ABOUT THE SPEAKER
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.

Why you should listen

Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably IrrationalThe Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.

Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.

More profile about the speaker
Dan Ariely | Speaker | TED.com
TED2011

Dan Ariely: Beware conflicts of interest

Dan Ariely: Óvakodj az érdekellentétektől

Filmed:
1,284,831 views

Ebben a rövid előadásban Dan Ariely pszichológus elmesél két személyes történetet a tudományos érdekellentétekről: Hogyan befolyásolhatják a tudás és a felfedezés keresését - tudatosan, vagy tudat alatt - a rövidtávú személyes célok. Miközben a nagy kérdéseken gondolkodunk, Ariely arra figyelmeztet, hogy tartsuk szem előtt a nagyon is emberi elménket.
- Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio

Double-click the English transcript below to play the video.

00:16
So, I was in the hospitalkórház for a long time.
0
1000
3000
Hosszú ideig voltam kórházban.
00:19
And a fewkevés yearsévek after I left, I wentment back,
1
4000
3000
Pár évvel később visszamentem,
00:22
and the chairmanelnök of the burnéget departmentosztály was very excitedizgatott to see me --
2
7000
3000
és az égési osztály főnöke nagyon izgatott volt, hogy újra lát --
00:25
said, "DanDan, I have a fantasticfantasztikus newúj treatmentkezelés for you."
3
10000
3000
"Dan, van egy fantasztikus új kezelésem a számodra."
00:28
I was very excitedizgatott. I walkedsétált with him to his officehivatal.
4
13000
2000
Nagyon izgatott voltam. Bementünk az irodájába.
00:30
And he explainedmagyarázható to me that, when I shaveborotválkozás,
5
15000
3000
Elmagyarázta nekem, hogy amikor borotválkozom,
00:33
I have little blackfekete dotspontok on the left sideoldal of my facearc where the hairhaj is,
6
18000
3000
kis fekete pöttyök vannak az arcom bal oldalán, ahol szőr nő,
00:36
but on the right sideoldal of my facearc
7
21000
2000
de az arcom jobb oldala
00:38
I was badlyrosszul burnedégett so I have no hairhaj,
8
23000
2000
súlyosan megégett, tehát nincs szőr,
00:40
and this createsteremt lackhiány of symmetryszimmetria.
9
25000
2000
és ez a szimmetria hiányát okozza.
00:42
And what's the brilliantragyogó ideaötlet he had?
10
27000
2000
És mi volt a zseniális ötlete?
00:44
He was going to tattootetoválás little blackfekete dotspontok
11
29000
2000
Kis fekete pöttyöket akart tetoválni
00:46
on the right sideoldal of my facearc
12
31000
3000
az arcom jobb oldalára,
00:49
and make me look very symmetricszimmetrikus.
13
34000
2000
hogy szimmetrikus legyek.
00:51
It soundedhangzott interestingérdekes. He askedkérdezte me to go and shaveborotválkozás.
14
36000
3000
Érdekesen hangzott. Megkért, hogy borotválkozzak.
00:54
Let me tell you, this was a strangefurcsa way to shaveborotválkozás,
15
39000
2000
Hadd mondjam meg, furcsa volt így borotválkozni,
00:56
because I thought about it
16
41000
2000
mert gondolkodtam rajta,
00:58
and I realizedrealizált that the way I was shavingborotválkozás then
17
43000
2000
és rájöttem, hogy ahogy most borotválkozom,
01:00
would be the way I would shaveborotválkozás for the restpihenés of my life --
18
45000
2000
úgy fogok borotválkozni az életem hátralevő részében --
01:02
because I had to keep the widthszélesség the sameazonos.
19
47000
2000
mert ugyanolyan szélességet kell tartanom.
01:04
When I got back to his officehivatal,
20
49000
2000
Amikor visszamentem az irodájába,
01:06
I wasn'tnem volt really sure.
21
51000
2000
nem voltam túl biztos a dologban.
01:08
I said, "Can I see some evidencebizonyíték for this?"
22
53000
2000
Azt mondtam: "Láthatok valamilyen bizonyítékot?"
01:10
So he showedkimutatta, me some picturesképek
23
55000
2000
Mutatott néhány képet
01:12
of little cheeksarca with little blackfekete dotspontok --
24
57000
2000
kis orcákról kis fekete pöttyökkel --
01:14
not very informativetájékoztató.
25
59000
2000
nem volt benne sok információ.
01:16
I said, "What happensmegtörténik when I grow olderidősebb and my hairhaj becomesválik whitefehér?
26
61000
2000
"Mi történik, ha megöregszem, és megőszülök?
01:18
What would happentörténik then?"
27
63000
2000
Mi történik akkor?"
01:20
"Oh, don't worryaggodalom about it," he said.
28
65000
2000
"Ne aggódj," - mondta,
01:22
"We have laserslézerek; we can whitenfehéríti it out."
29
67000
3000
"Vannak lézereink, ki tudjuk fehéríteni."
01:25
But I was still concernedaz érintett,
30
70000
2000
De még mindig nem voltam meggyőzve,
01:27
so I said, "You know what, I'm not going to do it."
31
72000
3000
így azt mondtam: "Inkább nem vállalkozom rá."
01:30
And then camejött one of the biggestlegnagyobb guiltbűntudat tripsutazások of my life.
32
75000
4000
Erre elkezdett úgy bűntudatot ébreszteni bennem, mint még soha senki.
01:34
This is comingeljövetel from a JewishZsidó guy, all right, so that meanseszközök a lot.
33
79000
3000
És ezt egy zsidó pasi mondja, úgyhogy képzelhetik.
01:37
(LaughterNevetés)
34
82000
2000
(Nevetés)
01:39
And he said, "DanDan, what's wrongrossz with you?
35
84000
3000
Azt mondta: "Dan, mi bajod van?
01:42
Do you enjoyélvez looking non-symmetricnem szimmetrikus?
36
87000
2000
Élvezed, hogy aszimmetrikus az arcod?
01:44
Do you have some kindkedves of pervertedzüllött pleasureöröm from this?
37
89000
5000
Valami perverz örömöt lelsz benne?
01:49
Do womennők feel pitykár for you
38
94000
2000
Megsajnálnak a nők
01:51
and have sexszex with you more frequentlygyakran?"
39
96000
3000
és gyakrabban fekszenek le veled?"
01:54
NoneEgyik sem of those happenedtörtént.
40
99000
3000
Ebből semmi sem volt igaz.
01:58
And this was very surprisingmeglepő to me,
41
103000
2000
És ez nagyon meglepett,
02:00
because I've goneelmúlt throughkeresztül manysok treatmentskezelések --
42
105000
2000
mert sok kezelésen estem át --
02:02
there were manysok treatmentskezelések I decidedhatározott not to do --
43
107000
2000
és sok kezelést utasítottam vissza --
02:04
and I never got this guiltbűntudat triputazás to this extentmértékben.
44
109000
2000
és még senki nem akart bennem ilyen bűntudatot ébreszteni.
02:06
But I decidedhatározott not to have this treatmentkezelés.
45
111000
2000
De elhatároztam, hogy nem kérem ezt a kezelést.
02:08
And I wentment to his deputyhelyettes and askedkérdezte him, "What was going on?
46
113000
2000
És megkérdeztem a helyettesét: "Mi folyik itt?
02:10
Where was this guiltbűntudat triputazás comingeljövetel from?"
47
115000
2000
Honnan jött ez a rámenősség?"
02:12
And he explainedmagyarázható that they have doneKész this procedureeljárás on two patientsbetegek alreadymár,
48
117000
4000
És elmagyarázta, hogy elvégezték ezt az eljárást két betegen,
02:16
and they need the thirdharmadik patientbeteg for a paperpapír they were writingírás.
49
121000
3000
és szükségük van egy harmadikra a publikációhoz.
02:19
(LaughterNevetés)
50
124000
2000
(Nevetés)
02:21
Now you probablyvalószínűleg think that this guy'sfickó a schmuckSchmuck.
51
126000
2000
Most biztos azt gondolják, hogy ez egy sarlatán.
02:23
Right, that's what he seemsÚgy tűnik, like.
52
128000
2000
Ránézésre annak tűnik.
02:25
But let me give you a differentkülönböző perspectivetávlati on the sameazonos storysztori.
53
130000
3000
De hadd mutassam be ezt a történetet egy másik szemszögből.
02:28
A fewkevés yearsévek agoezelőtt, I was runningfutás some of my ownsaját experimentskísérletek in the lablabor.
54
133000
3000
Néhány éve saját kísérleteket végeztem a laborban.
02:31
And when we runfuss experimentskísérletek,
55
136000
2000
És amikor kísérleteket végzünk,
02:33
we usuallyáltalában hoperemény that one groupcsoport will behaveviselkedik differentlyeltérően than anotheregy másik.
56
138000
3000
reméljük, hogy az egyik csoport máshogy fog viselkedni, mint a másik.
02:36
So we had one groupcsoport that I hopedremélte theirazok performanceteljesítmény would be very highmagas,
57
141000
3000
Az egyik csoport reméltem, hogy nagyon jól fog teljesíteni,
02:39
anotheregy másik groupcsoport that I thought theirazok performanceteljesítmény would be very lowalacsony,
58
144000
3000
a másik csoport reméltem, hogy nagyon rosszul.
02:42
and when I got the resultstalálatok, that's what we got --
59
147000
2000
És az eredmények tényleg ezt mutatták --
02:44
I was very happyboldog -- asidefélre from one personszemély.
60
149000
3000
nagyon örültem -- kivéve egy embert.
02:47
There was one personszemély in the groupcsoport
61
152000
2000
Volt egy ember a csoportban,
02:49
that was supposedfeltételezett to have very highmagas performanceteljesítmény
62
154000
2000
amelyiknek nagyon jól kellett volna teljesítenie,
02:51
that was actuallytulajdonképpen performingelőadó terriblyszörnyen.
63
156000
2000
aki borzasztóan teljesített.
02:53
And he pulledhúzta the wholeegész mean down,
64
158000
2000
És lehúzta az egész átlagot,
02:55
destroyingpusztító my statisticalstatisztikai significancejelentőség of the testteszt.
65
160000
3000
tönkretéve a teszt statisztikai jelentőségét.
02:59
So I lookednézett carefullygondosan at this guy.
66
164000
2000
Megnéztem alaposabban ezt a fickót.
03:01
He was 20-some-néhány yearsévek olderidősebb than anybodybárki elsemás in the sampleminta.
67
166000
3000
Huszonvalahány évvel idősebb volt, mint bárki más a csoportban.
03:04
And I rememberedEmlékezett that the oldrégi and drunkenrészeg guy
68
169000
2000
És emlékeztem rá, hogy egy öreg és részeg pasas
03:06
camejött one day to the lablabor
69
171000
2000
bejött egy nap a laborba,
03:08
wantinghiányzó to make some easykönnyen cashkészpénz
70
173000
2000
egy kis könnyű pénzt akart keresni,
03:10
and this was the guy.
71
175000
2000
és ez volt az a pasas.
03:12
"FantasticFantasztikus!" I thought. "Let's throwdobás him out.
72
177000
2000
"Remek!" - gondoltam, "Dobjuk ki.
03:14
Who would ever includetartalmaz a drunkenrészeg guy in a sampleminta?"
73
179000
3000
Ki venne be egy részeg pasast a mintába?"
03:17
But a couplepárosít of daysnapok latera későbbiekben,
74
182000
2000
De néhány nappal később,
03:19
we thought about it with my studentsdiákok,
75
184000
2000
gondolkoztunk ezen a diákjaimmal,
03:21
and we said, "What would have happenedtörtént if this drunkenrészeg guy was not in that conditionfeltétel?
76
186000
3000
és azt mondtuk: "Mi történt volna, ha ez a részeg pasas nem ebben az helyzetben van?
03:24
What would have happenedtörtént if he was in the other groupcsoport?
77
189000
2000
Mi történt volna, ha a másik csoportban van?
03:26
Would we have throwndobott him out then?"
78
191000
2000
Akkor is kidobnánk?"
03:28
We probablyvalószínűleg wouldn'tnem have lookednézett at the dataadat at all,
79
193000
2000
Valószínűleg rá sem néznénk az adatokra,
03:30
and if we did look at the dataadat,
80
195000
2000
és ha ránéznénk,
03:32
we'dHázasodik probablyvalószínűleg have said, "FantasticFantasztikus! What a smartOkos guy who is performingelőadó this lowalacsony,"
81
197000
3000
valószínűleg azt mondanánk: "Remek! Milyen ügyes pasas aki ilyen rosszul teljesít,"
03:35
because he would have pulledhúzta the mean of the groupcsoport lowerAlsó,
82
200000
2000
mert akkor lejjebb húzta volna a csoport átlagát,
03:37
givingígy us even strongererősebb statisticalstatisztikai resultstalálatok than we could.
83
202000
3000
még nagyobb statisztikai jelentőséget eredményezve.
03:41
So we decidedhatározott not to throwdobás the guy out and to rerunújranyom the experimentkísérlet.
84
206000
3000
Ezért elhatároztuk, hogy nem dobjuk ki a pasast, hanem megismételjük a kísérletet.
03:44
But you know, these storiestörténetek,
85
209000
3000
De tudják, ezek a történetek,
03:47
and lots of other experimentskísérletek that we'vevoltunk doneKész on conflictskonfliktusok of interestérdeklődés,
86
212000
3000
és sok más kísérlet, amiket az érdekellentétekről végeztünk,
03:50
basicallyalapvetően kindkedves of bringhoz two pointspont
87
215000
2000
tulajdonképpen két dolgot
03:52
to the foregroundelőtér for me.
88
217000
2000
emelnek ki számomra.
03:54
The first one is that in life we encountertalálkozás manysok people
89
219000
3000
Az egyik az, hogy az életben sok emberrel találkozunk,
03:57
who, in some way or anotheregy másik,
90
222000
3000
akik, így vagy úgy,
04:00
try to tattootetoválás our facesarcok.
91
225000
2000
megpróbálnak az arcunkra tetoválni.
04:02
They just have the incentivesösztönzők that get them to be blindedvak to realityvalóság
92
227000
3000
Az indítékaik elvakítják őket a valóságra
04:05
and give us advicetanács that is inherentlyeredendően biasedelfogult.
93
230000
3000
és eleve elfogult tanácsot adnak.
04:08
And I'm sure that it's something that we all recognizeelismerik,
94
233000
2000
És biztos vagyok benne, hogy ez mindenkinek ismerős,
04:10
and we see that it happensmegtörténik.
95
235000
2000
és látjuk ezt megtörténni.
04:12
Maybe we don't recognizeelismerik it everyminden time,
96
237000
2000
Talán nem mindig ismerjük fel,
04:14
but we understandmegért that it happensmegtörténik.
97
239000
2000
de értjük, hogy ez megtörténik.
04:16
The mosta legtöbb difficultnehéz thing, of coursetanfolyam, is to recognizeelismerik
98
241000
2000
A kihívás persze felismerni,
04:18
that sometimesnéha we too
99
243000
2000
hogy néha mi is
04:20
are blindedvak by our ownsaját incentivesösztönzők.
100
245000
2000
el vagyunk vakítva a saját indítékainktól.
04:22
And that's a much, much more difficultnehéz lessonlecke to take into accountszámla.
101
247000
3000
És ezt sokkal-sokkal nehezebb számításba venni.
04:25
Because we don't see how conflictskonfliktusok of interestérdeklődés work on us.
102
250000
4000
Mert nem látjuk, hogy az érdekellentétek hogy hatnak ránk.
04:29
When I was doing these experimentskísérletek,
103
254000
2000
Miközben ezeket a kísérleteket végeztem,
04:31
in my mindelme, I was helpingsegít sciencetudomány.
104
256000
2000
az én szememben a tudományt segítettem.
04:33
I was eliminatingmegszüntetése the dataadat
105
258000
2000
Kizártam az adatokat,
04:35
to get the trueigaz patternminta of the dataadat to shineragyog throughkeresztül.
106
260000
2000
hogy az adatok igazi mintázata jobban kidomborodjon.
04:37
I wasn'tnem volt doing something badrossz.
107
262000
2000
Nem valami rosszat csináltam.
04:39
In my mindelme, I was actuallytulajdonképpen a knightlovag
108
264000
2000
Az én szememben egy lovag voltam,
04:41
tryingmegpróbálja to help sciencetudomány movemozog alongmentén.
109
266000
2000
aki előresegítette a tudományt.
04:43
But this was not the caseügy.
110
268000
2000
De nem ez volt a helyzet.
04:45
I was actuallytulajdonképpen interferingzavaró with the processfolyamat with lots of good intentionsszándékok.
111
270000
3000
Valójában befolyásoltam a folyamatot sok jó szándékkal.
04:48
And I think the realigazi challengekihívás is to figureábra out
112
273000
2000
Azt hiszem az igazi kihívás kitalálni,
04:50
where are the casesesetek in our liveséletét
113
275000
2000
hol fordul elő az életünkben,
04:52
where conflictskonfliktusok of interestérdeklődés work on us,
114
277000
2000
hogy érdekellentétekbe ütközünk,
04:54
and try not to trustbizalom our ownsaját intuitionintuíció to overcomeleküzdése it,
115
279000
3000
és hogy próbáljunk ne a saját megérzésünkre hagyatkozni,
04:57
but to try to do things
116
282000
2000
hanem próbáljuk elkerülni,
04:59
that preventmegelőzése us from fallingeső preyáldozat to these behaviorsviselkedés,
117
284000
2000
hogy ennek a viselkedésnek az áldozatául essünk,
05:01
because we can createteremt lots of undesirablenemkívánatos circumstanceskörülmények.
118
286000
3000
mert sok nemkívánatos körülményt teremthetünk.
05:05
I do want to leaveszabadság you with one positivepozitív thought.
119
290000
2000
Szeretném egy pozitív gondolattal befejezni.
05:07
I mean, this is all very depressingnyomasztó, right --
120
292000
2000
Ez mind elég lelombozó, ugye --
05:09
people have conflictskonfliktusok of interestérdeklődés, we don't see it, and so on.
121
294000
3000
az embereknek érdekellentétei vannak, nem látjuk őket, stb.
05:12
The positivepozitív perspectivetávlati, I think, of all of this
122
297000
2000
A pozitív gondolat mindebben, azt hiszem az,
05:14
is that, if we do understandmegért when we go wrongrossz,
123
299000
3000
hogyha megértjük, hogy hol tévedünk,
05:17
if we understandmegért the deepmély mechanismsmechanizmusok
124
302000
2000
hogyha megértjük a mély mechanizmusait annak,
05:19
of why we failnem sikerül and where we failnem sikerül,
125
304000
2000
hogy hol és miért bukunk el,
05:21
we can actuallytulajdonképpen hoperemény to fixerősít things.
126
306000
2000
akkor remélhetjük, hogy meg tudjuk javítani a dolgokat.
05:23
And that, I think, is the hoperemény. Thank you very much.
127
308000
2000
És azt hiszem ez reményt ad. Nagyon köszönöm.
05:25
(ApplauseTaps)
128
310000
4000
(Taps)
Translated by Anna Patai
Reviewed by Laszlo Kereszturi

▲Back to top

ABOUT THE SPEAKER
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.

Why you should listen

Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably IrrationalThe Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.

Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.

More profile about the speaker
Dan Ariely | Speaker | TED.com