TED2009
Dan Ariely: Our buggy moral code
Dan Ariely: Onze gebrekkige morele code
Filmed:
Readability: 3.2
3,509,395 views
Gedragseconoom Dan Ariely bestudeert de fouten in onze morele code: de redenen waarom wij denken dat het (soms) oké is om bedrog te plegen of te stelen. Studies wijzen uit dat we inderdaad voorspelbaar irrationeel handelen en dat we beïnvloed worden op manieren die we niet kunnen vatten.
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
Ik wil jullie vandaag vertellen
00:18
about predictable irrationality.
1
3000
3000
over voorspelbare irrationaliteit.
00:21
And my interest in irrational behavior
2
6000
4000
Mijn interesse voor irrationeel gedrag
00:25
started many years ago in the hospital.
3
10000
3000
ontstond jaren geleden in het ziekenhuis.
00:28
I was burned very badly.
4
13000
4000
Ik was ernstig verbrand.
00:32
And if you spend a lot of time in hospital,
5
17000
3000
Als je lang in het ziekenhuis ligt,
00:35
you'll see a lot of types of irrationalities.
6
20000
3000
zie je veel verschillende
soorten irrationaliteit.
soorten irrationaliteit.
00:38
And the one that particularly bothered me in the burn department
7
23000
5000
Wat me specifiek stoorde
op de brandwondenafdeling
op de brandwondenafdeling
00:43
was the process by which the nurses took the bandage off me.
8
28000
4000
was de manier waarop de verpleegsters
mijn verband verwijderden.
mijn verband verwijderden.
00:48
Now, you must have all taken a Band-Aid off at some point,
9
33000
2000
Jullie hebben vast wel eens
verband verwijderd,
verband verwijderd,
00:50
and you must have wondered what's the right approach.
10
35000
3000
en je afgevraagd
wat de beste aanpak is.
wat de beste aanpak is.
00:53
Do you rip it off quickly -- short duration but high intensity --
11
38000
4000
Trek je het er snel af --
korte duur, maar hoge intensiteit --
00:57
or do you take your Band-Aid off slowly --
12
42000
2000
of verwijder je het verband langzaam --
00:59
you take a long time, but each second is not as painful --
13
44000
4000
je neemt de tijd, maar per seconde
doet het minder pijn --
doet het minder pijn --
01:03
which one of those is the right approach?
14
48000
3000
welke manier is het beste?
01:06
The nurses in my department thought that the right approach
15
51000
4000
De verpleegsters op mijn afdeling
dachten dat de beste manier
de snelle was,
de snelle was,
01:10
was the ripping one, so they would grab hold and they would rip,
16
55000
3000
dus ze pakten het verband vast en trokken,
01:13
and they would grab hold and they would rip.
17
58000
2000
en ze pakten het vast en trokken.
01:15
And because I had 70 percent of my body burned, it would take about an hour.
18
60000
4000
Omdat ik 70 procent van m'n lichaam
verbrand had, duurde het een uur.
verbrand had, duurde het een uur.
01:19
And as you can imagine,
19
64000
3000
Je kunt je voorstellen
01:22
I hated that moment of ripping with incredible intensity.
20
67000
4000
dat ik intens opzag tegen dat moment.
01:26
And I would try to reason with them and say,
21
71000
2000
Ik probeerde met ze te onderhandelen:
01:28
"Why don't we try something else?
22
73000
1000
"Wat als we iets anders probeerden
en het iets langer lieten duren,
en het iets langer lieten duren,
01:29
Why don't we take it a little longer --
23
74000
2000
01:31
maybe two hours instead of an hour -- and have less of this intensity?"
24
76000
5000
misschien 2 uur in plaats van één --
zodat het minder intens is?"
zodat het minder intens is?"
01:36
And the nurses told me two things.
25
81000
2000
De verpleegsters vertelden me twee dingen.
01:38
They told me that they had the right model of the patient --
26
83000
4000
Ze vertelden me dat zij
het juiste model van de patiënt hadden --
het juiste model van de patiënt hadden --
01:42
that they knew what was the right thing to do to minimize my pain --
27
87000
3000
dat zij wisten wat het beste was
om pijn te minimaliseren --
om pijn te minimaliseren --
01:45
and they also told me that the word patient doesn't mean
28
90000
3000
en ze vertelden me ook
dat het woord 'patiënt' niet betekent
dat het woord 'patiënt' niet betekent
'suggesties doen' of 'je bemoeien' of …
(Gelach)
(Gelach)
01:48
to make suggestions or to interfere or ...
29
93000
2000
01:50
This is not just in Hebrew, by the way.
30
95000
3000
Dat is niet alleen zo
in het Hebreeuws, trouwens.
in het Hebreeuws, trouwens.
01:53
It's in every language I've had experience with so far.
31
98000
3000
Het is zo in iedere taal
waar ik tot nu toe ervaring mee had.
waar ik tot nu toe ervaring mee had.
01:56
And, you know, there's not much -- there wasn't much I could do,
32
101000
4000
Er was niet veel dat ik kon doen.
02:00
and they kept on doing what they were doing.
33
105000
3000
Ze gingen gewoon door met wat ze deden.
Zo'n drie jaar later
verliet ik het ziekenhuis
verliet ik het ziekenhuis
02:03
And about three years later, when I left the hospital,
34
108000
2000
02:05
I started studying at the university.
35
110000
3000
en ging studeren aan de universiteit.
02:08
And one of the most interesting lessons I learned
36
113000
3000
Eén van de interessantste
lessen die ik leerde,
lessen die ik leerde,
02:11
was that there is an experimental method
37
116000
2000
was dat er een onderzoeksmethode bestaat,
02:13
that if you have a question you can create a replica of this question
38
118000
4000
waarbij je een abstracte kopie
maakt van een vraag,
maakt van een vraag,
02:17
in some abstract way, and you can try to examine this question,
39
122000
4000
die je vervolgens kunt onderzoeken
02:21
maybe learn something about the world.
40
126000
2000
om misschien iets te leren over de wereld.
02:23
So that's what I did.
41
128000
2000
Dat deed ik dus.
Ik was nog steeds geïnteresseerd
in de kwestie van het verband.
in de kwestie van het verband.
02:25
I was still interested
42
130000
1000
02:26
in this question of how do you take bandages off burn patients.
43
131000
2000
02:28
So originally I didn't have much money,
44
133000
3000
In het begin had ik niet veel geld,
02:31
so I went to a hardware store and I bought a carpenter's vice.
45
136000
4000
dus ging ik naar een doe-het-zelfzaak
en kocht een bankschroef.
en kocht een bankschroef.
02:35
And I would bring people to the lab and I would put their finger in it,
46
140000
4000
Ik bracht mensen naar het lab,
stopte hun vinger er in,
stopte hun vinger er in,
02:39
and I would crunch it a little bit.
47
144000
2000
en ik plette die een beetje.
02:41
(Laughter)
48
146000
2000
(Gelach)
02:43
And I would crunch it for long periods and short periods,
49
148000
3000
Ik plette ze voor lange tijd
en voor korte tijd,
en voor korte tijd,
02:46
and pain that went up and pain that went down,
50
151000
2000
pijn die toenam
en pijn die afnam,
en pijn die afnam,
02:48
and with breaks and without breaks -- all kinds of versions of pain.
51
153000
4000
met pauzes en zonder pauzes
-- verschillende soorten pijn.
-- verschillende soorten pijn.
Wanneer ik klaar was
met pijn doen, vroeg ik:
met pijn doen, vroeg ik:
02:52
And when I finished hurting people a little bit, I would ask them,
52
157000
2000
02:54
so, how painful was this? Or, how painful was this?
53
159000
2000
nou, hoe pijnlijk was dit?
Of, als je moest kiezen
tussen de laatste twee,
tussen de laatste twee,
02:56
Or, if you had to choose between the last two,
54
161000
2000
02:58
which one would you choose?
55
163000
2000
welke zou je kiezen?
03:00
(Laughter)
56
165000
3000
(Gelach)
03:03
I kept on doing this for a while.
57
168000
3000
Ik bleef dit een tijdlang doen...
03:06
(Laughter)
58
171000
2000
(Gelach)
03:08
And then, like all good academic projects, I got more funding.
59
173000
4000
en toen -- zoals bij elk goed onderzoek --
kreeg ik meer financiering.
kreeg ik meer financiering.
03:12
I moved to sounds, electrical shocks --
60
177000
2000
Ik begon met geluiden,
elektrische schokken --
elektrische schokken --
03:14
I even had a pain suit that I could get people to feel much more pain.
61
179000
5000
ik had zelfs een pijnpak waarmee
mensen nog meer pijn konden voelen.
mensen nog meer pijn konden voelen.
03:19
But at the end of this process,
62
184000
4000
Maar aan het eind van dit proces
03:23
what I learned was that the nurses were wrong.
63
188000
3000
had ik geleerd dat
de verpleegsters het mis hadden.
de verpleegsters het mis hadden.
03:26
Here were wonderful people with good intentions
64
191000
3000
Fantastische mensen met goede intenties
03:29
and plenty of experience, and nevertheless
65
194000
2000
en veel ervaring, en toch
03:31
they were getting things wrong predictably all the time.
66
196000
4000
hadden ze het voortdurend
en voorspelbaar mis.
en voorspelbaar mis.
03:35
It turns out that because we don't encode duration
67
200000
3000
Het blijkt dat we tijdsduur anders ervaren
03:38
in the way that we encode intensity,
68
203000
2000
dan intensiteit.
03:40
I would have had less pain if the duration would have been longer
69
205000
4000
Ik zou daardoor minder geleden hebben
als de tijdsduur langer was geweest
als de tijdsduur langer was geweest
03:44
and the intensity was lower.
70
209000
2000
en de intensiteit lager.
03:46
It turns out it would have been better to start with my face,
71
211000
3000
Het was beter geweest om met mijn hoofd
te beginnen, wat pijnlijker was,
te beginnen, wat pijnlijker was,
03:49
which was much more painful, and move toward my legs,
72
214000
2000
en naar mijn benen toe te werken,
03:51
giving me a trend of improvement over time --
73
216000
3000
zodat het proces geleidelijk beter werd --
dat zou ook beter zijn geweest.
03:54
that would have been also less painful.
74
219000
1000
03:55
And it also turns out that it would have been good
75
220000
2000
Ook bleek dat het goed was geweest om
03:57
to give me breaks in the middle to kind of recuperate from the pain.
76
222000
2000
kleine pauzes in te lassen,
zodat ik kon bijkomen.
zodat ik kon bijkomen.
03:59
All of these would have been great things to do,
77
224000
2000
Al deze dingen zouden goed zijn geweest,
04:01
and my nurses had no idea.
78
226000
3000
maar mijn verpleegsters
hadden geen idee.
hadden geen idee.
Toen bedacht ik: zijn verpleegsters
04:04
And from that point on I started thinking,
79
229000
1000
04:05
are the nurses the only people in the world who get things wrong
80
230000
3000
de enige mensen in de wereld
die dingen op deze manier
die dingen op deze manier
04:08
in this particular decision, or is it a more general case?
81
233000
3000
mis hebben, of is dit iets meer algemeens?
04:11
And it turns out it's a more general case --
82
236000
2000
Het blijkt dat het meer algemeen is --
04:13
there's a lot of mistakes we do.
83
238000
3000
we maken een hoop fouten.
04:16
And I want to give you one example of one of these irrationalities,
84
241000
5000
Ik wil jullie een voorbeeld geven
van zo'n irrationaliteit.
van zo'n irrationaliteit.
04:21
and I want to talk to you about cheating.
85
246000
3000
Ik ga het hebben over bedrog.
04:24
And the reason I picked cheating is because it's interesting,
86
249000
2000
Ik koos voor bedrog
omdat het interessant is,
omdat het interessant is,
04:26
but also it tells us something, I think,
87
251000
2000
maar het vertelt ons ook iets
04:28
about the stock market situation we're in.
88
253000
3000
over de beurssituatie waarin we verkeren.
04:31
So, my interest in cheating started
89
256000
3000
Mijn interesse in bedrog
werd gewekt toen Enron
werd gewekt toen Enron
04:34
when Enron came on the scene, exploded all of a sudden,
90
259000
2000
het toneel betrad
en plotseling explodeerde.
en plotseling explodeerde.
04:36
and I started thinking about what is happening here.
91
261000
3000
Ik begon te denken over wat daar gebeurde.
04:39
Is it the case that there was kind of
92
264000
1000
Waren er hier enkele rotte appels
die in staat waren om deze dingen te doen,
die in staat waren om deze dingen te doen,
04:40
a few apples who are capable of doing these things,
93
265000
3000
04:43
or are we talking a more endemic situation,
94
268000
2000
of is dit meer wijdverbreid
04:45
that many people are actually capable of behaving this way?
95
270000
4000
met vele mensen die hiertoe in staat zijn?
04:49
So, like we usually do, I decided to do a simple experiment.
96
274000
4000
Zoals gebruikelijk, besloot ik
een simpel experiment te doen.
een simpel experiment te doen.
04:53
And here's how it went.
97
278000
1000
Dat ging als volgt.
04:54
If you were in the experiment, I would pass you a sheet of paper
98
279000
3000
Als je hieraan meedeed,
zou ik je een stuk papier geven
zou ik je een stuk papier geven
04:57
with 20 simple math problems that everybody could solve,
99
282000
4000
met 20 simpele rekensommen
die iedereen kan oplossen,
die iedereen kan oplossen,
maar ik zou je niet genoeg tijd geven.
05:01
but I wouldn't give you enough time.
100
286000
2000
05:03
When the five minutes were over, I would say,
101
288000
2000
Als de 5 minuten voorbij waren, zei ik:
05:05
"Pass me the sheets of paper, and I'll pay you a dollar per question."
102
290000
3000
"Geef me je papieren
en ik betaal je een dollar per vraag."
en ik betaal je een dollar per vraag."
05:08
People did this. I would pay people four dollars for their task --
103
293000
4000
Dat deden mensen.
Ik betaalde ze dan 4 dollar --
Ik betaalde ze dan 4 dollar --
05:12
on average people would solve four problems.
104
297000
2000
gemiddeld hadden mensen
4 sommen opgelost.
4 sommen opgelost.
05:14
Other people I would tempt to cheat.
105
299000
3000
Andere mensen verleidde ik tot bedrog.
Ik gaf ze het vel papier.
05:17
I would pass their sheet of paper.
106
302000
1000
05:18
When the five minutes were over, I would say,
107
303000
2000
Na 5 minuten zei ik dan:
05:20
"Please shred the piece of paper.
108
305000
1000
"Verscheur het vel.
05:21
Put the little pieces in your pocket or in your backpack,
109
306000
3000
Stop de stukjes in je broekzak of rugzak
05:24
and tell me how many questions you got correctly."
110
309000
3000
en vertel me hoeveel vragen je goed had."
05:27
People now solved seven questions on average.
111
312000
3000
Nu losten mensen gemiddeld 7 vragen op.
(Gelach)
(Gelach)
05:30
Now, it wasn't as if there was a few bad apples --
112
315000
5000
Het was niet zo dat er
enkele rotte appels waren --
enkele rotte appels waren --
05:35
a few people cheated a lot.
113
320000
3000
een paar mensen die erg bedrogen.
05:38
Instead, what we saw is a lot of people who cheat a little bit.
114
323000
3000
Nee, we zagen veel mensen
die een beetje bedrogen.
die een beetje bedrogen.
05:41
Now, in economic theory,
115
326000
3000
In de economische theorie
05:44
cheating is a very simple cost-benefit analysis.
116
329000
3000
is bedrog een eenvoudige
kosten-batenanalyse.
kosten-batenanalyse.
05:47
You say, what's the probability of being caught?
117
332000
2000
Je zegt: wat is de pakkans?
05:49
How much do I stand to gain from cheating?
118
334000
3000
Hoeveel levert bedrog me op?
05:52
And how much punishment would I get if I get caught?
119
337000
2000
Hoeveel straf krijg ik als ik gepakt word?
05:54
And you weigh these options out --
120
339000
2000
Je weegt deze tegen elkaar af --
05:56
you do the simple cost-benefit analysis,
121
341000
2000
een simpele kosten-batenanalyse,
05:58
and you decide whether it's worthwhile to commit the crime or not.
122
343000
3000
en je beslist of de misdaad
de moeite waard is.
de moeite waard is.
06:01
So, we try to test this.
123
346000
2000
Dus we probeerden dit te testen.
06:03
For some people, we varied how much money they could get away with --
124
348000
4000
Bij sommige mensen varieerden we
hoeveel geld ze konden stelen.
hoeveel geld ze konden stelen.
06:07
how much money they could steal.
125
352000
1000
06:08
We paid them 10 cents per correct question, 50 cents,
126
353000
3000
We betaalden ze 10 cent
per goed antwoord, 50 cent,
per goed antwoord, 50 cent,
06:11
a dollar, five dollars, 10 dollars per correct question.
127
356000
3000
een dollar, vijf dollar, tien dollar
per goed antwoord.
per goed antwoord.
06:14
You would expect that as the amount of money on the table increases,
128
359000
4000
Je zou verwachten dat
met het verhogen van het geldbedrag,
met het verhogen van het geldbedrag,
06:18
people would cheat more, but in fact it wasn't the case.
129
363000
3000
mensen méér zouden valsspelen,
maar zo was het niet.
maar zo was het niet.
06:21
We got a lot of people cheating by stealing by a little bit.
130
366000
3000
Een groot aantal mensen
bedrogen ons met kleine beetjes.
bedrogen ons met kleine beetjes.
06:24
What about the probability of being caught?
131
369000
3000
Hoe zat het met de pakkans?
06:27
Some people shredded half the sheet of paper,
132
372000
2000
Sommige mensen verscheurden
de helft van het papier,
de helft van het papier,
06:29
so there was some evidence left.
133
374000
1000
zodat er nog wat bewijs was.
06:30
Some people shredded the whole sheet of paper.
134
375000
2000
Sommige mensen
verscheurden het hele vel.
verscheurden het hele vel.
06:32
Some people shredded everything, went out of the room,
135
377000
3000
Sommigen verscheurden alles,
liepen het lokaal uit
liepen het lokaal uit
06:35
and paid themselves from the bowl of money that had over 100 dollars.
136
380000
3000
en betaalden zichzelf uit de kom
waarin meer dan 100 dollar zaten.
waarin meer dan 100 dollar zaten.
06:38
You would expect that as the probability of being caught goes down,
137
383000
3000
Je zou verwachten
dat als de pakkans verlaagde,
dat als de pakkans verlaagde,
06:41
people would cheat more, but again, this was not the case.
138
386000
3000
mensen meer zouden valsspelen,
maar dat was niet zo.
maar dat was niet zo.
06:44
Again, a lot of people cheated by just by a little bit,
139
389000
3000
Alweer bedrogen veel mensen
ons slechts een beetje
ons slechts een beetje
06:47
and they were insensitive to these economic incentives.
140
392000
3000
en waren ze ongevoelig
voor deze economische motieven.
voor deze economische motieven.
06:50
So we said, "If people are not sensitive
141
395000
1000
Dus zeiden we:
"Als mensen niet gevoelig zijn
"Als mensen niet gevoelig zijn
06:51
to the economic rational theory explanations, to these forces,
142
396000
5000
voor de kracht
van de rationeel-economische theorie,
van de rationeel-economische theorie,
06:56
what could be going on?"
143
401000
3000
wat is er dan aan de hand?"
We dachten dat er misschien
twee krachten in het spel waren.
twee krachten in het spel waren.
06:59
And we thought maybe what is happening is that there are two forces.
144
404000
3000
07:02
At one hand, we all want to look at ourselves in the mirror
145
407000
2000
Enerzijds willen we allemaal zonder
schuldgevoel in de spiegel kunnen kijken,
schuldgevoel in de spiegel kunnen kijken,
07:04
and feel good about ourselves, so we don't want to cheat.
146
409000
3000
dus willen we niet valsspelen.
Anderzijds kunnen we
een beetje valsspelen,
een beetje valsspelen,
07:07
On the other hand, we can cheat a little bit,
147
412000
2000
07:09
and still feel good about ourselves.
148
414000
2000
zonder ons daarover schuldig te voelen.
07:11
So, maybe what is happening is that
149
416000
1000
Dus misschien is er een niveau
van bedrog waar we niet overheen kunnen,
van bedrog waar we niet overheen kunnen,
07:12
there's a level of cheating we can't go over,
150
417000
2000
07:14
but we can still benefit from cheating at a low degree,
151
419000
4000
maar waaronder we ons
kunnen verrijken door bedrog,
kunnen verrijken door bedrog,
07:18
as long as it doesn't change our impressions about ourselves.
152
423000
3000
zolang dat ons zelfbeeld niet verandert.
07:21
We call this like a personal fudge factor.
153
426000
3000
We noemen dat
de persoonlijke smoesfactor.
de persoonlijke smoesfactor.
07:25
Now, how would you test a personal fudge factor?
154
430000
4000
Hoe test je
een persoonlijke smoesfactor?
een persoonlijke smoesfactor?
07:29
Initially we said, what can we do to shrink the fudge factor?
155
434000
4000
Ten eerste: wat kunnen we doen
om de smoesfactor te verkleinen?
om de smoesfactor te verkleinen?
07:33
So, we got people to the lab, and we said,
156
438000
2000
Dus we brachten mensen
naar het lab en zeiden:
naar het lab en zeiden:
07:35
"We have two tasks for you today."
157
440000
2000
"We hebben 2 opdrachten voor jullie."
De helft van hen vroegen we
07:37
First, we asked half the people
158
442000
1000
07:38
to recall either 10 books they read in high school,
159
443000
2000
10 boeken te noemen
van de middelbare school,
van de middelbare school,
07:40
or to recall The Ten Commandments,
160
445000
3000
of de Tien geboden op te noemen,
07:43
and then we tempted them with cheating.
161
448000
2000
en dan verleidden we ze tot bedrog.
07:45
Turns out the people who tried to recall The Ten Commandments --
162
450000
3000
Nu bleek dat de mensen die
de Tien geboden trachtten op te sommen --
de Tien geboden trachtten op te sommen --
07:48
and in our sample nobody could recall all of The Ten Commandments --
163
453000
2000
en van onze groep lukte dat niemand --
07:51
but those people who tried to recall The Ten Commandments,
164
456000
4000
maar van degenen die dat probeerden,
07:55
given the opportunity to cheat, did not cheat at all.
165
460000
3000
greep niemand de kans om te bedriegen.
Niet dat de religieuzere mensen,
07:58
It wasn't that the more religious people --
166
463000
2000
die de meeste geboden kenden,
minder bedrogen,
minder bedrogen,
08:00
the people who remembered more of the Commandments -- cheated less,
167
465000
1000
08:01
and the less religious people --
168
466000
2000
en de minder religieuzen, die bijna geen
geboden konden noemen -- meer bedrogen.
geboden konden noemen -- meer bedrogen.
08:03
the people who couldn't remember almost any Commandments --
169
468000
1000
08:04
cheated more.
170
469000
2000
Op het moment dat mensen
zich de geboden probeerden te herinneren,
zich de geboden probeerden te herinneren,
08:06
The moment people thought about trying to recall The Ten Commandments,
171
471000
4000
stopten ze met valsspelen.
08:10
they stopped cheating.
172
475000
1000
08:11
In fact, even when we gave self-declared atheists
173
476000
2000
Zelfs wanneer we zelfverklaarde atheïsten
08:13
the task of swearing on the Bible and we give them a chance to cheat,
174
478000
4000
op de Bijbel lieten zweren
en hen de kans gaven vals te spelen,
en hen de kans gaven vals te spelen,
08:17
they don't cheat at all.
175
482000
2000
deden ze dat niet.
Nu zijn de Tien geboden moeilijk
te introduceren in het onderwijs,
te introduceren in het onderwijs,
08:21
Now, Ten Commandments is something that is hard
176
486000
2000
08:23
to bring into the education system, so we said,
177
488000
2000
dus zeiden we: "Waarom laten we mensen
de erecode niet tekenen?"
de erecode niet tekenen?"
08:25
"Why don't we get people to sign the honor code?"
178
490000
2000
08:27
So, we got people to sign,
179
492000
2000
Dus we lieten mensen ondertekenen:
08:29
"I understand that this short survey falls under the MIT Honor Code."
180
494000
4000
"Ik begrijp dat dit korte onderzoek
valt onder de MIT erecode."
valt onder de MIT erecode."
Dan verscheurden ze het. Niemand speelde vals.
08:33
Then they shredded it. No cheating whatsoever.
181
498000
3000
08:36
And this is particularly interesting,
182
501000
1000
Dit is vooral interessant
08:37
because MIT doesn't have an honor code.
183
502000
2000
omdat MIT geen erecode heeft.
08:39
(Laughter)
184
504000
5000
(Gelach)
08:44
So, all this was about decreasing the fudge factor.
185
509000
4000
Dat ging allemaal over vermindering
van de smoesfactor.
van de smoesfactor.
08:48
What about increasing the fudge factor?
186
513000
3000
Hoe zit het met versterking
van de smoesfactor?
van de smoesfactor?
08:51
The first experiment -- I walked around MIT
187
516000
2000
In het eerste experiment liep ik door MIT
08:53
and I distributed six-packs of Cokes in the refrigerators --
188
518000
3000
en plaatste blikjes Coke in de koelkasten --
08:56
these were common refrigerators for the undergrads.
189
521000
2000
de algemene koelkasten
voor de bachelorstudenten.
voor de bachelorstudenten.
08:58
And I came back to measure what we technically call
190
523000
3000
Ik kwam dan terug om te meten
wat de halveringstijd is
wat de halveringstijd is
09:01
the half-lifetime of Coke -- how long does it last in the refrigerators?
191
526000
4000
van Coke -- hoe lang
blijft hij staan in de koelkast?
blijft hij staan in de koelkast?
09:05
As you can expect it doesn't last very long; people take it.
192
530000
3000
Zoals verwacht, niet erg lang.
Mensen pakken het.
Mensen pakken het.
09:08
In contrast, I took a plate with six one-dollar bills,
193
533000
4000
Toen liet ik borden
met zes biljetten van één dollar
met zes biljetten van één dollar
09:12
and I left those plates in the same refrigerators.
194
537000
3000
achter in dezelfde koelkasten.
09:15
No bill ever disappeared.
195
540000
1000
Geen enkel biljet verdween.
09:16
Now, this is not a good social science experiment,
196
541000
3000
Nu is dit geen goed sociaal experiment,
09:19
so to do it better I did the same experiment
197
544000
3000
dus om het goed te doen, deed ik hetzelfde
experiment dat ik eerder beschreef.
experiment dat ik eerder beschreef.
09:22
as I described to you before.
198
547000
2000
Een derde van de mensen
gaf het vel papier aan ons terug.
gaf het vel papier aan ons terug.
09:24
A third of the people we passed the sheet, they gave it back to us.
199
549000
3000
09:27
A third of the people we passed it to, they shredded it,
200
552000
3000
Een derde van de mensen
verscheurde het vel,
verscheurde het vel,
kwamen naar ons en zeiden:
09:30
they came to us and said,
201
555000
1000
09:31
"Mr. Experimenter, I solved X problems. Give me X dollars."
202
556000
3000
"Meneer, ik heb X vragen beantwoord.
Geef me X dollar."
Geef me X dollar."
09:34
A third of the people, when they finished shredding the piece of paper,
203
559000
3000
Een derde van de mensen kwam
na het verscheuren van het papier
na het verscheuren van het papier
09:37
they came to us and said,
204
562000
2000
naar ons toe en zei:
09:39
"Mr Experimenter, I solved X problems. Give me X tokens."
205
564000
6000
"Meneer, ik heb X vragen beantwoord.
Geef me X tokens."
Geef me X tokens."
We betaalden ze niet met dollars
maar met iets anders.
maar met iets anders.
09:45
We did not pay them with dollars; we paid them with something else.
206
570000
3000
09:48
And then they took the something else, they walked 12 feet to the side,
207
573000
3000
Ze namen dat andere iets en gingen dat
een paar meter verderop
een paar meter verderop
09:51
and exchanged it for dollars.
208
576000
2000
inwisselen voor dollars.
09:53
Think about the following intuition.
209
578000
2000
Probeer je het volgende voor te stellen.
09:55
How bad would you feel about taking a pencil from work home,
210
580000
3000
Hoe slecht zou je je voelen
als je een potlood van werk meenam,
als je een potlood van werk meenam,
09:58
compared to how bad would you feel
211
583000
2000
vergeleken met als je 10 cent
uit een pot met kleingeld nam?
uit een pot met kleingeld nam?
10:00
about taking 10 cents from a petty cash box?
212
585000
2000
10:02
These things feel very differently.
213
587000
3000
Deze dingen voelen heel anders aan.
10:05
Would being a step removed from cash for a few seconds
214
590000
3000
Zou het wat uitmaken als er enkele
seconden afstand is tot contant geld,
seconden afstand is tot contant geld,
10:08
by being paid by token make a difference?
215
593000
3000
door een token te gebruiken?
10:11
Our subjects doubled their cheating.
216
596000
2000
Onze proefpersonen
verdubbelden hun bedrog.
verdubbelden hun bedrog.
10:13
I'll tell you what I think
217
598000
2000
Ik zal jullie zo vertellen wat ik hierover
denk in verband met de aandelenmarkt.
denk in verband met de aandelenmarkt.
10:15
about this and the stock market in a minute.
218
600000
2000
Maar dit loste mijn grote probleem
met Enron niet op,
met Enron niet op,
10:18
But this did not solve the big problem I had with Enron yet,
219
603000
4000
10:22
because in Enron, there's also a social element.
220
607000
3000
want in Enron is er ook
een sociaal element.
een sociaal element.
Mensen zien elkaars gedrag.
10:25
People see each other behaving.
221
610000
1000
10:26
In fact, every day when we open the news
222
611000
2000
Feitelijk zien we dagelijks in het nieuws
10:28
we see examples of people cheating.
223
613000
2000
voorbeelden van mensen die bedrog plegen.
10:30
What does this cause us?
224
615000
3000
Welke invloed heeft dat?
Dus deden we nog een experiment.
10:33
So, we did another experiment.
225
618000
1000
10:34
We got a big group of students to be in the experiment,
226
619000
3000
Een grote groep studenten
deed mee aan het onderzoek
deed mee aan het onderzoek
10:37
and we prepaid them.
227
622000
1000
en we betaalden ze vooraf.
10:38
So everybody got an envelope with all the money for the experiment,
228
623000
3000
Iedereen kreeg een envelop
met al het geld voor het onderzoek,
met al het geld voor het onderzoek,
10:41
and we told them that at the end, we asked them
229
626000
2000
en we vroegen hen om aan het eind
het niet verdiende geld terug te betalen.
het niet verdiende geld terug te betalen.
10:43
to pay us back the money they didn't make. OK?
230
628000
4000
Hetzelfde gebeurde. Als we mensen
de kans geven vals te spelen, doen ze dat.
de kans geven vals te spelen, doen ze dat.
10:47
The same thing happens.
231
632000
1000
10:48
When we give people the opportunity to cheat, they cheat.
232
633000
2000
10:50
They cheat just by a little bit, all the same.
233
635000
3000
Ze spelen slechts een beetje vals.
Weer hetzelfde.
Weer hetzelfde.
10:53
But in this experiment we also hired an acting student.
234
638000
3000
Maar in dit onderzoek
huurden we ook een acteur in.
huurden we ook een acteur in.
10:56
This acting student stood up after 30 seconds, and said,
235
641000
4000
Deze acteur stond
na 30 seconden op en zei:
na 30 seconden op en zei:
11:00
"I solved everything. What do I do now?"
236
645000
3000
"Ik heb alles opgelost. Wat doe ik nu?"
11:03
And the experimenter said, "If you've finished everything, go home.
237
648000
4000
De onderzoeker zei: "Als je alles
klaar hebt, kun je naar huis."
klaar hebt, kun je naar huis."
11:07
That's it. The task is finished."
238
652000
1000
Dat is het. De klus is geklaard.
11:08
So, now we had a student -- an acting student --
239
653000
4000
Dus nu hadden we
een student -- een acteur --
een student -- een acteur --
11:12
that was a part of the group.
240
657000
2000
die deel van de groep was.
11:14
Nobody knew it was an actor.
241
659000
2000
-- niemand wist dat het een acteur was --
11:16
And they clearly cheated in a very, very serious way.
242
661000
4000
en hij bedroog de boel overduidelijk.
11:20
What would happen to the other people in the group?
243
665000
3000
Wat zou er gebeuren
met de anderen in de groep?
met de anderen in de groep?
11:23
Will they cheat more, or will they cheat less?
244
668000
3000
Bedriegen ze meer, of juist minder?
11:26
Here is what happens.
245
671000
2000
Het volgende gebeurde.
11:28
It turns out it depends on what kind of sweatshirt they're wearing.
246
673000
4000
Het blijkt af te hangen van
welk sweatshirt ze dragen. (Gelach)
welk sweatshirt ze dragen. (Gelach)
11:32
Here is the thing.
247
677000
2000
Het zit zo.
11:34
We ran this at Carnegie Mellon and Pittsburgh.
248
679000
3000
We deden dit
op Carnegie Mellon en Pittsburgh.
op Carnegie Mellon en Pittsburgh.
11:37
And at Pittsburgh there are two big universities,
249
682000
2000
In Pittsburgh zijn twee grote universiteiten:
11:39
Carnegie Mellon and University of Pittsburgh.
250
684000
3000
Carnegie Mellon
en de Universiteit van Pittsburgh.
en de Universiteit van Pittsburgh.
11:42
All of the subjects sitting in the experiment
251
687000
2000
Alle deelnemers aan het onderzoek
11:44
were Carnegie Mellon students.
252
689000
2000
waren studenten van Carnegie Mellon.
11:46
When the actor who was getting up was a Carnegie Mellon student --
253
691000
4000
Als de acteur een student
van Carnegie Mellon was --
van Carnegie Mellon was --
11:50
he was actually a Carnegie Mellon student --
254
695000
2000
dat was hij ook daadwerkelijk --
11:52
but he was a part of their group, cheating went up.
255
697000
4000
maar als hij deel
uitmaakte van hun groep...
uitmaakte van hun groep...
werd er meer vals gespeeld.
11:56
But when he actually had a University of Pittsburgh sweatshirt,
256
701000
4000
Maar als hij een sweatshirt
van de Universiteit van Pittsburgh droeg,
van de Universiteit van Pittsburgh droeg,
12:00
cheating went down.
257
705000
2000
werd het bedrog minder.
12:02
(Laughter)
258
707000
3000
(Gelach)
(Applaus)
(Applaus)
12:05
Now, this is important, because remember,
259
710000
3000
Dit is belangrijk, want je weet
12:08
when the moment the student stood up,
260
713000
2000
dat toen de student opstond,
12:10
it made it clear to everybody that they could get away with cheating,
261
715000
3000
het iedereen duidelijk werd
dat ze ongestraft konden bedriegen
dat ze ongestraft konden bedriegen
want de onderzoeker zei:
"Klaar, je mag naar huis",
"Klaar, je mag naar huis",
12:13
because the experimenter said,
262
718000
2000
12:15
"You've finished everything. Go home," and they went with the money.
263
720000
2000
en ze vertrokken met het geld.
12:17
So it wasn't so much about the probability of being caught again.
264
722000
3000
Dus het ging weer niet zozeer
de kans om gepakt te worden.
de kans om gepakt te worden.
12:20
It was about the norms for cheating.
265
725000
3000
Het ging over de normen voor bedrog.
12:23
If somebody from our in-group cheats and we see them cheating,
266
728000
3000
Als we iemand uit onze eigen groep
vals zien spelen,
vals zien spelen,
12:26
we feel it's more appropriate, as a group, to behave this way.
267
731000
4000
vinden we dat gedrag
meer aanvaardbaar voor ons als groep.
meer aanvaardbaar voor ons als groep.
Maar is het iemand
uit de andere groep, die vreselijke lui --
uit de andere groep, die vreselijke lui --
12:30
But if it's somebody from another group, these terrible people --
268
735000
2000
12:32
I mean, not terrible in this --
269
737000
2000
ik bedoel, niet zo vreselijk --
12:34
but somebody we don't want to associate ourselves with,
270
739000
2000
maar iemand met wie we ons niet
willen associëren,
willen associëren,
12:36
from another university, another group,
271
741000
2000
van een andere universiteit of groep,
12:38
all of a sudden people's awareness of honesty goes up --
272
743000
3000
dan neemt plotseling
het bewustzijn van eerlijkheid toe --
het bewustzijn van eerlijkheid toe --
12:41
a little bit like The Ten Commandments experiment --
273
746000
2000
een beetje als
in het Tien geboden-onderzoek --
in het Tien geboden-onderzoek --
12:43
and people cheat even less.
274
748000
4000
en mensen bedriegen nog minder.
12:47
So, what have we learned from this about cheating?
275
752000
4000
Dus, wat hebben we
hiervan geleerd over bedrog?
hiervan geleerd over bedrog?
12:51
We've learned that a lot of people can cheat.
276
756000
3000
We leerden
dat veel mensen kunnen bedriegen.
dat veel mensen kunnen bedriegen.
12:54
They cheat just by a little bit.
277
759000
3000
Ze bedriegen slechts een beetje.
12:57
When we remind people about their morality, they cheat less.
278
762000
4000
Als we mensen herinneren
aan hun moraliteit, bedriegen ze minder.
aan hun moraliteit, bedriegen ze minder.
13:01
When we get bigger distance from cheating,
279
766000
3000
Als we meer afstand nemen tot bedrog,
13:04
from the object of money, for example, people cheat more.
280
769000
4000
van het fysieke geld, bijvoorbeeld,
bedriegen mensen meer.
bedriegen mensen meer.
13:08
And when we see cheating around us,
281
773000
2000
Als we bedrog rondom ons zien,
13:10
particularly if it's a part of our in-group, cheating goes up.
282
775000
4000
vooral in onze eigen groep,
neemt het bedrog toe.
neemt het bedrog toe.
13:14
Now, if we think about this in terms of the stock market,
283
779000
3000
Als we dit betrekken op de aandelenmarkt,
13:17
think about what happens.
284
782000
1000
bedenk dan wat er gebeurt.
13:18
What happens in a situation when you create something
285
783000
3000
Wat gebeurt er in een situatie
waarin je mensen
waarin je mensen
13:21
where you pay people a lot of money
286
786000
2000
veel geld betaalt om de realiteit
13:23
to see reality in a slightly distorted way?
287
788000
3000
op een licht verdraaide wijze te zien?
13:26
Would they not be able to see it this way?
288
791000
3000
Zouden ze dat dan niet zo kunnen zien?
13:29
Of course they would.
289
794000
1000
Natuurlijk wel.
Wat als je andere dingen doet,
13:30
What happens when you do other things,
290
795000
1000
13:31
like you remove things from money?
291
796000
2000
zoals dingen loskoppelen van geld?
13:33
You call them stock, or stock options, derivatives,
292
798000
3000
Je noemt ze aandelen, opties, derivaten,
effecten met hypotheken als onderpand.
effecten met hypotheken als onderpand.
13:36
mortgage-backed securities.
293
801000
1000
13:37
Could it be that with those more distant things,
294
802000
3000
Zou het kunnen dat
met die losgekoppelde dingen --
met die losgekoppelde dingen --
13:40
it's not a token for one second,
295
805000
2000
het is niet een token
gedurende één seconde,
gedurende één seconde,
13:42
it's something that is many steps removed from money
296
807000
2000
maar vele stappen verwijderd van geld
over een langere periode --
over een langere periode --
13:44
for a much longer time -- could it be that people will cheat even more?
297
809000
4000
zou het kunnen
dat mensen nog meer valsspelen?
dat mensen nog meer valsspelen?
13:48
And what happens to the social environment
298
813000
2000
Wat gebeurt er met de sociale omgeving
13:50
when people see other people behave around them?
299
815000
3000
als mensen het gedrag
van anderen om zich heen zien?
van anderen om zich heen zien?
13:53
I think all of those forces worked in a very bad way
300
818000
4000
Ik denk dat al deze krachten
zeer negatief werkten
zeer negatief werkten
13:57
in the stock market.
301
822000
2000
in de aandelenmarkt.
13:59
More generally, I want to tell you something
302
824000
3000
Meer algemeen wil ik je iets vertellen
14:02
about behavioral economics.
303
827000
3000
over gedragseconomie.
14:05
We have many intuitions in our life,
304
830000
4000
We hebben vele intuïties in ons leven,
14:09
and the point is that many of these intuitions are wrong.
305
834000
3000
en het punt is
dat vele daarvan niet kloppen.
dat vele daarvan niet kloppen.
14:12
The question is, are we going to test those intuitions?
306
837000
3000
De vraag is of we
deze intuïties gaan testen.
deze intuïties gaan testen.
14:15
We can think about how we're going to test this intuition
307
840000
2000
We kunnen denken over hoe we
deze intuïtie kunnen testen
deze intuïtie kunnen testen
14:17
in our private life, in our business life,
308
842000
2000
in ons privéleven, ons zakelijke leven,
14:19
and most particularly when it goes to policy,
309
844000
3000
en in het bijzonder
op het gebied van beleid:
op het gebied van beleid:
14:22
when we think about things like No Child Left Behind,
310
847000
3000
dingen als "No Child Left Behind"
[onderwijsbeleid],
[onderwijsbeleid],
14:25
when you create new stock markets, when you create other policies --
311
850000
3000
het creëren van nieuwe aandelenmarkten,
of ander beleid --
of ander beleid --
14:28
taxation, health care and so on.
312
853000
3000
belastingen, gezondheidszorg enz.
De moeilijkheid
van het testen van onze intuïtie
van het testen van onze intuïtie
14:31
And the difficulty of testing our intuition
313
856000
2000
14:33
was the big lesson I learned
314
858000
2000
was de grote les die ik leerde
14:35
when I went back to the nurses to talk to them.
315
860000
2000
toen ik terugging naar de verpleegsters.
14:37
So I went back to talk to them
316
862000
2000
Ik ging terug om ze te vertellen
14:39
and tell them what I found out about removing bandages.
317
864000
3000
wat ik had ontdekt
over verband verwijderen.
over verband verwijderen.
14:42
And I learned two interesting things.
318
867000
2000
Ik leerde twee interessante dingen.
14:44
One was that my favorite nurse, Ettie,
319
869000
2000
Een was dat mijn favoriete verpleegster, Ettie,
14:46
told me that I did not take her pain into consideration.
320
871000
4000
me vertelde dat ik haar pijn
niet in aanmerking nam.
niet in aanmerking nam.
14:50
She said, "Of course, you know, it was very painful for you.
321
875000
2000
Ze zei: "Natuurlijk was het erg pijnlijk voor jou.
14:52
But think about me as a nurse,
322
877000
2000
Maar denk aan mij als verpleegster,
14:54
taking, removing the bandages of somebody I liked,
323
879000
2000
die het verband verwijderde
van iemand die ik graag mocht
van iemand die ik graag mocht
14:56
and had to do it repeatedly over a long period of time.
324
881000
3000
en dit herhaaldelijk
moest doen over langere tijd.
moest doen over langere tijd.
14:59
Creating so much torture was not something that was good for me, too."
325
884000
3000
Zoveel pijn veroorzaken
was ook niet fijn voor mij."
was ook niet fijn voor mij."
15:02
And she said maybe part of the reason was it was difficult for her.
326
887000
5000
Ze zei dat er misschien mee te maken had,
dat het moeilijk voor haar was.
dat het moeilijk voor haar was.
15:07
But it was actually more interesting than that, because she said,
327
892000
3000
Maar het was nog interessanter.
Ze zei:
Ze zei:
15:10
"I did not think that your intuition was right.
328
895000
5000
"Ik dacht niet
dat jouw intuïtie juist was.
dat jouw intuïtie juist was.
Ik dacht dat mijn intuïtie juist was."
15:15
I felt my intuition was correct."
329
900000
1000
15:16
So, if you think about all of your intuitions,
330
901000
2000
Dus als je nadenkt over al je intuïties,
15:18
it's very hard to believe that your intuition is wrong.
331
903000
4000
is het erg moeilijk te geloven
dat die verkeerd zijn.
dat die verkeerd zijn.
15:22
And she said, "Given the fact that I thought my intuition was right ..." --
332
907000
3000
Ze zei: "Omdat ik dacht
dat mijn intuïtie klopte..." --
dat mijn intuïtie klopte..." --
15:25
she thought her intuition was right --
333
910000
2000
ze dacht dat haar intuïtie klopte --
15:27
it was very difficult for her to accept doing a difficult experiment
334
912000
5000
was het erg moeilijk voor haar
een experiment te doen
een experiment te doen
15:32
to try and check whether she was wrong.
335
917000
2000
om uit te vinden of ze het fout had.
15:34
But in fact, this is the situation we're all in all the time.
336
919000
4000
In feite is dit de situatie
waarin we voortdurend zitten.
waarin we voortdurend zitten.
15:38
We have very strong intuitions about all kinds of things --
337
923000
3000
We hebben sterke intuïties
over alle mogelijke dingen --
over alle mogelijke dingen --
15:41
our own ability, how the economy works,
338
926000
3000
je eigen capaciteiten,
hoe de economie werkt,
hoe de economie werkt,
15:44
how we should pay school teachers.
339
929000
2000
wat we leraren moeten betalen.
15:46
But unless we start testing those intuitions,
340
931000
3000
Maar tenzij we deze intuïties gaan testen,
15:49
we're not going to do better.
341
934000
2000
komt er geen verbetering.
Hoeveel beter zou mijn leven
niet geweest zijn
niet geweest zijn
15:51
And just think about how better my life would have been
342
936000
2000
als deze verpleegsters
hun intuïties hadden willen checken,
hun intuïties hadden willen checken,
15:53
if these nurses would have been willing to check their intuition,
343
938000
2000
15:55
and how everything would have been better
344
940000
1000
en hoeveel beter zou het zijn als we
15:56
if we just start doing more systematic experimentation of our intuitions.
345
941000
5000
onze intuïties systematischer
zouden gaan onderzoeken.
zouden gaan onderzoeken.
16:01
Thank you very much.
346
946000
2000
Dank je wel.
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