TED2009
Dan Ariely: Our buggy moral code
Dan Ariely o chybách v našem morálním kodexu
Filmed:
Readability: 3.2
3,509,395 views
Ekonom chování Dan Ariely studuje chyby v našem morálním kodexu. Skryté důvody, proč si myslíme, že je (občas) v pořádku podvádět nebo i krást. Chytře navržené experimenty mu pomáhají ukázat, že jsme předvídatelně iracionální a je možné nás ovlivnit způsoby, které si ani neuvědomujeme.
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. Full bio
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
I want to talk to you today a little bit
0
1000
2000
Chtěl bych vám dnes říct něco
00:18
about predictable irrationality.
1
3000
3000
o předvídatelné iracionalitě.
00:21
And my interest in irrational behavior
2
6000
4000
A můj zájem o iracionální chování
00:25
started many years ago in the hospital.
3
10000
3000
začal před mnoha lety v nemocnici.
00:28
I was burned very badly.
4
13000
4000
Byl jsem velice ošklivě popálen
00:32
And if you spend a lot of time in hospital,
5
17000
3000
a pokud strávíte tolik času v nemocnici,
00:35
you'll see a lot of types of irrationalities.
6
20000
3000
stanete se svědky mnoha takových iracionalit.
00:38
And the one that particularly bothered me in the burn department
7
23000
5000
A jedna z takových iracionalit mě obzvlášť znepokojovala na oddělení popálenin.
00:43
was the process by which the nurses took the bandage off me.
8
28000
4000
Byl to postup, který sestřičky používaly při sundavání obvazů.
00:48
Now, you must have all taken a Band-Aid off at some point,
9
33000
2000
Takže, každý z vás si musel někdy sundavat náplast
00:50
and you must have wondered what's the right approach.
10
35000
3000
a určitě jste museli přemýšlet, jaký je na to nejlepší postup.
00:53
Do you rip it off quickly -- short duration but high intensity --
11
38000
4000
Strhnout náplast rychle – krátká, zato intenzivní bolest –
00:57
or do you take your Band-Aid off slowly --
12
42000
2000
nebo jí pomalu odlepovat
00:59
you take a long time, but each second is not as painful --
13
44000
4000
– trvá to déle, ale každá vteřina je méně bolestivá.
01:03
which one of those is the right approach?
14
48000
3000
Který z těchto dvou postupů je lepší?
01:06
The nurses in my department thought that the right approach
15
51000
4000
Sestřičky na mém oddělení si myslely, že správný je
01:10
was the ripping one, so they would grab hold and they would rip,
16
55000
3000
ten rychlý postup. Takže náplast chytly a strhnuly,
01:13
and they would grab hold and they would rip.
17
58000
2000
a pak znovu chytly a strhnuly.
01:15
And because I had 70 percent of my body burned, it would take about an hour.
18
60000
4000
A protože sem měl popálených 70 procent těla, zabralo to asi tak hodinu.
01:19
And as you can imagine,
19
64000
3000
A jak si asi dokážete představit,
01:22
I hated that moment of ripping with incredible intensity.
20
67000
4000
jak strašně moc jsem nesnášel to trhnutí.
01:26
And I would try to reason with them and say,
21
71000
2000
A tak jsem se zkoušel s nimi domluvit a říkal jsem:
01:28
"Why don't we try something else?
22
73000
1000
"Proč to nezkusíme trochu jinak?
01:29
Why don't we take it a little longer --
23
74000
2000
Proč to nezkusíme pomaleji
01:31
maybe two hours instead of an hour -- and have less of this intensity?"
24
76000
5000
– možná radši dvě hodiny místo jedné – a tím to nebude tak hrozné?"
01:36
And the nurses told me two things.
25
81000
2000
A sestřičky mi řekly dvě věci.
01:38
They told me that they had the right model of the patient --
26
83000
4000
Řekly mi, že ony nejlépě vědí co mají s pacientem dělat.
01:42
that they knew what was the right thing to do to minimize my pain --
27
87000
3000
Že ony nejlépe vědí, jak u pacienta minimalizovat bolest.
01:45
and they also told me that the word patient doesn't mean
28
90000
3000
A také mi řekly, že být pacient (lat. "trpělivý") neznamená,
01:48
to make suggestions or to interfere or ...
29
93000
2000
že jim budu dávat svoje rady a rozumy.
01:50
This is not just in Hebrew, by the way.
30
95000
3000
Tohle není jenom v hebrejštině, mimochodem.
01:53
It's in every language I've had experience with so far.
31
98000
3000
Zatím to bylo v každém jazyce, se kterým jsem se setkal.
01:56
And, you know, there's not much -- there wasn't much I could do,
32
101000
4000
A víte, není moc co se dá dělat – tedy co jsem mohl tehdy udělat.
02:00
and they kept on doing what they were doing.
33
105000
3000
A tak pokračovaly tak, jak to dělaly doposud.
02:03
And about three years later, when I left the hospital,
34
108000
2000
A asi po třech letech, když jsem opustil nemocnici,
02:05
I started studying at the university.
35
110000
3000
jsem začal studovat na univerzitě.
02:08
And one of the most interesting lessons I learned
36
113000
3000
A jedna z nejzajímavějších lekcí, co jsem se naučil,
02:11
was that there is an experimental method
37
116000
2000
byla, že existuje experimentální postup,
02:13
that if you have a question you can create a replica of this question
38
118000
4000
kterým, když máte otázku, můžete vytvořit otázku odvozenou,
02:17
in some abstract way, and you can try to examine this question,
39
122000
4000
– abstraktním způsobem, a tu můžete zkusit podrobit zkoumání,
02:21
maybe learn something about the world.
40
126000
2000
a možná se i naučit něco nového o světě kolem.
02:23
So that's what I did.
41
128000
2000
Takže to jsem i udělal.
02:25
I was still interested
42
130000
1000
Pořád mě zajímala
02:26
in this question of how do you take bandages off burn patients.
43
131000
2000
i ta otázka, jak nejlépe sundat obvazy u popálených pacientů.
02:28
So originally I didn't have much money,
44
133000
3000
Ze začátku jsem neměl moc peněz,
02:31
so I went to a hardware store and I bought a carpenter's vice.
45
136000
4000
takže jsem šel železářství a koupil si tam svěrák.
02:35
And I would bring people to the lab and I would put their finger in it,
46
140000
4000
A pak jsem vodil do své laboratorě lidi a strkal jsem jim prst do svěráku
02:39
and I would crunch it a little bit.
47
144000
2000
a trochu jsem jim ho drtil.
02:41
(Laughter)
48
146000
2000
(Smích)
02:43
And I would crunch it for long periods and short periods,
49
148000
3000
A zkoušel jsem ho drtit dlouze i krátce,
02:46
and pain that went up and pain that went down,
50
151000
2000
a bolest stoupala a klesala,
02:48
and with breaks and without breaks -- all kinds of versions of pain.
51
153000
4000
s přestávkami i bez přestávek – prostě všechny možné druhy bolesti.
02:52
And when I finished hurting people a little bit, I would ask them,
52
157000
2000
A vždy, když jsem skončil se ubližováním, zeptal jsem se jich:
02:54
so, how painful was this? Or, how painful was this?
53
159000
2000
"Tak, jak bolelo tamto?" nebo "Jak bolelo tohle?"
02:56
Or, if you had to choose between the last two,
54
161000
2000
nebo "Kdybyste si mohl vybrat mezi dvěma posledními,
02:58
which one would you choose?
55
163000
2000
kterou bolest byste si vybral?"
03:00
(Laughter)
56
165000
3000
(Smích)
03:03
I kept on doing this for a while.
57
168000
3000
A tak jsem v tom pokračoval po nějakou dobu.
03:06
(Laughter)
58
171000
2000
(Smích)
03:08
And then, like all good academic projects, I got more funding.
59
173000
4000
A pak, jako u všech správných akademický projektů, jsem na to dostal více financí.
03:12
I moved to sounds, electrical shocks --
60
177000
2000
Takže jsem se přesunul ke zvuku, elektrickým šokům
03:14
I even had a pain suit that I could get people to feel much more pain.
61
179000
5000
– dokonce jsem měl speciální oblek na bolest, který dokázal způsobit lidem ještě více bolesti.
03:19
But at the end of this process,
62
184000
4000
Ale na konci tohoto procesu,
03:23
what I learned was that the nurses were wrong.
63
188000
3000
jsem došel k závěru, že sestřičky se mýlily.
03:26
Here were wonderful people with good intentions
64
191000
3000
Byli to obdivuhodní lidé s dobrými úmysly
03:29
and plenty of experience, and nevertheless
65
194000
2000
a se spoustou zkušeností – nicméně –
03:31
they were getting things wrong predictably all the time.
66
196000
4000
lidé, kteří dělají věci předvídatelně špatně po celou dobu.
03:35
It turns out that because we don't encode duration
67
200000
3000
Ukázalo se, že jenom proto, že nejsme schopni vnímat dobu trvání
03:38
in the way that we encode intensity,
68
203000
2000
stejným způsobem, jako dokážeme vnímat intenzitu.
03:40
I would have had less pain if the duration would have been longer
69
205000
4000
Mohl jsem zažít méně bolesti, kdyby trvání bylo delší
03:44
and the intensity was lower.
70
209000
2000
a intenzita menší.
03:46
It turns out it would have been better to start with my face,
71
211000
3000
Ukázalo se, že by bylo lepší začít od mého obličeje,
03:49
which was much more painful, and move toward my legs,
72
214000
2000
který byl nejbolestivější, a pokračovat směrem dolů k nohám,
03:51
giving me a trend of improvement over time --
73
216000
3000
čímž bych měl pocit zlepšení během času
03:54
that would have been also less painful.
74
219000
1000
a zároveň by to bylo i méně bolestivé.
03:55
And it also turns out that it would have been good
75
220000
2000
Dále se také ukázalo, že by bylo dobré,
03:57
to give me breaks in the middle to kind of recuperate from the pain.
76
222000
2000
kdyby se během toho dělaly přestávky, které by mi umožnily se vzpamatovat z bolesti.
03:59
All of these would have been great things to do,
77
224000
2000
Všechno tohle by bývaly byly dobré nápady,
04:01
and my nurses had no idea.
78
226000
3000
ale setřičky o tomhle neměly tušení.
04:04
And from that point on I started thinking,
79
229000
1000
A od té chvíle jsem začal přemýšlet,
04:05
are the nurses the only people in the world who get things wrong
80
230000
3000
jestli jsou sestřičky jediní lidé na světě, kteří dělají chybu
04:08
in this particular decision, or is it a more general case?
81
233000
3000
v tomto konkrétním případě, nebo je to obecnější záležitost?
04:11
And it turns out it's a more general case --
82
236000
2000
A ukazuje se, že je to spíše obecný jev,
04:13
there's a lot of mistakes we do.
83
238000
3000
že je tu mnoho chyb, které děláme.
04:16
And I want to give you one example of one of these irrationalities,
84
241000
5000
A já bych vám chtěl ukázat jeden příklad z těchto iracionalit.
04:21
and I want to talk to you about cheating.
85
246000
3000
Chtěl bych s vámi mluvit o podvádění.
04:24
And the reason I picked cheating is because it's interesting,
86
249000
2000
A důvod, proč jsem si vybral podvádění, je, že je to zajímavé,
04:26
but also it tells us something, I think,
87
251000
2000
ale také to něco myslím vypovídá
04:28
about the stock market situation we're in.
88
253000
3000
o současné situaci na burze.
04:31
So, my interest in cheating started
89
256000
3000
Takže, můj zájem o podvádění začal
04:34
when Enron came on the scene, exploded all of a sudden,
90
259000
2000
když přišel na scénu Enron, když to vše najednou bouchlo
04:36
and I started thinking about what is happening here.
91
261000
3000
a já začal přemýšlet, co se tu vlastně děje.
04:39
Is it the case that there was kind of
92
264000
1000
Byl to spíše případ,
04:40
a few apples who are capable of doing these things,
93
265000
3000
způsobený párem černých ovcí, které jsou takových věcí schopny,
04:43
or are we talking a more endemic situation,
94
268000
2000
nebo tu mluvíme o širší situaci,
04:45
that many people are actually capable of behaving this way?
95
270000
4000
kdy se takto chová větší množství lidí?
04:49
So, like we usually do, I decided to do a simple experiment.
96
274000
4000
Tak jsem se rozhodl, jak je zvykem, udělat jednoduchý pokus.
04:53
And here's how it went.
97
278000
1000
A proběhl takto.
04:54
If you were in the experiment, I would pass you a sheet of paper
98
279000
3000
Pokud jste byli součástí pokusu, rozdal jsem vám čistý papír
04:57
with 20 simple math problems that everybody could solve,
99
282000
4000
s 20 jednoduchými matematickými úlohami, které umí vyřešit každý,
05:01
but I wouldn't give you enough time.
100
286000
2000
ale nedal jsem na to dost času.
05:03
When the five minutes were over, I would say,
101
288000
2000
Když uplynulo pět minut, řekl jsem:
05:05
"Pass me the sheets of paper, and I'll pay you a dollar per question."
102
290000
3000
"Pošlete mi svoje papíry a já vám zaplatím dolar za každou otázku."
05:08
People did this. I would pay people four dollars for their task --
103
293000
4000
Lidi to udělali. Já jim za to zaplatil čtyři dolary
05:12
on average people would solve four problems.
104
297000
2000
– v průměru totiž lidi vyřešili čtyři úlohy.
05:14
Other people I would tempt to cheat.
105
299000
3000
Jiné lidi jsem sváděl k podvádění.
05:17
I would pass their sheet of paper.
106
302000
1000
Rozdal jsem jim čistý papír
05:18
When the five minutes were over, I would say,
107
303000
2000
a když uplynulo pět minut, řekl jsem:
05:20
"Please shred the piece of paper.
108
305000
1000
"Prosím, teď roztrhejte váš kus papíru,
05:21
Put the little pieces in your pocket or in your backpack,
109
306000
3000
ty malé kousky si dejte do kapsy nebo do batohu
05:24
and tell me how many questions you got correctly."
110
309000
3000
a řekněte mi, kolik otázek jste měli správně."
05:27
People now solved seven questions on average.
111
312000
3000
Najednou teď lidé vyřešili v průměru sedm otázek.
05:30
Now, it wasn't as if there was a few bad apples --
112
315000
5000
Aby bylo jasno, nebylo to tak, že tam bylo pár černých ovcí
05:35
a few people cheated a lot.
113
320000
3000
a tato hrstka lidí hodně podváděla.
05:38
Instead, what we saw is a lot of people who cheat a little bit.
114
323000
3000
Místo toho jsme viděli, že hodně lidí podvádělo, každý pouze trošku.
05:41
Now, in economic theory,
115
326000
3000
Teď, v ekonomické teorii
05:44
cheating is a very simple cost-benefit analysis.
116
329000
3000
je podvádění velice jednoduchá analýza nákladů a výnosů (cost-benfit).
05:47
You say, what's the probability of being caught?
117
332000
2000
Řeknete si: jaká je pravděpodobnost, že mě chytí?
05:49
How much do I stand to gain from cheating?
118
334000
3000
Kolik toho můžu tím podváděním získat?
05:52
And how much punishment would I get if I get caught?
119
337000
2000
Jak velký bude trest, když mě chytí?
05:54
And you weigh these options out --
120
339000
2000
A když zvážíte všechny tyto složky,
05:56
you do the simple cost-benefit analysis,
121
341000
2000
dostanete výsledek nákladově-výnosové analýzy,
05:58
and you decide whether it's worthwhile to commit the crime or not.
122
343000
3000
a můžete podle toho rozhodnout, jestli stojí za to spáchat zločin nebo ne.
06:01
So, we try to test this.
123
346000
2000
Takže my jsme se to pokusili otestovat.
06:03
For some people, we varied how much money they could get away with --
124
348000
4000
U některých lidí jsme zkoušeli, s jakým množstvím peněz jim to projde –
06:07
how much money they could steal.
125
352000
1000
kolik peněz můžou ukrást.
06:08
We paid them 10 cents per correct question, 50 cents,
126
353000
3000
Zkoušeli jsme platit 10 centů za správnou otázku, padesát centů,
06:11
a dollar, five dollars, 10 dollars per correct question.
127
356000
3000
dolar, pět dolarů i 10 dolarů za správnou otázku.
06:14
You would expect that as the amount of money on the table increases,
128
359000
4000
Dalo by se očekávat, že jak se suma peněz na stole zvyšovala,
06:18
people would cheat more, but in fact it wasn't the case.
129
363000
3000
lidé budou podvádět více, ale ve skutečnosti se to nestalo.
06:21
We got a lot of people cheating by stealing by a little bit.
130
366000
3000
Měli jsme zde hodně lidí, kteří podváděli jenom tím, že kradli trošku.
06:24
What about the probability of being caught?
131
369000
3000
A co pravděpodobnost, že budete chyceni ?
06:27
Some people shredded half the sheet of paper,
132
372000
2000
Někteří lidé roztrhali pouze půlku svého papíru,
06:29
so there was some evidence left.
133
374000
1000
aby na zbytku zůstal nějaký důkaz.
06:30
Some people shredded the whole sheet of paper.
134
375000
2000
Jiní lidé roztrhali celou stránku papíru.
06:32
Some people shredded everything, went out of the room,
135
377000
3000
Někteří roztrhali vše, odešli z místnosti
06:35
and paid themselves from the bowl of money that had over 100 dollars.
136
380000
3000
a sami si zaplatili z mísy plné peněz, která v sobě měla přes 100 dolarů.
06:38
You would expect that as the probability of being caught goes down,
137
383000
3000
Dalo by se očekávat, že když se sníží pravděpodobnost toho, že budete chyceni,
06:41
people would cheat more, but again, this was not the case.
138
386000
3000
lidé budou podvádět více, ale to se opět nepotvrdilo.
06:44
Again, a lot of people cheated by just by a little bit,
139
389000
3000
Opět hodně lidí podvádělo pouze trochu
06:47
and they were insensitive to these economic incentives.
140
392000
3000
a ignorovalo ekonomické motivace.
06:50
So we said, "If people are not sensitive
141
395000
1000
Tak jsme si řekli: "Když se lidé vzpírají
06:51
to the economic rational theory explanations, to these forces,
142
396000
5000
vysvětlení podle ekonomických racionálních teorií, těmto silám,
06:56
what could be going on?"
143
401000
3000
co se tak může dít?"
06:59
And we thought maybe what is happening is that there are two forces.
144
404000
3000
A napadlo nás, že možná se děje toto: že jsou tu ve hře dvě síly.
07:02
At one hand, we all want to look at ourselves in the mirror
145
407000
2000
Na jednu stranu všichni chceme být schopni podívat se na sebe do zrcadla
07:04
and feel good about ourselves, so we don't want to cheat.
146
409000
3000
a mít ze sebe dobrý pocit, a proto tedy nepodvádíme.
07:07
On the other hand, we can cheat a little bit,
147
412000
2000
Na druhou stranu můžeme podvádět jen trochu
07:09
and still feel good about ourselves.
148
414000
2000
a ještě se pořád cítit sami se sebou spokojeni.
07:11
So, maybe what is happening is that
149
416000
1000
Tedy možná se děje to,
07:12
there's a level of cheating we can't go over,
150
417000
2000
že jsou tu hranice podvádění, za které nejsme ochotni jít,
07:14
but we can still benefit from cheating at a low degree,
151
419000
4000
ale i tak můžeme stále profitovat z drobného podvádění,
07:18
as long as it doesn't change our impressions about ourselves.
152
423000
3000
pokud to nezmění náš obraz o nás samotných.
07:21
We call this like a personal fudge factor.
153
426000
3000
My jsme to nazvali osobní faktor švindlování.
07:25
Now, how would you test a personal fudge factor?
154
430000
4000
A teď: jak by se dal tento osobní faktor švindlování otestovat?
07:29
Initially we said, what can we do to shrink the fudge factor?
155
434000
4000
Zpočátku jsme si řekli: co by se dalo udělat pro to, aby se tento faktor snížil?
07:33
So, we got people to the lab, and we said,
156
438000
2000
Takže jsme nahnali lidi do laboratoře a řekli jsme:
07:35
"We have two tasks for you today."
157
440000
2000
"Máme pro vás dneska dva úkoly."
07:37
First, we asked half the people
158
442000
1000
Nejprve jsme se zeptali poloviny lidí
07:38
to recall either 10 books they read in high school,
159
443000
2000
aby si vzpomněli na 10 knih, které četli na střední škole,
07:40
or to recall The Ten Commandments,
160
445000
3000
a druhé polovině, aby si vzpomněla na desatero přikázání.
07:43
and then we tempted them with cheating.
161
448000
2000
A pak jsme je začali svádět k podvádění.
07:45
Turns out the people who tried to recall The Ten Commandments --
162
450000
3000
Ukázalo se, že lidé, kteří si měli zkusit vybavit desatero přikázání
07:48
and in our sample nobody could recall all of The Ten Commandments --
163
453000
2000
- a v našem vzorku lidí si nikdo nevybavil všechna přikázání,
07:51
but those people who tried to recall The Ten Commandments,
164
456000
4000
ale z těch, kteří si je vybavit zkusili
07:55
given the opportunity to cheat, did not cheat at all.
165
460000
3000
a dostali příležitost podvádět, to nikdo neudělal.
07:58
It wasn't that the more religious people --
166
463000
2000
Nebylo to tak, že více nábožensky zaměření lidé
08:00
the people who remembered more of the Commandments -- cheated less,
167
465000
1000
- lidé, kteří si vybavili více přikázání - podváděli méně
08:01
and the less religious people --
168
466000
2000
a méně nábožensky zaměření lidé
08:03
the people who couldn't remember almost any Commandments --
169
468000
1000
- lidé, kteří si nevybavili téměř žádné přikázání -
08:04
cheated more.
170
469000
2000
podváděli více.
08:06
The moment people thought about trying to recall The Ten Commandments,
171
471000
4000
Prostě v tom momentu, kdy se snažili vybavit si desatero přikázání,
08:10
they stopped cheating.
172
475000
1000
lidé přestali podvádět.
08:11
In fact, even when we gave self-declared atheists
173
476000
2000
Ve skutečnosti, když jsme lidem, kteří se označili za ateisty,
08:13
the task of swearing on the Bible and we give them a chance to cheat,
174
478000
4000
zadali úkol přísahat na Bibli a posléze jim dali šanci podvádět,
08:17
they don't cheat at all.
175
482000
2000
oni také vůbec nepodváděli.
08:21
Now, Ten Commandments is something that is hard
176
486000
2000
Tedy, desatero přikázání je zrovna něco,
08:23
to bring into the education system, so we said,
177
488000
2000
co je opravdu těžké spojit se systémem výuky, takže jsme si řekli:
08:25
"Why don't we get people to sign the honor code?"
178
490000
2000
"Proč nenechat lidi podepsat čestné prohlášení?"
08:27
So, we got people to sign,
179
492000
2000
Takže jsme nechali lidi podepsat:
08:29
"I understand that this short survey falls under the MIT Honor Code."
180
494000
4000
"Souhlasím, že tento krátký průzkum spadá pod kodex cti univerzity MIT."
08:33
Then they shredded it. No cheating whatsoever.
181
498000
3000
Potom to roztrhali. A nebylo žádné podvádění.
08:36
And this is particularly interesting,
182
501000
1000
A tohle je opravdu zajímavé,
08:37
because MIT doesn't have an honor code.
183
502000
2000
protože MIT nemá žádný kodex cti.
08:39
(Laughter)
184
504000
5000
(Smích)
08:44
So, all this was about decreasing the fudge factor.
185
509000
4000
Tak, tohle vše bylo o snížení faktoru švindlování.
08:48
What about increasing the fudge factor?
186
513000
3000
Co takhle zvýšení tohoto faktoru?
08:51
The first experiment -- I walked around MIT
187
516000
2000
První experiment – prošel jsem prostory MIT
08:53
and I distributed six-packs of Cokes in the refrigerators --
188
518000
3000
a dal do ledniček velká balení koly.
08:56
these were common refrigerators for the undergrads.
189
521000
2000
Šlo o společné ledničky studentů.
08:58
And I came back to measure what we technically call
190
523000
3000
A po té jsem se vrátil, abych mohl změřit to, co by se dalo technicky nazvat
09:01
the half-lifetime of Coke -- how long does it last in the refrigerators?
191
526000
4000
"poločas rozkradu koly" – tedy jak dlouho v ledničce vydržely.
09:05
As you can expect it doesn't last very long; people take it.
192
530000
3000
Správně předpokládáte, že nevydrží moc dlouho. Lidé si je rozeberou.
09:08
In contrast, I took a plate with six one-dollar bills,
193
533000
4000
Pak jsem naopak vzal talíře se šesti jednodolarovým bankovkami
09:12
and I left those plates in the same refrigerators.
194
537000
3000
a nechal je v těch samých ledničkách.
09:15
No bill ever disappeared.
195
540000
1000
Ani jedna bankovka nikdy nezmizela.
09:16
Now, this is not a good social science experiment,
196
541000
3000
Tedy, toto není zrovna sociální experiment provedený čistě vědecky,
09:19
so to do it better I did the same experiment
197
544000
3000
takže jsem provedl ten samý experiment,
09:22
as I described to you before.
198
547000
2000
který jsem popsal předtím.
09:24
A third of the people we passed the sheet, they gave it back to us.
199
549000
3000
Třetina lidí, kterým jsme ho poslali, nám papír vrátila.
09:27
A third of the people we passed it to, they shredded it,
200
552000
3000
Třetina lidí ho měla roztrhat
09:30
they came to us and said,
201
555000
1000
a přijít za námi a říct:
09:31
"Mr. Experimenter, I solved X problems. Give me X dollars."
202
556000
3000
"Pane experimentátore, vyřešil jsem X problémů. Dejte mi X dolarů."
09:34
A third of the people, when they finished shredding the piece of paper,
203
559000
3000
A poslední třetina lidí, když rozthali svůj papír,
09:37
they came to us and said,
204
562000
2000
za námi měla přijít a říct:
09:39
"Mr Experimenter, I solved X problems. Give me X tokens."
205
564000
6000
"Pane experimentátore, vyřešil jsem X problémů. Dejte mi X fantů."
09:45
We did not pay them with dollars; we paid them with something else.
206
570000
3000
Neplatili jsme je v dolarech. Platili jsme je v něčem jiném,
09:48
And then they took the something else, they walked 12 feet to the side,
207
573000
3000
a oni si to něco vzali, ušli 4 metry do ústraní
09:51
and exchanged it for dollars.
208
576000
2000
a teprve tam to proměnili za dolary.
09:53
Think about the following intuition.
209
578000
2000
Zkuste se zamyslet nad následujícím:
09:55
How bad would you feel about taking a pencil from work home,
210
580000
3000
Jak špatně byste se cítili vzít si domů z práce tužku,
09:58
compared to how bad would you feel
211
583000
2000
v porovnání s tím, jak špatně byste se cítili,
10:00
about taking 10 cents from a petty cash box?
212
585000
2000
kdybyste vzali 10 centů z pokladničky na drobné?
10:02
These things feel very differently.
213
587000
3000
Z obou věcí máte výrazně jiný pocit.
10:05
Would being a step removed from cash for a few seconds
214
590000
3000
Bude nějaký rozdíl, když lidé nebudou přímo placeni v penězích,
10:08
by being paid by token make a difference?
215
593000
3000
ale dostanou – i když jen na pár vteřin – zástupnou věc?
10:11
Our subjects doubled their cheating.
216
596000
2000
Podvádění u našich subjektů se zdvojnásobilo.
10:13
I'll tell you what I think
217
598000
2000
Za chvíli vám řeknu, co si myslím
10:15
about this and the stock market in a minute.
218
600000
2000
a burzách s cennými papíry.
10:18
But this did not solve the big problem I had with Enron yet,
219
603000
4000
Ale tohle ješte nevysvětlilo můj problém s Enronem,
10:22
because in Enron, there's also a social element.
220
607000
3000
protože v připadě Enronu tu byl ještě společenský prvek.
10:25
People see each other behaving.
221
610000
1000
Lidé sledují i chování ostatních.
10:26
In fact, every day when we open the news
222
611000
2000
Ve skutečnosti, pokaždé když otevřeme noviny,
10:28
we see examples of people cheating.
223
613000
2000
můžeme vidět příklady lidí, kteří podvádí.
10:30
What does this cause us?
224
615000
3000
Jak tohle na nás působí ?
10:33
So, we did another experiment.
225
618000
1000
Takže jsme udělali další experiment.
10:34
We got a big group of students to be in the experiment,
226
619000
3000
Při experimentu jsme měli velkou skupinu studentů
10:37
and we prepaid them.
227
622000
1000
a předplatili jsme si je.
10:38
So everybody got an envelope with all the money for the experiment,
228
623000
3000
Tedy každý dostal předem obálku s penězmi za účast v experimentu
10:41
and we told them that at the end, we asked them
229
626000
2000
a řekli jsme jim, že na konci je požádáme
10:43
to pay us back the money they didn't make. OK?
230
628000
4000
o vrácení peněz, které nevydělali. OK?
10:47
The same thing happens.
231
632000
1000
A zase se vše opakovalo.
10:48
When we give people the opportunity to cheat, they cheat.
232
633000
2000
Když dáme lidem šanci podvádět, tak podvádějí.
10:50
They cheat just by a little bit, all the same.
233
635000
3000
Podvádí jenom trošku, ale všichni stejně.
10:53
But in this experiment we also hired an acting student.
234
638000
3000
Ale v tomto experimentu jsme také najali herce, co hrál studenta.
10:56
This acting student stood up after 30 seconds, and said,
235
641000
4000
Tento falešný student si po 30 vteřinách stoupnul a řekl:
11:00
"I solved everything. What do I do now?"
236
645000
3000
"Všechno mám vyřešené. Co mám teď dělat?"
11:03
And the experimenter said, "If you've finished everything, go home.
237
648000
4000
A experimentátor řekl: "Pokud jsi vše dokončil, můžeš jít domů."
11:07
That's it. The task is finished."
238
652000
1000
To bylo vše. Úkol je splněn.
11:08
So, now we had a student -- an acting student --
239
653000
4000
Takže teď zde byl student – falešný student,
11:12
that was a part of the group.
240
657000
2000
který byl součástí skupiny.
11:14
Nobody knew it was an actor.
241
659000
2000
Nikdo nevěděl, že je to herec
11:16
And they clearly cheated in a very, very serious way.
242
661000
4000
a bylo jasné, že velmi, velmi vážně podváděl.
11:20
What would happen to the other people in the group?
243
665000
3000
Co to udělá s ostatními lidmi ze skupiny?
11:23
Will they cheat more, or will they cheat less?
244
668000
3000
Budou podvádět více nebo méně?
11:26
Here is what happens.
245
671000
2000
Stalo se toto.
11:28
It turns out it depends on what kind of sweatshirt they're wearing.
246
673000
4000
Ukázalo se, že záleží na tom, jaké nosí tričko.
11:32
Here is the thing.
247
677000
2000
Jde o následující věc:
11:34
We ran this at Carnegie Mellon and Pittsburgh.
248
679000
3000
Tento experiment jsme prováděli na Carnegie Mellon a Pittsburgh –
11:37
And at Pittsburgh there are two big universities,
249
682000
2000
v Pittsburghu jsou dvě velké univerzity,
11:39
Carnegie Mellon and University of Pittsburgh.
250
684000
3000
Univerzita Carnegie Mellon a Pittsburghská univerzita.
11:42
All of the subjects sitting in the experiment
251
687000
2000
Všichni studenti, kteří se účastnili experimentu,
11:44
were Carnegie Mellon students.
252
689000
2000
byly z univerzity Carnegie Mellon.
11:46
When the actor who was getting up was a Carnegie Mellon student --
253
691000
4000
Pokud herec, který se zvednul první, byl student Carnegie Mellon –
11:50
he was actually a Carnegie Mellon student --
254
695000
2000
on byl ve skutečnosti opravdu student z Carnegie Mellon,
11:52
but he was a part of their group, cheating went up.
255
697000
4000
a byl tedy součástí jejich skupiny, podvádění se zvýšilo.
11:56
But when he actually had a University of Pittsburgh sweatshirt,
256
701000
4000
Ale pokud měl na sobě tričko Pittsburghské univerzity,
12:00
cheating went down.
257
705000
2000
úroveň podvádění se snížila.
12:02
(Laughter)
258
707000
3000
(Smích)
12:05
Now, this is important, because remember,
259
710000
3000
Tohle je důležité, protože nezapomeňte,
12:08
when the moment the student stood up,
260
713000
2000
že ve chvíli, kdy se student zvedl,
12:10
it made it clear to everybody that they could get away with cheating,
261
715000
3000
bylo každému jasné, že jim podvádění projde,
12:13
because the experimenter said,
262
718000
2000
protože experimentátor řekl:
12:15
"You've finished everything. Go home," and they went with the money.
263
720000
2000
"Vše jsi dokončil. Můžeš jít domů." A oni odešli s penězi.
12:17
So it wasn't so much about the probability of being caught again.
264
722000
3000
Takže to moc nebylo o pravděpodobnosti, že vás chytí.
12:20
It was about the norms for cheating.
265
725000
3000
Bylo to o normách pro podvádění.
12:23
If somebody from our in-group cheats and we see them cheating,
266
728000
3000
Pokud někdo "z našich" podvádí a my to vidíme,
12:26
we feel it's more appropriate, as a group, to behave this way.
267
731000
4000
cítíme, že je celkem v pořádku, jako skupina se takto chovat.
12:30
But if it's somebody from another group, these terrible people --
268
735000
2000
Ale pokud se jedná o někoho z jiné skupiny, z těch hrozných lidí –
12:32
I mean, not terrible in this --
269
737000
2000
– tedy, nechci říct v tomto případě –
12:34
but somebody we don't want to associate ourselves with,
270
739000
2000
ale někoho, s kým nechceme být spojováni,
12:36
from another university, another group,
271
741000
2000
někoho z jiné univerzity, jiné skupiny.
12:38
all of a sudden people's awareness of honesty goes up --
272
743000
3000
Najednou u všech ostatních stoupne úroveň poctivosti.
12:41
a little bit like The Ten Commandments experiment --
273
746000
2000
Trochu jako u experimentu s desaterem přikázání –
12:43
and people cheat even less.
274
748000
4000
a lidé podvádějí dokonce ještě méně.
12:47
So, what have we learned from this about cheating?
275
752000
4000
Takže co jsme se díky tomuto naučili o podvádění?
12:51
We've learned that a lot of people can cheat.
276
756000
3000
Zjistili jsme, že hodně lidí je ochotno podvádět.
12:54
They cheat just by a little bit.
277
759000
3000
Podvádějí ale pouze po troškách.
12:57
When we remind people about their morality, they cheat less.
278
762000
4000
Pokud jsme lidem připomněli morálku, podváděli méně.
13:01
When we get bigger distance from cheating,
279
766000
3000
Pokud zvýšíme vzdálenost od objektu podvádění,
13:04
from the object of money, for example, people cheat more.
280
769000
4000
například od peněz, lidé podvádějí více.
13:08
And when we see cheating around us,
281
773000
2000
A když vidíme podvádění kolem nás,
13:10
particularly if it's a part of our in-group, cheating goes up.
282
775000
4000
obzvlášt uvnitř lidí z nejbližší skupiny, podvádí se více.
13:14
Now, if we think about this in terms of the stock market,
283
779000
3000
Takže když se nad tím zamyslíme v kontextu burzy,
13:17
think about what happens.
284
782000
1000
přemýšlejte, co se stane.
13:18
What happens in a situation when you create something
285
783000
3000
Co se stane v situaci, kdy vytvoříte něco,
13:21
where you pay people a lot of money
286
786000
2000
kde platíte lidem velké peníze za to,
13:23
to see reality in a slightly distorted way?
287
788000
3000
že vidí realitu v trochu pokřiveném světle?
13:26
Would they not be able to see it this way?
288
791000
3000
Nebyli by schopní to vidět tímto způsobem?
13:29
Of course they would.
289
794000
1000
Samozřejmě, že by mohli.
13:30
What happens when you do other things,
290
795000
1000
Co se stane, když zkusíte další metody,
13:31
like you remove things from money?
291
796000
2000
jako nahradít peníze zástupnými věcmi?
13:33
You call them stock, or stock options, derivatives,
292
798000
3000
Nazvete je akcie, opce, deriváty,
13:36
mortgage-backed securities.
293
801000
1000
obligace kryté hypotékou.
13:37
Could it be that with those more distant things,
294
802000
3000
Může být, že se všemi těmito vzdálenými věcmi
13:40
it's not a token for one second,
295
805000
2000
– a není to zástupná věc a není to na jednu vteřinu,
13:42
it's something that is many steps removed from money
296
807000
2000
je to něco, kde je mezi penězi a vámi hodně mezistupňů
13:44
for a much longer time -- could it be that people will cheat even more?
297
809000
4000
a po mnohem delší dobu – může se tedy stát, že lidé budou podvádět ještě více?
13:48
And what happens to the social environment
298
813000
2000
A co se stane s okolním společenským prostředím,
13:50
when people see other people behave around them?
299
815000
3000
když lidé uvidí, jak se chovají lidé kolem nich?
13:53
I think all of those forces worked in a very bad way
300
818000
4000
Já myslím, že všechno toto se na burze
13:57
in the stock market.
301
822000
2000
stáva velmi špatným vlivem.
13:59
More generally, I want to tell you something
302
824000
3000
Obecněji. Chci vám říct něco
14:02
about behavioral economics.
303
827000
3000
o ekonomice chování.
14:05
We have many intuitions in our life,
304
830000
4000
V našem životě je hodně intuicí
14:09
and the point is that many of these intuitions are wrong.
305
834000
3000
a pointa je, že mnoho z nich je špatných.
14:12
The question is, are we going to test those intuitions?
306
837000
3000
Otázka zní. Podrobíme tyto intuice testování?
14:15
We can think about how we're going to test this intuition
307
840000
2000
Můžeme přemýšlet nad tím, jak budeme testovat intuice
14:17
in our private life, in our business life,
308
842000
2000
v našem soukromém životě, v profesním životě
14:19
and most particularly when it goes to policy,
309
844000
3000
a asi nejvíce, pokud dojde na pravidla.
14:22
when we think about things like No Child Left Behind,
310
847000
3000
Třeba jako No Child Left Behind (zákon o standardech školní výuky),
14:25
when you create new stock markets, when you create other policies --
311
850000
3000
nebo když vytváříte nové burzovní trhy, když vytváříte jiná pravidla
14:28
taxation, health care and so on.
312
853000
3000
daně, systém zdravotnictví a tak dále.
14:31
And the difficulty of testing our intuition
313
856000
2000
A o potížích s testováním naší intuice
14:33
was the big lesson I learned
314
858000
2000
jsem se nejvíce poučil,
14:35
when I went back to the nurses to talk to them.
315
860000
2000
když jsem se vrátil k sestřičkám, abych si s nimi popovídal.
14:37
So I went back to talk to them
316
862000
2000
Takže jsem za nimi zašel,
14:39
and tell them what I found out about removing bandages.
317
864000
3000
abych jim oznámil, co jsem zjistil o odstraňování obvazů.
14:42
And I learned two interesting things.
318
867000
2000
A zjistil jsem dvě zajímavé věci.
14:44
One was that my favorite nurse, Ettie,
319
869000
2000
Jedna je, že moje oblíbená sestřička Ettie
14:46
told me that I did not take her pain into consideration.
320
871000
4000
mi řekla, že jsem nevzal v potaz i její bolest.
14:50
She said, "Of course, you know, it was very painful for you.
321
875000
2000
Řekla: "Samozřejmě, víš, pro tebe to bylo velmi bolestivé.
14:52
But think about me as a nurse,
322
877000
2000
Ale zamysli se nade mnou, nad sestřičkou.
14:54
taking, removing the bandages of somebody I liked,
323
879000
2000
Odebírání, odstraňování obvazů u někoho, koho jsem měla ráda
14:56
and had to do it repeatedly over a long period of time.
324
881000
3000
a to opakovaně během dlouhého časového období.
14:59
Creating so much torture was not something that was good for me, too."
325
884000
3000
Působení tolik bolesti pro mně není také nic lehkého."
15:02
And she said maybe part of the reason was it was difficult for her.
326
887000
5000
A pak ještě řekla další důvod, proč to bylo pro ni tak těžké.
15:07
But it was actually more interesting than that, because she said,
327
892000
3000
Ale ve skutečnosti to bylo ještě zajímavější. Řekla:
15:10
"I did not think that your intuition was right.
328
895000
5000
"Myslela jsem si, že tvoje intuice není správná.
15:15
I felt my intuition was correct."
329
900000
1000
Cítila jsem, že správná byla ta moje."
15:16
So, if you think about all of your intuitions,
330
901000
2000
Takže, když se zamyslíte nad všemi vašemi intuicemi,
15:18
it's very hard to believe that your intuition is wrong.
331
903000
4000
je velmi těžké uvěřit, že ta vaše je špatná.
15:22
And she said, "Given the fact that I thought my intuition was right ..." --
332
907000
3000
A říkala, že vzhledem k tomu, že já myslel, že moje intuice je správná
15:25
she thought her intuition was right --
333
910000
2000
a ona myslela, že ta její je správná,
15:27
it was very difficult for her to accept doing a difficult experiment
334
912000
5000
bylo pro ní velmi těžké pokusit se provést složitý pokus
15:32
to try and check whether she was wrong.
335
917000
2000
a zjistit, zda se mýlí.
15:34
But in fact, this is the situation we're all in all the time.
336
919000
4000
Ve skutečnosti, toto je situace, ve které se nacházíme každý den.
15:38
We have very strong intuitions about all kinds of things --
337
923000
3000
Máme velmi silnou intuici o všech možných věcech –
15:41
our own ability, how the economy works,
338
926000
3000
o naší schopnosti, jak funguje ekonomika
15:44
how we should pay school teachers.
339
929000
2000
a jestli bychom měli platit školné.
15:46
But unless we start testing those intuitions,
340
931000
3000
Ale dokud nezačneme testovat tyto intuice,
15:49
we're not going to do better.
341
934000
2000
nebudeme na tom lépe.
15:51
And just think about how better my life would have been
342
936000
2000
A jenom si představte, o kolik by byl můj život lepší,
15:53
if these nurses would have been willing to check their intuition,
343
938000
2000
kdyby ty sestřičky byly ochotné ověřit svojí intuici
15:55
and how everything would have been better
344
940000
1000
a jak vše mohlo být lepší,
15:56
if we just start doing more systematic experimentation of our intuitions.
345
941000
5000
kdybychom začali více systematicky experimentovat se svými intuicemi.
16:01
Thank you very much.
346
946000
2000
Děkuji vám mnohokrát.
ABOUT THE SPEAKER
Dan Ariely - Behavioral economistThe 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 Irrational, The 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.
Dan Ariely | Speaker | TED.com