TED2010
Esther Duflo: Social experiments to fight poverty
Esther Duflo: Szociológiai kísérletek a szegénység felszámolásáért
Filmed:
Readability: 2.8
1,298,863 views
A szegénység felszámolása inkább találgatás, mintsem tudomány; illetve a konkrét adatok hiánya a múltban kiváltott hatásokról új kérdéseket vet fel a további segélyek kivitelezésével kapcsolatban. A Clark Medal díjas Esther Duflo szerint viszont lehetséges kideríteni mely fejlesztések hasznosak, melyek károsak - a megoldások véletlenszerű tesztelésével.
Esther Duflo - Development economist
Esther Duflo takes economics out of the lab and into the field to discover the causes of poverty and means to eradicate it. Full bio
Esther Duflo takes economics out of the lab and into the field to discover the causes of poverty and means to eradicate it. Full bio
Double-click the English transcript below to play the video.
00:18
So here it is. You can check: I am short, I'm French,
0
3000
2000
Amint látják: alacsony vagyok, francia,
00:20
I have a pretty strong French accent,
1
5000
2000
erős francia akcentusom van,
00:22
so that's going to be clear in a moment.
2
7000
3000
ez világos lesz azonnal.
00:26
Maybe a sobering thought
3
11000
2000
Talán kiábrándtó gondolat,
00:28
and something you all know about.
4
13000
2000
és mind tisztában vannak vele.
00:30
And I suspect many of you gave
5
15000
2000
Azt gyanítom sokuk adakozott
00:32
something to the people of Haiti this year.
6
17000
3000
valamennyit az embereknek Haitin idén.
00:35
And there is something else
7
20000
2000
És van ott még valami
00:37
I believe in the back of your mind
8
22000
2000
azt hiszem, tudatalatt,
00:39
you also know.
9
24000
2000
amit szinten tudnak,
00:41
That is, every day,
10
26000
2000
hogy mindennap
00:43
25,000 children die
11
28000
2000
25.000 gyermek hal meg
00:45
of entirely preventable causes.
12
30000
3000
teljesen megelőzhető megbetegedésekben.
00:48
That's a Haiti earthquake every eight days.
13
33000
3000
Az egy Haiti földrengés nyolcnaponta.
00:51
And I suspect many of you probably gave something
14
36000
2000
És azt gyanítom, sokan önök közül valószínűleg adakozott
00:53
towards that problem as well,
15
38000
2000
ezen probléma megoldására szintúgy,
00:55
but somehow it doesn't happen
16
40000
2000
de valahogy mégse történik a dolog
00:57
with the same intensity.
17
42000
2000
ugyanakkora intenzitással.
00:59
So why is that?
18
44000
2000
Miért is?
01:02
Well, here is a thought experiment for you.
19
47000
3000
Rendben, itt egy képzeletbeli kísérlet önöknek.
01:05
Imagine you have a few million dollars that you've raised --
20
50000
2000
Képzeljék el, hogy adományokból összegyűjtöttek néhány millió dollárt.
01:07
maybe you're a politician in a developing country
21
52000
3000
Lehetnek önök politikusok egy fejlődő országban,
01:10
and you have a budget to spend. You want to spend it on the poor:
22
55000
3000
megvan a keret; önök a szegényekre akarják fordítani.
01:13
How do you go about it?
23
58000
3000
Hogyan fognak hozzá?
01:16
Do you believe the people who tell you
24
61000
2000
Hisznek azoknak, akik azt mondják:
01:18
that all we need to do is to spend money?
25
63000
2000
csak anyagi ráfordítás szükséges,
01:20
That we know how to eradicate poverty,
26
65000
3000
tudjuk, hogyan számoljuk fel a szegénységet,
01:23
we just need to do more?
27
68000
2000
csak tovább kell rajta dolgozni?
01:25
Or do you believe the people who tell you that
28
70000
2000
Vagy azoknak hisznek, akik azt mondják:
01:27
aid is not going to help, on the contrary it might hurt,
29
72000
3000
a segély nem segít, sőt, árthat is,
01:30
it might exacerbate corruption, dependence, etc.?
30
75000
3000
súlyosbítja a korrupciót, függőséget, stb.?
01:34
Or maybe you turn to the past.
31
79000
2000
Vagy talán a múlt felé fordulnak.
01:36
After all, we have spent billions of dollars on aid.
32
81000
3000
Végülis milliárdokat költöttünk segélyre.
01:39
Maybe you look at the past and see.
33
84000
2000
Talán a múltba tekintve látjuk
01:41
Has it done any good?
34
86000
2000
történt-e bármi jó?
01:43
And, sadly, we don't know.
35
88000
2000
És ezt, sajnálatosan nem tudjuk.
01:45
And worst of all, we will never know.
36
90000
3000
És az a legrosszabb, hogy soha nem is fogjuk.
01:49
And the reason is that -- take Africa for example.
37
94000
2000
És ott a válasz - vegyük Afrikát például --
01:51
Africans have already got a lot of aid.
38
96000
2000
az afrikaiak rengeteg segélyt kaptak.
01:53
These are the blue bars.
39
98000
2000
Azok a kék csíkok.
01:55
And the GDP in Africa is not making much progress.
40
100000
3000
És a GDP Afrikában nem igazán mutat fejlődést.
01:58
Okay, fine. How do you know what
41
103000
2000
Ok, rendben. Honnan tudhatnánk
02:00
would have happened without the aid?
42
105000
2000
mi történhetett volna segély nélkül?
02:02
Maybe it would have been much worse,
43
107000
3000
Talán sokkal rosszabb lenne.
02:05
or maybe it would have been better.
44
110000
2000
Vagy talán sokkal jobb lehetne.
02:07
We have no idea. We don't know what the counterfactual is.
45
112000
3000
Fogalmunk sincs. Nincs összehasonlítási alapunk.
02:10
There's only one Africa.
46
115000
2000
Csak egy Afrikánk van.
02:12
So what do you do?
47
117000
2000
Tehát, mit teszünk?
02:14
To give the aid, and hope and pray that something comes out of it?
48
119000
3000
Segélyt adnunk es reméljük, imádkozunk, hogy valami történjen?
02:18
Or do you focus on your everyday life
49
123000
3000
Vagy a hétköznapokba temetkeznek
02:21
and let the earthquake every eight days
50
126000
2000
és hagyják, hogy a földrengés nyolcnaponta
02:23
continue to happen?
51
128000
2000
továbbra is megismétlődjön?
02:25
The thing is, if we don't know
52
130000
2000
Az a baj, ha nem tudjuk
02:27
whether we are doing any good,
53
132000
2000
vajon teszünk-e bármi jót,
02:29
we are not any better
54
134000
2000
egyáltalán nem vagyunk jobbak,
02:31
than the Medieval doctors and their leeches.
55
136000
3000
mint a középkori orvosok a piócáikkal.
02:34
Sometimes the patient gets better, sometimes the patient dies.
56
139000
3000
Néha a páciens jobban van, néha meghal.
02:37
Is it the leeches? Is it something else?
57
142000
3000
A piócáktól? Vagy valami mástól?
02:40
We don't know.
58
145000
2000
Nem tudjuk.
02:42
So here are some other questions.
59
147000
2000
Tehát itt van néhány más kérdés.
02:44
They're smaller questions,
60
149000
2000
Kisebb kérdések,
02:46
but they are not that small.
61
151000
2000
de nem jelentéktelenek.
02:48
Immunization, that's the cheapest way
62
153000
3000
Védőoltás; a legolcsóbb,
02:51
to save a child's life.
63
156000
2000
hogy megmentsük egy gyermek életét.
02:53
And the world has spent a lot of money on it:
64
158000
2000
És a világ rengeteg pénzt áldozott rá.
02:55
The GAVI and the Gates Foundations
65
160000
2000
A GAVI és a Gates Alapítvány
02:57
are each pledging a lot of money towards it,
66
162000
2000
jelentős összeget különített el a célra.
02:59
and developing countries themselves have been doing a lot of effort.
67
164000
3000
És maguk a fejlődő országok is rengeteg energiát fektetnek bele.
03:02
And yet, every year
68
167000
2000
És mégis minden évben,
03:04
at least 25 million children
69
169000
2000
legalább 25 millió gyermek
03:06
do not get the immunization they should get.
70
171000
3000
nem kapja meg a neki járó védőoltást.
03:09
So this is what you call a "last mile problem."
71
174000
3000
Ez az, amit az utolsó mérföld problémájának neveznek.
03:12
The technology is there,
72
177000
2000
A technológia adott.
03:14
the infrastructure is there,
73
179000
2000
Az infrastruktúra adott.
03:16
and yet it doesn't happen.
74
181000
2000
De valahogy, mégse valósul meg.
03:18
So you have your million.
75
183000
2000
Tehát van a milliójuk.
03:20
How do you use your million
76
185000
2000
Hogyan használnak egymilliót,
03:22
to solve this last mile problem?
77
187000
2000
hogy megoldják az utolsó mérföld problemáját?
03:24
And here's another question:
78
189000
2000
És itt van még egy kérdés:
03:26
Malaria. Malaria kills almost
79
191000
3000
Malária. A malária megöl közel
03:29
900,000 people every year,
80
194000
3000
900.000 embert minden évben,
03:32
most of them in Sub-Saharan Africa,
81
197000
2000
többségüket a Közép-Szaharában, Afrikában,
03:34
most of them under five.
82
199000
2000
többnyire öt éves kor alatt.
03:36
In fact, that is the leading cause of under-five mortality.
83
201000
3000
Tulajdonképpen ott ez az öt éves kor alattiak halálozásának vezető oka.
03:39
We already know how to kill malaria,
84
204000
3000
Mar tudjuk, hogyan győzzük le a maláriat,
03:42
but some people come to you and say,
85
207000
2000
de vannak, akik jönnek és azt mondják,
03:44
"You have your millions. How about bed nets?"
86
209000
3000
"Millióid vannak. Mi van a szúnyoghálóval?"
03:47
Bed nets are very cheap.
87
212000
2000
A szúnyoghálók nagyon olcsóak.
03:49
For 10 dollars, you can manufacture and ship
88
214000
3000
10 dollárért le tudod gyártatni és szállítani
03:52
an insecticide treated bed net
89
217000
2000
a rovarírtóval kezelt szúnyoghálót,
03:54
and you can teach someone to use them.
90
219000
2000
és meg tudod őket tanítani, hogyan használják.
03:56
And, not only do they protect the people who sleep under them,
91
221000
3000
És, nem csak azokat védi, akik alatta alszanak,
03:59
but they have these great contagion benefits.
92
224000
2000
de járványügyi szempontból is előnyökkel jár a használata.
04:01
If half of a community sleeps under a net,
93
226000
3000
Ha a közösség fele alszik a háló alatt,
04:04
the other half also benefits
94
229000
2000
a másik fele is jobban jár,
04:06
because the contagion of the disease spread.
95
231000
3000
mert nem terjed el a járvány.
04:09
And yet, only a quarter of kids at risk sleep under a net.
96
234000
3000
Ezidáig csak a veszélyeztetett gyermekek negyede alszik háló alatt.
04:12
Societies should be willing to go out
97
237000
2000
Ki kellene menni az alapítványoknak
04:14
and subsidize the net, give them for free,
98
239000
2000
szubvencionálni a szúnyoghálót, odaadni ingyen,
04:16
or, for that matter, pay people to use them
99
241000
2000
vagy, mi több, fizetni nekik, hogy használják
04:18
because of those contagion benefits.
100
243000
2000
járványügyi megfontolásból.
04:20
"Not so fast," say other people.
101
245000
2000
"Ne olyan gyorsan", mondják mások.
04:22
"If you give the nets for free,
102
247000
2000
"Ha ingyen adod a hálót,
04:24
people are not going to value them.
103
249000
2000
az emberek nem fogják értékelni.
04:26
They're not going to use them,
104
251000
2000
Nem fogják használni őket,
04:28
or at least they're not going to use them as bed nets,
105
253000
2000
vagy legalábbis nem szúnyoghálóként,
04:30
maybe as fishing nets."
106
255000
2000
talán majd halászhálóként."
04:32
So, what do you do?
107
257000
2000
Tehát, mit tesznek?
04:34
Do you give the nets for free to maximize coverage,
108
259000
2000
Odaadják a hálókat ingyen, a maximális lefedettségért?
04:36
or do you make people pay
109
261000
2000
Vagy kifizettetik velük,
04:38
in order to make sure that they really value them?
110
263000
2000
hogy biztosan értékeljék?
04:40
How do you know?
111
265000
2000
Honnan tudják?
04:42
And a third question: Education.
112
267000
2000
A harmadik kérdés: Oktatás.
04:44
Maybe that's the solution, maybe we should send kids to school.
113
269000
2000
Talán az a megoldás. Talán iskolába kellene küldenünk a gyerekeket.
04:46
But how do you do that?
114
271000
2000
De hogyan teszik mindezt?
04:48
Do you hire teachers? Do you build more schools?
115
273000
2000
Tanárokat bérelnek? Iskolákat építenek?
04:50
Do you provide school lunch?
116
275000
2000
Menzát biztosítanak?
04:52
How do you know?
117
277000
2000
Honnan tudják?
04:54
So here is the thing.
118
279000
2000
Itt van bökkenő.
04:56
I cannot answer the big question,
119
281000
2000
Nem tudom megválaszolni a nagy kérdést,
04:58
whether aid did any good or not.
120
283000
2000
a segély jó-e vagy sem,
05:00
But these three questions, I can answer them.
121
285000
3000
de ezt a három kérdést meg tudom válaszolni.
05:04
It's not the Middle Ages anymore,
122
289000
2000
Ez nem a középkor többé.
05:06
it's the 21st century.
123
291000
2000
Ez a 21-ik század.
05:08
And in the 20th century,
124
293000
2000
És a 20-ik században,
05:10
randomized, controlled trials
125
295000
2000
véletlenszerű, irányított próbákkal
05:12
have revolutionized medicine
126
297000
2000
forradalmasítottuk az orvostudományt
05:14
by allowing us to distinguish
127
299000
2000
lehetővé téve, hogy megkülönböztessük
05:16
between drugs that work
128
301000
2000
a gyógyszereket, amik hatnak
05:18
and drugs that don't work.
129
303000
2000
a gyószerektől, amik nem.
05:20
And you can do the same
130
305000
2000
Megtehetjük ugyanezt
05:22
randomized, controlled trial for social policy.
131
307000
3000
véletlenszerű, irányított próbákkal a szociálpolitikáért.
05:25
You can put social innovation to the same
132
310000
2000
Ki lehet tenni a szociális fejlesztést ugyanannak
05:27
rigorous, scientific tests
133
312000
2000
a szigorú, tudományos teszteknek,
05:29
that we use for drugs.
134
314000
2000
mint amiket a gyógyszereknél használtunk.
05:31
And in this way, you can take the guesswork
135
316000
3000
Ezáltal kihagyhatják a találgatást
05:34
out of policy-making
136
319000
2000
a stratégia-tervezésből
05:36
by knowing what works,
137
321000
2000
tudva mi működik,
05:38
what doesn't work and why.
138
323000
2000
mi nem, és miért.
05:40
And I'll give you some examples with those three questions.
139
325000
3000
Hozok is rá példát az előbbi három kérdésen keresztül.
05:44
So I start with immunization.
140
329000
2000
A védőoltással kezdem.
05:46
Here's Udaipur District, Rajasthan. Beautiful.
141
331000
3000
Ez itt Udaipur körzet, Rajasthan, gyönyörű.
05:49
Well, when I started working there,
142
334000
2000
Nos, amikor elkezdtem itt dolgozni,
05:51
about one percent of children
143
336000
2000
nagyjábol egy százaléka a gyermekeknek
05:53
were fully immunized.
144
338000
2000
kapott teljeskörű védőoltást.
05:55
That's bad, but there are places like that.
145
340000
3000
Szomorú, de ezek a helyek ilyenek.
05:58
Now, it's not because the vaccines are not there --
146
343000
2000
Most nem azért, mert a vakcinák nem jutnak el oda.
06:00
they are there and they are free --
147
345000
2000
Ott vannak és ingyenesek.
06:02
and it's not because parents do not care about their kids.
148
347000
3000
És nem azért, mert a szülők nem törődnek a gyermekeikkel.
06:05
The same child that is not immunized against measles,
149
350000
3000
Ugyanazon gyermek amelyik nincs beoltva kanyaró ellen,
06:08
if they do get measles, parents will spend
150
353000
2000
ha kanyarót kap, a szülei rúpiák ezreit
06:10
thousands of rupees to help them.
151
355000
2000
költik majd rá, hogy megmentsék.
06:12
So you get these empty village subcenters
152
357000
2000
Tehát kapják ezeket a falusi al-központokat
06:14
and crowded hospitals.
153
359000
2000
és zsufolt kórházakat.
06:16
So what is the problem?
154
361000
2000
Tehát, mi a baj?
06:18
Well, part of the problem, surely, is people do not fully understand.
155
363000
3000
Nos, a probléma egy része minden bizonnyal az emberek tájékozatlansága.
06:21
After all, in this country as well,
156
366000
2000
Elvégre, ebben az országban úgyszint,
06:23
all sorts of myths and misconceptions
157
368000
2000
mindenféle mítosz és félreértés
06:25
go around immunization.
158
370000
3000
kering a védőoltások körül.
06:28
So if that's the case, that's difficult,
159
373000
2000
Így, ha ez a helyzet, az nem egyszerű,
06:30
because persuasion is really difficult.
160
375000
3000
mert a meggyőzés sem egyszerű.
06:33
But maybe there is another problem as well.
161
378000
2000
De talán van ott még más baj is.
06:35
It's going from intention to action.
162
380000
3000
A szándéktól a cselekedetig terjed.
06:38
Imagine you are a mother
163
383000
2000
Képzelje el, hogy ön egy anya
06:40
in Udaipur District, Rajasthan.
164
385000
2000
Udaipur körzetben, Rajasthanban.
06:42
You have to walk a few kilometers to get your kids immunized.
165
387000
3000
Gyalogolnia kell pár kilométert, hogy be tudja oltatni a gyermekeit.
06:45
And maybe when you get there, what you find is this:
166
390000
2000
És amikor odaér, ezt találja.
06:47
The subcenter is closed. Ao you have to come back,
167
392000
2000
Az al-központ zárva, vissza kell jönnie.
06:49
and you are so busy and you have so many other things to do,
168
394000
3000
Ön annyira elfoglalt, és annyi mást is el kell intéznie,
06:52
you will always tend to postpone and postpone,
169
397000
2000
ön inkább későbbre teszi, későbbre teszi,
06:54
and eventually it gets too late.
170
399000
2000
aztán egyszer csak túl késő.
06:56
Well, if that's the problem, then that's much easier.
171
401000
3000
Nos, ha ez a baj, az az egyszerűbb
06:59
Because A, we can make it easy,
172
404000
3000
mivel, A, meg tudjuk könnyíteni
07:02
and B, we can maybe
173
407000
2000
és B, talán tudunk okot adni rá,
07:04
give people a reason to act today,
174
409000
2000
hogy még ma cselekedjenek,
07:06
rather than wait till tomorrow.
175
411000
2000
mintsem várjanak másnapig.
07:08
So these are simple ideas, but we didn't know.
176
413000
2000
Ezek egyszerű ötletek, de nem tudhattuk előre.
07:10
So let's try them.
177
415000
2000
Próbáljuk ki őket.
07:12
So what we did is we did a randomized, controlled trial
178
417000
3000
Tehát, csinaltunk egy véletlenszerű, irányított próbát
07:15
in 134 villages in Udaipur Districts.
179
420000
2000
134 faluban Udaipur körzetben.
07:17
So the blue dots
180
422000
2000
Tehát a kék pontok
07:19
are selected randomly.
181
424000
2000
véletlenszerűen lettek kiválasztva.
07:21
We made it easy -- I'll tell you how in a moment.
182
426000
3000
Leegyszerűsítettük. Mindjárt elmondom hogyan.
07:24
In the red dots, we made it easy
183
429000
2000
A piros pontokon, leegyszerűsítettük
07:26
and gave people a reason to act now.
184
431000
2000
és okot adtunk rá, hogy az emberek azonnal cselekedjenek.
07:28
The white dots are comparisons, nothing changed.
185
433000
3000
A fehér pontok az összehasonlítás végett, minden maradt a régiben.
07:31
So we make it easy by organizing
186
436000
2000
Tehát leegyszerűsítettük megszervezve
07:33
this monthly camp where people can
187
438000
2000
ezekben a a táborokban havonta, hogy az emberek
07:35
get their kids immunized.
188
440000
2000
be tudják oltatni a gyermekeiket.
07:37
And then you make it easy
189
442000
2000
Majd leegyszerűsítik
07:39
and give a reason to act now
190
444000
2000
és okot adnak az azonnali cselekedetre
07:41
by adding a kilo of lentils for each immunization.
191
446000
3000
egy kiló lencsével minden egyes védőoltásért.
07:44
Now, a kilo of lentils is tiny.
192
449000
3000
Napjainkban egy kiló lencse elenyésző.
07:47
It's never going to convince anybody
193
452000
2000
Sohasem fog meggyőzni senkit
07:49
to do something that they don't want to do.
194
454000
2000
hogy olyat tegyen, amit amúgy nem tenne meg.
07:51
On the other hand, if your problem is you tend to postpone,
195
456000
3000
Másik oldalról, ha hajlamosak lennének a halogatásra,
07:54
then it might give you a reason to act today
196
459000
2000
talán ez okot ad rá, hogy cselekedjenek most,
07:56
rather than later.
197
461000
2000
mintsem később.
07:58
So what do we find?
198
463000
2000
Tehát, mit tapasztaltunk?
08:00
Well, beforehand, everything is the same.
199
465000
2000
Nos, előtte minden ugyanaz.
08:02
That's the beauty of randomization.
200
467000
2000
Ez a gyönyörű a véletlenszerűségben.
08:04
Afterwards,
201
469000
2000
Azután.
08:06
the camp -- just having the camp --
202
471000
2000
a tábor, csak a tábor jelenléte,
08:08
increases immunization from six percent to 17 percent.
203
473000
2000
megnövelte a beoltottságot hatról 17 százalékra.
08:10
That's full immunization.
204
475000
2000
Teljeskörű beoltottságról beszélünk.
08:12
That's not bad, that's a good improvement.
205
477000
2000
Nem rossz. Igen szép fejlődés.
08:14
Add the lentils and you reach to 38 percent.
206
479000
3000
Add hozza a lencsét és eléred a 38 százalékot.
08:17
So here you've got your answer.
207
482000
2000
Na itt kapod meg a választ.
08:19
Make it easy and give a kilo of lentils,
208
484000
2000
Tedd egyszerűvé, és adj egy kiló lencsét,
08:21
you multiply immunization rate by six.
209
486000
3000
hogy a beoltottság a hatszorosára nőjön.
08:24
Now, you might say, "Well, but it's not sustainable.
210
489000
2000
Most talán azt mondják, "Jó, de ez nem tartható fent hosszútávon.
08:26
We cannot keep giving lentils to people."
211
491000
2000
Nem adhatunk lencsét az embereknek örökké."
08:28
Well, it turns out it's wrong economics,
212
493000
2000
Nos, úgy néz ki, ez rossz gazdaságpolitika
08:30
because it is cheaper
213
495000
2000
mert olcsóbb
08:32
to give lentils than not to give them.
214
497000
2000
lencsét adni nekik, mint nem adni.
08:34
Since you have to pay for the nurse anyway,
215
499000
2000
Mivel a nővért úgyis ki kell fizetniük,
08:36
the cost per immunization
216
501000
2000
a védőoltás költsége
08:38
ends up being cheaper if you give incentives than if you don't.
217
503000
3000
kevesebbre jön ki, ha motiválnak, mintha nem.
08:42
How about bed nets?
218
507000
2000
Mi a helyzet a szúnyoghálóval?
08:44
Should you give them for free, or should you ask people to pay for them?
219
509000
3000
Ingyen adnak, vagy kifizettetnék velük az árát?
08:47
So the answer hinges
220
512000
2000
Tehát a válasz attól függ
08:49
on the answer to three simple questions.
221
514000
2000
amit három egyszerű kérdésre válaszolnak.
08:51
One is: If people must pay for a bed net,
222
516000
3000
Az első: Ha az embereknek fizetniük kell a szúnyoghálóért,
08:54
are they going to purchase them?
223
519000
2000
meg fogják-e vásárolni?
08:56
The second one is:
224
521000
2000
A második:
08:58
If I give bed nets for free,
225
523000
2000
Ha ingyen adok szúnyoghálót,
09:00
are people going to use them?
226
525000
2000
fogják-e használni?
09:02
And the third one is:
227
527000
2000
És a harmadik:
09:04
Do free bed nets discourage future purchase?
228
529000
2000
Elveszi-e a vásárlókedvet a jövőben az ingyen szúnyogháló?
09:06
The third one is important
229
531000
2000
A harmadik kérdés a lényeg,
09:08
because if we think people get used to handouts,
230
533000
3000
mert ha hozzászoktak hogy ingyen kapják,
09:11
it might destroy markets to distribute free bed nets.
231
536000
3000
az talán lehetetlenné teszi a későbbi szúnyogháló kereskedelmet.
09:14
Now this is a debate that has generated
232
539000
2000
Mostanra vita kerekedett,
09:16
a lot of emotion and angry rhetoric.
233
541000
3000
rengeteg érzelemmel és szónoki dühhel.
09:19
It's more ideological than practical,
234
544000
2000
Inkább elméléti, mintsem gyakorlati szinten,
09:21
but it turns out it's an easy question.
235
546000
2000
de úgy néz ki, ez egy egyszerű kérdés.
09:23
We can know the answer to this question.
236
548000
2000
Megtudhatjuk a választ.
09:25
We can just run an experiment.
237
550000
2000
Csak egy kísérletet kell csinálnunk.
09:27
And many experiments have been run, and they all have the same results,
238
552000
2000
És rengeteg kísérlet, mind ugyanazzal az eredménnyel zárult,
09:29
so I'm just going to talk to you about one.
239
554000
3000
csak egyet emlitenék.
09:32
And this one that was in Kenya,
240
557000
2000
Ez Kenyában történt,
09:34
they went around and distributed to people
241
559000
2000
körbementek és kiosztottak az embereknek
09:36
vouchers, discount vouchers.
242
561000
2000
kuponokat, kedvezmény-kuponokat.
09:38
So people with their voucher
243
563000
2000
Tehát az emberek a kuponjaikkal
09:40
could get the bed net in the local pharmacy.
244
565000
2000
megkaphatták a szúnyoghálót a helyi gyógyszertárban.
09:42
And some people get 100 percent discount,
245
567000
3000
Voltak akik 100 százalék kedvezményt kaptak,
09:45
and some people get 20 percent discounts,
246
570000
2000
voltak akik 20 százalékot,
09:47
and some people get 50 percent discount, etc.
247
572000
3000
és voltak akik 50 százalékot, stb.
09:50
And now we can see what happens.
248
575000
2000
Láthatjuk, mi történt.
09:52
So, how about the purchasing?
249
577000
2000
Szóval, mi történt a vásárlókedvvel?
09:54
Well, what you can see is that
250
579000
2000
Nos, amit láthatnak, az az,
09:56
when people have to pay for their bed nets,
251
581000
2000
hogy amikor fizetniük kellett a szúnyoghálóért,
09:58
the coverage rate really falls down a lot.
252
583000
3000
a lefedettség tényleg nagyot esik.
10:01
So even with partial subsidy,
253
586000
2000
Még részleges támogatással sem --
10:03
three dollars is still not the full cost of a bed net,
254
588000
3000
-- három dollár nem a teljes ára a szúnyoghálónak.
10:06
and now you only have 20 percent of the people with the bed nets,
255
591000
2000
És alig van 20 százalék aki használja a szúnyoghálót,
10:08
you lose the health immunity, that's not great.
256
593000
3000
elveszítik a védettséget, nem túl jó.
10:11
Second thing is, how about the use?
257
596000
2000
A másik dolog, hogyan használják?
10:13
Well, the good news is, people, if they have the bed nets,
258
598000
2000
Nos, a jó hír, ha van szúnyoghálójuk,
10:15
will use the bed nets regardless of how they got it.
259
600000
3000
használni fogják, akárhogyan is jutottak hozzá.
10:18
If they get it for free, they use it.
260
603000
2000
Ha ingyen kapták, használják.
10:20
If they have to pay for it, they use it.
261
605000
2000
Ha fizettek érte, használják.
10:22
How about the long term?
262
607000
2000
Mi a helyzet hosszútávon?
10:24
In the long term,
263
609000
2000
Hosszútávon
10:26
people who got the free bed nets,
264
611000
2000
azok, akik kaptak ingyen szúnyoghálót,
10:28
one year later, were offered the option
265
613000
2000
egy évvel később, felajánlottuk nekik,
10:30
to purchase a bed net at two dollars.
266
615000
3000
hogy vásárolhatnak szúnyoghálót két dollárért.
10:33
And people who got the free one
267
618000
2000
És az emberek, akik kaptak az ingyenesből előtte,
10:35
were actually more likely to purchase the second one
268
620000
3000
sokkal hajlamosabbak voltak fizetni a másodikért,
10:38
than people who didn't get a free one.
269
623000
2000
mint akik nem kaptak az ingyenesből.
10:40
So people do not get used to handouts; they get used to nets.
270
625000
3000
Tehát nem az ingyen hálóhoz szoknak hozzá, hanem a szúnyoghálóhoz.
10:43
Maybe we need to give them a little bit more credit.
271
628000
3000
Lehet, hogy egy kicsit több hitelt kell nekik adnunk.
10:48
So, that's for bed nets. So you will think, "That's great.
272
633000
2000
Ennyit a hálóról. Most majd azt gondolják, "Nagyszerű.
10:50
You know how to immunize kids, you know how to give bed nets."
273
635000
3000
Tudja, hogyan adjon védőoltást, tudja hogyan adjon szúnyoghálót."
10:53
But what politicians need is a range of options.
274
638000
3000
Viszont a politikusoknak a lehetőségek skálájára van szükségük.
10:56
They need to know: Out of all the things I could do,
275
641000
3000
Tudniuk kell: Mindközül amit választhatok,
10:59
what is the best way to achieve my goals?
276
644000
3000
melyik segít majd elérni a célomat?
11:02
So suppose your goal is to get kids into school.
277
647000
3000
Tegyük fel, az önök célja az iskoláztatás.
11:05
There are so many things you could do. You could pay for uniforms,
278
650000
3000
Rengeteg dolgot tehetnek érte. Kifizethetik az egyenruhát,
11:08
you could eliminate fees, you could build latrines,
279
653000
2000
megszüntethetnek tandíjakat, latrinákat építhetnek,
11:10
you could give girls sanitary pads, etc., etc.
280
655000
3000
egészségügyi betétet adhatnak a lányoknak, stb., stb.
11:13
So what's the best?
281
658000
2000
Tehát, melyik a legjobb?
11:15
Well, at some level, we think
282
660000
2000
Nos, valamilyen szinten, azt gondoljuk
11:17
all of these things should work.
283
662000
2000
mind működőképes ötlet.
11:19
So, is that sufficient? If we think they should work intuitively,
284
664000
2000
Szóval hogyha ez elég, ha teszik a dolgukat ösztönösen,
11:21
should we go for them?
285
666000
2000
miért kellene beavatkoznunk?
11:23
Well, in business, that's certainly not the way we would go about it.
286
668000
3000
Nos, gazdaságilag, persze nem kifizetődő.
11:27
Consider for example
287
672000
2000
Gondoljanak csak például
11:29
transporting goods.
288
674000
2000
az áruszállításra.
11:31
Before the canals were invented
289
676000
2000
Mielőtt a csatornát feltalálták
11:33
in Britain before the Industrial Revolution,
290
678000
3000
Nagy Britanniában az ipari forradalom előtt
11:36
goods used to go on horse carts.
291
681000
2000
az áru lovas szekeren utazott.
11:38
And then canals were built,
292
683000
2000
Majd csatornák épültek,
11:40
and with the same horseman and the same horse,
293
685000
3000
és ugyanaz a lovas ugyanazzal a lóval,
11:43
you could carry ten times as much cargo.
294
688000
3000
tízszer több rakományt szállíthattak.
11:46
So should they have continued
295
691000
2000
Tehát folytatniuk kellene
11:48
to carry the goods on the horse carts, on the ground,
296
693000
3000
az áruszállítást szekérrel, a szárazföldön,
11:51
that they would eventually get there?
297
696000
2000
hogy célba érjenek?
11:53
Well, if that had been the case,
298
698000
2000
Nos, ebben az esetben,
11:55
there would have been no Industrial Revolution.
299
700000
2000
nem lett volna ipari forradalom.
11:57
So why shouldn't we do the same with social policy?
300
702000
3000
Akkor miért nem tesszük ugyanezt a szociálpolitikával?
12:00
In technology, we spend so much time
301
705000
2000
A technológiában rengeteget időt töltünk
12:02
experimenting, fine-tuning,
302
707000
2000
kísérletezéssel, finom-hangolással,
12:04
getting the absolute cheapest way to do something,
303
709000
2000
hogy megtaláljuk a legolcsóbb megoldást,
12:06
so why aren't we doing that with social policy?
304
711000
3000
szóval, miért nem tesszük ugyanezt a szociál-politikával?
12:09
Well, with experiments, what you can do
305
714000
2000
Nos, kísérletekkel, amit megtehetsz
12:11
is answer a simple question.
306
716000
2000
az válasz egy egyszerű kérdésre.
12:13
Suppose you have 100 dollars to spend
307
718000
2000
Tételezzük fel, van 100 dollárjuk,
12:15
on various interventions.
308
720000
2000
hogy közbenjárjanak.
12:17
How many extra years of education
309
722000
2000
Mennyi plusz évet kapnak az iskolában
12:19
do you get for your hundred dollars?
310
724000
2000
száz dollárért?
12:21
Now I'm going to show you
311
726000
2000
Most megmutatom önöknek
12:23
what we get with various education interventions.
312
728000
3000
mire jutottunk különböző próbálkozásokkal az oktatásban.
12:27
So the first ones are if you want the usual suspects,
313
732000
2000
Az elsők, amik rögtön eszünkbe jutnak,
12:29
hire teachers, school meals,
314
734000
2000
tanárokat bérelni, menza,
12:31
school uniforms, scholarships.
315
736000
2000
egyenruha, ösztöndíj.
12:33
And that's not bad. For your hundred dollars,
316
738000
2000
Nem olyan rossz. Száz dollarjukért.
12:35
you get between one and three extra years of education.
317
740000
3000
kapnak egy és három közötti extra évet az iskolapadban.
12:39
Things that don't work so well is bribing parents,
318
744000
2000
Ami nem annyira megy, az a szülők megvesztegetése,
12:41
just because so many kids are already going to school
319
746000
3000
mivel sok gyerek amúgy is jár iskolába
12:44
that you end up spending a lot of money.
320
749000
2000
és a végén rengeteget költenek rá.
12:46
And here are the most surprising results.
321
751000
3000
Ime a legmeglepőbb eredmények.
12:49
Tell people the benefits of education,
322
754000
3000
Mondd el az embereknek az iskoláztatás előnyeit.
12:52
that's very cheap to do.
323
757000
2000
Nagyon olcsó.
12:54
So for every hundred dollars you spend doing that,
324
759000
3000
Szóval száz dollárjukat erre költve,
12:57
you get 40 extra years of education.
325
762000
3000
kapnak plusz 40 év iskoláztatást.
13:00
And, in places where there are worms,
326
765000
2000
Vannak helyek férgekkel,
13:02
intestinal worms,
327
767000
2000
bélférgekkel,
13:04
cure the kids of their worms.
328
769000
2000
kezeltesd ki a bélférgességből őket.
13:06
And for every hundred dollars,
329
771000
2000
És kapsz minden száz dollárért
13:08
you get almost 30 extra years of education.
330
773000
3000
közel plusz 30 év iskoláztatást.
13:11
So this is not your intuition,
331
776000
2000
Ez nem egy megérzés.
13:13
this is not what people would have gone for,
332
778000
2000
Ez nem az amit az emberek választottak volna,
13:15
and yet, these are the programs that work.
333
780000
3000
és mégis, ezek a működő programok.
13:18
We need that kind of information, we need more of it,
334
783000
2000
Kellenek az ilyen fajta információk. Több kell belőlük.
13:20
and then we need to guide policy.
335
785000
2000
Majd irányítanunk kell a szabályozást.
13:24
So now, I started from the big problem, and I couldn't answer it.
336
789000
3000
Tehát, kezdtem a nagy kérdéssel és nem tudtam rá választ adni.
13:27
And I cut it into smaller questions,
337
792000
3000
Ezért kisebb kérdésekre osztottam,
13:30
and I have the answer to these smaller questions.
338
795000
2000
és megvannak a válaszaim a kis kérdésekre.
13:32
And they are good, scientific, robust answers.
339
797000
3000
Működő, tudományos, szilárd válaszok.
13:36
So let's go back to Haiti for a moment.
340
801000
2000
Menjünk vissza Haitire egy pillanatra.
13:39
In Haiti, about 200,000 people died --
341
804000
3000
Haitin körülbelül 200.000 ember halt meg.
13:43
actually, a bit more by the latest estimate.
342
808000
2000
Igazábol egy kicsit több a legfrissebb számítások szerint.
13:45
And the response of the world was great:
343
810000
2000
És a világ válasza óriási volt.
13:47
Two billion dollars got pledged just last month,
344
812000
3000
Két milliárd dollár folyt be csak az elmúlt két hónapban.
13:51
so that's about 10,000 dollars per death.
345
816000
2000
Tehát az körülbelül 10.000 dollár elhalálozásonként.
13:53
That doesn't sound like that much when you think about it.
346
818000
3000
Az nem túl sok, ha utánagondolnak.
13:56
But if we were willing to spend 10,000 dollars
347
821000
3000
De, ha 10.000 dollárt költenénk
13:59
for every child under five who dies,
348
824000
3000
minden gyermekre aki öt éves kor alatt meghal,
14:02
that would be 90 billion per year
349
827000
3000
az 90 milliárd lenne évente
14:05
just for that problem.
350
830000
2000
csak erre a célra.
14:07
And yet it doesn't happen.
351
832000
2000
És ezidáig mégse történt.
14:09
So, why is that?
352
834000
2000
Szóval, miért is?
14:11
Well, I think what part of the problem is that,
353
836000
2000
Nos, szerintem egyrészt a probléma Haitivel,
14:13
in Haiti, although the problem is huge,
354
838000
2000
habár nagy a baj,
14:15
somehow we understand it, it's localized.
355
840000
2000
valahogy megértettük, behatároltuk,
14:17
You give your money to Doctors Without Borders,
356
842000
2000
Adják a pénzüket a "Doktorok Határok Nélkül"-nek,
14:19
you give your money to Partners In Health,
357
844000
2000
és adakoznak a "Partnerek az Egészségben"-nek,
14:21
and they'll send in the doctors, and they'll send in the lumber,
358
846000
3000
és ők beküldik az orvosokat, beküldik az épületfát,
14:24
and they'll helicopter things out and in.
359
849000
3000
és ki- meg behelikopterezik a dolgokat.
14:27
And the problem of poverty is not like that.
360
852000
2000
A szegénység nem ilyen.
14:29
So, first, it's mostly invisible;
361
854000
2000
Elsőként, nagyrészt láthatatlan.
14:31
second, it's huge;
362
856000
2000
Másodszor, óriási.
14:33
and third, we don't know whether we are doing the right thing.
363
858000
3000
Harmadszor, nem tudjuk, amit teszünk, jó-e.
14:36
There's no silver bullet.
364
861000
2000
Nincs csodafegyver.
14:38
You cannot helicopter people out of poverty.
365
863000
2000
Nem lehet a szegénységből kihelikopterezni az embereket.
14:40
And that's very frustrating.
366
865000
2000
Ez nagyon frusztráló.
14:42
But look what we just did today.
367
867000
3000
Viszont, nézzék, csak amit ma tettünk.
14:45
I gave you three simple answers to three questions:
368
870000
3000
Adtam három egyszerű választ három kérdésre.
14:48
Give lentils to immunize people,
369
873000
2000
Adj lencsét, hogy beloltasd az embereket,
14:50
provide free bed nets, deworm children.
370
875000
2000
biztosíts ingyen szúnyoghálót, féregtelenítsd a gyermekeket.
14:52
With immunization or bed nets,
371
877000
2000
Védőoltással vagy szúnyoghálóval
14:54
you can save a life for 300 dollars per life saved.
372
879000
3000
300 dollárért megmenthetnek egy emberéletet.
14:57
With deworming, you can get
373
882000
2000
Féregtelenítéssel kaphatnak plusz egy
14:59
an extra year of education for three dollars.
374
884000
2000
iskolában töltött évet három dollárért.
15:02
So we cannot eradicate poverty just yet,
375
887000
3000
Tehát nem törölhetjük el a szegénységet most, azonnal,
15:05
but we can get started.
376
890000
2000
de elkezdhetjük.
15:07
And maybe we can get started small
377
892000
2000
És talán elkezdhetjük kisebb dolgokkal,
15:09
with things that we know are effective.
378
894000
3000
amik tudjuk, hogy működnek.
15:12
Here's an example of how this can be powerful.
379
897000
2000
Itt egy példa, hogy ez mekkora erővel bír.
15:14
Deworming.
380
899000
2000
Féregtelenítés.
15:16
Worms have a little bit of a problem grabbing the headlines.
381
901000
2000
Bélférgek nem kerülnek a címlapra.
15:18
They are not beautiful and don't kill anybody.
382
903000
3000
Nem néznek ki jól és nem ölnek meg senkit.
15:21
And yet, when the young global leader in Davos
383
906000
2000
Amikor Davos fiatal vezetői szembesültek
15:23
showed the numbers I gave you,
384
908000
2000
a számokkal, amiket mutattam önöknek,
15:25
they started Deworm the World.
385
910000
2000
elkezdték a "Féregtelenítsük a Világ"-ot programot.
15:27
And thanks to Deworm the World,
386
912000
2000
Hála a Féregtelenítsük a Világnak,
15:29
and the effort of many country governments and foundations,
387
914000
2000
és számos ország kormányának, alapítványainak közreműködésével,
15:31
20 million school-aged children got dewormed in 2009.
388
916000
3000
20 millió iskoláskorú gyermek lett féregtelenítve 2009-ben.
15:34
So this evidence is powerful.
389
919000
2000
Szóval a bizonyíték meggyőző.
15:36
It can prompt action.
390
921000
2000
Cselekvést válthat ki.
15:38
So we should get started now.
391
923000
2000
El kellene kezdenünk.
15:40
It's not going to be easy.
392
925000
2000
Nem lesz könnyű kezdet.
15:42
It's a very slow process.
393
927000
2000
Ez egy lassú folyamat.
15:44
You have to keep experimenting, and sometimes ideology
394
929000
2000
Kísérletezniük kell, néha az elméletet
15:46
has to be trumped by practicality.
395
931000
2000
a gyakorlatiasságnak kell felülbírálni.
15:48
And sometimes what works somewhere doesn't work elsewhere.
396
933000
3000
Néha valami működik valahol, de máshol nem.
15:51
So it's a slow process,
397
936000
2000
Ez egy lassú folyamat,
15:53
but there is no other way.
398
938000
2000
de nincs más kiút.
15:55
These economics I'm proposing,
399
940000
2000
A közgazdaságtan, amit javasolok,
15:57
it's like 20th century medicine.
400
942000
2000
olyan mint a 20-ik századi orvosság.
15:59
It's a slow, deliberative process
401
944000
2000
Egy lassú, egyezkedő folyamata
16:01
of discovery.
402
946000
2000
a felderítésnek.
16:03
There is no miracle cure,
403
948000
2000
Nincs csodagyógyszer,
16:05
but modern medicine is saving
404
950000
2000
viszont a modern orvostudomány
16:07
millions of lives every year,
405
952000
2000
milliókat ment meg minden évben,
16:09
and we can do the same thing.
406
954000
2000
és mi is megtehetjük ugyanezt.
16:13
And now, maybe, we can go back to the bigger question
407
958000
3000
Illetve most, talán visszamehetünk a nagyobb kérdésekhez,
16:16
that I started with at the beginning.
408
961000
3000
amikkel az elején kezdtem.
16:19
I cannot tell you
409
964000
2000
Nem tudom elmondani,
16:21
whether the aid we have spent in the past has made a difference,
410
966000
3000
hogy a segélyezés a múltban segített-e egyáltalán,
16:24
but can we come back here in 30 years
411
969000
3000
de visszajöhetünk ide 30 év múlva,
16:27
and say, "What we have done,
412
972000
3000
hogy elmondjuk, "Amit tettünk,
16:30
it really prompted a change for the better."
413
975000
3000
az valóban pozitiv változásokat idézett elő."
16:33
I believe we can and I hope we will.
414
978000
2000
Hiszem, hogy képesek vagyunk rá, és remélem, meg is tesszük.
16:35
Thank you.
415
980000
2000
Köszönöm.
16:37
(Applause)
416
982000
2000
(Taps)
ABOUT THE SPEAKER
Esther Duflo - Development economistEsther Duflo takes economics out of the lab and into the field to discover the causes of poverty and means to eradicate it.
Why you should listen
2009 MacArthur fellow Esther Duflo is pushing the field of development economics by studying specific causal relationships that lead to or perpetuate poverty. She looks at close-to-home issues: household behavior, education, access to finance and health.
At MIT, she's the founder and director of the Jameel Poverty Action Lab (J-PAL), a research network that evaluates social programs. It's concerned less with wide-ranging policy than with specific questions. Sample: If schoolkids could get their uniforms for free, would attendance go up? What's an effective way to reward mothers for immunizing their babies? Randomized trials offer new insights toward creating global equity and prosperity. Her work may blur the lines between economics and activism, but it's a role Duflo not only considers comfortable but vital.
Her new book is Poor Economics, with Abhijit W. Banerjee.
Esther Duflo | Speaker | TED.com