TED2009
Dan Ariely: Our buggy moral code
Dan Ariely om buggarna i människans moralkod
Filmed:
Readability: 3.2
3,509,395 views
Beteendeekonomen Dan Ariely studerar buggarna i människors moral: de dolda små anledningarna till att vi tycker att det är OK att fuska eller stjäla ibland. Smarta experiment stödjer hans poäng att vi är förutsägbart irrationella -- och påverkas på sätt vi inte hade en aning om.
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
Idag vill jag prata lite med er
00:18
about predictable irrationality.
1
3000
3000
om förutsägbar irrationalitet
00:21
And my interest in irrational behavior
2
6000
4000
Mitt intresse av irrationellt beteende
00:25
started many years ago in the hospital.
3
10000
3000
började för många år sedan på sjukhuset.
00:28
I was burned very badly.
4
13000
4000
Jag var väldigt svårt brännskadad.
00:32
And if you spend a lot of time in hospital,
5
17000
3000
Om du spenderar en längre tid på sjukhus,
00:35
you'll see a lot of types of irrationalities.
6
20000
3000
kommer du stöta på många typer av irrationellt beteende.
00:38
And the one that particularly bothered me in the burn department
7
23000
5000
Och något som verkligen störde mig på brännskadeavdelningen
00:43
was the process by which the nurses took the bandage off me.
8
28000
4000
var metoden med vilken sjuksköterskorna tog bort mina bandage.
00:48
Now, you must have all taken a Band-Aid off at some point,
9
33000
2000
Ni måste alla ha tagit av ett plåster någon gång,
00:50
and you must have wondered what's the right approach.
10
35000
3000
och ni måste frågat er vilket som är det bästa tillvägagångssättet.
00:53
Do you rip it off quickly -- short duration but high intensity --
11
38000
4000
River du bort det snabbt -- kort tid men med kraftig smärta --
00:57
or do you take your Band-Aid off slowly --
12
42000
2000
eller drar du bort ditt plåster långsamt --
00:59
you take a long time, but each second is not as painful --
13
44000
4000
det tar längre tid, men varje sekund är inte lika smärtsam --
01:03
which one of those is the right approach?
14
48000
3000
vilket av dessa tillvägagångssätt är bäst?
01:06
The nurses in my department thought that the right approach
15
51000
4000
Sjuksköterskorna på min avdelning ansåg att rätt tillvägagångssätt
01:10
was the ripping one, so they would grab hold and they would rip,
16
55000
3000
var att riva bort det snabbt, så de tog tag och de rev,
01:13
and they would grab hold and they would rip.
17
58000
2000
och de tog tag och rev,
01:15
And because I had 70 percent of my body burned, it would take about an hour.
18
60000
4000
Och eftersom jag var brännskadad på 70% av min kropp så tog det ungefär en timme.
01:19
And as you can imagine,
19
64000
3000
Som ni säkert kan föreställa er,
01:22
I hated that moment of ripping with incredible intensity.
20
67000
4000
så hatade jag den timmen otroligt mycket.
01:26
And I would try to reason with them and say,
21
71000
2000
Jag försökte resonera med dem och sa,
01:28
"Why don't we try something else?
22
73000
1000
"Varför prövar vi inte något nytt?
01:29
Why don't we take it a little longer --
23
74000
2000
Varför låter vi det inte ta lite längre tid --
01:31
maybe two hours instead of an hour -- and have less of this intensity?"
24
76000
5000
kanske två timmar istället för en timme -- och slipper den värsta smärtan?"
01:36
And the nurses told me two things.
25
81000
2000
Då förklarade sjuksköterskorna två saker för mig.
01:38
They told me that they had the right model of the patient --
26
83000
4000
De förklarade för mig att de hade den rätta metoden --
01:42
that they knew what was the right thing to do to minimize my pain --
27
87000
3000
att de visste vilket som var det bästa sättet att minimera min smärta --
01:45
and they also told me that the word patient doesn't mean
28
90000
3000
och de berättade också att ordet patient inte betyder
01:48
to make suggestions or to interfere or ...
29
93000
2000
"att ge förslag" eller "att lägga sig i" eller...
01:50
This is not just in Hebrew, by the way.
30
95000
3000
Detta gäller förövrigt inte bara Hebreiska,
01:53
It's in every language I've had experience with so far.
31
98000
3000
Utan i varje språk jag träffat på hittils.
01:56
And, you know, there's not much -- there wasn't much I could do,
32
101000
4000
Och, som ni förstår, fanns det inte mycket -- det var inte mycket jag kunde göra,
02:00
and they kept on doing what they were doing.
33
105000
3000
och de fortsatte göra på det sätt de gjorde saker.
02:03
And about three years later, when I left the hospital,
34
108000
2000
Cirka tre år senare, när jag lämnat sjukhuset,
02:05
I started studying at the university.
35
110000
3000
började jag studera på universitetet.
02:08
And one of the most interesting lessons I learned
36
113000
3000
Och en av de mest intressanta saker jag lärde mig
02:11
was that there is an experimental method
37
116000
2000
var att det finns en experimentell metod
02:13
that if you have a question you can create a replica of this question
38
118000
4000
att om man har en fråga så kan man skapa en liktydig fråga
02:17
in some abstract way, and you can try to examine this question,
39
122000
4000
på något abstrakt sätt, och du kan försöka undersöka denna fråga,
02:21
maybe learn something about the world.
40
126000
2000
och kanske lära dig någonting om världen.
02:23
So that's what I did.
41
128000
2000
Så det är vad jag gjorde.
02:25
I was still interested
42
130000
1000
Jag var fortfarande intresserad
02:26
in this question of how do you take bandages off burn patients.
43
131000
2000
av frågan hur man bör ta bort bandage från brännskadepatienter.
02:28
So originally I didn't have much money,
44
133000
3000
Så, till en början hade jag inte mycket pengar,
02:31
so I went to a hardware store and I bought a carpenter's vice.
45
136000
4000
så jag gick till en järnhandel och köpte ett skruvstäd.
02:35
And I would bring people to the lab and I would put their finger in it,
46
140000
4000
Och så tog jag människor till laboratoriet och placerade deras finger i det,
02:39
and I would crunch it a little bit.
47
144000
2000
och så drog jag åt det lite.
02:41
(Laughter)
48
146000
2000
(skratt)
02:43
And I would crunch it for long periods and short periods,
49
148000
3000
Jag drog åt det under lång tid och under kort tid,
02:46
and pain that went up and pain that went down,
50
151000
2000
och smärtan blev kraftigare och smärtan blev svagare,
02:48
and with breaks and without breaks -- all kinds of versions of pain.
51
153000
4000
med avbroo och utan avbrott -- alla olika typer av smärta.
02:52
And when I finished hurting people a little bit, I would ask them,
52
157000
2000
Efter att jag blivit klar med att göra folk lite illa, så frågade jag dem,
02:54
so, how painful was this? Or, how painful was this?
53
159000
2000
så, hur smärtsamt var det här? Eller, hur smärtsamt var det här?
02:56
Or, if you had to choose between the last two,
54
161000
2000
Eller, om du fick välja mellan de två senaste,
02:58
which one would you choose?
55
163000
2000
vilken skulle du välja?
03:00
(Laughter)
56
165000
3000
(skratt)
03:03
I kept on doing this for a while.
57
168000
3000
Jag fortsatte med det här ett tag.
03:06
(Laughter)
58
171000
2000
(skratt)
03:08
And then, like all good academic projects, I got more funding.
59
173000
4000
Och med tiden, som med alla bra akademiska projekt, fick jag mer pengar.
03:12
I moved to sounds, electrical shocks --
60
177000
2000
I gick över till ljud, elchocker --
03:14
I even had a pain suit that I could get people to feel much more pain.
61
179000
5000
Jag hade till och med en smärtdräkt som kunde få människor att känna ännu mera smärta.
03:19
But at the end of this process,
62
184000
4000
Men vid slutet av den här processen,
03:23
what I learned was that the nurses were wrong.
63
188000
3000
lärde jag mig att sjuksköterskorna hade fel.
03:26
Here were wonderful people with good intentions
64
191000
3000
Här var underbara människor med goda avsikter
03:29
and plenty of experience, and nevertheless
65
194000
2000
och gott om erfarenhet, men trots det
03:31
they were getting things wrong predictably all the time.
66
196000
4000
hade de fel om saker förutsägbart hela tiden.
03:35
It turns out that because we don't encode duration
67
200000
3000
Det visade sig att eftersom vi inte avläser tid
03:38
in the way that we encode intensity,
68
203000
2000
på samma sätt som vi avläser smärta,
03:40
I would have had less pain if the duration would have been longer
69
205000
4000
skulle jag ha haft mindre ont om smärtan varat längre
03:44
and the intensity was lower.
70
209000
2000
och intensiteten varit lägre.
03:46
It turns out it would have been better to start with my face,
71
211000
3000
Det visade sig att det hade varit bättre att börja med mitt ansikte,
03:49
which was much more painful, and move toward my legs,
72
214000
2000
vilket var mycket mer smärtsamt, och fortsätta mot mina ben,
03:51
giving me a trend of improvement over time --
73
216000
3000
vilket skulle gett en utveckling av förbättring över tid,
03:54
that would have been also less painful.
74
219000
1000
och också hade varit mindre smärtsamt.
03:55
And it also turns out that it would have been good
75
220000
2000
Det visade sig också att det hade varit bra
03:57
to give me breaks in the middle to kind of recuperate from the pain.
76
222000
2000
att stanna upp för en paus i mitten för att låta mig återhämta mig från smärtan.
03:59
All of these would have been great things to do,
77
224000
2000
Alla dessa saker hade varit bra att göra,
04:01
and my nurses had no idea.
78
226000
3000
och sjuksköterskorna hade ingen aning.
04:04
And from that point on I started thinking,
79
229000
1000
Från och med den stunden började jag tänka,
04:05
are the nurses the only people in the world who get things wrong
80
230000
3000
är sjuksköterskor de enda människorna i världen som får det fel
04:08
in this particular decision, or is it a more general case?
81
233000
3000
när de ställs inför sådana här val, eller är det mera av ett generellt problem?
04:11
And it turns out it's a more general case --
82
236000
2000
Och det visade sig att det är ett mer generellt problem --
04:13
there's a lot of mistakes we do.
83
238000
3000
det finns massor av misstag som vi gör.
04:16
And I want to give you one example of one of these irrationalities,
84
241000
5000
Och jag vill ge er ett exempel på en av dessa irrationella beslut,
04:21
and I want to talk to you about cheating.
85
246000
3000
jag vill prata med er om fusk.
04:24
And the reason I picked cheating is because it's interesting,
86
249000
2000
Och anledningen till att jag valde fusk är för att det är intressant,
04:26
but also it tells us something, I think,
87
251000
2000
men också för att jag tror att det berättar något för oss,
04:28
about the stock market situation we're in.
88
253000
3000
om situationen på aktiemarknaden just nu.
04:31
So, my interest in cheating started
89
256000
3000
Så, mitt intresse för fusk började
04:34
when Enron came on the scene, exploded all of a sudden,
90
259000
2000
när Enronaffären, helt plötsligt exploderade,
04:36
and I started thinking about what is happening here.
91
261000
3000
och jag började fundera på vad det var som hände.
04:39
Is it the case that there was kind of
92
264000
1000
Är det frågan om att
04:40
a few apples who are capable of doing these things,
93
265000
3000
några få ruttna äpplen är kapabla till sådana här saker,
04:43
or are we talking a more endemic situation,
94
268000
2000
eller pratar vi om en mer spridd företeelse,
04:45
that many people are actually capable of behaving this way?
95
270000
4000
att många människor faktiskt är kapabla att bete sig på detta sätt?
04:49
So, like we usually do, I decided to do a simple experiment.
96
274000
4000
Så, som vi vanligtvis gör, jag valde att utföra ett enkelt experiment.
04:53
And here's how it went.
97
278000
1000
Och så här gick det till.
04:54
If you were in the experiment, I would pass you a sheet of paper
98
279000
3000
Om du deltog i experimentet så skulle jag ge dig en bit papper
04:57
with 20 simple math problems that everybody could solve,
99
282000
4000
med 20 enkla matematikproblem som vem som helst kan lösa,
05:01
but I wouldn't give you enough time.
100
286000
2000
men jag skulle inte ge dig tillräckligt med tid.
05:03
When the five minutes were over, I would say,
101
288000
2000
Efter fem minuter så skulle jag säga,
05:05
"Pass me the sheets of paper, and I'll pay you a dollar per question."
102
290000
3000
"Ge mig pappret, och jag betalar er en dollar per fråga."
05:08
People did this. I would pay people four dollars for their task --
103
293000
4000
Folk gjorde detta. Och jag brukade ge dem fyra dollar för uppgiften --
05:12
on average people would solve four problems.
104
297000
2000
i snitt löste de flesta fyra problem.
05:14
Other people I would tempt to cheat.
105
299000
3000
Andra personer försökte jag locka att fuska.
05:17
I would pass their sheet of paper.
106
302000
1000
Jag gav dem deras papper.
05:18
When the five minutes were over, I would say,
107
303000
2000
Efter fem minuter så sa jag,
05:20
"Please shred the piece of paper.
108
305000
1000
"Var snäll och riv sönder pappret.
05:21
Put the little pieces in your pocket or in your backpack,
109
306000
3000
Lägg småbitarna i fickan eller i din ryggsäck,
05:24
and tell me how many questions you got correctly."
110
309000
3000
och berätta för mig hur många frågor du klarade."
05:27
People now solved seven questions on average.
111
312000
3000
Nu "löste" folk i genomsnitt sju frågor.
05:30
Now, it wasn't as if there was a few bad apples --
112
315000
5000
Det var inte så att det var frågan om några få ruttna äpplen --
05:35
a few people cheated a lot.
113
320000
3000
att några få fuskade mycket.
05:38
Instead, what we saw is a lot of people who cheat a little bit.
114
323000
3000
Det vi såg, var istället många människor som fuskade lite grann.
05:41
Now, in economic theory,
115
326000
3000
I ekonomisk teori,
05:44
cheating is a very simple cost-benefit analysis.
116
329000
3000
är fusk en mycket enkel kostnad nyttoanalys.
05:47
You say, what's the probability of being caught?
117
332000
2000
Du frågar dig, vad är risken att bli upptäckt?
05:49
How much do I stand to gain from cheating?
118
334000
3000
Hur mycket tjänar jag på att fuska?
05:52
And how much punishment would I get if I get caught?
119
337000
2000
och hur stort blir straffet om jag blir upptäckt?
05:54
And you weigh these options out --
120
339000
2000
Och så väger du dessa emot varandra
05:56
you do the simple cost-benefit analysis,
121
341000
2000
och gör en enkel kostnad nyttoanalys,
05:58
and you decide whether it's worthwhile to commit the crime or not.
122
343000
3000
och bestämmer dig om det är värt att begå brottet eller inte.
06:01
So, we try to test this.
123
346000
2000
Så vi försökte testa detta.
06:03
For some people, we varied how much money they could get away with --
124
348000
4000
För vissa förändrade vi hur mycket pengar de kunde komma undan med --
06:07
how much money they could steal.
125
352000
1000
hur mycket pengar de kunde stjäla.
06:08
We paid them 10 cents per correct question, 50 cents,
126
353000
3000
Vi betalade 10 cent för varje korrekt fråga, 50 cent,
06:11
a dollar, five dollars, 10 dollars per correct question.
127
356000
3000
en dollar, fem dollar, 10 dollar för varje korrekt fråga.
06:14
You would expect that as the amount of money on the table increases,
128
359000
4000
Man hade väntat sig att när mängden pengar på bordet ökade,
06:18
people would cheat more, but in fact it wasn't the case.
129
363000
3000
skulle människor fuska mer, men det visade sig inte stämma.
06:21
We got a lot of people cheating by stealing by a little bit.
130
366000
3000
Det var många som fuskade genom att bara stjäla lite.
06:24
What about the probability of being caught?
131
369000
3000
Hur är det med sannorlikheten att bli upptäckt?
06:27
Some people shredded half the sheet of paper,
132
372000
2000
Vissa rev sönder halva pappret,
06:29
so there was some evidence left.
133
374000
1000
så att det fanns lite bevis kvar.
06:30
Some people shredded the whole sheet of paper.
134
375000
2000
Några rev sönder hela pappret.
06:32
Some people shredded everything, went out of the room,
135
377000
3000
Några rev sönder allt, gick ut ur rummet
06:35
and paid themselves from the bowl of money that had over 100 dollars.
136
380000
3000
och betalade sig själva från en skål med pengar som innehåll mer än 100 dollar.
06:38
You would expect that as the probability of being caught goes down,
137
383000
3000
Man skulle förvänta sig att allt eftersom sannorlikheten att bli upptäckt minskade,
06:41
people would cheat more, but again, this was not the case.
138
386000
3000
skulle människor fuska mer, men återigen, stämde det inte.
06:44
Again, a lot of people cheated by just by a little bit,
139
389000
3000
Återigen, många fuskade bara lite grann,
06:47
and they were insensitive to these economic incentives.
140
392000
3000
och de var oberörda av ekonomiska incitament.
06:50
So we said, "If people are not sensitive
141
395000
1000
Vi frågade oss, "Om människor inte påverkas
06:51
to the economic rational theory explanations, to these forces,
142
396000
5000
enligt den ekonomiska teorins rationella förklaringar, enligt dessa krafter,
06:56
what could be going on?"
143
401000
3000
vad är det då som är i görningen?"
06:59
And we thought maybe what is happening is that there are two forces.
144
404000
3000
Vi tänkte att det som kanske sker är att det finns två krafter.
07:02
At one hand, we all want to look at ourselves in the mirror
145
407000
2000
Å ena sidan vill vi alla kunna titta oss själva i spegeln
07:04
and feel good about ourselves, so we don't want to cheat.
146
409000
3000
och känna oss nöjda med oss själva, så vi vill inte fuska.
07:07
On the other hand, we can cheat a little bit,
147
412000
2000
Å andra sidan, kan vi fuska lite
07:09
and still feel good about ourselves.
148
414000
2000
och fortfarande kännas oss nöjda med oss själva.
07:11
So, maybe what is happening is that
149
416000
1000
Kanske är det så att
07:12
there's a level of cheating we can't go over,
150
417000
2000
det finns en gräns av fusk som vi inte kan passera
07:14
but we can still benefit from cheating at a low degree,
151
419000
4000
men vi kan fortfarande dra nytta av att fuska lite grann,
07:18
as long as it doesn't change our impressions about ourselves.
152
423000
3000
så länge det inte förändrar vår uppfattning av oss själva.
07:21
We call this like a personal fudge factor.
153
426000
3000
Vi kallar detta för vår personliga fiffelfaktor.
07:25
Now, how would you test a personal fudge factor?
154
430000
4000
Nå, hur gör man för att testa en personlig fiffelfaktor?
07:29
Initially we said, what can we do to shrink the fudge factor?
155
434000
4000
Till att börja med, vad kan vi göra för att minska fiffelfaktorn?
07:33
So, we got people to the lab, and we said,
156
438000
2000
Vi tog människor i laboratoriet och sa,
07:35
"We have two tasks for you today."
157
440000
2000
"Vi har två uppgifter för er idag."
07:37
First, we asked half the people
158
442000
1000
Först bad vi hälften av personerna
07:38
to recall either 10 books they read in high school,
159
443000
2000
återge antingen 10 böcker som de läst i grundskolan,
07:40
or to recall The Ten Commandments,
160
445000
3000
eller återge de tio budorden, och
07:43
and then we tempted them with cheating.
161
448000
2000
sen så lockade vi dem att fuska.
07:45
Turns out the people who tried to recall The Ten Commandments --
162
450000
3000
Det visade sig att människor som försökte återge de tio budorden,
07:48
and in our sample nobody could recall all of The Ten Commandments --
163
453000
2000
och i vår försöksgrupp klarade ingen att återge alla de tio budorden --
07:51
but those people who tried to recall The Ten Commandments,
164
456000
4000
men de personer som försökte återge de tio budorden,
07:55
given the opportunity to cheat, did not cheat at all.
165
460000
3000
när de fick möjligheten, valde att inte fuska överhuvudtaget.
07:58
It wasn't that the more religious people --
166
463000
2000
Det var inte så att mer religiösa människor --
08:00
the people who remembered more of the Commandments -- cheated less,
167
465000
1000
de personer som bäst kom igår de tio budorden -- fuskade mindre,
08:01
and the less religious people --
168
466000
2000
och mindre religiösa människor --
08:03
the people who couldn't remember almost any Commandments --
169
468000
1000
de personer som knappt kom ihåg några alls av de tiobudorden --
08:04
cheated more.
170
469000
2000
fuskade mer.
08:06
The moment people thought about trying to recall The Ten Commandments,
171
471000
4000
Ögonblicket då folk tänkte på att försöka minnas de tio budorden,
08:10
they stopped cheating.
172
475000
1000
slutade de fuska.
08:11
In fact, even when we gave self-declared atheists
173
476000
2000
Det var faktiskt så att även när vi gav ateister
08:13
the task of swearing on the Bible and we give them a chance to cheat,
174
478000
4000
uppgiften att svära på Bibeln och gav dem möjlighet att fuska,
08:17
they don't cheat at all.
175
482000
2000
fuskade de inte alls.
08:21
Now, Ten Commandments is something that is hard
176
486000
2000
De tio budorden är något som är svårt
08:23
to bring into the education system, so we said,
177
488000
2000
att få in i utbildningssystemet, så vi sa,
08:25
"Why don't we get people to sign the honor code?"
178
490000
2000
"Varför låter vi inte folk skriva under en hederskodex?"
08:27
So, we got people to sign,
179
492000
2000
Så de fick skriva under,
08:29
"I understand that this short survey falls under the MIT Honor Code."
180
494000
4000
"Jag förstå att denna enkät gäller under MIT hederskodex."
08:33
Then they shredded it. No cheating whatsoever.
181
498000
3000
Sen rev de pappret. Inget fuskande överhuvudtaget.
08:36
And this is particularly interesting,
182
501000
1000
Och detta är extra intressant,
08:37
because MIT doesn't have an honor code.
183
502000
2000
eftersom MIT inte har en hederskodex.
08:39
(Laughter)
184
504000
5000
(skratt)
08:44
So, all this was about decreasing the fudge factor.
185
509000
4000
Så, allt detta handlade om att minska fiffelfaktorn.
08:48
What about increasing the fudge factor?
186
513000
3000
Hur är det med ökande av fiffelfaktorn?
08:51
The first experiment -- I walked around MIT
187
516000
2000
Det första experimentet -- Jag gick runt på MIT
08:53
and I distributed six-packs of Cokes in the refrigerators --
188
518000
3000
och placerade ut sexpack med Coca-Cola i kylskåpen --
08:56
these were common refrigerators for the undergrads.
189
521000
2000
detta var gemensamma kylskåp för kandidatstudenter.
08:58
And I came back to measure what we technically call
190
523000
3000
Och jag kom tillbaka för att mäta vad vi på teknikspråk kallar
09:01
the half-lifetime of Coke -- how long does it last in the refrigerators?
191
526000
4000
halveringstiden för Coca-Cola -- hur länge finns den kvar i kylskåpen?
09:05
As you can expect it doesn't last very long; people take it.
192
530000
3000
Och som väntat så finns de inte kvar särskilt länge. Folk tar dem.
09:08
In contrast, I took a plate with six one-dollar bills,
193
533000
4000
Som kontrast, jag tog en tallrik med sex en-dollars sedlar,
09:12
and I left those plates in the same refrigerators.
194
537000
3000
och lämnade i samma kylskåp.
09:15
No bill ever disappeared.
195
540000
1000
Inte en enda sedel försvann.
09:16
Now, this is not a good social science experiment,
196
541000
3000
OK, detta är inget bra samhällsvetenskapligt experiment,
09:19
so to do it better I did the same experiment
197
544000
3000
så för att göra det bättre utförde jag samma experiment
09:22
as I described to you before.
198
547000
2000
som jag beskrev för er tidigare.
09:24
A third of the people we passed the sheet, they gave it back to us.
199
549000
3000
En tredjedel av testpersonerna fick pappret och gav tillbaka det till oss.
09:27
A third of the people we passed it to, they shredded it,
200
552000
3000
En tredjedel fick pappret och rev sönder det
09:30
they came to us and said,
201
555000
1000
kom till oss och sa
09:31
"Mr. Experimenter, I solved X problems. Give me X dollars."
202
556000
3000
"Herr försöksledare, jag löste X problem. Ge mig X dollar."
09:34
A third of the people, when they finished shredding the piece of paper,
203
559000
3000
En tredjedel, efter att de rivit sönder pappret,
09:37
they came to us and said,
204
562000
2000
kom till oss och sa,
09:39
"Mr Experimenter, I solved X problems. Give me X tokens."
205
564000
6000
"Herr försöksledare, jag löste X problem. Ge mig X polletter."
09:45
We did not pay them with dollars; we paid them with something else.
206
570000
3000
Vi betalade dem inte i dollar. Vi betalade dem med något annat.
09:48
And then they took the something else, they walked 12 feet to the side,
207
573000
3000
Sedan tog de det de fick, gick 4 meter till sidan,
09:51
and exchanged it for dollars.
208
576000
2000
och växlade in dem mot dollar.
09:53
Think about the following intuition.
209
578000
2000
Tänk på följande uppfattning.
09:55
How bad would you feel about taking a pencil from work home,
210
580000
3000
Hur dåligt skulle du må av att ta en penna från jobbet,
09:58
compared to how bad would you feel
211
583000
2000
jämfört med hur du skulle må
10:00
about taking 10 cents from a petty cash box?
212
585000
2000
av att ta 10 cent från ett kassaskrin?
10:02
These things feel very differently.
213
587000
3000
Dessa saker känns väldigt olika.
10:05
Would being a step removed from cash for a few seconds
214
590000
3000
Skulle avsaknaden av pengar för ett ögonblick
10:08
by being paid by token make a difference?
215
593000
3000
genom att bli betalad i polletter göra skillnad?
10:11
Our subjects doubled their cheating.
216
596000
2000
Våra försökspersoner dubblerade sitt fuskande.
10:13
I'll tell you what I think
217
598000
2000
Jag ska snart berätta vad
10:15
about this and the stock market in a minute.
218
600000
2000
jag tror om detta och aktiemarknaden.
10:18
But this did not solve the big problem I had with Enron yet,
219
603000
4000
Men detta löste inte mitt stora problem med Enron ännu,
10:22
because in Enron, there's also a social element.
220
607000
3000
för i Enronaffären fanns det också en social faktor.
10:25
People see each other behaving.
221
610000
1000
Människor ser andras beteende.
10:26
In fact, every day when we open the news
222
611000
2000
Varje dag när vi slår upp tidningen
10:28
we see examples of people cheating.
223
613000
2000
ser vi exempel på människor som fuskar.
10:30
What does this cause us?
224
615000
3000
Hur påverkar det oss?
10:33
So, we did another experiment.
225
618000
1000
Så, vi gjorde ett annat experiment.
10:34
We got a big group of students to be in the experiment,
226
619000
3000
Vi samlade en stor grupp studenter att vara med i experimentet
10:37
and we prepaid them.
227
622000
1000
och betalade dem i förväg.
10:38
So everybody got an envelope with all the money for the experiment,
228
623000
3000
De fick ett kuvert som innehöll alla experimentets pengar,
10:41
and we told them that at the end, we asked them
229
626000
2000
och sa till dem att i slutet, kommer vi be dem
10:43
to pay us back the money they didn't make. OK?
230
628000
4000
att betala tillbaka pengarna som de inte skulle få. OK?
10:47
The same thing happens.
231
632000
1000
Samma sak hände.
10:48
When we give people the opportunity to cheat, they cheat.
232
633000
2000
När vi ger folk möjligheten att fuska, så fuskar de.
10:50
They cheat just by a little bit, all the same.
233
635000
3000
De fuskar bara lite grann, men fuskar fortfarande.
10:53
But in this experiment we also hired an acting student.
234
638000
3000
Men i detta experiment anställde vi också en dramastudent.
10:56
This acting student stood up after 30 seconds, and said,
235
641000
4000
Efter 30 sekunder ställde sig studenten upp och sa,
11:00
"I solved everything. What do I do now?"
236
645000
3000
"Jag har löst allt. Vad gör jag nu?"
11:03
And the experimenter said, "If you've finished everything, go home.
237
648000
4000
Och vi svarade, "Om du är klar kan du gå hem."
11:07
That's it. The task is finished."
238
652000
1000
Det är allt. Uppgiften är klar.
11:08
So, now we had a student -- an acting student --
239
653000
4000
Så, nu hade vi alltså en student -- en dramastudent --
11:12
that was a part of the group.
240
657000
2000
som var en del av gruppen.
11:14
Nobody knew it was an actor.
241
659000
2000
Ingen visste att det var en skådespelare.
11:16
And they clearly cheated in a very, very serious way.
242
661000
4000
Som uppenbart fuskade, på ett väldigt allvarligt sätt.
11:20
What would happen to the other people in the group?
243
665000
3000
Vad händer med de andra personerna i gruppen?
11:23
Will they cheat more, or will they cheat less?
244
668000
3000
Kommer de fuska mer, eller kommer de fuska mindre?
11:26
Here is what happens.
245
671000
2000
Det här är vad som hände.
11:28
It turns out it depends on what kind of sweatshirt they're wearing.
246
673000
4000
Det visar sig, att det beror på vilken tröja de har på sig.
11:32
Here is the thing.
247
677000
2000
Det här är grejen.
11:34
We ran this at Carnegie Mellon and Pittsburgh.
248
679000
3000
Vi gjorde detta på Carnegie Mellon och Pittsburgh.
11:37
And at Pittsburgh there are two big universities,
249
682000
2000
Och i Pittsburgh finns det två stora universitet,
11:39
Carnegie Mellon and University of Pittsburgh.
250
684000
3000
Carnegie Mellon och University of Pittsburgh.
11:42
All of the subjects sitting in the experiment
251
687000
2000
Alla studenter i experimentet
11:44
were Carnegie Mellon students.
252
689000
2000
var från Carnegie Mellon.
11:46
When the actor who was getting up was a Carnegie Mellon student --
253
691000
4000
När skådespelaren som ställde sig upp var från Carnegie Mellon --
11:50
he was actually a Carnegie Mellon student --
254
695000
2000
han var faktiskt verkligen från Carnegie Mellon --
11:52
but he was a part of their group, cheating went up.
255
697000
4000
men han var en del av deras grupp, fusket ökade.
11:56
But when he actually had a University of Pittsburgh sweatshirt,
256
701000
4000
Men när han hade en tröja från University of Pittsburgh,
12:00
cheating went down.
257
705000
2000
minskade fusket.
12:02
(Laughter)
258
707000
3000
(skratt)
12:05
Now, this is important, because remember,
259
710000
3000
Detta är viktigt eftersom, kom ihåg,
12:08
when the moment the student stood up,
260
713000
2000
när studenten ställde sig upp
12:10
it made it clear to everybody that they could get away with cheating,
261
715000
3000
blev det klart för alla att de kunde komma undan med fusk
12:13
because the experimenter said,
262
718000
2000
eftersom försöksledaren sa,
12:15
"You've finished everything. Go home," and they went with the money.
263
720000
2000
"Du är klar med allt. Gå hem," och han gick iväg med sina pengar.
12:17
So it wasn't so much about the probability of being caught again.
264
722000
3000
Så det handlade inte om sannolikheten att bli påkommen.
12:20
It was about the norms for cheating.
265
725000
3000
Utan om normerna för fuskande.
12:23
If somebody from our in-group cheats and we see them cheating,
266
728000
3000
Om någon från våran grupp fuskar och vi ser dem fuska,
12:26
we feel it's more appropriate, as a group, to behave this way.
267
731000
4000
känns det mer legitimt, som en grupp, att bete sig på det sättet.
12:30
But if it's somebody from another group, these terrible people --
268
735000
2000
Men om någon från en annan grupp, dessa hemska människor --
12:32
I mean, not terrible in this --
269
737000
2000
jag menar inte hemska så --
12:34
but somebody we don't want to associate ourselves with,
270
739000
2000
men någon vi inte vill associera oss med,
12:36
from another university, another group,
271
741000
2000
från ett annat universitet, en annan grupp,
12:38
all of a sudden people's awareness of honesty goes up --
272
743000
3000
helt plötsligt ökar folks medvetenhet om deras ärlighet --
12:41
a little bit like The Ten Commandments experiment --
273
746000
2000
lite som med de tio budorden --
12:43
and people cheat even less.
274
748000
4000
och människor fuskade mindre.
12:47
So, what have we learned from this about cheating?
275
752000
4000
Så vad har vi lärt oss från det här om fusk?
12:51
We've learned that a lot of people can cheat.
276
756000
3000
Vi har lärt oss att många människor kan fuska.
12:54
They cheat just by a little bit.
277
759000
3000
De fuskar bara lite grann.
12:57
When we remind people about their morality, they cheat less.
278
762000
4000
När vi påminner människor om deras moral, fuskar de mindre.
13:01
When we get bigger distance from cheating,
279
766000
3000
När vi får större distans till själva fusket,
13:04
from the object of money, for example, people cheat more.
280
769000
4000
från pengar som objekt, till exempel, fuskas det mer.
13:08
And when we see cheating around us,
281
773000
2000
Och när vi ser fuskande runt omkring oss,
13:10
particularly if it's a part of our in-group, cheating goes up.
282
775000
4000
speciellt om det är från någon i vår grupp, fuskas det mer.
13:14
Now, if we think about this in terms of the stock market,
283
779000
3000
Om vi nu tänker på detta i förhållande till aktiemarknaden,
13:17
think about what happens.
284
782000
1000
tänk på vad som händer
13:18
What happens in a situation when you create something
285
783000
3000
Vad händer när du skapar en situation där
13:21
where you pay people a lot of money
286
786000
2000
du betalar människor mycket pengar
13:23
to see reality in a slightly distorted way?
287
788000
3000
för att se verkligheten på ett lite förvanskat sätt?
13:26
Would they not be able to see it this way?
288
791000
3000
Skulle de inte kunna se det på det sättet?
13:29
Of course they would.
289
794000
1000
Såklart de skulle.
13:30
What happens when you do other things,
290
795000
1000
Vad händer när du gör andra saker,
13:31
like you remove things from money?
291
796000
2000
som att ta bort saker från pengar?
13:33
You call them stock, or stock options, derivatives,
292
798000
3000
Du kallar det för aktier, optioner, derivat,
13:36
mortgage-backed securities.
293
801000
1000
bostadslånskrediter.
13:37
Could it be that with those more distant things,
294
802000
3000
Kan det vara så att med dessa mer distanserade saker,
13:40
it's not a token for one second,
295
805000
2000
det är inte något så enkelt som en pollett
13:42
it's something that is many steps removed from money
296
807000
2000
där är något som är många steg avlägsnat från pengar
13:44
for a much longer time -- could it be that people will cheat even more?
297
809000
4000
under en mycket längre tid -- kan det vara så att människor fuskar mer?
13:48
And what happens to the social environment
298
813000
2000
Och vad händer med den sociala faktorn
13:50
when people see other people behave around them?
299
815000
3000
när människor ser hur folk runt omkring beter sig?
13:53
I think all of those forces worked in a very bad way
300
818000
4000
Jag tror att alla dessa krafter arbetar på ett mycket dåligt sätt
13:57
in the stock market.
301
822000
2000
på aktiemarknaden.
13:59
More generally, I want to tell you something
302
824000
3000
Mer allmänt vill jag berätta något för er
14:02
about behavioral economics.
303
827000
3000
om beteendeekonomi.
14:05
We have many intuitions in our life,
304
830000
4000
Vi har många föreställningar i våra liv,
14:09
and the point is that many of these intuitions are wrong.
305
834000
3000
och poängen är att många av dessa föreställningar är fel.
14:12
The question is, are we going to test those intuitions?
306
837000
3000
Frågan är, kommer vi att testa dessa intuitioner?
14:15
We can think about how we're going to test this intuition
307
840000
2000
Vi kan fundera på hur vi ska testa dem
14:17
in our private life, in our business life,
308
842000
2000
i vårt privatliv, i vårt yrkesliv,
14:19
and most particularly when it goes to policy,
309
844000
3000
och speciellt när det gäller policybeslut,
14:22
when we think about things like No Child Left Behind,
310
847000
3000
när vi tänker på saker som No Child Left Behind,
14:25
when you create new stock markets, when you create other policies --
311
850000
3000
när vi skapar nya aktiemarknader, när vi fattar andra beslut --
14:28
taxation, health care and so on.
312
853000
3000
skatter, sjukvård och så vidare.
14:31
And the difficulty of testing our intuition
313
856000
2000
Svårigheten med att testa våra föreställningar
14:33
was the big lesson I learned
314
858000
2000
var den stora läxan jag lärde mig,
14:35
when I went back to the nurses to talk to them.
315
860000
2000
när jag gick tillbaka till sjuksköterskorna för att prata.
14:37
So I went back to talk to them
316
862000
2000
Jag gick tillbaka för att prata med dem
14:39
and tell them what I found out about removing bandages.
317
864000
3000
och för att berätta vad jag lärt mig om att ta bort bandage.
14:42
And I learned two interesting things.
318
867000
2000
Och lärde mig två intressanta saker.
14:44
One was that my favorite nurse, Ettie,
319
869000
2000
Den ena var att en av mina favoritsköterskor, Ettie,
14:46
told me that I did not take her pain into consideration.
320
871000
4000
sa att jag inte tog hennes egen smärta i beaktande.
14:50
She said, "Of course, you know, it was very painful for you.
321
875000
2000
Hon sa, "Självklart var det väldigt smärtsamt för dig.
14:52
But think about me as a nurse,
322
877000
2000
Men tänk på mig som sjuksköterska,
14:54
taking, removing the bandages of somebody I liked,
323
879000
2000
ta bort bandage från någon jag gillar
14:56
and had to do it repeatedly over a long period of time.
324
881000
3000
och tvingas göra det upprepade gånger under en lång tidsperiod.
14:59
Creating so much torture was not something that was good for me, too."
325
884000
3000
Att skapa så mycket tortyr var inte bra för mig heller"
15:02
And she said maybe part of the reason was it was difficult for her.
326
887000
5000
Och hon sa, kanske var detta en del av varför det var svårt för henne.
15:07
But it was actually more interesting than that, because she said,
327
892000
3000
Men det var faktisk mer intressant än så, för hon sa,
15:10
"I did not think that your intuition was right.
328
895000
5000
"Jag trodde inte att din intuition var riktigt.
15:15
I felt my intuition was correct."
329
900000
1000
jag kände att min var korrekt."
15:16
So, if you think about all of your intuitions,
330
901000
2000
Så, om du tänker på alla dina föreställningar,
15:18
it's very hard to believe that your intuition is wrong.
331
903000
4000
det är väldigt svårt att tro att din intuition är fel.
15:22
And she said, "Given the fact that I thought my intuition was right ..." --
332
907000
3000
Och hon sa, "Givet att jag trodde att min intuition hade rätt..." --
15:25
she thought her intuition was right --
333
910000
2000
hon trodde att hennes intuition var rätt --
15:27
it was very difficult for her to accept doing a difficult experiment
334
912000
5000
var det svårt för henne att gå med på att göra ett svårt experiment
15:32
to try and check whether she was wrong.
335
917000
2000
för att testa huruvida hon hade fel.
15:34
But in fact, this is the situation we're all in all the time.
336
919000
4000
Men faktum är att det här är den situation vi är i hela tiden.
15:38
We have very strong intuitions about all kinds of things --
337
923000
3000
Vi har väldigt starka föreställningar om allt möjligt --
15:41
our own ability, how the economy works,
338
926000
3000
vår egna förmåga, hur ekonomin fungerar,
15:44
how we should pay school teachers.
339
929000
2000
hur vi ska betala lärare.
15:46
But unless we start testing those intuitions,
340
931000
3000
Men om vi inte börjar testa de föreställningarna
15:49
we're not going to do better.
341
934000
2000
kommer vi inte bli bättre.
15:51
And just think about how better my life would have been
342
936000
2000
Och tänk bara hur mycket bättre mitt liv hade varit
15:53
if these nurses would have been willing to check their intuition,
343
938000
2000
om sjuksköterskorna hade varit beredda att testa sina föreställningar,
15:55
and how everything would have been better
344
940000
1000
och hur allting skulle bli bättre
15:56
if we just start doing more systematic experimentation of our intuitions.
345
941000
5000
om vi bara började experimentera mer systematiskt med våra föreställningar.
16:01
Thank you very much.
346
946000
2000
Tack så mycket.
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