TED2011
Dan Ariely: Beware conflicts of interest
Dan Ariely: Pas op voor belangenconflicten
Filmed:
Readability: 3.3
1,284,831 views
In deze korte talk laat psycholoog Dan Ariely aan de hand van twee persoonlijke verhalen zijn licht schijnen op wetenschappelijke belangenconflicten: Hoe het nastreven van kennis en inzicht al dan niet bewust kan worden beïnvloed door kortzichtige persoonlijke doelen. Wanneer we ons buigen over de grote vragen des levens, zegt hij, mogen we onze al-te-menselijke hersenen niet vergeten.
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
So, I was in the hospital for a long time.
0
1000
3000
Ik heb lange tijd in het ziekenhuis gelegen.
00:19
And a few years after I left, I went back,
1
4000
3000
Een paar jaar nadat ik het ziekenhuis mocht verlaten, keerde ik terug.
00:22
and the chairman of the burn department was very excited to see me --
2
7000
3000
Het hoofd van de brandwondenafdeling was zeer blij om mij te zien.
00:25
said, "Dan, I have a fantastic new treatment for you."
3
10000
3000
Hij zei: "Dan, ik heb een fantastische nieuwe behandeling voor jou."
00:28
I was very excited. I walked with him to his office.
4
13000
2000
Ik was erg opgewonden. Ik liep met hem naar zijn kantoor.
00:30
And he explained to me that, when I shave,
5
15000
3000
Hij vertelde me dat er wanneer ik mij scheer,
00:33
I have little black dots on the left side of my face where the hair is,
6
18000
3000
wel stoppels staan op de linkerkant van mijn gezicht,
00:36
but on the right side of my face
7
21000
2000
maar niet op de rechterkant.
00:38
I was badly burned so I have no hair,
8
23000
2000
Mijn huid is daar zó verbrand dat er geen haar groeit,
00:40
and this creates lack of symmetry.
9
25000
2000
en dat creëert asymmetrie.
00:42
And what's the brilliant idea he had?
10
27000
2000
Wat was zijn briljante idee?
00:44
He was going to tattoo little black dots
11
29000
2000
Hij wilde kleine zwarte puntjes tatoeëren
00:46
on the right side of my face
12
31000
3000
op de rechterkant van mijn gezicht
00:49
and make me look very symmetric.
13
34000
2000
voor meer symmetrie.
00:51
It sounded interesting. He asked me to go and shave.
14
36000
3000
Het klonk interessant. Hij vroeg mij om me te gaan scheren.
00:54
Let me tell you, this was a strange way to shave,
15
39000
2000
Mijn manier van scheren was vreemd,
00:56
because I thought about it
16
41000
2000
bedacht ik me toen.
00:58
and I realized that the way I was shaving then
17
43000
2000
Ik besefte dat dit dé manier zou zijn
01:00
would be the way I would shave for the rest of my life --
18
45000
2000
waarop ik mij voor de rest van mijn leven zou scheren --
01:02
because I had to keep the width the same.
19
47000
2000
omdat ik de breedte gelijk moest houden.
01:04
When I got back to his office,
20
49000
2000
Toen ik terugkeerde naar zijn kantoor,
01:06
I wasn't really sure.
21
51000
2000
was ik niet echt overtuigd.
01:08
I said, "Can I see some evidence for this?"
22
53000
2000
Ik zei: "Kun je me voorbeelden laten zien?"
01:10
So he showed me some pictures
23
55000
2000
Hij toonde me wat foto's
01:12
of little cheeks with little black dots --
24
57000
2000
van wangen met kleine zwarte stippen,
01:14
not very informative.
25
59000
2000
die me niet veel zeiden.
01:16
I said, "What happens when I grow older and my hair becomes white?
26
61000
2000
Ik zei: "Wat als mijn haar wit wordt bij het ouder worden?
01:18
What would happen then?"
27
63000
2000
Wat gebeurt er dan?"
01:20
"Oh, don't worry about it," he said.
28
65000
2000
"Maak je geen zorgen," zei hij.
01:22
"We have lasers; we can whiten it out."
29
67000
3000
"We hebben lasers, we kunnen het verbleken."
01:25
But I was still concerned,
30
70000
2000
Maar ik had zo mijn twijfels.
01:27
so I said, "You know what, I'm not going to do it."
31
72000
3000
Ik zei: “Weet je wat, ik doe het niet.”
01:30
And then came one of the biggest guilt trips of my life.
32
75000
4000
Wat er toen kwam, gaf mij een immens schuldgevoel.
01:34
This is coming from a Jewish guy, all right, so that means a lot.
33
79000
3000
En ik ben joods, dus dat wil heel wat zeggen.
01:37
(Laughter)
34
82000
2000
(Gelach)
01:39
And he said, "Dan, what's wrong with you?
35
84000
3000
De man zei: "Dan, wat mankeert jou?
01:42
Do you enjoy looking non-symmetric?
36
87000
2000
Geniet je van je asymmetrische gezicht?
01:44
Do you have some kind of perverted pleasure from this?
37
89000
5000
Haal je er een pervers genoegen uit?
01:49
Do women feel pity for you
38
94000
2000
Hebben vrouwen medelijden met je
01:51
and have sex with you more frequently?"
39
96000
3000
en willen ze daarom vaker seks met je hebben?"
01:54
None of those happened.
40
99000
3000
Niets van dat alles was waar.
01:58
And this was very surprising to me,
41
103000
2000
Zijn reactie verbaasde me.
02:00
because I've gone through many treatments --
42
105000
2000
Ik heb veel behandelingen moeten ondergaan,
02:02
there were many treatments I decided not to do --
43
107000
2000
en ook veel behandelingen afgewezen.
02:04
and I never got this guilt trip to this extent.
44
109000
2000
Maar men had daarbij nooit zo op mijn schuldgevoel ingewerkt.
02:06
But I decided not to have this treatment.
45
111000
2000
Toch besloot ik deze behandeling niet te doen.
02:08
And I went to his deputy and asked him, "What was going on?
46
113000
2000
Aan zijn assistent vroeg ik later: "Wat was er aan de hand?
02:10
Where was this guilt trip coming from?"
47
115000
2000
Waarom zette hij mij zo onder druk?"
02:12
And he explained that they have done this procedure on two patients already,
48
117000
4000
Hij legde uit dat deze procedure al was toegepast bij twee andere patiënten
02:16
and they need the third patient for a paper they were writing.
49
121000
3000
en dat ze een derde patiënt nodig hadden voor een publicatie.
02:19
(Laughter)
50
124000
2000
(Gelach)
02:21
Now you probably think that this guy's a schmuck.
51
126000
2000
Nu denkt u waarschijnlijk dat deze man een eikel is.
02:23
Right, that's what he seems like.
52
128000
2000
Zo komt hij ook wel over.
02:25
But let me give you a different perspective on the same story.
53
130000
3000
Maar laat me jullie een andere invalshoek voor ditzelfde verhaal geven.
02:28
A few years ago, I was running some of my own experiments in the lab.
54
133000
3000
Een paar jaar geleden voerde ik in mijn eigen lab wat experimenten uit.
02:31
And when we run experiments,
55
136000
2000
Als we experimenten doen,
02:33
we usually hope that one group will behave differently than another.
56
138000
3000
hopen we meestal dat de ene groep zich anders zal gedragen dan de andere.
02:36
So we had one group that I hoped their performance would be very high,
57
141000
3000
Van de leden van één groep verwachtte ik dat ze heel goed zouden presteren.
02:39
another group that I thought their performance would be very low,
58
144000
3000
De andere groep zou naar mijn idee heel slecht presteren.
02:42
and when I got the results, that's what we got --
59
147000
2000
Dat bleek dan ook uit de resultaten.
02:44
I was very happy -- aside from one person.
60
149000
3000
Ik was zeer tevreden. Toch was er één uitzondering.
02:47
There was one person in the group
61
152000
2000
Er was één persoon in de groep
02:49
that was supposed to have very high performance
62
154000
2000
die volgens mij zeer goed zou presteren,
02:51
that was actually performing terribly.
63
156000
2000
maar in werkelijkheid slecht had gepresteerd.
02:53
And he pulled the whole mean down,
64
158000
2000
Hij trok het hele gemiddelde naar beneden,
02:55
destroying my statistical significance of the test.
65
160000
3000
en saboteerde aldus de statistische significantie van mijn test.
02:59
So I looked carefully at this guy.
66
164000
2000
Ik bestudeerde de man aandachtig.
03:01
He was 20-some years older than anybody else in the sample.
67
166000
3000
Hij was 20 jaar ouder dan de anderen in de groep.
03:04
And I remembered that the old and drunken guy
68
169000
2000
Ik herinnerde mij een oude, dronken man
03:06
came one day to the lab
69
171000
2000
die naar het lab was gekomen
03:08
wanting to make some easy cash
70
173000
2000
om gemakkelijk geld te verdienen.
03:10
and this was the guy.
71
175000
2000
Dat was deze man.
03:12
"Fantastic!" I thought. "Let's throw him out.
72
177000
2000
"Fantastisch!" dacht ik. "We gooien hem eruit.
03:14
Who would ever include a drunken guy in a sample?"
73
179000
3000
Wie neemt er nou een zuiplap op in een steekproef?"
03:17
But a couple of days later,
74
182000
2000
Een paar dagen later
03:19
we thought about it with my students,
75
184000
2000
had ik het er nog eens over met mijn studenten.
03:21
and we said, "What would have happened if this drunken guy was not in that condition?
76
186000
3000
We zeiden: "Wat zouden we hebben gedaan als deze kerel geen dronkenlap was?
03:24
What would have happened if he was in the other group?
77
189000
2000
Wat zou er gebeurd zijn als hij in de andere groep had gezeten?
03:26
Would we have thrown him out then?"
78
191000
2000
Zouden we hem er dan uitgegooid hebben?"
03:28
We probably wouldn't have looked at the data at all,
79
193000
2000
Waarschijnlijk hadden we de gegevens dan helemaal niet bekeken,
03:30
and if we did look at the data,
80
195000
2000
en als we dat wel zouden hebben gedaan,
03:32
we'd probably have said, "Fantastic! What a smart guy who is performing this low,"
81
197000
3000
zouden we waarschijnlijk gezegd hebben: "Fantastisch! Goed dat die man zo slecht presteert."
03:35
because he would have pulled the mean of the group lower,
82
200000
2000
Hij zou het gemiddelde van de groep verder omlaag gehaald hebben,
03:37
giving us even stronger statistical results than we could.
83
202000
3000
wat onze statistische resultaten alleen maar meer zou hebben versterkt.
03:41
So we decided not to throw the guy out and to rerun the experiment.
84
206000
3000
We besloten de man er niet uit te gooien en het experiment opnieuw te doen.
03:44
But you know, these stories,
85
209000
3000
Dit soort verhalen
03:47
and lots of other experiments that we've done on conflicts of interest,
86
212000
3000
en de vele andere experimenten rond belangenconflicten die we hebben gedaan,
03:50
basically kind of bring two points
87
215000
2000
benadrukken wat mij betreft twee
03:52
to the foreground for me.
88
217000
2000
belangrijke aspecten.
03:54
The first one is that in life we encounter many people
89
219000
3000
Het eerste is dat we in ons leven veel mensen tegenkomen
03:57
who, in some way or another,
90
222000
3000
die op de een of andere manier
04:00
try to tattoo our faces.
91
225000
2000
proberen ons gezicht te tatoeëren.
04:02
They just have the incentives that get them to be blinded to reality
92
227000
3000
Ze hebben motieven die hun zicht op de realiteit vertroebelen
04:05
and give us advice that is inherently biased.
93
230000
3000
en geven ons daarom bevooroordeelde adviezen.
04:08
And I'm sure that it's something that we all recognize,
94
233000
2000
Ik weet zeker dat dit iets is wat wij allemaal herkennen,
04:10
and we see that it happens.
95
235000
2000
waar we allemaal tegenaan lopen.
04:12
Maybe we don't recognize it every time,
96
237000
2000
Misschien zien we het niet iedere keer,
04:14
but we understand that it happens.
97
239000
2000
maar we begrijpen wel het achterliggende proces.
04:16
The most difficult thing, of course, is to recognize
98
241000
2000
Het moeilijkste is natuurlijk te erkennen
04:18
that sometimes we too
99
243000
2000
dat ook wij soms ons zicht
04:20
are blinded by our own incentives.
100
245000
2000
laten vertroebelen door onze eigen motieven.
04:22
And that's a much, much more difficult lesson to take into account.
101
247000
3000
Dat is een bittere pil voor ons om te slikken.
04:25
Because we don't see how conflicts of interest work on us.
102
250000
4000
We beseffen namelijk niet hoezeer conflicterende belangen ons beïnvloeden.
04:29
When I was doing these experiments,
103
254000
2000
Toen ik met deze experimenten bezig was,
04:31
in my mind, I was helping science.
104
256000
2000
had ik het idee daarmee de wetenschap een dienst te bewijzen.
04:33
I was eliminating the data
105
258000
2000
Ik verwijderde details
04:35
to get the true pattern of the data to shine through.
106
260000
2000
om het ware gegevenspatroon door te laten schijnen.
04:37
I wasn't doing something bad.
107
262000
2000
Ik zag daar niets slechts in.
04:39
In my mind, I was actually a knight
108
264000
2000
In mijn beleving was ik eigenlijk een ridder
04:41
trying to help science move along.
109
266000
2000
die de wetenschap vooruit hielp.
04:43
But this was not the case.
110
268000
2000
Maar zo was het niet.
04:45
I was actually interfering with the process with lots of good intentions.
111
270000
3000
In feite beïnvloedde ik het proces met heel goede bedoelingen.
04:48
And I think the real challenge is to figure out
112
273000
2000
De echte uitdaging lijkt me om na te gaan
04:50
where are the cases in our lives
113
275000
2000
in welke facetten van ons leven
04:52
where conflicts of interest work on us,
114
277000
2000
conflicterende belangen ons beïnvloeden.
04:54
and try not to trust our own intuition to overcome it,
115
279000
3000
We moeten niet vertrouwen op onze eigen intuïtie om daaraan te ontsnappen,
04:57
but to try to do things
116
282000
2000
maar stappen nemen om te voorkomen
04:59
that prevent us from falling prey to these behaviors,
117
284000
2000
dat we in dat gedrag vervallen,
05:01
because we can create lots of undesirable circumstances.
118
286000
3000
want we zijn in staat om veel ongewenste omstandigheden te creëren.
05:05
I do want to leave you with one positive thought.
119
290000
2000
Ik wil afsluiten met een positieve gedachte.
05:07
I mean, this is all very depressing, right --
120
292000
2000
Het is natuurlijk heel deprimerend:
05:09
people have conflicts of interest, we don't see it, and so on.
121
294000
3000
Mensen hebben conflicterende belangen die ze zelf niet zien.
05:12
The positive perspective, I think, of all of this
122
297000
2000
Een positief punt hierin is, volgens mij,
05:14
is that, if we do understand when we go wrong,
123
299000
3000
dat als we begrijpen waar we in de fout gaan,
05:17
if we understand the deep mechanisms
124
302000
2000
als we de onderliggende mechanismen begrijpen,
05:19
of why we fail and where we fail,
125
304000
2000
als we zien waar en waarom we falen,
05:21
we can actually hope to fix things.
126
306000
2000
dan kunnen we werken aan een oplossing.
05:23
And that, I think, is the hope. Thank you very much.
127
308000
2000
En dat, denk ik, is de hoop. Hartelijk dank.
05:25
(Applause)
128
310000
4000
(Applaus)
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