Questa tesi esplora lo sviluppo di un framework adattivo per il supporto alle decisioni automatizzate, ispirato ai processi cognitivi umani descritti nella psicologia comportamentale. Il sistema proposto, denominato CASS (Context Aware Selection System), è progettato per selezionare dinamicamente l’algoritmo di machine learning più appropriato in base alla distribuzione dei dati e al contesto operativo, massimizzando la fiducia nella decisione presa. L'architettura del CASS si fonda sull'integrazione di tecniche di ensemble learning e modelli di scoring basati sulla fiducia, con l’obiettivo di aumentare la trasparenza e l’adattabilità del processo decisionale. Il sistema prende ispirazione dal Sistema 2 di Kahneman, implementando un approccio deliberativo e analitico alla scelta dell’algoritmo. La validazione sperimentale è stata condotta su diversi dataset reali, sia in ambito di classificazione che di regressione, dimostrando miglioramenti significativi in termini di robustezza, affidabilità e interpretabilià rispetto a metodi tradizionali e a baseline naïve. La tesi include inoltre una proposta metodologica per l’analisi del livello di fiducia nei modelli, utile per applicazioni in domini critici come la cybersecurity, la sanità e l’intelligenza artificiale responsabile. Per ulteriori informazioni o approfondimenti sul progetto, è possibile contattarmi all’indirizzo mpietri82@gmail.com oppure visitare il sito marcopietri.framer.website.

This thesis presents an adaptive framework for decision support, inspired by human cognitive processes. The proposed system, CASS (Context Aware Selection System), dynamically selects the most suitable algorithm based on the characteristics of the input data and the context. Combining ensemble learning and confidence-based evaluation, the system aims to enhance the reliability and transparency of machine learning decisions. The implementation includes a modular architecture influenced by Kahneman's System 2 and demonstrates improved performance across various datasets and learning scenarios. For further information or insights regarding this project, feel free to contact me at mpietri82@gmail.com or visit marcopietri.framer.website.