TED2010
Esther Duflo: Social experiments to fight poverty
เอสเธอร์ ดูฟโล: การทดลองทางสังคมเพื่อต่อสู้กับความยากจน
Filmed:
Readability: 2.8
1,298,863 views
การบรรเทาความยากจนปัจจุบันเป็นเรื่องของการเดามากกว่าวิทยาศาสตร์ และการขาดแคลนข้อมูลเกี่ยวกับผลกระทบของเงินช่วยเหลือก็ก่อให้เกิดคำถามว่าควรใช้เงินอย่างไร แต่ เอสเธอร์ ดูฟโล นักเศรษฐศาสตร์เจ้าของรางวัลคลาร์ก บอกว่าเป็นไปได้ที่จะรู้ว่าโครงการพัฒนาใดทำประโยชน์ โครงการใดก่อผลเสีย - ด้วยการใช้การทดลองควบคุมแบบสุ่ม
Esther Duflo - Development economist
Esther Duflo takes economics out of the lab and into the field to discover the causes of poverty and means to eradicate it. Full bio
Esther Duflo takes economics out of the lab and into the field to discover the causes of poverty and means to eradicate it. Full bio
Double-click the English transcript below to play the video.
00:18
So here it is. You can check: I am short, I'm French,
0
3000
2000
โอเค คุณเห็นอยู่แล้วนะคะว่าฉันตัวเตี้ย เป็นคนฝรั่งเศส
00:20
I have a pretty strong French accent,
1
5000
2000
พูดสำเนียงฝรั่งเศสที่เข้มมาก
00:22
so that's going to be clear in a moment.
2
7000
3000
อีกสักพักคุณก็จะเห็น
00:26
Maybe a sobering thought
3
11000
2000
ความคิดหนึ่งที่เตือนสติเรา
00:28
and something you all know about.
4
13000
2000
และเป็นสิ่งที่คุณทุกคนรู้อยู่แล้ว
00:30
And I suspect many of you gave
5
15000
2000
ฉันคิดว่าพวกคุณหลายคน
00:32
something to the people of Haiti this year.
6
17000
3000
ให้อะไรบางอย่างกับคนเฮติในปีนี้
00:35
And there is something else
7
20000
2000
และก็มีอะไรอีกบางอย่าง
00:37
I believe in the back of your mind
8
22000
2000
ที่ฉันเชื่อว่าในใจของคุณ ลึกๆ แล้ว
00:39
you also know.
9
24000
2000
คุณก็รู้ด้วยว่า
00:41
That is, every day,
10
26000
2000
ในแต่ละวัน
00:43
25,000 children die
11
28000
2000
มีเด็ก 25,000 คนที่ตาย
00:45
of entirely preventable causes.
12
30000
3000
จากโรคที่ป้องกันได้ 100%
00:48
That's a Haiti earthquake every eight days.
13
33000
3000
นั่นเท่ากับเกิดแผ่นดินไหวในเฮติทุก 8 วัน
00:51
And I suspect many of you probably gave something
14
36000
2000
และฉันเดาว่าพวกคุณหลายคนก็ได้อุทิศอะไรบางอย่าง
00:53
towards that problem as well,
15
38000
2000
ให้กับปัญหานั้นเหมือนกัน
00:55
but somehow it doesn't happen
16
40000
2000
แต่คุณไม่ได้ทำเรื่องนี้
00:57
with the same intensity.
17
42000
2000
อย่างกระตือรือร้นเหมือนตอนช่วยเฮติ
00:59
So why is that?
18
44000
2000
เพราะอะไรล่ะ?
01:02
Well, here is a thought experiment for you.
19
47000
3000
โอเค ต่อไปนี้เป็นการทดลองทางความคิด
01:05
Imagine you have a few million dollars that you've raised --
20
50000
2000
สมมุติว่าคุณระดมทุนได้ 1 ล้านเหรียญสหรัฐ
01:07
maybe you're a politician in a developing country
21
52000
3000
บางทีคุณอาจเป็นนักการเมืองในประเทศกำลังพัฒนา
01:10
and you have a budget to spend. You want to spend it on the poor:
22
55000
3000
มีงบประมาณที่ใช้ได้ คุณอยากช่วยคนจน
01:13
How do you go about it?
23
58000
3000
คุณจะช่วยพวกเขายังไง?
01:16
Do you believe the people who tell you
24
61000
2000
คุณจะเชื่อคนที่บอกคุณว่า
01:18
that all we need to do is to spend money?
25
63000
2000
สิ่งเดียวที่เราต้องทำคือใช้เงิน
01:20
That we know how to eradicate poverty,
26
65000
3000
ซึ่งเรารู้อยู่ว่าจะขจัดความยากจนอย่างไร
01:23
we just need to do more?
27
68000
2000
เราแค่ต้องทำให้มากกว่าเดิมเท่านั้น?
01:25
Or do you believe the people who tell you that
28
70000
2000
หรือคุณจะเชื่อคนที่บอกคุณว่า
01:27
aid is not going to help, on the contrary it might hurt,
29
72000
3000
เงินช่วยเหลือจะไม่ช่วยอะไร มันอาจส่งผลเสียด้วยซ้ำ
01:30
it might exacerbate corruption, dependence, etc.?
30
75000
3000
เพราะทำให้คอร์รัปชั่น ปัญหาการพึ่งพา ฯลฯ แย่ลง ?
01:34
Or maybe you turn to the past.
31
79000
2000
หรือบางทีคุณอาจหันไปหาอดีต
01:36
After all, we have spent billions of dollars on aid.
32
81000
3000
เพราะที่จริงเราก็ใช้เงินช่วยเหลือไปแล้วหลายพันล้านเหรียญ
01:39
Maybe you look at the past and see.
33
84000
2000
บางทีคุณจะกลับไปดูว่าในอดีต
01:41
Has it done any good?
34
86000
2000
เงินช่วยเหลือนี้ช่วยอะไรได้หรือเปล่า
01:43
And, sadly, we don't know.
35
88000
2000
เรื่องที่น่าเศร้าคือ เราไม่รู้
01:45
And worst of all, we will never know.
36
90000
3000
และที่แย่ที่สุดคือ เราจะไม่มีวันรู้
01:49
And the reason is that -- take Africa for example.
37
94000
2000
และสาเหตุก็คือ - ลองดูแอฟริกาเป็นตัวอย่าง
01:51
Africans have already got a lot of aid.
38
96000
2000
ชาวแอฟริกันได้รับเงินช่วยเหลือมากมาย
01:53
These are the blue bars.
39
98000
2000
นั่นคือแท่งสีน้ำเงิน
01:55
And the GDP in Africa is not making much progress.
40
100000
3000
แต่จีดีพีของแอฟริกาไม่ได้โตขึ้นมาก
01:58
Okay, fine. How do you know what
41
103000
2000
โอเค ทีนี้คุณจะรู้ได้ยังไงว่า
02:00
would have happened without the aid?
42
105000
2000
อะไรจะเกิดขึ้นถ้าไม่มีเงินช่วยเหลือ?
02:02
Maybe it would have been much worse,
43
107000
3000
บางทีสถานการณ์อาจจะแย่กว่านี้มาก
02:05
or maybe it would have been better.
44
110000
2000
หรืออาจจะดีกว่านี้ก็ได้
02:07
We have no idea. We don't know what the counterfactual is.
45
112000
3000
เราไม่รู้คำตอบเลย เราไม่รู้ว่าสิ่งที่อาจจะเกิดคืออะไร
02:10
There's only one Africa.
46
115000
2000
เพราะมีแอฟริกาเพียงทวีปเดียว
02:12
So what do you do?
47
117000
2000
ทีนี้คุณจะทำยังไงล่ะ?
02:14
To give the aid, and hope and pray that something comes out of it?
48
119000
3000
คุณจะให้เงินช่วยเหลือ และภาวนาว่าสิ่งดีๆ จะเกิดขึ้น
02:18
Or do you focus on your everyday life
49
123000
3000
หรือคุณจะสนใจแต่ชีวิตประจำวันของตัวเอง
02:21
and let the earthquake every eight days
50
126000
2000
ปล่อยให้แผ่นดินไหวทุก 8 วัน
02:23
continue to happen?
51
128000
2000
เกิดขึ้นอย่างต่อเนื่อง?
02:25
The thing is, if we don't know
52
130000
2000
ประเด็นคือ ถ้าเราไม่รู้เลย
02:27
whether we are doing any good,
53
132000
2000
ว่าเรากำลังช่วยใครจริงๆ หรือเปล่า
02:29
we are not any better
54
134000
2000
เราก็ไม่ได้ดีไปกว่า
02:31
than the Medieval doctors and their leeches.
55
136000
3000
แพทย์ยุคกลางที่ใช้ปลิงดูดเลือด
02:34
Sometimes the patient gets better, sometimes the patient dies.
56
139000
3000
บางทีคนไข้ก็มีอาการดีขึ้น บางทีคนไข้ก็ตาย
02:37
Is it the leeches? Is it something else?
57
142000
3000
พวกเขาตายเพราะปลิงดูดเลือด หรือมีสาเหตุอื่น?
02:40
We don't know.
58
145000
2000
เราไม่รู้
02:42
So here are some other questions.
59
147000
2000
ทีนี้เราถามคำถามอื่น
02:44
They're smaller questions,
60
149000
2000
คำถามที่เล็กกว่านั้น
02:46
but they are not that small.
61
151000
2000
แต่ไม่เล็กมาก
02:48
Immunization, that's the cheapest way
62
153000
3000
การฉีดวัคซีน วิธีที่มีราคาถูกที่สุด
02:51
to save a child's life.
63
156000
2000
ที่จะช่วยชีวิตเด็กหนึ่งคน
02:53
And the world has spent a lot of money on it:
64
158000
2000
และโลกก็ใช้เงินไปแล้วมหาศาล
02:55
The GAVI and the Gates Foundations
65
160000
2000
แนวร่วมกาวีกับมูลนิธิเกตส์
02:57
are each pledging a lot of money towards it,
66
162000
2000
กำลังอุทิศเงินมหาศาลให้กับเรื่องนี้
02:59
and developing countries themselves have been doing a lot of effort.
67
164000
3000
และประเทศกำลังพัฒนาเองก็ใช้ความพยายามเยอะมาก
03:02
And yet, every year
68
167000
2000
แต่แล้ว ทุกปี
03:04
at least 25 million children
69
169000
2000
มีเด็กไม่ต่ำกว่า 25 ล้านคน
03:06
do not get the immunization they should get.
70
171000
3000
ที่ไม่ได้รับวัคซีนที่ควรจะได้
03:09
So this is what you call a "last mile problem."
71
174000
3000
นี่คือปัญหาที่เรียกว่า "ปัญหาไมล์สุดท้าย"
03:12
The technology is there,
72
177000
2000
เรามีเทคโนโลยีพร้อมแล้ว
03:14
the infrastructure is there,
73
179000
2000
โครงสร้างพื้นฐานก็พร้อม
03:16
and yet it doesn't happen.
74
181000
2000
แต่การแก้ปัญหาก็ไม่เกิด
03:18
So you have your million.
75
183000
2000
โอเค คุณมีเงิน 1 ล้าน
03:20
How do you use your million
76
185000
2000
คุณจะใช้เงินล้านนั้นยังไง
03:22
to solve this last mile problem?
77
187000
2000
เพื่อแก้ปัญหาไมล์สุดท้าย?
03:24
And here's another question:
78
189000
2000
ทีนี้ ฉันมีคำถามอีกหนึ่งคำถาม
03:26
Malaria. Malaria kills almost
79
191000
3000
มาเลเรีย มาเลเรียคร่าชีวิตคน
03:29
900,000 people every year,
80
194000
3000
เกือบเก้าแสนคนทุกปี
03:32
most of them in Sub-Saharan Africa,
81
197000
2000
ส่วนใหญ่อยู่ในแอฟริกาใต้ทะเลทรายซะฮารา
03:34
most of them under five.
82
199000
2000
ส่วนใหญ่ตายตอนอายุไม่ถึง 5 ขวบ
03:36
In fact, that is the leading cause of under-five mortality.
83
201000
3000
ที่จริงมันเป็นสาเหตุหลักของการตายในเด็กที่อายุต่ำกว่า 5 ขวบ
03:39
We already know how to kill malaria,
84
204000
3000
เรารู้แล้วว่าจะกำจัดมาเลเรียได้อย่างไร
03:42
but some people come to you and say,
85
207000
2000
แต่คนบางคนเดินมาหาคุณ บอกว่า
03:44
"You have your millions. How about bed nets?"
86
209000
3000
"คุณมีเงิน 1 ล้าน ซื้อมุ้งเป็นไง?"
03:47
Bed nets are very cheap.
87
212000
2000
มุ้งกันยุงมีราคาถูกมาก
03:49
For 10 dollars, you can manufacture and ship
88
214000
3000
ด้วยเงินแค่ 10 เหรียญ คุณสามารถผลิตและขนส่ง
03:52
an insecticide treated bed net
89
217000
2000
มุ้งกันยุงฉาบยาฆ่าแมลง
03:54
and you can teach someone to use them.
90
219000
2000
และสอนให้คนใช้มัน
03:56
And, not only do they protect the people who sleep under them,
91
221000
3000
มุ้งไม่เพียงแต่ปกป้องคนที่นอนในมุ้ง
03:59
but they have these great contagion benefits.
92
224000
2000
แต่ยังเป็นวิธีป้องกันการระบาดที่ยอดเยี่ยม
04:01
If half of a community sleeps under a net,
93
226000
3000
ถ้าคนในชุมชนครึ่งหนึ่งนอนในมุ้ง
04:04
the other half also benefits
94
229000
2000
คนอีกครึ่งหนึ่งก็ได้ประโยชน์ด้วย
04:06
because the contagion of the disease spread.
95
231000
3000
เพราะโรคจะไม่ระบาดเหมือนตอนไม่มีมุ้ง
04:09
And yet, only a quarter of kids at risk sleep under a net.
96
234000
3000
แต่แล้ว มีเด็กกลุ่มเสี่ยงเพียง 1 ใน 4 ที่ได้นอนในมุ้ง
04:12
Societies should be willing to go out
97
237000
2000
สังคมต่างๆ ควรเต็มใจที่จะออกไป
04:14
and subsidize the net, give them for free,
98
239000
2000
อุดหนุนมุ้ง และบริจาคไป
04:16
or, for that matter, pay people to use them
99
241000
2000
หรือจ้างคนให้ใช้มุ้ง
04:18
because of those contagion benefits.
100
243000
2000
เพราะมันป้องกันการระบาดอย่างที่บอก
04:20
"Not so fast," say other people.
101
245000
2000
แต่คนอื่นบอกว่า "ช้าก่อน"
04:22
"If you give the nets for free,
102
247000
2000
"ถ้าคุณเอามุ้งไปให้คนฟรีๆ
04:24
people are not going to value them.
103
249000
2000
คนก็จะไม่เห็นคุณค่าของมัน
04:26
They're not going to use them,
104
251000
2000
พวกเขาจะไม่ใช้มัน
04:28
or at least they're not going to use them as bed nets,
105
253000
2000
หรืออย่างน้อยก็จะไม่ใช้มันเป็นมุ้งนอน
04:30
maybe as fishing nets."
106
255000
2000
อาจจะเอาไปทำแหตกปลาแทน"
04:32
So, what do you do?
107
257000
2000
ทีนี้คุณจะทำยังไง?
04:34
Do you give the nets for free to maximize coverage,
108
259000
2000
ให้มุ้งฟรี เพื่อครอบคลุมพื้นที่ให้มากที่สุด?
04:36
or do you make people pay
109
261000
2000
หรือตั้งราคาให้คนซื้อ
04:38
in order to make sure that they really value them?
110
263000
2000
เพื่อจะได้มั่นใจว่าพวกเขาจะเห็นคุณค่าของมันจริงๆ?
04:40
How do you know?
111
265000
2000
คุณจะรู้ได้ยังไงว่าควรทำอะไร?
04:42
And a third question: Education.
112
267000
2000
คำถามที่สามเป็นเรื่องของการศึกษา
04:44
Maybe that's the solution, maybe we should send kids to school.
113
269000
2000
บางทีมันอาจเป็นคำตอบ บางทีเราควรส่งเด็กๆ ไปโรงเรียน
04:46
But how do you do that?
114
271000
2000
แต่คุณจะทำอย่างนั้นได้ยังไง?
04:48
Do you hire teachers? Do you build more schools?
115
273000
2000
คุณจะจ้างครูมากขึ้น? สร้างโรงเรียนมากขึ้น?
04:50
Do you provide school lunch?
116
275000
2000
จัดอาหารกลางวันด้วยหรือเปล่า?
04:52
How do you know?
117
277000
2000
คุณจะรู้ได้ยังไงว่าควรทำอะไร?
04:54
So here is the thing.
118
279000
2000
นี่คือประเด็นของฉัน
04:56
I cannot answer the big question,
119
281000
2000
ฉันตอบคำถามใหญ่ๆ ไม่ได้
04:58
whether aid did any good or not.
120
283000
2000
ตอบไม่ได้ว่าเงินช่วยเหลือดีหรือไม่ดี
05:00
But these three questions, I can answer them.
121
285000
3000
แต่ฉันตอบคำถามสามข้อนี้ได้
05:04
It's not the Middle Ages anymore,
122
289000
2000
นี่ไม่ใช่ยุคกลางอีกแล้ว
05:06
it's the 21st century.
123
291000
2000
นี่คือศตวรรษที่ 21
05:08
And in the 20th century,
124
293000
2000
และในศตวรรษที่ 20
05:10
randomized, controlled trials
125
295000
2000
การทดลองควบคุมแบบสุ่ม
05:12
have revolutionized medicine
126
297000
2000
ก็ได้ปฏิวัติวงการแพทย์
05:14
by allowing us to distinguish
127
299000
2000
ด้วยการทำให้เราแยกแยะได้
05:16
between drugs that work
128
301000
2000
ระหว่างยาที่ใช้การได้
05:18
and drugs that don't work.
129
303000
2000
กับยาที่ใช้ไม่ได้
05:20
And you can do the same
130
305000
2000
และคุณก็สามารถทำ
05:22
randomized, controlled trial for social policy.
131
307000
3000
การทดลองควบคุมแบบสุ่มสำหรับนโยบายสังคม
05:25
You can put social innovation to the same
132
310000
2000
คุณสามารถทดสอบนวัตกรรมสังคม
05:27
rigorous, scientific tests
133
312000
2000
ด้วยวิธีทดสอบแบบวิทยาศาสตร์เข้มข้น
05:29
that we use for drugs.
134
314000
2000
ที่เราใช้กับยา
05:31
And in this way, you can take the guesswork
135
316000
3000
วิธีนี้จะช่วยให้คุณขจัดการเดา
05:34
out of policy-making
136
319000
2000
ออกไปจากการออกแบบนโยบาย
05:36
by knowing what works,
137
321000
2000
ด้วยความรู้ว่า อะไรใช้ได้
05:38
what doesn't work and why.
138
323000
2000
อะไรใช้ไม่ได้ และทำไม
05:40
And I'll give you some examples with those three questions.
139
325000
3000
ฉันจะนำเสนอตัวอย่างจากคำถามสามข้อเมื่อกี้
05:44
So I start with immunization.
140
329000
2000
เริ่มจากการฉีดวัคซีน
05:46
Here's Udaipur District, Rajasthan. Beautiful.
141
331000
3000
นี่คืออุไดปูร์ รัฐราชสถาน เป็นเมืองที่สวยงาม
05:49
Well, when I started working there,
142
334000
2000
ตอนที่ฉันเริ่มทำงานที่นั่น
05:51
about one percent of children
143
336000
2000
มีเด็กในเมืองประมาณ 1 เปอร์เซ็นต์
05:53
were fully immunized.
144
338000
2000
ที่ได้รับการฉีดวัคซีนครบถ้วน
05:55
That's bad, but there are places like that.
145
340000
3000
นี่เป็นข่าวร้าย แต่มีเมืองแบบนี้อีกมาก
05:58
Now, it's not because the vaccines are not there --
146
343000
2000
โอเค มันไม่ใช่เพราะอุไดปูร์ไม่มีวัคซีน
06:00
they are there and they are free --
147
345000
2000
เมืองมีวัคซีน และวัคซีนก็ฟรีด้วย
06:02
and it's not because parents do not care about their kids.
148
347000
3000
และก็ไม่ใช่เพราะพ่อแม่ไม่ใส่ใจลูกๆ
06:05
The same child that is not immunized against measles,
149
350000
3000
เพราะเด็กที่ไม่เคยได้วัคซีนโรคหัด
06:08
if they do get measles, parents will spend
150
353000
2000
ถ้าเกิดเป็นหัดขึ้นมา พ่อแม่ของเขาจะใช้เงิน
06:10
thousands of rupees to help them.
151
355000
2000
หลายพันรูปีในการรักษา
06:12
So you get these empty village subcenters
152
357000
2000
เมืองนี้เต็มไปด้วยศูนย์อนามัยร้างในหมู่บ้าน
06:14
and crowded hospitals.
153
359000
2000
กับโรงพยาบาลที่แน่นขนัด
06:16
So what is the problem?
154
361000
2000
ฉะนั้นปัญหาคืออะไร?
06:18
Well, part of the problem, surely, is people do not fully understand.
155
363000
3000
โอเค แน่นอนว่าปัญหาส่วนหนึ่งคือ คนยังเข้าใจขาดๆ เกินๆ
06:21
After all, in this country as well,
156
366000
2000
เพราะในประเทศอินเดีย
06:23
all sorts of myths and misconceptions
157
368000
2000
ก็ยังมีมายาคติและความเข้าใจผิดมากมาย
06:25
go around immunization.
158
370000
3000
เกี่ยวกับการฉีดวัคซีน
06:28
So if that's the case, that's difficult,
159
373000
2000
ถ้านี่คือปัญหา มันก็แก้ยาก
06:30
because persuasion is really difficult.
160
375000
3000
เพราะการหว่านล้อมคนเป็นเรื่องที่ยากมาก
06:33
But maybe there is another problem as well.
161
378000
2000
แต่บางที อาจจะมีอีกปัญหาหนึ่งก็ได้
06:35
It's going from intention to action.
162
380000
3000
คือการก้าวจากความตั้งใจไปสู่การกระทำ
06:38
Imagine you are a mother
163
383000
2000
ลองสมมุติว่าคุณเป็นแม่เด็ก
06:40
in Udaipur District, Rajasthan.
164
385000
2000
คนหนึ่งในเมืองอุไดปูร์ รัฐราชสถาน
06:42
You have to walk a few kilometers to get your kids immunized.
165
387000
3000
คุณต้องเดินหลายกิโลเพื่อพาลูกไปฉีดวัคซีน
06:45
And maybe when you get there, what you find is this:
166
390000
2000
และบางที เมื่อคุณไปถึงแล้ว คุณจะพบว่า
06:47
The subcenter is closed. Ao you have to come back,
167
392000
2000
ศูนย์อนามัยปิดไปแล้ว คุณต้องกลับมาใหม่
06:49
and you are so busy and you have so many other things to do,
168
394000
3000
และคุณก็ยุ่งเหลือเกิน มีอย่างอื่นอีกเยอะที่ต้องทำ
06:52
you will always tend to postpone and postpone,
169
397000
2000
คุณก็เลยผลัดวันประกันพรุ่งไปเรื่อยๆ
06:54
and eventually it gets too late.
170
399000
2000
จนกระทั่งมันสายเกินไปแล้ว
06:56
Well, if that's the problem, then that's much easier.
171
401000
3000
โอเค ถ้าปัญหาอยู่ตรงนี้ มันก็แก้ง่ายกว่ามาก
06:59
Because A, we can make it easy,
172
404000
3000
เพราะ ก. เราทำให้มันง่ายได้
07:02
and B, we can maybe
173
407000
2000
และ ข. บางทีเราจะสามารถ
07:04
give people a reason to act today,
174
409000
2000
สร้างเหตุผลให้คนลงมือทำวันนี้
07:06
rather than wait till tomorrow.
175
411000
2000
แทนที่จะรอถึงวันพรุ่งนี้
07:08
So these are simple ideas, but we didn't know.
176
413000
2000
เหล่านี้เป็นความคิดง่ายๆ แต่เราไม่รู้ว่าใช้ได้หรือเปล่า
07:10
So let's try them.
177
415000
2000
เราก็เลยลองทำ
07:12
So what we did is we did a randomized, controlled trial
178
417000
3000
เราทำการทดลองควบคุมแบบสุ่ม
07:15
in 134 villages in Udaipur Districts.
179
420000
2000
ในหมู่บ้าน 134 แห่งในอุไดปูร์
07:17
So the blue dots
180
422000
2000
จุดสีฟ้าคือหมู่บ้านที่เรา
07:19
are selected randomly.
181
424000
2000
สุ่มเลือกมา
07:21
We made it easy -- I'll tell you how in a moment.
182
426000
3000
เราคิดขั้นตอนที่ง่ายมาก เดี๋ยวฉันจะเล่า
07:24
In the red dots, we made it easy
183
429000
2000
ในจุดสีแดง เราทำให้ฉีดวัคซีนง่าย
07:26
and gave people a reason to act now.
184
431000
2000
และมอบเหตุผลให้คนลงมือวันนี้
07:28
The white dots are comparisons, nothing changed.
185
433000
3000
จุดสีขาวคือกลุ่มควบคุม คือไม่มีอะไรเปลี่ยนแปลง
07:31
So we make it easy by organizing
186
436000
2000
เราคิดขั้นตอนง่ายๆ ด้วยการจัดตั้ง
07:33
this monthly camp where people can
187
438000
2000
ค่ายฉีดวัคซีนประจำเดือน ให้คนพาลูก
07:35
get their kids immunized.
188
440000
2000
มาฉีดวัคซีน
07:37
And then you make it easy
189
442000
2000
เราทำให้ง่าย
07:39
and give a reason to act now
190
444000
2000
และมอบเหตุผลให้คนลงมือทำ
07:41
by adding a kilo of lentils for each immunization.
191
446000
3000
ด้วยการให้ถั่วฝักยาวหนึ่งกิโล ต่อการฉีดหนึ่งครั้ง
07:44
Now, a kilo of lentils is tiny.
192
449000
3000
โอเค ถั่วฝักยาวหนึ่งกิโลเป็นเรื่องเล็กมาก
07:47
It's never going to convince anybody
193
452000
2000
มันไม่มีทางที่จะหว่านล้อมใคร
07:49
to do something that they don't want to do.
194
454000
2000
ให้ทำในสิ่งที่เขาไม่อยากทำ
07:51
On the other hand, if your problem is you tend to postpone,
195
456000
3000
ในทางกลับกัน ถ้าปัญหาของคุณคือการผลัดวันประกันพรุ่ง
07:54
then it might give you a reason to act today
196
459000
2000
ถั่วฝักยาวนี้ก็อาจเป็นเหตุผลให้คุณทำมันวันนี้
07:56
rather than later.
197
461000
2000
แทนที่จะผลัดไปวันหน้า
07:58
So what do we find?
198
463000
2000
สิ่งที่เราค้นพบคืออะไร?
08:00
Well, beforehand, everything is the same.
199
465000
2000
โอเค ก่อนหน้านี้ ทุกอย่างเหมือนเดิม
08:02
That's the beauty of randomization.
200
467000
2000
นี่คือความงดงามของการสุ่มเลือก
08:04
Afterwards,
201
469000
2000
หลังจากนั้น
08:06
the camp -- just having the camp --
202
471000
2000
ค่ายวัคซีน แค่การมีค่ายนี้
08:08
increases immunization from six percent to 17 percent.
203
473000
2000
ได้เพิ่มอัตราเด็กที่ฉีดวัคซีนจาก 6 เป็น 17 เปอร์เซ็นต์
08:10
That's full immunization.
204
475000
2000
นั่นคือวัคซีนชุดเต็ม
08:12
That's not bad, that's a good improvement.
205
477000
2000
อัตรานี้ไม่เลวเลย เป็นการปรับปรุงที่ดี
08:14
Add the lentils and you reach to 38 percent.
206
479000
3000
หลังจากที่เราแจกถั่วฝักยาว อัตรานี้ก็ขึ้นไปถึง 38 เปอร์เซ็นต์
08:17
So here you've got your answer.
207
482000
2000
ทีนี้คุณก็ได้คำตอบแล้ว
08:19
Make it easy and give a kilo of lentils,
208
484000
2000
ทำขั้นตอนให้ง่าย แจกถั่วฝักยาวหนึ่งกิโล
08:21
you multiply immunization rate by six.
209
486000
3000
แล้วคุณจะเพิ่มอัตราฉีดวัคซีนได้ 6 เท่า
08:24
Now, you might say, "Well, but it's not sustainable.
210
489000
2000
ตรงนี้คุณอาจบอกว่า "แต่มันไม่ยั่งยืนนะ
08:26
We cannot keep giving lentils to people."
211
491000
2000
เราแจกถั่วฝักยาวให้คนไปเรื่อยๆ ไม่ได้"
08:28
Well, it turns out it's wrong economics,
212
493000
2000
ความคิดแบบนี้เป็นเศรษฐศาสตร์ที่ผิด
08:30
because it is cheaper
213
495000
2000
เพราะการแจกถั่วฝักยาว
08:32
to give lentils than not to give them.
214
497000
2000
นั้นถูกกว่าถ้าไม่แจก
08:34
Since you have to pay for the nurse anyway,
215
499000
2000
เพราะคุณต้องเสียเงินค่าพยาบาลอยู่ดี
08:36
the cost per immunization
216
501000
2000
ต้นทุนของการฉีดวัคซีน
08:38
ends up being cheaper if you give incentives than if you don't.
217
503000
3000
ที่มีแรงจูงใจจะถูกกว่าต้นทุนที่ไม่มีแรงจูงใจ
08:42
How about bed nets?
218
507000
2000
แล้วเรื่องมุ้งล่ะ?
08:44
Should you give them for free, or should you ask people to pay for them?
219
509000
3000
คุณควรจะแจกมุ้ง หรือบอกให้คนเสียเงินซื้อ?
08:47
So the answer hinges
220
512000
2000
คำตอบขึ้นอยู่กับ
08:49
on the answer to three simple questions.
221
514000
2000
คำตอบย่อยของสามคำถามง่ายๆ
08:51
One is: If people must pay for a bed net,
222
516000
3000
หนึ่ง ถ้าคนต้องเสียเงินซื้อมุ้ง
08:54
are they going to purchase them?
223
519000
2000
พวกเขาจะซื้อมุ้งหรือเปล่า?
08:56
The second one is:
224
521000
2000
คำถามที่สองคือ
08:58
If I give bed nets for free,
225
523000
2000
ถ้าเราแจกมุ้งไปฟรีๆ
09:00
are people going to use them?
226
525000
2000
คนจะใช้มันหรือเปล่า?
09:02
And the third one is:
227
527000
2000
และคำถามที่สามคือ
09:04
Do free bed nets discourage future purchase?
228
529000
2000
มุ้งฟรีทำให้คนไม่อยากซื้อมุ้งในอนาคตหรือเปล่า?
09:06
The third one is important
229
531000
2000
คำถามที่สามนี้สำคัญ
09:08
because if we think people get used to handouts,
230
533000
3000
เพราะถ้าคนเคยชินกับการได้มุ้งฟรี
09:11
it might destroy markets to distribute free bed nets.
231
536000
3000
มันก็จะทำลายตลาดของการแจกจ่ายมุ้งฟรี
09:14
Now this is a debate that has generated
232
539000
2000
นี่คือการถกเถียงที่ก่อให้เกิด
09:16
a lot of emotion and angry rhetoric.
233
541000
3000
อารมณ์พลุ่งพล่านและโวหารโกรธแค้น
09:19
It's more ideological than practical,
234
544000
2000
เป็นเรื่องของอุดมการณ์มากกว่าภาคปฏิบัติ
09:21
but it turns out it's an easy question.
235
546000
2000
แต่กลายเป็นคำถามที่ตอบง่าย
09:23
We can know the answer to this question.
236
548000
2000
เพราะเราหาคำตอบได้
09:25
We can just run an experiment.
237
550000
2000
ด้วยการทำการทดลอง
09:27
And many experiments have been run, and they all have the same results,
238
552000
2000
เราทำการทดลองหลายรอบ ได้ผลลัพธ์ตรงกัน
09:29
so I'm just going to talk to you about one.
239
554000
3000
ฉันเลยจะเล่าให้ฟังเรื่องเดียว
09:32
And this one that was in Kenya,
240
557000
2000
คือการทดลองที่ทำในเคนยา
09:34
they went around and distributed to people
241
559000
2000
คนที่ทำการทดลองไปแจกจ่าย
09:36
vouchers, discount vouchers.
242
561000
2000
คูปองส่วนลดให้กับผู้คน
09:38
So people with their voucher
243
563000
2000
คนที่มีคูปองสามารถ
09:40
could get the bed net in the local pharmacy.
244
565000
2000
ไปซื้อมุ้งกันยุงที่ร้านขายยาในท้องถิ่น
09:42
And some people get 100 percent discount,
245
567000
3000
บางคนได้ส่วนลด 100 เปอร์เซ็นต์
09:45
and some people get 20 percent discounts,
246
570000
2000
บางคนได้ 20 เปอร์เซ็นต์
09:47
and some people get 50 percent discount, etc.
247
572000
3000
และบางคนได้ 50 เปอร์เซ็นต์ ฯลฯ
09:50
And now we can see what happens.
248
575000
2000
ทีนี้เราก็ดูได้ว่าเกิดอะไรขึ้น
09:52
So, how about the purchasing?
249
577000
2000
โอเค เกิดอะไรขึ้นกับการซื้อมุ้ง?
09:54
Well, what you can see is that
250
579000
2000
สิ่งที่เราค้นพบก็คือ
09:56
when people have to pay for their bed nets,
251
581000
2000
เวลาที่คนต้องเสียเงินซื้อมุ้ง
09:58
the coverage rate really falls down a lot.
252
583000
3000
อัตราการใช้มุ้งก็ลดลงมาก
10:01
So even with partial subsidy,
253
586000
2000
แม้จะอุดหนุนบางส่วน
10:03
three dollars is still not the full cost of a bed net,
254
588000
3000
เงิน 3 เหรียญก็ยังไม่ใช่ต้นทุนทั้งหมดของมุ้ง
10:06
and now you only have 20 percent of the people with the bed nets,
255
591000
2000
และตอนนี้ก็มีคนใช้มุ้งเพียง 20 เปอร์เซ็นต์
10:08
you lose the health immunity, that's not great.
256
593000
3000
เท่ากับมีภูมิคุ้มกันลดลง นี่เป็นข่าวร้าย
10:11
Second thing is, how about the use?
257
596000
2000
ทีนี้เรื่องการใช้มุ้งล่ะ?
10:13
Well, the good news is, people, if they have the bed nets,
258
598000
2000
ข่าวดีคือ เราพบว่าคนที่มีมุ้ง
10:15
will use the bed nets regardless of how they got it.
259
600000
3000
จะใช้มันโดยไม่เกี่ยงว่าได้มันมายังไง
10:18
If they get it for free, they use it.
260
603000
2000
ถ้าพวกเขาได้มุ้งมาฟรีๆ ก็ใช้มัน
10:20
If they have to pay for it, they use it.
261
605000
2000
ถ้าต้องซื้อ พวกเขาก็ใช้มัน
10:22
How about the long term?
262
607000
2000
แล้วประเด็นระยะยาวล่ะ?
10:24
In the long term,
263
609000
2000
ในระยะยาว
10:26
people who got the free bed nets,
264
611000
2000
คนที่ได้รับมุ้งฟรี
10:28
one year later, were offered the option
265
613000
2000
หนึ่งปีให้หลัง ได้รับข้อเสนอ
10:30
to purchase a bed net at two dollars.
266
615000
3000
ให้ซื้อมุ้งได้ในราคา 2 เหรียญ
10:33
And people who got the free one
267
618000
2000
ข้อค้นพบคือ คนที่ได้มุ้งฟรี
10:35
were actually more likely to purchase the second one
268
620000
3000
มีแนวโน้มที่จะซื้อมุ้งอันที่สอง
10:38
than people who didn't get a free one.
269
623000
2000
มากกว่าคนที่ไม่ได้มุ้งฟรี
10:40
So people do not get used to handouts; they get used to nets.
270
625000
3000
นั่นแปลว่าคนไม่ได้คุ้นเคยกับการให้เปล่า พวกเขาคุ้นเคยกับมุ้ง
10:43
Maybe we need to give them a little bit more credit.
271
628000
3000
บางทีเราอาจต้องมองคนในแง่ดีมากขึ้น
10:48
So, that's for bed nets. So you will think, "That's great.
272
633000
2000
โอเค นั่นคือเรื่องมุ้ง คุณอาจคิดว่า "ดีเลย
10:50
You know how to immunize kids, you know how to give bed nets."
273
635000
3000
คุณรู้วิธีให้วัคซีน รู้วิธีให้มุ้งกันยุง"
10:53
But what politicians need is a range of options.
274
638000
3000
แต่สิ่งที่นักการเมืองต้องการคือทางเลือกต่างๆ
10:56
They need to know: Out of all the things I could do,
275
641000
3000
พวกเขาต้องรู้ว่า จากทางเลือกทั้งหมดที่ฉันทำได้
10:59
what is the best way to achieve my goals?
276
644000
3000
อะไรคือทางเลือกที่ดีที่สุดที่จะบรรลุเป้าหมาย?
11:02
So suppose your goal is to get kids into school.
277
647000
3000
สมมุติว่าเป้าหมายของคุณคือ ให้เด็กไปโรงเรียน
11:05
There are so many things you could do. You could pay for uniforms,
278
650000
3000
มีหลายอย่างมากที่คุณทำได้ คุณอาจให้ชุดนักเรียน
11:08
you could eliminate fees, you could build latrines,
279
653000
2000
คุณอาจยกเลิกค่าเล่าเรียน สร้างห้องส้วม
11:10
you could give girls sanitary pads, etc., etc.
280
655000
3000
แจกผ้าอนามัยให้เด็กผู้หญิง ฯลฯ
11:13
So what's the best?
281
658000
2000
วิธีไหนดีที่สุด?
11:15
Well, at some level, we think
282
660000
2000
โอเค ในบางระดับ เราคิดว่า
11:17
all of these things should work.
283
662000
2000
วิธีเหล่านี้น่าจะใช้ได้ทั้งหมด
11:19
So, is that sufficient? If we think they should work intuitively,
284
664000
2000
ถ้าเราคิดโดยสัญชาตญาณว่ามันควรจะใช้ได้ คำถามคือนั่นเพียงพอไหม
11:21
should we go for them?
285
666000
2000
เราควรจะทำหรือเปล่า?
11:23
Well, in business, that's certainly not the way we would go about it.
286
668000
3000
ในโลกธุรกิจ นี่ไม่ใช่วิธีที่เราตัดสินใจแน่นอน
11:27
Consider for example
287
672000
2000
ลองนึกถึงตัวอย่าง
11:29
transporting goods.
288
674000
2000
การขนส่งสินค้า
11:31
Before the canals were invented
289
676000
2000
ก่อนที่จะมีการขุดคูคลอง
11:33
in Britain before the Industrial Revolution,
290
678000
3000
ในอังกฤษยุคก่อนปฏิวัติอุตสาหกรรม
11:36
goods used to go on horse carts.
291
681000
2000
สินค้าต่างๆ ส่งบนเกวียนเทียมม้า
11:38
And then canals were built,
292
683000
2000
หลังจากนั้นคนก็ขุดคูคลอง
11:40
and with the same horseman and the same horse,
293
685000
3000
ทำให้คนขับเกวียนคนเดิมกับม้าตัวเดิม
11:43
you could carry ten times as much cargo.
294
688000
3000
ส่งสินค้าได้มากขึ้นถึง 10 เท่า
11:46
So should they have continued
295
691000
2000
แปลว่าคนควรจะยังทำแบบเดิม
11:48
to carry the goods on the horse carts, on the ground,
296
693000
3000
คือส่งสินค้าบนหลังม้า ตามเส้นทางภาคพื้นดิน
11:51
that they would eventually get there?
297
696000
2000
รอวันที่จะไปถึงจุดหมาย?
11:53
Well, if that had been the case,
298
698000
2000
ถ้าพ่อค้าทำแบบนั้น
11:55
there would have been no Industrial Revolution.
299
700000
2000
การปฏิวัติอุตสาหกรรมก็ไม่มีวันเกิดขึ้น
11:57
So why shouldn't we do the same with social policy?
300
702000
3000
แล้วทำไมเราถึงจะทำแบบเดียวกันกับนโยบายสังคมไม่ได้?
12:00
In technology, we spend so much time
301
705000
2000
ในภาคเทคโนโลยี เราใช้เวลามากเหลือเกิน
12:02
experimenting, fine-tuning,
302
707000
2000
ในการทดลอง ปรับแก้รายละเอียด
12:04
getting the absolute cheapest way to do something,
303
709000
2000
ให้ได้วิธีที่ถูกที่สุดจริงๆ ในการทำอะไรสักอย่าง
12:06
so why aren't we doing that with social policy?
304
711000
3000
แล้วทำไมเราถึงไม่ทำอย่างนั้นกับนโยบายสังคม?
12:09
Well, with experiments, what you can do
305
714000
2000
ตอนนี้การทดลองช่วยให้คุณสามารถ
12:11
is answer a simple question.
306
716000
2000
ตอบคำถามง่ายๆ ได้
12:13
Suppose you have 100 dollars to spend
307
718000
2000
สมมุติว่าคุณมีเงิน 100 เหรียญจะใช้
12:15
on various interventions.
308
720000
2000
กับสิ่งประดิษฐ์ต่างๆ
12:17
How many extra years of education
309
722000
2000
เด็กจะมีการศึกษามากขึ้นกี่ปี
12:19
do you get for your hundred dollars?
310
724000
2000
ถ้าคุณใช้เงิน 100 เหรียญนั้น?
12:21
Now I'm going to show you
311
726000
2000
ทีนี้ฉันจะแสดงให้ดูว่า
12:23
what we get with various education interventions.
312
728000
3000
มาตรการต่างๆ ด้านการศึกษาให้อะไรเราบ้าง
12:27
So the first ones are if you want the usual suspects,
313
732000
2000
มาตรการแรกๆ ที่เราดูคือมาตรการทั่วไป
12:29
hire teachers, school meals,
314
734000
2000
อย่างการจ้างครู อาหารในโรงเรียน
12:31
school uniforms, scholarships.
315
736000
2000
ชุดนักเรียน ทุนการศึกษา
12:33
And that's not bad. For your hundred dollars,
316
738000
2000
ทั้งหมดนี้ไม่เลวเลยสำหรับ 100 เหรียญ
12:35
you get between one and three extra years of education.
317
740000
3000
มันช่วยเพิ่มอัตราการไปโรงเรียน 1-3 ปี
12:39
Things that don't work so well is bribing parents,
318
744000
2000
มาตรการที่ไม่ได้ผลดีเท่าคือการติดสินบนพ่อแม่
12:41
just because so many kids are already going to school
319
746000
3000
เพราะเด็กจำนวนมากไปโรงเรียนอยู่แล้ว
12:44
that you end up spending a lot of money.
320
749000
2000
เรื่องนี้เลยกลายเป็นว่าคุณเสียเงินเยอะมาก
12:46
And here are the most surprising results.
321
751000
3000
ผลลัพธ์ที่น่าแปลกใจที่สุดคือ
12:49
Tell people the benefits of education,
322
754000
3000
การอธิบายประโยชน์ของการศึกษาให้คนฟัง
12:52
that's very cheap to do.
323
757000
2000
เป็นวิธีที่ถูกมาก
12:54
So for every hundred dollars you spend doing that,
324
759000
3000
และทุก 100 เหรียญที่คุณใช้ทำเรื่องนี้
12:57
you get 40 extra years of education.
325
762000
3000
คุณจะเพิ่มอัตราการไปโรงเรียนได้ถึง 40 ปี
13:00
And, in places where there are worms,
326
765000
2000
และในพื้นที่ที่มีพยาธิ
13:02
intestinal worms,
327
767000
2000
พยาธิลำไส้
13:04
cure the kids of their worms.
328
769000
2000
คุณควรรักษาเด็กให้หายขาด
13:06
And for every hundred dollars,
329
771000
2000
ทุก 100 เหรียญที่ใช้ทำเรื่องนี้
13:08
you get almost 30 extra years of education.
330
773000
3000
ช่วยเพิ่มอัตราการไปโรงเรียนได้เกือบ 30 ปี
13:11
So this is not your intuition,
331
776000
2000
ดังนั้น นี่จึงไม่ใช่สัญชาตญาณ
13:13
this is not what people would have gone for,
332
778000
2000
ไม่ใช่สิ่งที่คนจะตัดสินใจทำ
13:15
and yet, these are the programs that work.
333
780000
3000
แต่มันคือมาตรการที่แก้ปัญหาได้
13:18
We need that kind of information, we need more of it,
334
783000
2000
เราต้องการข้อมูลแบบนี้ ต้องการมากกว่านี้มาก
13:20
and then we need to guide policy.
335
785000
2000
เสร็จแล้วเราก็ต้องแนะแนวนโยบาย
13:24
So now, I started from the big problem, and I couldn't answer it.
336
789000
3000
เห็นชัดว่าฉันเริ่มจากปัญหาใหญ่ ปัญหาที่ฉันตอบไม่ได้
13:27
And I cut it into smaller questions,
337
792000
3000
ฉันก็เลยย่อยมันลงเป็นปัญหาเล็กๆ
13:30
and I have the answer to these smaller questions.
338
795000
2000
ฉันตอบปัญหาเล็กๆ เหล่านี้ได้
13:32
And they are good, scientific, robust answers.
339
797000
3000
คำตอบที่ดี เป็นวิทยาศาสตร์และตรงไปตรงมา
13:36
So let's go back to Haiti for a moment.
340
801000
2000
ทีนี้ลองกลับไปที่เฮติกัน
13:39
In Haiti, about 200,000 people died --
341
804000
3000
ในเฮติ มีคนตายประมาณสองแสนคน
13:43
actually, a bit more by the latest estimate.
342
808000
2000
ที่จริงตัวเลขล่าสุดสูงกว่านั้นแล้ว
13:45
And the response of the world was great:
343
810000
2000
และโลกทั้งโลกก็ร่วมใจกันช่วย
13:47
Two billion dollars got pledged just last month,
344
812000
3000
เดือนที่แล้วเดือนเดียวมีสัญญาว่าจะให้เงิน 2 พันล้านเหรียญ
13:51
so that's about 10,000 dollars per death.
345
816000
2000
เท่ากับประมาณหนึ่งหมื่นเหรียญต่อคนตายหนึ่งคน
13:53
That doesn't sound like that much when you think about it.
346
818000
3000
ไม่ได้เป็นตัวเลขที่สูงเลยถ้าคุณลองนึกดู
13:56
But if we were willing to spend 10,000 dollars
347
821000
3000
แต่ถ้าเรายอมจ่ายเงินหนึ่งหมื่นเหรียญ
13:59
for every child under five who dies,
348
824000
3000
ต่อเด็กอายุไม่ถึงห้าขวบทุกคนที่ตาย
14:02
that would be 90 billion per year
349
827000
3000
มันก็เท่ากับว่าเรามี 90,000 ล้านเหรียญทุกปี
14:05
just for that problem.
350
830000
2000
สำหรับปัญหานี้ปัญหาเดียว
14:07
And yet it doesn't happen.
351
832000
2000
แต่แล้วเรื่องนี้ก็ไม่เกิด
14:09
So, why is that?
352
834000
2000
ทำไมล่ะ?
14:11
Well, I think what part of the problem is that,
353
836000
2000
ฉันคิดว่าส่วนหนึ่งของปัญหาคือ
14:13
in Haiti, although the problem is huge,
354
838000
2000
ในเฮติ แม้ว่าปัญหาจะใหญ่มาก
14:15
somehow we understand it, it's localized.
355
840000
2000
เราก็เข้าใจมัน มันเป็นปัญหาของท้องถิ่น
14:17
You give your money to Doctors Without Borders,
356
842000
2000
คุณบริจาคเงินให้กับองค์การแพทย์ไร้พรมแดน
14:19
you give your money to Partners In Health,
357
844000
2000
คุณบริจาคเงินให้กับ Partners in Health
14:21
and they'll send in the doctors, and they'll send in the lumber,
358
846000
3000
แล้วพวกเขาก็จะส่งแพทย์เข้าไป ส่งไม้ไปสร้างบ้าน
14:24
and they'll helicopter things out and in.
359
849000
3000
ส่งของด้วยเฮลิคอปเตอร์รอบแล้วรอบเล่า
14:27
And the problem of poverty is not like that.
360
852000
2000
ปัญหาของความยากจนไม่ใช่แบบนั้น
14:29
So, first, it's mostly invisible;
361
854000
2000
ก่อนอื่น เรามองไม่ค่อยเห็นมัน
14:31
second, it's huge;
362
856000
2000
ข้อสอง มันเป็นปัญหาที่ใหญ่หลวง
14:33
and third, we don't know whether we are doing the right thing.
363
858000
3000
และข้อสาม เราไม่รู้ว่าเรากำลังทำสิ่งที่ถูกต้องหรือเปล่า
14:36
There's no silver bullet.
364
861000
2000
เราไม่มียาวิเศษ
14:38
You cannot helicopter people out of poverty.
365
863000
2000
คุณส่งเฮลิคอปเตอร์ไปฉุดคนขึ้นจากความจนไม่ได้
14:40
And that's very frustrating.
366
865000
2000
ซึ่งเป็นเรื่องที่น่าอึดอัดมาก
14:42
But look what we just did today.
367
867000
3000
แต่ดูสิว่าวันนี้เราเพิ่งทำอะไรกัน
14:45
I gave you three simple answers to three questions:
368
870000
3000
ฉันให้คำตอบง่ายๆ กับคำถามสามข้อ
14:48
Give lentils to immunize people,
369
873000
2000
ให้ถั่วฝักยาวเพื่อให้วัคซีนกับเด็ก
14:50
provide free bed nets, deworm children.
370
875000
2000
แจกมุ้งฟรี ขจัดพยาธิในเด็ก
14:52
With immunization or bed nets,
371
877000
2000
วัคซีนหรือมุ้งกันยุงช่วยชีวิตคนได้
14:54
you can save a life for 300 dollars per life saved.
372
879000
3000
ด้วยต้นทุน 300 เหรียญต่อหนึ่งชีวิต
14:57
With deworming, you can get
373
882000
2000
การขจัดพยาธิทำให้เด็ก
14:59
an extra year of education for three dollars.
374
884000
2000
ได้รับการศึกษามากขึ้น 1 ปี ในราคา 3 เหรียญ
15:02
So we cannot eradicate poverty just yet,
375
887000
3000
ดังนั้น แม้เราจะยังขจัดความยากจนไม่ได้
15:05
but we can get started.
376
890000
2000
เราก็เริ่มลงมือได้
15:07
And maybe we can get started small
377
892000
2000
และบางที เราอาจเริ่มจากสิ่งเล็กๆ
15:09
with things that we know are effective.
378
894000
3000
สิ่งที่เรารู้ว่าได้ผลดี
15:12
Here's an example of how this can be powerful.
379
897000
2000
นี่คือตัวอย่างของวิธีที่เรื่องนี้จะสร้างพลัง
15:14
Deworming.
380
899000
2000
การขจัดพยาธิ
15:16
Worms have a little bit of a problem grabbing the headlines.
381
901000
2000
พยาธิไม่ค่อยเป็นพาดหัวข่าว
15:18
They are not beautiful and don't kill anybody.
382
903000
3000
มันไม่สวยงาม และมันก็ไม่ฆ่าใครเลย
15:21
And yet, when the young global leader in Davos
383
906000
2000
แต่แล้ว เมื่อผู้นำโลกยังหนุ่มในดาโวส
15:23
showed the numbers I gave you,
384
908000
2000
แสดงตัวเลขที่ฉันแสดงให้คุณดู
15:25
they started Deworm the World.
385
910000
2000
พวกเขาก็เริ่มโครงการ Deworm the World
15:27
And thanks to Deworm the World,
386
912000
2000
หลังจากนั้น โครงการนี้ประกอบกับ
15:29
and the effort of many country governments and foundations,
387
914000
2000
ความพยายามของรัฐบาลและมูลนิธิหลายแห่ง
15:31
20 million school-aged children got dewormed in 2009.
388
916000
3000
ทำให้เด็กวัยเรียน 20 ล้านคนได้รับการขจัดพยาธิในปี 2009
15:34
So this evidence is powerful.
389
919000
2000
นี่แสดงว่าหลักฐานนั้นทรงพลังมาก
15:36
It can prompt action.
390
921000
2000
มันจุดประกายการกระทำได้
15:38
So we should get started now.
391
923000
2000
ดังนั้นเราจึงควรเริ่มกันวันนี้
15:40
It's not going to be easy.
392
925000
2000
มันไม่ใช่เรื่องง่าย
15:42
It's a very slow process.
393
927000
2000
มันเป็นกระบวนการที่ช้ามาก
15:44
You have to keep experimenting, and sometimes ideology
394
929000
2000
คุณต้องไม่หยุดทดลอง และบางครั้งอุดมการณ์
15:46
has to be trumped by practicality.
395
931000
2000
ก็ต้องหลีกทางให้กับการปฏิบัติที่ได้ผล
15:48
And sometimes what works somewhere doesn't work elsewhere.
396
933000
3000
และบางครั้งสิ่งที่ใช้การได้ในพื้นที่หนึ่ง จะใช้ที่อื่นไม่ได้
15:51
So it's a slow process,
397
936000
2000
มันก็เลยเป็นกระบวนการที่ช้า
15:53
but there is no other way.
398
938000
2000
แต่เราก็ไม่มีวิธีอื่น
15:55
These economics I'm proposing,
399
940000
2000
เศรษฐศาสตร์ที่ฉันกำลังเสนอ
15:57
it's like 20th century medicine.
400
942000
2000
เหมือนกับการแพทย์ยุคศตวรรษที่ 20
15:59
It's a slow, deliberative process
401
944000
2000
มันเป็นกระบวนการค้นพบที่เชื่องช้า
16:01
of discovery.
402
946000
2000
และรอบคอบ
16:03
There is no miracle cure,
403
948000
2000
เราไม่มียาวิเศษ
16:05
but modern medicine is saving
404
950000
2000
แต่การแพทย์สมัยใหม่ก็กำลังช่วยชีวิต
16:07
millions of lives every year,
405
952000
2000
คนหลายล้านคนทุกปี
16:09
and we can do the same thing.
406
954000
2000
และเราก็ทำแบบเดียวกันได้
16:13
And now, maybe, we can go back to the bigger question
407
958000
3000
บางที เราอาจกลับไปที่คำถามใหญ่
16:16
that I started with at the beginning.
408
961000
3000
ที่ฉันทิ้งไว้ตอนต้น
16:19
I cannot tell you
409
964000
2000
ฉันบอกคุณไม่ได้
16:21
whether the aid we have spent in the past has made a difference,
410
966000
3000
ว่าเงินช่วยเหลือในอดีตสร้างการเปลี่ยนแปลงหรือเปล่า
16:24
but can we come back here in 30 years
411
969000
3000
แต่เราจะกลับมายืนตรงนี้ในอีก 30 ปีข้างหน้า
16:27
and say, "What we have done,
412
972000
3000
และพูดได้ว่า "สิ่งที่เราทำ
16:30
it really prompted a change for the better."
413
975000
3000
กระตุ้นให้เกิดการเปลี่ยนแปลงเชิงบวกจริงๆ"
16:33
I believe we can and I hope we will.
414
978000
2000
ฉันเชื่อว่าเราทำได้ และหวังว่าเราจะทำ
16:35
Thank you.
415
980000
2000
ขอบคุณค่ะ
16:37
(Applause)
416
982000
2000
(เสียงปรบมือ)
ABOUT THE SPEAKER
Esther Duflo - Development economistEsther Duflo takes economics out of the lab and into the field to discover the causes of poverty and means to eradicate it.
Why you should listen
2009 MacArthur fellow Esther Duflo is pushing the field of development economics by studying specific causal relationships that lead to or perpetuate poverty. She looks at close-to-home issues: household behavior, education, access to finance and health.
At MIT, she's the founder and director of the Jameel Poverty Action Lab (J-PAL), a research network that evaluates social programs. It's concerned less with wide-ranging policy than with specific questions. Sample: If schoolkids could get their uniforms for free, would attendance go up? What's an effective way to reward mothers for immunizing their babies? Randomized trials offer new insights toward creating global equity and prosperity. Her work may blur the lines between economics and activism, but it's a role Duflo not only considers comfortable but vital.
Her new book is Poor Economics, with Abhijit W. Banerjee.
Esther Duflo | Speaker | TED.com