era ugualmente pari al 64,4%. I risultati relativi all’identificazione delle storie non emozionali era invece addirittura peggiore rispetto al caso avendo ottenuto una percentuale di successo nell’identificazione corretta delle storie vere non emozionali del 38,2% e delle corrispondenti false del 33,8%. Ciò che conferma ulteriormente la validità del training SETT è la correlazione statistica tra il punteggio finale ottenuto dal partecipante alla prova SETT e la capacità di identificare le menzogne emozionali (r = .46*). Veniva inoltre sottoposta un’ulteriore domanda di controllo ai partecipanti per verificare quali processi di pensiero li avessero guidati nella valutazione di una storia come vera o falsa. I partecipanti potevano dire di essere stati guidati nella scelta da uno di questi fattori relativi al soggetto analizzato in video: “come l’ha detta”, “cosa ha detto”, “l’espressione facciale”, “il linguaggio del corpo” o “l’intuito”. Lo studio ha rivelato che gli utenti che rispondevano di aver posto l’attenzione sull’espressione facciale hanno avuto una performance migliore sul riconoscimento della menzogna emozionale (r = .52*). Questo studio, non solo dimostra che i metodi di analisi scientifica delle espressioni facciale possano essere di grande aiuto nel riconoscimento della menzogna, ma anche che necessariamente devono servirsi di strumenti ulteriori di verifica. I dati infatti mostrano che le informazioni principali derivati dalle espressioni facciali, essendo di natura emotiva, possono essere d’aiuto soprattutto quando i resoconti dei soggetti osservati sono di carattere emozionale. Uno studio di Matsumoto, Hwang, Skinner & Frank[8] ha inoltre rivelato che un training strutturato alla tecnica FACS permette di riconoscere la menzogna analizzando le espressioni emozionali nel 70% dei casi.
  • Body Action Coding System[9] è un modello standardizzato di analisi del linguaggio del corpo. Le sue finalità sono la codifica dei movimenti del corpo finalizzati all’analisi delle emozioni sperimentate dal soggetto. Si tratta di un metodo integrato utile per studiare e descrivere nel tempo i movimenti del corpo a livello anatomico (diverse articolazioni di parte del corpo), a livello di forma (direzione ed orientamento dei movimenti) ed a livello funzionale (comunicativa o di auto-regolazione). Lo strumento valuta i movimenti delle seguenti parti del corpo: testa, collo, braccia, occhi, arti inferiori, tutto il corpo ed è inoltre in grado di distinguere i reali movimenti con una determinata funzione dai cosiddetti “artefatti” ovvero movimenti causati da altri movimenti e posture ma che non abbiano alcuna funzione particolare.
  • Voice Stress Analysis (VSA) è uno strumento in grado di misurare le fluttuazioni fisiologiche tramite il micro-tremore presente in un discorso. Tali tremori sono presenti in ogni muscolo del corpo così come nelle corde vocali ed hanno una frequenza compresa tra 8-12Hz. Quando lo stress aumenta, tali microtremori cambiano frequenza e producono effettivamente una voce diversa. Una delle principali critiche rivolte a questo strumento è che si tratti effettivamente di uno strumento di rilevazione dello stress, si opera dunque un’obiezione simile a quella che si rivolge nei confronti del metodo del poligrafo. Tuttavia, uno studio in particolare, condotto da Patil, Nayak e Saxena dimostra che questo strumento può identificare lo stress emozionale anche in modo migliore del poligrafo[10]. Voice Stress Analysis (VSA) può essere dunque definito sia come un metodo fisiologico (dato che si basa su precisi fondamenti fisiologici) sia un metodo non verbale (in quanto rileva un elemento di comunicazione paraverbale: le qualità della voce).

I metodi non verbali di riconoscimento della menzogna hanno una media controllabilità, un soggetto che si concentri nel controllare la propria comunicazione non verbale può riuscire in parte a raggiungere il risultato. Tuttavia, si tratta di strumenti che un osservatore potrebbe applicare senza una dichiarazione esplicita. Un’analisi scientifica delle comunicazione prevede comunque quantomeno l’utilizzo della videoanalisi al fine di raccogliere i dati correttamente. Questi strumenti necessitano di una formazione strutturata e di una strumentazione di base per l’analisi dei dati. La maggioranza dei sistemi di analisi del linguaggio del corpo prevedono un confronto tra le dichiarazioni verbali e la comunicazione non verbale, restano dunque inscindibili da una comparatistica con i metodi verbali, descritti nel seguente paragrafo.

I metodi verbali

I metodi di analisi del contenuto verbale si basano sull’assunto per cui mentire e dire la verità producano differenze significative nel contenuto espresso dai parlanti

–          Criteria Based Content Analysis (CBCA) è un metodo di analisi del contenuto verbale basato su 19 criteri. Tale metodo si basa sull’ipotesi di Undeutsch[11] per cui i resoconti basati su una memoria producono contenuti verbali diversi da quelli basati sulla fantasia. Il metodo è utilizzato specialmente nei contesti forensi e la sua prima applicazione ha riguardato l’analisi dei resoconti di minori vittime di violenza sessuali (reali o presunte). La prima concettualizzazione di tale ipotesi è stata sviluppata da Kohnken[12][13][14] e comprende i seguenti criteri

  • Caratteristiche generali: struttura logica, produzioni destrutturate, quantità di dettagli
  • Contenuto specifico: inserimento nel contesto, descrizione delle interazioni, riproduzione delle conversazioni, complicazioni inattese durante l’incidente, dettagli inusuali, dettagli superflui, dettagli non compresi riportati accuratamente, associazioni esterne correlate, descrizioni di stati mentali soggettivi, attribuzione dello stato mentale dell’aggressore
  • Contenuti legati alla motivazione: correzioni spontanee, ammettere la mancanza di memoria, sollevare dubbi sulla propria testimonianza, auto-accusa, perdonare l’aggressore
  • Elementi specifici nei confronti dell’offesa: Dettagli caratteristici dell’offesa.

Uno studio qualitativo condotto da Vrij[15] basato su 37 studi ha rivelato che la CBCA è uno strumento utile per discriminare chi mente da chi dice la verità in un contesto di analisi dei resoconti di minori vittime di stupro, inoltre il manuale di codifica è efficace in quanto gli studi rivelano una discreta percentuale di accordo inter-giudici, questo indica che i valutatori del metodo sono concordi nella fase di attribuzione di punteggio.

–          Reality Monitoring[16] è un metodo sviluppato da Johnson e Raye nel 1981 che sostiene che i dettagli sensoriali (visivi, uditivi, tattili, olfattivi e gustativi) siano correlati all’attendibilità delle affermazioni. Il presupposto di questa tecnica è il seguente: “le persone ricordano le informazioni da une fonti, quelle di tipo esterno (ottenute mediante i processi percettivi) e quelle generate dai processi interni (come il ragionamento, l’immaginazione ed il pensiero). Tra tutti i processi comunicativi, la menzogna può essere considerata un atto basato su processi interni, questo dovrebbe portare dunque a una minore presenza di verbalizzazioni che contengano dettagli sensoriali.

–          Scientific Content Analysis (SCAN)[17] è una tecnica di analisi delle dichiarazioni verbali sviluppata da un analista del poligrafo isrealiano chiamato Avinoam Sapir. L’idea di costruire una tecnica verbale nasce da alcune osservazioni di questo professionista che aveva notato alcune similitudini nei resoconti dei soggetti mendaci sotto l’esame del poligrafo. L’analisi di questi resoconti ha portato l’autore a descrivere una serie di criteri più presenti nei resoconti falsi. La tecnica SCAN può essere applicata solamente nel caso in cui al soggetto venga data la possibilità di recuperare spontaneamente le informazioni di un dato evento (tecnica free recall) oppure mediante l’utilizzo di un questionario strutturato denominato VIEW[18]. I criteri utilizzati nella tecnica SCAN sono: cambiamenti nel linguaggio, situare l’emozione al centro della dichiarazione, uso improprio dei pronomi, mancanza di convinzione/memoria riguardante l’incidente, assenza della negazione delle accuse, informazioni fuori dalla sequenza, introduzione sociale, correzioni spontanee, struttura della dichiarazione, cambio del tempo del verbo, scansione temporale, le informazioni non importanti diventano importanti, connessioni non necessarie/informazioni mancanti. Le evidenze a sostegno di tale metodo sono parziali. Uno studio di Smith[19] ha comparato l’abilità di 13 valutatori nel riconoscimento della menzogna mediante la tecnica SCAN a cui erano sottoposti 27 resoconti suddivisi in veri e falsi. I valutatori erano categorizzati in base alla loro esperienza SCAN nei seguenti gruppi: utenti SCAN occasionali, utenti SCAN infrequenti, utenti SCAN con esperienza, investigatori con esperienza (senza un training SCAN) e nuove reclute della polizia (senza formazione SCAN). In questo studio è possibile osservare una maggiore accuratezza negli utenti SCAN occasionali e con esperienza nel saper distinguere resoconti veri e falsi rispetto agli altri esperti. Tuttavia, il campione dei soggetti è insufficiente per trarre conclusioni statistiche rilevanti. Non è un caso se questo studio di Smith sia stato poi criticato da una ricerca ulteriore di Armistead[20], che rivela non solo un’insufficiente ampiezza campionaria, ma anche l’impossibilità di verificare – tramite quello studio – come i criteri SCAN siano stati utilizzati. Uno studio di Bogaard, Meijer, Vrij e Merchelbach[21] ha invece comparato direttamente i punteggi calcolati sui criteri SCAN in due contesti differenti: l’analisi di resoconti veri e falsi. Mediante questo metodo, applicato in un campione di 117 partecipanti, è stato rilevato che non esistono differenze significative tra i punteggi SCAN calcolati su storie vere e false. Secondo questi dati dunque, sebbene il metodo SCAN sia ampiamente utilizzato a livello investigativo, non sarebbe in grado in definitiva di distinguere resoconti veri e falsi.

Riassumendo, i punti di forza dell’analisi delle dichiarazioni verbali sono rappresentati dalla solidità di alcune ricerche scientifiche e dall’unicità dei dati che le parole possono rivelare. La debolezza dell’analisi del contenuto verbale è rappresentata dal maggiore controllo che il soggetto esaminato potrebbe operare su ciò che dichiara verbalmente.

I metodi integrati

Le evidenze scientifiche ed il principio di triangolazione rivelano che attualmente l’utilizzo congiunto di più metodi può massimizzare la probabilità di distinguere correttamente resoconti veri e falsi. La triangolazione è un concetto ideato da Denzin[22] per cui l’utilizzo simultaneo di più metodi per investigare lo stesso fenomeno aumenta l’attendibilità generale delle conclusioni tratte, in quanto i vantaggi di ogni metodo possono colmare i limiti complementari di altri metodi.

Uno studio di Vrij, Edward, Roberts e Bull[23] ha confrontato l’efficacia dei seguenti metodi nella capacità discriminativa di riconoscere una menzogna: comportamento non verbale, CBCA e Reality Monitoring. Dalla tabella dei dati è possibile osservare che un utilizzo integrato degli indicatori verbali e non verbali da risultati più affidabili

Tabella. Potenziale discriminativo di riconoscere storie vere e false a confronto[24]

  Verità Menzogna Totale
Comportamento non verbale 70,6% 84,6% 78,08%
CBCA 64,7% 79,5% 72,6%
RM 70,6% 64,1% 67,12%
CBCA + RM + Comportamento non verbale 76,5% 84,6% 80,82%

 

 

[1] Paul V. Trovillo (1938). History of Lie Detection, 29 Am. Inst. Crim. L & Criminology p.849 (1938-1989)

[2] Vicianova, Martina (2015). Historical Techniques of Lie Detection. Europe’s Journal of Psychology, vol. 11(3) 522-534.

[3] Si riporta a titolo di esempio le schede tecniche degli strumenti attualmente venduti dell’azienda Lafayette Instruments per l’analisi del poligrafo. Fonte: http://lafayettepolygraph.com/

[4] Farwell, L.A. (2012). Brain fingerprinting: A Comprehensive tutorial review of detection of concealed information with event-related brain potentials. Cognitive Neurodynamics, 6, 115-154.

[5] Pasricha, Trisha, Sallam, Hanaa, Chen, Jiande, Pasricha, Pankaj, Jay (2014). The moment of truth: stress, lying and the GI tract, Expert Review of Gastroenterology & Hepatology, vol2. Issue 3.

[6] Jiande, Chen, Pasricha, Pankaj, J., Pasricha, Trisha, (2006). Lie detection via electrogastrography, US Grant US7967750B2, University of Texas System.

[7] Warren, G., Schertler, Elizabeth, Bull, Peter (2009). Detecting Deception from Emotional and Unemotional Cues, Journal of Non Verbal Behavior, 33, pp. 59-69.

[8] Matsumoto, D., Hwang, H.S., Skinner, L. & Frank, M. (2011, June). Evaluating truthfulness and detecting. FBI Law Enforcement Bulletin, 80(6), pp. 1-8.

[9] Dael, Nele; Mortillaro, Marcello, Scherer, Klaus, R. (2012). The Body Action and Posture Coding System (BAP): Development and Reliability. Journal of Nonverbal Behavior, vol. 36, issue 2, pp. 97-121.

[10] Patil, V., Nayak, K.K., & Saxena, M. (2013). Voice stress detection. International Journal of Electrical Electronics and Computer Engineering, 2(2), 148-154.

[11] Undeutsch, U. (1967). Beurteilung der glaubhaftigkeit von aussagen [Evaluation of statement credibility/Statement validity assessment]. In U. Undeutsch (Ed.), Handbuch der Psychologie (Vol. 11: Forensische Psychologie, pp. 26-181). Göttingen, Germany: Hogrefe.

[12] Kohnken, G. (1996). Social psychology and the law. In. G.R. Semin & K. Fiedler (Eds.), Applied social psychology (pp. 257-282). London: Sage.

[13] Kohnken 1989. Behavioral correlates of statement credibility: Theories, paradigms and results. In H. Wegener, F. Losel & J. Haisch, (Eds.) Criminal behavior and the justice system: Psychological perspectives (pp. 271-289). New York: Springer-Verlag.

[14] Kohnken (1999). Statement Validity Assessment. Paper presented at the preconference program of applied courses assessing credibility organized by the European Association of Psychology and Law, Dublin, Ireland.

[15] Vrij, Aldert, (2005). Criteria Based Content Analysis. A Qualitative Review of the First 37 Studies, Psychology, Public Policy and Law, vol. 11, n. 1, 3-41.

[16] Johnson, Marcia, K., Raye, Carol, L. (1981). Reality Monitoring, Psychological Reviews, Vol, 22, N. 1, 67-85.

[17] Sapir, Avinoam (1987). Scientific Content Analysis (SCAN). Phoenix, Arizona: Laboratory of Scientific Interrogation.

[18] Sapir, Avinoam (1995). The View Guidebook: Verbal Inquiry – The effective Witness. Phoenix, Arizona: Laboratory of Scientific Interrogation.

[19] Smith, Nicky (2001). Reading between the Lines: an evaluation of the Scientific Content Analysis technique (SCAN)

[20] Armistead, Timothy, W. (2001). Detecting deteption in written statements. The British Home Office study of scientific content analysis (SCAN). Policing: An International Journal of Police Strateies & Management Vol. 34, No. 4, 2011, pp.588-605.

[21] Bogaard, Glynis, Meijer, Ewout, H., Vrij, Aldert, Merchelbach, Harald (2016). Scientific Content Analysis (SCAN) cannot distinguish between truthful and fabricated accounts of a negative event. Frontiers in Psychology, vol. 7 art. 243, p. 1-7.

[22] Denzin, N.K. (1978). Sociological Methods. New York: McGraw-Hill.

[23] Vrij, Aldert, Edward, Kathering, Roberts, Kim P., Bull, Ray (2000). Detecting deceit via analysis of verbal and nonverbal behavior, Journal of Nonverbal Behavior, Winter, 2000; 24; p. 239.

[24] Ibidem, adatt. p. 252.

Corso Comunicazione Non Verbale

 

 

Scrivi a Igor Vitale