Ayuda
Ir al contenido

Dialnet


Deshonestidad: Clasificación, Detección y Diferencias Individuales

  • Autores: Adrian Muñoz García
  • Directores de la Tesis: Beatriz Gil Gómez de Liaño (dir. tes.), David Pascual Ezama (dir. tes.)
  • Lectura: En la Universidad Autónoma de Madrid ( España ) en 2023
  • Idioma: español
  • Número de páginas: 150
  • Tribunal Calificador de la Tesis: Tarek Taher Jaber López (presid.), Beatriz Gandarillas Gutiérrez (secret.), María Pilar Sánchez Martín (voc.)
  • Programa de doctorado: Programa de Doctorado en Psicología Clínica y de la Salud por la Universidad Autónoma de Madrid
  • Materias:
  • Enlaces
  • Resumen
    • español

      La deshonestidad parece ser inherente a la condición humana. Se ha estudiado ampliamente en la última década, reflejando un gran interés en el comportamiento humano en nuestra vida diaria. En particular, tiene un impacto considerable en las estructuras profesionales como empresas y organizaciones, con una enorme influencia en todos los aspectos de nuestra sociedad, causando pérdidas financieras anuales. Por lo tanto, los esfuerzos por comprender el comportamiento deshonesto han aumentado en la actualidad. Detectar y desalentar el comportamiento éticamente incorrecto es una tarea importante que enfrentan los sectores público y privado. Comprender los mecanismos detrás de la deshonestidad también es un desafío fundamental de investigación para la psicología y otras ciencias sociales. La presente disertación intenta contribuir un poco al estudio de la deshonestidad humana en la ciencia psicológica. En primer lugar, mostraremos una nueva clasificación de perfiles de deshonestidad al innovar los paradigmas clásicos de la deshonestidad en nuevas versiones basadas en individuos de esos paradigmas, lo que nos permitirá realizar esta nueva clasificación. En segundo lugar, enfatizaremos la necesidad de conectar el estudio de la cognición con el estudio de la deshonestidad para comprender la naturaleza del comportamiento deshonesto en los seres humanos. En tercer lugar, presentaremos nuevas evidencias sobre el papel de las diferencias individuales (particularmente el género) en el estudio de la deshonestidad. Por último, daremos un paso adelante tratando de comprender aquellos factores que podrían permitirnos predecir el comportamiento deshonesto en otras personas y cómo esos factores interactúan para hacer mejores predicciones en la comprensión del comportamiento deshonesto

    • English

      Dishonesty seems to be inherent in the human condition. It has been extensively studied over the past decade, reflecting a significant interest in human behavior in our daily life. Notably, it considerably impacts professional structures such as companies and organizations, with an enormous influence on all aspects of our society, causing annual financial losses. Thus, efforts to understand dishonest behavior have increased nowadays. Detecting and discouraging unethical behavior is a major task facing the public and private sectors. Understanding the mechanisms behind dishonesty is likewise a fundamental research challenge for psychology and other social sciences. The present dissertation attempts to contribute our bit to studying human dishonesty in psychological science. First, we will show a new classification of dishonesty profiles by innovating classic dishonesty paradigms into new individual-based versions of those paradigms, allowing us to make this new classification. Second, we will emphasize the need to connect the study of cognition to the study of dishonesty to understand the nature of dishonest behavior in humans. Third, we will introduce new evidence of the role of individual differences (particularly gender) in the study of dishonesty. Finally, we will go into a final forward step trying to understand those factors that could allow us to predict dishonest behavior in others and how those factors interact to make better predictions in the understanding of dishonest behavior


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus

Opciones de compartir

Opciones de entorno