PIR 2018 · Pregunta 74
Secreto profesional y confidencialidadLos principios de “adecuación” y “consentimiento con conocimiento” forman parte del código ético que debe respetar el evaluador y están, concretamente, destinados a:
Ver respuesta sin contestar
Respuesta correcta: C (clave oficial publicada)
Explicación
Los principios de 'adecuación' (limitar la recogida de datos a lo estrictamente necesario y pertinente para los objetivos de la evaluación) y 'consentimiento con conocimiento' (garantizar la autonomía y comprensión del evaluado) pertenecen al principio ético de 'respeto a las personas'. Su objetivo fundamental es proteger la intimidad y la privacidad del evaluado, evitando una intromisión injustificada o excesiva en su vida privada.
C. Ambos principios se enmarcan en el respeto a la autonomía y la dignidad de la persona. La adecuación evita la recolección de datos irrelevantes o invasivos, y el consentimiento asegura que el evaluado autorice conscientemente el proceso. Juntos constituyen la salvaguarda ética contra la intromisión excesiva en la vida privada.
- A. La competencia y el rigor científico corresponden al principio de responsabilidad profesional. Se refieren a la formación del evaluador, la selección adecuada de instrumentos validados y su correcta aplicación/interpretación, no a la protección de la privacidad.
- B. Crear un ambiente distendido (rapport) es una técnica o habilidad procedimental para facilitar la colaboración y la validez ecológica de la evaluación, no un principio ético normativo.
- D. La validez es una propiedad psicométrica de los instrumentos (grado en que miden lo que dicen medir). Depende del rigor técnico, la estandarización y la aplicación correcta. El consentimiento y la adecuación son garantías éticas, no técnicas, y no determinan la validez intrínseca del test.
Fuentes
- Código Deontológico del Psicólogo (Consejo General de la Psicología de España)
- Fernández-Ballesteros, R. (2011). Evaluación psicológica: Conceptos, métodos y estudio de casos. Madrid: Pirámide.
Explicación generada con IA y verificada por consenso entre modelos de distintas familias.