TED2015
Dan Ariely: How equal do we want the world to be? You'd be surprised
Dan Ariely: Jak bardzo pragniemy równości na świecie? Odpowiedź cię zaskoczy.
Filmed:
Readability: 3.3
1,928,125 views
Wieści o rosnącej nierówności społecznej budzą w nas niepokój. Ale dlaczego? Dan Ariely ujawnia nowe, zaskakujące odkrycie na temat tego, co uważamy za sprawiedliwe oraz jak bogactwo rozkłada się w społeczeństwie... a potem ujawnia, jak się to odnosi do rzeczywistych statystyk.
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.
00:12
It would be nice to be
objective in life,
objective in life,
0
926
2645
Fajnie by było kierować się w życiu
00:15
in many ways.
1
3571
2022
obiektywizmem pod wieloma względami.
00:17
The problem is that we have
these color-tinted glasses
these color-tinted glasses
2
5593
3378
Problem w tym, że mamy
okulary w pewnym kolorze,
okulary w pewnym kolorze,
00:20
as we look at all kinds of situations.
3
8971
4679
przez które patrzymy
na wszystkie sytuacje.
na wszystkie sytuacje.
00:25
For example, think about
something as simple as beer.
something as simple as beer.
4
13650
3716
Pomyślcie o czymś tak prostym, jak piwo.
00:29
If I gave you a few beers to taste
5
17366
2182
Gdybym dał wam do spróbowania kilka piw
00:31
and I asked you to rate them
on intensity and bitterness,
on intensity and bitterness,
6
19548
3808
i poprosił o ocenę
intensywności i goryczy,
intensywności i goryczy,
00:35
different beers would occupy
different space.
different space.
7
23356
3697
różne piwa zajęłyby różne miejsca.
A gdybyśmy spróbowali być obiektywni?
00:39
But what if we tried
to be objective about it?
to be objective about it?
8
27053
2757
00:41
In the case of beer,
it would be very simple.
it would be very simple.
9
29810
2160
W przypadku piwa to bardzo proste.
00:43
What if we did a blind taste?
10
31970
2152
Można zrobić test na ślepo.
00:46
Well, if we did the same thing,
you tasted the same beer,
you tasted the same beer,
11
34122
2724
Próba tych samych piw bez nalepek
00:48
now in the blind taste,
things would look slightly different.
things would look slightly different.
12
36846
3971
dałaby inne rezultaty.
00:52
Most of the beers will go into one place.
13
40817
2222
Większość piw trafi w jedno miejsce.
00:55
You will basically not
be able to distinguish them,
be able to distinguish them,
14
43039
2445
Nie da się ich po prostu odróżnić,
00:57
and the exception, of course,
will be Guinness.
will be Guinness.
15
45484
3089
poza oczywistym wyjątkiem,
jakim jest Guinness.
jakim jest Guinness.
01:00
(Laughter)
16
48573
2228
(Śmiech)
01:02
Similarly, we can think about physiology.
17
50801
2786
Podobnie można myśleć o fizjologii.
01:05
What happens when people expect
something from their physiology?
something from their physiology?
18
53587
3042
Co się dzieję, gdy ludzie
oczekują czegoś od własnej fizjologii?
oczekują czegoś od własnej fizjologii?
01:08
For example, we sold people
pain medications.
pain medications.
19
56629
2508
Przykładowo sprzedawaliśmy
leki przeciwbólowe.
leki przeciwbólowe.
01:11
Some people, we told them
the medications were expensive.
the medications were expensive.
20
59137
2739
Części badanych mówiliśmy,
że leki były drogie.
że leki były drogie.
01:13
Some people, we told them it was cheap.
21
61876
1881
Innym - że były tanie.
01:15
And the expensive
pain medication worked better.
pain medication worked better.
22
63757
2972
Okazuje się, że droższe leki
działają lepiej.
działają lepiej.
01:18
It relieved more pain from people,
23
66729
2554
Przynoszą ludziom większą ulgę,
01:21
because expectations
do change our physiology.
do change our physiology.
24
69283
3504
bo oczekiwania wpływają na fizjologię.
01:24
And of course, we all know that in sports,
25
72787
2062
Wiemy to też na przykładzie sportów.
01:26
if you are a fan of a particular team,
26
74849
1818
Gdy jesteś kibicem konkretnej drużyny,
01:28
you can't help but see the game
27
76667
2369
potrafisz oglądać mecz
01:31
develop from the perspective of your team.
28
79036
3505
tylko z ich z perspektywy.
01:34
So all of those are cases in which
our preconceived notions
our preconceived notions
29
82541
4176
W tych wszystkich przypadkach
przyjęte z góry założenia
przyjęte z góry założenia
01:38
and our expectations color our world.
30
86717
3440
i oczekiwania zabarwiają nasz świat.
01:42
But what happened
in more important questions?
in more important questions?
31
90157
3402
A co się dzieje z ważniejszymi pytaniami?
01:45
What happened with questions
that had to do with social justice?
that had to do with social justice?
32
93559
3552
Co z pytaniami dotyczącymi
społecznej sprawiedliwości?
społecznej sprawiedliwości?
01:49
So we wanted to think about
what is the blind tasting version
what is the blind tasting version
33
97111
3405
Chcieliśmy wymyślić ślepą próbę
01:52
for thinking about inequality?
34
100516
3065
dla sposobu myślenia o nierównościach.
01:55
So we started looking at inequality,
35
103581
2299
Zaczęliśmy analizować nierówności
01:57
and we did some large-scale surveys
36
105880
1950
i przeprowadziliśmy kilka ankiet
na dużą skalę
na dużą skalę
01:59
around the U.S. and other countries.
37
107830
2554
w USA i w innych państwach.
02:02
So we asked two questions:
38
110384
1951
Zadawaliśmy badanym dwa pytania:
02:04
Do people know what kind of
level of inequality we have?
level of inequality we have?
39
112335
3366
jaki jest ich zdaniem
obecny poziom nierówności,
obecny poziom nierówności,
02:07
And then, what level of inequality
do we want to have?
do we want to have?
40
115701
4111
a jakiego by sobie życzyli.
02:11
So let's think about the first question.
41
119812
2414
Pomyślmy o pierwszym pytaniu.
02:14
Imagine I took all the people in the U.S.
42
122226
2113
Powiedzmy, że ustawiam mieszkańców USA
02:16
and I sorted them from
the poorest on the right
the poorest on the right
43
124339
2925
od najbiedniejszych po prawej
02:19
to the richest on the left,
44
127264
2392
do najbogatszych po lewej,
02:21
and then I divided them into five buckets:
45
129656
2662
a potem dzielę na pięć kategorii:
02:24
the poorest 20 percent,
the next 20 percent,
the next 20 percent,
46
132318
2298
20% najbiedniejszych, kolejne 20%,
02:26
the next, the next,
and the richest 20 percent.
and the richest 20 percent.
47
134616
2856
kolejne i kolejne i 20% najbogatszych.
02:29
And then I asked you to tell me
how much wealth do you think
how much wealth do you think
48
137472
2996
Wtedy proszę o opinię, ile bogactwa
02:32
is concentrated in each of those buckets.
49
140468
2949
znajduje się w każdej z tych kategorii.
02:35
So to make it simpler,
imagine I ask you to tell me,
imagine I ask you to tell me,
50
143417
2461
By ułatwić to zadanie,
wyobraźcie sobie że pytam,
wyobraźcie sobie że pytam,
02:37
how much wealth do you think
is concentrated
is concentrated
51
145878
2260
ile bogactwa przypada
02:40
in the bottom two buckets,
52
148138
2260
na dwie dolne kategorie,
02:42
the bottom 40 percent?
53
150398
2261
dolne 40%?
02:44
Take a second. Think about it
and have a number.
and have a number.
54
152659
2692
Zastanówcie się przez chwilę.
02:47
Usually we don't think.
55
155351
1904
Zazwyczaj się nie zastanawiamy.
02:49
Think for a second,
have a real number in your mind.
have a real number in your mind.
56
157255
2485
Pomyślcie o rzeczywistej liczbie.
02:51
You have it?
57
159740
1625
Macie?
02:53
Okay, here's what lots
of Americans tell us.
of Americans tell us.
58
161365
3065
Oto, co mówi większość Amerykanów.
02:56
They think that the bottom 20 percent
59
164430
1927
Uważają, że dolne 20%
02:58
has about 2.9 percent of the wealth,
60
166357
2322
posiada 2.9% majątku,
03:00
the next group has 6.4,
61
168679
2183
następna grupa zaś 6,4%,
03:02
so together it's slightly more than nine.
62
170862
2507
więc razem niewiele więcej niż 9%.
03:05
The next group, they say, has 12 percent,
63
173369
3413
Kolejna grupa, jak twierdzą, ma 12%,
03:08
20 percent,
64
176782
1649
potem 20%,
03:10
and the richest 20 percent, people think
has 58 percent of the wealth.
has 58 percent of the wealth.
65
178431
4644
a najbogatsze 20% posiada 58% bogactwa.
03:15
You can see how this relates
to what you thought.
to what you thought.
66
183075
3135
Porównajcie to teraz z własną oceną.
03:18
Now, what's reality?
67
186210
1741
Jak jest naprawdę?
03:19
Reality is slightly different.
68
187951
1811
Rzeczywistość jest nieco inna.
03:21
The bottom 20 percent
has 0.1 percent of the wealth.
has 0.1 percent of the wealth.
69
189762
3813
Dolne 20% posiada 0,1 majątku.
03:25
The next 20 percent
has 0.2 percent of the wealth.
has 0.2 percent of the wealth.
70
193575
3251
Kolejne 20% posiada 0,2%.
03:28
Together, it's 0.3.
71
196826
2113
Razem stanowi to 0,3%.
03:30
The next group has 3.9,
72
198939
3529
Następna grupa ma 3,9%,
03:34
11.3,
73
202468
2183
kolejna 11,3%,
03:36
and the richest group
has 84-85 percent of the wealth.
has 84-85 percent of the wealth.
74
204651
5741
a najbogatsza posiada 84-85%.
03:42
So what we actually have
and what we think we have
and what we think we have
75
210392
2966
Stan rzeczywisty jest całkiem inny
03:45
are very different.
76
213358
1973
od naszych wyobrażeń.
03:47
What about what we want?
77
215331
2090
A nasze życzenia?
03:49
How do we even figure this out?
78
217421
1997
Jak w ogóle to przetestować?
03:51
So to look at this,
79
219418
1411
By to zanalizować
03:52
to look at what we really want,
80
220829
1578
i zobaczyć, czego naprawdę chcemy,
03:54
we thought about
the philosopher John Rawls.
the philosopher John Rawls.
81
222407
3065
pomyśleliśmy o filozofie Johnie Rawlsie.
03:57
If you remember John Rawls,
82
225472
1835
Jeżeli pamiętacie, miał on koncepcję
03:59
he had this notion
of what's a just society.
of what's a just society.
83
227307
3250
sprawiedliwego społeczeństwa.
Stwierdził, że sprawiedliwe społeczeństwo
04:02
He said a just society
84
230557
1482
04:04
is a society that if
you knew everything about it,
you knew everything about it,
85
232039
2715
jest takie, że wiedząc o nim wszystko,
bylibyśmy skłonni dołączyć
na dowolnym szczeblu.
na dowolnym szczeblu.
04:06
you would be willing
to enter it in a random place.
to enter it in a random place.
86
234754
2433
04:09
And it's a beautiful definition,
87
237187
1524
To piękna definicja,
04:10
because if you're wealthy,
you might want the wealthy
you might want the wealthy
88
238711
2478
bo bogaci chcą, żeby bogaci
04:13
to have more money, the poor to have less.
89
241189
2037
mieli więcej pieniędzy niż biedni.
04:15
If you're poor, you might
want more equality.
want more equality.
90
243226
2109
Biedni chcą większej równości.
04:17
But if you're going
to go into that society
to go into that society
91
245335
2004
Ale jeśli mamy trafić
04:19
in every possible situation,
and you don't know,
and you don't know,
92
247339
3320
do przypadkowej klasy,
04:22
you have to consider all the aspects.
93
250659
2206
trzeba rozpatrzyć każdy aspekt.
04:24
It's a little bit like blind tasting
in which you don't know
in which you don't know
94
252865
2926
To trochę próbowanie
na ślepo czegoś nieznanego,
na ślepo czegoś nieznanego,
04:27
what the outcome will be
when you make a decision,
when you make a decision,
95
255791
2670
bez znajomości konsekwencji tej decyzji.
04:30
and Rawls called this
the "veil of ignorance."
the "veil of ignorance."
96
258461
3715
Rawls nazywał to woalką ignorancji.
04:34
So, we took another group,
a large group of Americans,
a large group of Americans,
97
262176
3607
Wzięliśmy kolejną
dużą grupę Amerykanów,
dużą grupę Amerykanów,
04:37
and we asked them the question
in the veil of ignorance.
in the veil of ignorance.
98
265783
2755
pytając ich pod woalką ignorancji:
04:40
What are the characteristics of a country
that would make you want to join it,
that would make you want to join it,
99
268538
4110
"Jakie są cechy państwa,
do którego zechcesz dołączyć,
do którego zechcesz dołączyć,
04:44
knowing that you could end
randomly at any place?
randomly at any place?
100
272648
3158
wiedząc, że możesz trafić losowo
do dowolnej warstwy społecznej?".
do dowolnej warstwy społecznej?".
04:47
And here is what we got.
101
275806
1479
Oto, co uzyskaliśmy.
04:49
What did people want to give
to the first group,
to the first group,
102
277285
2259
Co ludzie chcieli dać pierwszej grupie,
04:51
the bottom 20 percent?
103
279544
2183
dolnym 20%?
04:53
They wanted to give them
about 10 percent of the wealth.
about 10 percent of the wealth.
104
281727
2694
Chcieli dać około 10% bogactwa.
04:56
The next group, 14 percent of the wealth,
105
284421
2600
Kolejna grupa to 14% bogactwa,
04:59
21, 22 and 32.
106
287021
5363
21%, 22% i 32%.
05:04
Now, nobody in our sample
wanted full equality.
wanted full equality.
107
292384
3506
Nikt z badanych
nie chciał pełnej równości.
nie chciał pełnej równości.
05:07
Nobody thought that socialism
is a fantastic idea in our sample.
is a fantastic idea in our sample.
108
295890
4433
Nie uważali, że socjalizm
to fantastyczny pomysł.
to fantastyczny pomysł.
05:12
But what does it mean?
109
300323
1288
Co to jednak znaczy?
05:13
It means that we have this knowledge gap
110
301611
2038
Oznacza to lukę między rzeczywistością
05:15
between what we have
and what we think we have,
and what we think we have,
111
303649
2658
a wyobrażeniem o tym, co mamy.
05:18
but we have at least as big a gap
between what we think is right
between what we think is right
112
306307
3715
Istnieje jednak równie duża luka
między tym, co uważamy za sprawiedliwe,
między tym, co uważamy za sprawiedliwe,
05:22
to what we think we have.
113
310022
2798
a domniemaną rzeczywistością.
05:24
Now, we can ask these questions,
by the way, not just about wealth.
by the way, not just about wealth.
114
312820
3192
Można pytać nie tylko o bogactwo,
05:28
We can ask it about other things as well.
115
316012
2415
ale też o inne rzeczy.
05:30
So for example, we asked people
from different parts of the world
from different parts of the world
116
318427
4203
Przykładowo zadawaliśmy
ludziom z różnych części świata
ludziom z różnych części świata
05:34
about this question,
117
322630
1718
te samo pytanie,
05:36
people who are liberals and conservatives,
118
324348
2343
zarówno liberałom jak i konserwatystom,
05:38
and they gave us basically
the same answer.
the same answer.
119
326691
2044
i odpowiadali w zasadzie tak samo.
05:40
We asked rich and poor,
they gave us the same answer,
they gave us the same answer,
120
328735
2482
Pytaliśmy bogatych i biednych,
05:43
men and women,
121
331217
1301
kobiety i mężczyzn,
05:44
NPR listeners and Forbes readers.
122
332518
2693
słuchaczy publicznego radia
i czytelników Forbesa.
i czytelników Forbesa.
05:47
We asked people in England,
Australia, the U.S. --
Australia, the U.S. --
123
335211
3229
Pytaliśmy ludzi z Anglii, Australii i USA,
05:50
very similar answers.
124
338440
1717
uzyskując podobne odpowiedzi.
05:52
We even asked different
departments of a university.
departments of a university.
125
340157
2771
Pytaliśmy nawet
na różnych wydziałach uczelni.
na różnych wydziałach uczelni.
05:54
We went to Harvard and we checked
almost every department,
almost every department,
126
342928
2758
Zbadaliśmy prawie każdy
wydział na Harvardzie.
wydział na Harvardzie.
05:57
and in fact, from Harvard Business School,
127
345686
2012
Tylko w harwardzkiej Szkole Biznesu
05:59
where a few people wanted the wealthy
to have more and the [poor] to have less,
to have more and the [poor] to have less,
128
347698
3712
kilka osób chciało, żeby bogatsi
mieli więcej, a biedni mniej,
mieli więcej, a biedni mniej,
ale poza tym podobieństwa
były zdumiewające.
były zdumiewające.
06:03
the similarity was astonishing.
129
351410
2540
06:05
I know some of you went
to Harvard Business School.
to Harvard Business School.
130
353950
2824
Wiem, że część z was
studiowała w tej szkole biznesu.
studiowała w tej szkole biznesu.
06:08
We also asked this question
about something else.
about something else.
131
356774
3346
Pytaliśmy też o coś innego.
06:12
We asked, what about the ratio
of CEO pay to unskilled workers?
of CEO pay to unskilled workers?
132
360120
4969
Pytaliśmy o stosunek zarobków
CEO i niewykwalifikowanych pracowników.
CEO i niewykwalifikowanych pracowników.
06:17
So you can see what
people think is the ratio,
people think is the ratio,
133
365089
3157
Pytaliśmy więc ludzi,
jaki ich zdaniem jest ten stosunek,
jaki ich zdaniem jest ten stosunek,
06:20
and then we can ask the question,
what do they think should be the ratio?
what do they think should be the ratio?
134
368246
3901
a także jaki powinien być.
06:24
And then we can ask, what is reality?
135
372147
2627
Potem pytaliśmy,
jak jest w rzeczywistości.
jak jest w rzeczywistości.
06:26
What is reality? And you could say,
well, it's not that bad, right?
well, it's not that bad, right?
136
374774
3278
Jest tak. Nie najgorzej, co?
06:30
The red and the yellow
are not that different.
are not that different.
137
378052
2153
Czerwony i żółty nie różnią się zbytnio.
06:32
But the fact is, it's because
I didn't draw them on the same scale.
I didn't draw them on the same scale.
138
380205
3920
Jest tak jednak dlatego,
że nie są w tej samej skali.
06:38
It's hard to see, there's yellow
and blue in there.
and blue in there.
139
386105
3910
Ciężko to zobaczyć,
ale jest tam żółty i niebieski.
ale jest tam żółty i niebieski.
06:42
So what about other outcomes of wealth?
140
390015
2345
Co z innymi skutkami bogactwa?
06:44
Wealth is not just about wealth.
141
392360
1695
Bogactwo to nie tylko bogactwo.
06:46
We asked, what about things like health?
142
394055
2624
Pytaliśmy o rzeczy takie jak zdrowie.
06:48
What about availability
of prescription medication?
of prescription medication?
143
396679
4133
Co z dostępnością leków na receptę?
06:52
What about life expectancy?
144
400812
2020
Co ze średnią długością życia?
06:54
What about life expectancy of infants?
145
402832
2415
Co z oczekiwaną
długością życia przy urodzeniu?
długością życia przy urodzeniu?
06:57
How do we want this to be distributed?
146
405247
2345
Jak tutaj powinna wyglądać dystrybucja?
06:59
What about education for young people?
147
407592
2809
Co z edukacją młodych ludzi
07:02
And for older people?
148
410401
1870
i starszych ludzi?
07:04
And across all of those things,
what we learned was that people
what we learned was that people
149
412271
2983
Z tego wszystkiego dowiedzieliśmy się,
07:07
don't like inequality of wealth,
150
415254
3158
że ludzie nie lubią różnic w zamożności,
07:10
but there's other things where inequality,
which is an outcome of wealth,
which is an outcome of wealth,
151
418412
3506
ale w niektórych domenach
nierówność wynikająca z bogactwa
nierówność wynikająca z bogactwa
07:13
is even more aversive to them:
152
421918
2043
jest jeszcze bardziej odpychająca,
07:15
for example, inequality
in health or education.
in health or education.
153
423961
3971
jak nierówność w zdrowiu lub edukacji.
07:19
We also learned that people
are particularly open
are particularly open
154
427932
2461
Okazało się też, że ludzie
są szczególnie wrażliwi
są szczególnie wrażliwi
07:22
to changes in equality
when it comes to people
when it comes to people
155
430393
2554
na nierówność w wypadku osób,
07:24
who have less agency --
156
432947
2044
które mają mniej wpływu na swoją sytuację,
07:26
basically, young kids and babies,
157
434991
2345
jak niemowlęta i małe dzieci,
07:29
because we don't think of them
as responsible for their situation.
as responsible for their situation.
158
437336
4667
bo wiemy, że to nie ich wina.
07:34
So what are some lessons from this?
159
442003
2345
Jakie morały płyną z tej lekcji?
07:36
We have two gaps:
160
444348
1160
Mamy dwie luki:
07:37
We have a knowledge gap
and we have a desirability gap
and we have a desirability gap
161
445508
2580
lukę w wiedzy i lukę w oczekiwaniach.
07:40
And the knowledge gap
is something that we think about,
is something that we think about,
162
448088
2622
Luka w wiedzy każe myśleć o tym,
07:42
how do we educate people?
163
450710
1370
jak wyedukować ludzi.
07:44
How do we get people to think
differently about inequality
differently about inequality
164
452080
2716
Jak skłonić ich innego
podejścia do nierówności
podejścia do nierówności
07:46
and the consequences of inequality
in terms of health, education,
in terms of health, education,
165
454796
3762
i jej konsekwencji
w dziedzinie zdrowia, edukacji,
w dziedzinie zdrowia, edukacji,
07:50
jealousy, crime rate, and so on?
166
458558
2391
zazdrości, wskaźnika przestępczości?
07:52
Then we have the desirability gap.
167
460949
1881
Mamy też lukę w oczekiwaniach.
07:54
How do we get people to think differently
about what we really want?
about what we really want?
168
462830
3823
Jak zmotywować ludzi,
by myśleli inaczej o tym, czego chcą?
by myśleli inaczej o tym, czego chcą?
07:58
You see, the Rawls definition,
the Rawls way of looking at the world,
the Rawls way of looking at the world,
169
466653
3375
Definicja Rawlsa,
jego spojrzenie na świat,
jego spojrzenie na świat,
08:02
the blind tasting approach,
170
470028
1742
to test na ślepo,
08:03
takes our selfish motivation
out of the picture.
out of the picture.
171
471770
2925
który pomaga usunąć samolubne motywy.
08:06
How do we implement that
to a higher degree
to a higher degree
172
474695
2577
Jak zastosować to na wyższym poziomie,
08:09
on a more extensive scale?
173
477272
2624
na większą skalę?
08:11
And finally, we also have an action gap.
174
479896
2856
Wreszcie mamy też lukę w działaniach.
08:14
How do we take these things
and actually do something about it?
and actually do something about it?
175
482752
2949
Jak sobie z tym wszystkim poradzić?
08:17
I think part of the answer
is to think about people
is to think about people
176
485701
2902
Myślą, że część rozwiązania
to wzięcie pod uwagę
to wzięcie pod uwagę
08:20
like young kids and babies
that don't have much agency,
that don't have much agency,
177
488603
3112
niemowląt i dzieci, które nie bardzo
mają wpływ na swoją sytuację,
mają wpływ na swoją sytuację,
08:23
because people seem to be
more willing to do this.
more willing to do this.
178
491715
3808
bo ludzie chętniej w tym pomogą.
08:27
To summarize, I would say,
next time you go to drink beer or wine,
next time you go to drink beer or wine,
179
495523
5270
Podsumowując:
następnym razem pijąc piwo czy wino,
08:32
first of all, think about, what is it
in your experience that is real,
in your experience that is real,
180
500793
4087
po pierwsze pomyślcie,
czego doświadczacie naprawdę,
czego doświadczacie naprawdę,
08:36
and what is it in your experience
that is a placebo effect
that is a placebo effect
181
504880
3274
a co wynika z efektu placebo,
08:40
coming from expectations?
182
508154
1604
pochodzącego z oczekiwań.
08:41
And then think about what it also means
for other decisions in your life,
for other decisions in your life,
183
509758
3529
Następnie pomyślcie, jak to się odnosi
do innych życiowych decyzji,
do innych życiowych decyzji,
08:45
and hopefully also for policy questions
184
513287
2075
oraz kwestii politycznych,
08:47
that affect all of us.
185
515362
1305
które dotyczą nas wszystkich.
08:48
Thanks a lot.
186
516667
1727
Wielkie dzięki.
08:50
(Applause)
187
518394
2337
(Brawa)
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