Es el grado en el que se demuestra teórica o empíricamente, con evidencias, que la interpretación que se hace de los resultados de una prueba de un examen de ELE, del conjunto de todas ellas o de cualquier procedimiento de evaluación, sirve, es decir, se puede utilizar para el propósito con el cual este procedimiento ha sido diseñado (American Educational Research Association [AERA], American Psychological Association [APA] & The National Council on Measurement in Education [NCME], 2018). El propósito en cuestión puede ser, por ejemplo, otorgar un certificado de aprovechamiento de un curso, clasificar a los alumnos que acuden a un centro de ELE en un sistema de cursos de español general mediante una prueba de nivel o ubicación, seleccionar a los mejores candidatos para obtener una beca, etc.
De este modo, la información que se obtiene a partir de la evaluación, es decir, los resultados en forma de puntuaciones, notas (sobresaliente, apto, etc.) u otro tipo de informe, debe reflejar con exactitud las habilidades que poseen los alumnos o candidatos. Si estas habilidades se miden con arreglo a un criterio, como por ejemplo el del estándar de los niveles de dominio lingüístico del MCER (Consejo de Europa, 2002), a través de un examen oficial de naturaleza garantista, las habilidades de los candidatos que resulten aptos tienen que corresponderse (correlacionar) con las descripciones de los niveles que figuran en las escalas del documento. Para demostrarlo, es necesario construir un argumento de validez, o sea, poner en marcha un proceso no finito, que se extiende a lo largo de todo el ciclo de examen, consistente en recoger evidencias de diversa índole, mediante cálculos estadísticos, procedimientos de juicio experto, etc.
Esta concepción de la validez está fundamentada en la definición de Messick (1989), que es la que adoptan los organismos de referencia internacional (AERA, APA, NCME) en materia de medición de constructos psicológicos o constructos de la evaluación. Debido a la dificultad que entraña su aplicación a la evaluación de lenguas, Bachman y Palmer (1996) la reinterpretan vinculando la validez a la idea de utilidad, de manera que, para que un procedimiento de evaluación resulte útil para su propósito, tiene que responder a los requisitos de validez de constructo, fiabilidad, viabilidad, autenticidad, impacto e interactividad.
