ABOUT THE SPEAKER
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.

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 IrrationalThe 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.

More profile about the speaker
Dan Ariely | Speaker | TED.com
TED2009

Dan Ariely: Our buggy moral code

Ο Νταν Αριέλι για τον ελλατωματικό μας ηθικό κώδικα

Filmed:
3,509,395 views

Ο συμπεριφορικός οικονομολόγος Νταν Αριέλι μελετά τα ελλατώματα στον ηθικό μας κώδικα: τους κρυφούς λόγους για τους οποίους νομίζουμε ότι είναι εντάξει να εξαπατούμε ή να κλέβουμε (μερικές φορές). Έξυπνες έρευνες βοηθούν το επιχείρημά του ότι είμαστε προβλέψιμα παράλογοι -- και ότι μπορούμε να επηρεαστούμε με τρόπους που δεν μας είναι αντιληπτοί.
- 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

Double-click the English transcript below to play the video.

00:16
I want to talk to you todayσήμερα a little bitκομμάτι
0
1000
2000
Θα ήθελα να σας μιλήσω λίγο σήμερα
00:18
about predictableαναμενόμενος irrationalityπαραλογισμός.
1
3000
3000
για τον προβλέψιμο παραλογισμό.
00:21
And my interestενδιαφέρον in irrationalπαράλογος behaviorη ΣΥΜΠΕΡΙΦΟΡΑ
2
6000
4000
Το ενδιαφέρον μου για την παράλογη συμπεριφορά
00:25
startedξεκίνησε manyΠολλά yearsχρόνια agoπριν in the hospitalνοσοκομείο.
3
10000
3000
ξεκίνησε πριν μερικά χρόνια σε ένα νοσοκομείο.
00:28
I was burnedκαίγεται very badlyκακώς.
4
13000
4000
Είχα καεί πολύ άσχημα.
00:32
And if you spendδαπανήσει a lot of time in hospitalνοσοκομείο,
5
17000
3000
Και αν περάσετε αρκετό καιρό σε ένα νοσοκομείο
00:35
you'llθα το κάνετε see a lot of typesτύπους of irrationalitiesirrationalities.
6
20000
3000
θα δείτε πολλών ειδών παραλογισμούς.
00:38
And the one that particularlyιδιαίτερα botheredενοχλημένος me in the burnέγκαυμα departmentτμήμα
7
23000
5000
Και εκείνος που με ενόχλησε ιδιαίτερα στο τμήμα εγκαυμάτων
00:43
was the processεπεξεργάζομαι, διαδικασία by whichοι οποίες the nursesνοσοκόμες tookπήρε the bandageεπίδεσμος off me.
8
28000
4000
ήταν η διαδικασία με την οποία οι νοσοκόμες αφαιρούσαν τους επιδέσμους μου.
00:48
Now, you mustπρέπει have all takenληφθεί a Band-AidΕπίδεσμο off at some pointσημείο,
9
33000
2000
Σίγουρα όλοι σας έχετε βγάλει ένα τραυμαπλάστ κάποια στιγμή
00:50
and you mustπρέπει have wonderedαναρωτήθηκε what's the right approachπλησιάζω.
10
35000
3000
και σίγουρα αναρωτηθήκατε ποια είναι η σωστή προσέγγιση.
00:53
Do you ripξήλωμα it off quicklyγρήγορα -- shortμικρός durationδιάρκεια but highυψηλός intensityένταση --
11
38000
4000
Το τραβάτε απότομα -- μικρή διάρκεια αλλά με μεγάλη ένταση --
00:57
or do you take your Band-AidΕπίδεσμο off slowlyαργά --
12
42000
2000
ή το βγάζετε σιγά σιγά --
00:59
you take a long time, but eachκαθε secondδεύτερος is not as painfulεπώδυνος --
13
44000
4000
περισσότερος χρόνος, όμως κάθε δευτερόλεπτο είναι λιγότερο επίπονο --
01:03
whichοι οποίες one of those is the right approachπλησιάζω?
14
48000
3000
Ποια είναι η σωστή προσέγγιση;
01:06
The nursesνοσοκόμες in my departmentτμήμα thought that the right approachπλησιάζω
15
51000
4000
Οι νοσοκόμες στο τμήμα μου νόμιζαν πως η σωστή προσέγγιση
01:10
was the rippingεξαίρετος one, so they would grabαρπάζω holdΚρατήστε and they would ripξήλωμα,
16
55000
3000
ήταν η πρώτη, οπότε με κρατούσαν σταθερά και τράβαγαν απότομα τους επίδεσμους,
01:13
and they would grabαρπάζω holdΚρατήστε and they would ripξήλωμα.
17
58000
2000
κρατούσαν και τράβαγαν.
01:15
And because I had 70 percentτοις εκατό of my bodyσώμα burnedκαίγεται, it would take about an hourώρα.
18
60000
4000
Και επειδή είχα το 70% του σώματός μου καμένο, η διαδικασία έπερνε περίπου μια ώρα.
01:19
And as you can imagineφαντάζομαι,
19
64000
3000
Όπως φαντάζεστε λοιπόν,
01:22
I hatedμισητός that momentστιγμή of rippingεξαίρετος with incredibleαπίστευτος intensityένταση.
20
67000
4000
μισούσα τις στιγμές αυτού του απίστευτα έντονου πόνου.
01:26
And I would try to reasonλόγος with them and say,
21
71000
2000
Οπότε προσπάθησα να το συζητήσω μαζί τους λέγοντας,
01:28
"Why don't we try something elseαλλού?
22
73000
1000
"Γιατί να μη δοκιμάσουμε κάτι άλλο;
01:29
Why don't we take it a little longerμακρύτερα --
23
74000
2000
Γιατί να μην μας πάρει λίγο παραπάνω --
01:31
maybe two hoursώρες insteadαντι αυτου of an hourώρα -- and have lessπιο λιγο of this intensityένταση?"
24
76000
5000
ίσως δύο ώρες αντί για μία -- ώστε να αισθάνομαι λιγότερο πόνο;"
01:36
And the nursesνοσοκόμες told me two things.
25
81000
2000
Οπότε οι νοσοκόμες μου είπαν δύο πράγματα.
01:38
They told me that they had the right modelμοντέλο of the patientυπομονετικος --
26
83000
4000
Μου είπαν πως είχαν τη κατάλληλη μέθοδο για τον ασθενή --
01:42
that they knewήξερε what was the right thing to do to minimizeσμικροποιώ my painπόνος --
27
87000
3000
δηλαδή γνώριζαν ποια ήταν η σωστή διαδικασία για να ελαχιστοποιήσουν τον πόνο μου--
01:45
and they alsoεπίσης told me that the wordλέξη patientυπομονετικος doesn't mean
28
90000
3000
προσθέτοντας επίσης πως η λέξη ασθενής δεν σημαίνει
01:48
to make suggestionsΠροτάσεις or to interfereεπεμβαίνω or ...
29
93000
2000
να κάνω προτάσεις ή να παρεμβαίνω ή ...
01:50
This is not just in HebrewΕβραϊκά, by the way.
30
95000
3000
Και αυτό δεν είναι μόνο στα Εβραϊκά, παρεπιμπτόντως.
01:53
It's in everyκάθε languageΓλώσσα I've had experienceεμπειρία with so farμακριά.
31
98000
3000
Ισχύει για κάθε γλώσσα που έχω γνωρίσει μέχρι στιγμής.
01:56
And, you know, there's not much -- there wasn'tδεν ήταν much I could do,
32
101000
4000
Όπως καταλαβαίνετε, δεν γινόταν να κάνω κάτι παραπάνω
02:00
and they keptδιατηρούνται on doing what they were doing.
33
105000
3000
και εκείνες συνέχισαν να κάνουν το ίδιο.
02:03
And about threeτρία yearsχρόνια laterαργότερα, when I left the hospitalνοσοκομείο,
34
108000
2000
Και μετά από τρία χρόνια, όταν έφυγα από το νοσοκομείο,
02:05
I startedξεκίνησε studyingμελετώντας at the universityπανεπιστήμιο.
35
110000
3000
ξεκίνησα μαθήματα στο πανεπιστήμιο.
02:08
And one of the mostπλέον interestingενδιαφέρων lessonsμαθήματα I learnedέμαθα
36
113000
3000
Ένα από τα πιο ενδιαφέροντα μαθήματα που πήρα
02:11
was that there is an experimentalπειραματικός methodμέθοδος
37
116000
2000
ήταν ότι υπάρχει μια πειραματική μέθοδος
02:13
that if you have a questionερώτηση you can createδημιουργώ a replicaρεπλίκα of this questionερώτηση
38
118000
4000
που λέει ότι, όταν έχεις μια ερώτηση μπορείς να φτιάξεις ένα αντίγραφό της
02:17
in some abstractαφηρημένη way, and you can try to examineΕξετάστε this questionερώτηση,
39
122000
4000
με έναν αφαιρετικό τρόπο και να προσπαθήσεις να την μελετήσεις,
02:21
maybe learnμαθαίνω something about the worldκόσμος.
40
126000
2000
ώστε, ίσως, να μάθεις κάτι για τον κόσμο.
02:23
So that's what I did.
41
128000
2000
Και αυτό έκανα.
02:25
I was still interestedενδιαφερόμενος
42
130000
1000
Ακόμη με ενδιέφερε
02:26
in this questionερώτηση of how do you take bandagesΕπίδεσμοι off burnέγκαυμα patientsασθενείς.
43
131000
2000
η ερώτηση του πως αφαιρείς τους επιδέσμους από ασθενείς με εγκαύματα.
02:28
So originallyαρχικά I didn't have much moneyχρήματα,
44
133000
3000
Αρχικά,λοιπόν, δεν είχα αρκετά χρήματα,
02:31
so I wentπήγε to a hardwareσκεύη, εξαρτήματα storeκατάστημα and I boughtαγορασμένος a carpenter'sξυλουργού viceμέγγενη.
45
136000
4000
οπότε πήγα σε ένα κατάστημα σιδηρικών και αγόρασα μια μέγγενη.
02:35
And I would bringνα φερεις people to the labεργαστήριο and I would put theirδικα τους fingerδάχτυλο in it,
46
140000
4000
Οπότε έφερνα ανθρώπους στο εργαστήριο και έβαζα το δαχτυλό τους μέσα
02:39
and I would crunchτραγάνισμα it a little bitκομμάτι.
47
144000
2000
και το έσφιγγα λιγάκι.
02:41
(LaughterΤο γέλιο)
48
146000
2000
(Γέλια)
02:43
And I would crunchτραγάνισμα it for long periodsέμμηνα and shortμικρός periodsέμμηνα,
49
148000
3000
Το έσφιγγα για μεγάλες χρονικές περιόδους και μικρές,
02:46
and painπόνος that wentπήγε up and painπόνος that wentπήγε down,
50
151000
2000
αυξάνοντας και μειώνοντας τον πόνο,
02:48
and with breaksφρένα and withoutχωρίς breaksφρένα -- all kindsείδη of versionsεκδόσεις of painπόνος.
51
153000
4000
με σπασίματα ή όχι -- με πόνο όλων των ειδών.
02:52
And when I finishedπεπερασμένος hurtingπληγώνει people a little bitκομμάτι, I would askπαρακαλώ them,
52
157000
2000
Όταν σταμάτησα να τους πληγώνω για λίγο, ρωτούσα,
02:54
so, how painfulεπώδυνος was this? Or, how painfulεπώδυνος was this?
53
159000
2000
Πόσο επίπονο ήταν αυτό; Ή πόσο επίπονο ήταν αυτό;
02:56
Or, if you had to chooseεπιλέγω betweenμεταξύ the last two,
54
161000
2000
Και αν είχατε να επιλέξετε μεταξύ των δύο,
02:58
whichοι οποίες one would you chooseεπιλέγω?
55
163000
2000
ποιο θα επιλέγατε;
03:00
(LaughterΤο γέλιο)
56
165000
3000
(Γέλια)
03:03
I keptδιατηρούνται on doing this for a while.
57
168000
3000
Συνέχισα να το κάνω αυτό για αρκετό καιρό.
03:06
(LaughterΤο γέλιο)
58
171000
2000
(Γέλια)
03:08
And then, like all good academicακαδημαϊκός projectsέργα, I got more fundingχρηματοδότηση.
59
173000
4000
Έπειτα, όπως όλα τα καλά ακαδημαϊκά πρότζεκτ, πήρα μεγαλύτερη χρηματοδότηση.
03:12
I movedμετακινήθηκε to soundsήχους, electricalηλεκτρικός shocksσοκ --
60
177000
2000
Χρησιμοποίησηα ήχους, ηλεκτρικά σοκ --
03:14
I even had a painπόνος suitκοστούμι that I could get people to feel much more painπόνος.
61
179000
5000
Είχα ακόμη και μια στολή πόνου ώστε να κάνω τους ανθρώπους να αισθόνται περισσότερο πόνο.
03:19
But at the endτέλος of this processεπεξεργάζομαι, διαδικασία,
62
184000
4000
Όμως εκείνο που έμαθα στη διαδικασία,
03:23
what I learnedέμαθα was that the nursesνοσοκόμες were wrongλανθασμένος.
63
188000
3000
είναι ότι οι νοσοκόμες έκαναν λάθος.
03:26
Here were wonderfulεκπληκτικός people with good intentionsπροθέσεις
64
191000
3000
Εδώ είχαμε υπέροχους ανθρώπους με καλές προθέσεις
03:29
and plentyαφθονία of experienceεμπειρία, and neverthelessπαρ 'όλα αυτά
65
194000
2000
και αρκετή εμπειρία, ωστόσο
03:31
they were gettingνα πάρει things wrongλανθασμένος predictablyόπως ήταν αναμενόμενο all the time.
66
196000
4000
το λάθος τους ήταν προβλέψιμο κάθε φορά.
03:35
It turnsστροφές out that because we don't encodeκωδικοποίηση durationδιάρκεια
67
200000
3000
Από ότι φαίνεται, επειδή δεν κωδικοποιούμε τη διάρκεια
03:38
in the way that we encodeκωδικοποίηση intensityένταση,
68
203000
2000
με τον ίδιο τρόπο που κωδικοποιούμε την ένταση,
03:40
I would have had lessπιο λιγο painπόνος if the durationδιάρκεια would have been longerμακρύτερα
69
205000
4000
θα αισθανόμουν λιγότερο πόνο αν η διάρκεια ήταν μεγαλύτερη
03:44
and the intensityένταση was lowerπιο χαμηλα.
70
209000
2000
και η ένταση μικρότερη.
03:46
It turnsστροφές out it would have been better to startαρχή with my faceπρόσωπο,
71
211000
3000
Από ότι φαίνεται θα ήταν καλύτερα να είχαν ξεκινήσει με το πρόσωπό μου,
03:49
whichοι οποίες was much more painfulεπώδυνος, and moveκίνηση towardπρος my legsπόδια,
72
214000
2000
το οποίο ήταν πιο επίπονο, προχωρώντας προς τα πόδια,
03:51
givingδίνοντας me a trendτάση of improvementβελτίωση over time --
73
216000
3000
δίνοντάς μου την αίσθηση της σταδιακής βελτίωσης --
03:54
that would have been alsoεπίσης lessπιο λιγο painfulεπώδυνος.
74
219000
1000
και αυτό θα πονούσε λιγότερο.
03:55
And it alsoεπίσης turnsστροφές out that it would have been good
75
220000
2000
Επίσης φαίνεται πως θα ήταν καλύτερο
03:57
to give me breaksφρένα in the middleΜέσης to kindείδος of recuperateνα ανακτήσει from the painπόνος.
76
222000
2000
να κάναμε διαλείμματα στη μέση ώστε να ανακουφιστώ από τον πόνο.
03:59
All of these would have been great things to do,
77
224000
2000
Όλα αυτά θα ήταν πολύ ωραία αν γίνονταν
04:01
and my nursesνοσοκόμες had no ideaιδέα.
78
226000
3000
και οι νοσοκόμες μου δεν είχαν ιδέα.
04:04
And from that pointσημείο on I startedξεκίνησε thinkingσκέψη,
79
229000
1000
Και από εκείνο το σημείο και μετά άρχισα να σκέφτομαι,
04:05
are the nursesνοσοκόμες the only people in the worldκόσμος who get things wrongλανθασμένος
80
230000
3000
είναι μόνο οι νοσοκόμες στον κόσμο εκείνες που κάνουν λάθος
04:08
in this particularιδιαιτερος decisionαπόφαση, or is it a more generalγενικός caseπερίπτωση?
81
233000
3000
σε αυτή τη συγκεκριμένη απόφαση ή είναι πιο γενικό φαινόμενο;
04:11
And it turnsστροφές out it's a more generalγενικός caseπερίπτωση --
82
236000
2000
Και από ότι φαίνεται είναι γενικευμένο --
04:13
there's a lot of mistakesλάθη we do.
83
238000
3000
Είναι αρκετά τα λάθη που κάνουμε.
04:16
And I want to give you one exampleπαράδειγμα of one of these irrationalitiesirrationalities,
84
241000
5000
Και θα ήθελα να σας δώσω ένα παράδειγμα ενός από αυτά τα παράλογα
04:21
and I want to talk to you about cheatingεξαπατηση.
85
246000
3000
και πιο συγκεκριμένα θα μιλήσω για την εξαπάτηση.
04:24
And the reasonλόγος I pickedεκλεκτός cheatingεξαπατηση is because it's interestingενδιαφέρων,
86
249000
2000
Ο λόγος που διάλεξα την εξαπάτηση είναι διότι έχει ενδιαφέρον
04:26
but alsoεπίσης it tellsλέει us something, I think,
87
251000
2000
ενώ μας λέει κάτι, νομίζω,
04:28
about the stockστοκ marketαγορά situationκατάσταση we're in.
88
253000
3000
για την χρηματοπιστωτική κρίση που βρισκόμαστε.
04:31
So, my interestενδιαφέρον in cheatingεξαπατηση startedξεκίνησε
89
256000
3000
Το ενδιαφέρον μου για την εξαπάτηση ξεκίνησε
04:34
when EnronEnron cameήρθε on the sceneσκηνή, explodedεξερράγη all of a suddenαιφνίδιος,
90
259000
2000
όταν η Enron εμφανίστηκε στο προσκήνιο και εξεράγη έτσι ξαφνικά,
04:36
and I startedξεκίνησε thinkingσκέψη about what is happeningσυμβαίνει here.
91
261000
3000
και έτσι άρχισα να αναρωτιέμαι τι συμβαίνει εδώ.
04:39
Is it the caseπερίπτωση that there was kindείδος of
92
264000
1000
Ήταν αυτή η περίπτωση
04:40
a fewλίγοι applesτα μήλα who are capableικανός of doing these things,
93
265000
3000
ορισμένων κακών μήλων που ήταν ικανά να κάνουν αυτά τα πράγματα
04:43
or are we talkingομιλία a more endemicενδημικά situationκατάσταση,
94
268000
2000
ή μιλούμε για μια ενδημική κατάσταση,
04:45
that manyΠολλά people are actuallyπράγματι capableικανός of behavingσυμπεριφέρεται this way?
95
270000
4000
ώστε αρκετοί πια άνθρωποι να είναι ικανοί να συμπεριφέρονται έτσι;
04:49
So, like we usuallyσυνήθως do, I decidedαποφασισμένος to do a simpleαπλός experimentπείραμα.
96
274000
4000
Επομένως, όπως συνηθίζουμε, αποφάσισα να κάνω ένα πείραμα.
04:53
And here'sεδώ είναι how it wentπήγε.
97
278000
1000
Ακούστε πως ήταν.
04:54
If you were in the experimentπείραμα, I would passπέρασμα you a sheetσεντόνι of paperχαρτί
98
279000
3000
Εάν ήσασταν μέσα στο πείραμα, θα σας έδινα μια κόλλα χαρτί
04:57
with 20 simpleαπλός mathμαθηματικά problemsπροβλήματα that everybodyόλοι could solveλύσει,
99
282000
4000
με 20 απλά μαθηματικά προβλήματα, τα οποία μπορούν να λύσουν όλοι,
05:01
but I wouldn'tδεν θα ήταν give you enoughαρκετά time.
100
286000
2000
αλλά δεν θα σας έδινα αρκετό χρόνο.
05:03
When the fiveπέντε minutesλεπτά were over, I would say,
101
288000
2000
Όταν τελείωναν τα 5 λεπτά, θα έλεγα,
05:05
"PassΠέρασμα me the sheetsφύλλα of paperχαρτί, and I'll payπληρωμή you a dollarδολάριο perανά questionερώτηση."
102
290000
3000
"Δώστε μου τις κόλες σας και θα σας δώσω 1 δολάριο για κάθε σωστή ερώτηση."
05:08
People did this. I would payπληρωμή people fourτέσσερα dollarsδολάρια for theirδικα τους taskέργο --
103
293000
4000
Αυτό το έκαναν. Έτσι τους πλήρωνα 4 δολάρια για τον κόπο τους -
05:12
on averageμέση τιμή people would solveλύσει fourτέσσερα problemsπροβλήματα.
104
297000
2000
κατά μέσο όρο λύνονταν 4 προβλήματα.
05:14
Other people I would temptδελεάσει to cheatεξαπατήσει.
105
299000
3000
Άλλους τους δελέαζα να κλέψουν.
05:17
I would passπέρασμα theirδικα τους sheetσεντόνι of paperχαρτί.
106
302000
1000
Τους έδινα τις κόλλες χαρτί.
05:18
When the fiveπέντε minutesλεπτά were over, I would say,
107
303000
2000
Και όταν τελείωναν τα 5 λεπτά, τους έλεγα,
05:20
"Please shredκομματάκι the pieceκομμάτι of paperχαρτί.
108
305000
1000
"Σκίστε τις κόλλες.
05:21
Put the little piecesκομμάτια in your pocketτσέπη or in your backpackσακίδιο πλάτης,
109
306000
3000
Βάλτε τα κομμάτια στις τσέπες σας ή στις τσάντες σας
05:24
and tell me how manyΠολλά questionsερωτήσεις you got correctlyσωστά."
110
309000
3000
και πείτε μου πόσες ερωτήσεις πετύχατε."
05:27
People now solvedλυθεί sevenεπτά questionsερωτήσεις on averageμέση τιμή.
111
312000
3000
Ο κόσμος πια "έλυνε" 7 ερωτήσεις κατά μέσο όρο.
05:30
Now, it wasn'tδεν ήταν as if there was a fewλίγοι badκακό applesτα μήλα --
112
315000
5000
Τώρα, δεν ήταν σαν να υπήρχαν μερικά κακά μήλα -
05:35
a fewλίγοι people cheatedεξαπατημένοι a lot.
113
320000
3000
λίγοι άνθρωποι που έκλεβαν πολύ.
05:38
InsteadΑντίθετα, what we saw is a lot of people who cheatεξαπατήσει a little bitκομμάτι.
114
323000
3000
Αντιθέτως, αυτό που παρατηρήσαμε ήταν αρκετούς ανθρώπους να κλέβουν λίγο.
05:41
Now, in economicοικονομικός theoryθεωρία,
115
326000
3000
Στην οικονομική θεωρία,
05:44
cheatingεξαπατηση is a very simpleαπλός cost-benefitκόστος-όφελος analysisανάλυση.
116
329000
3000
η εξαπάτηση είναι μια πολύ απλή ανάλυση κόστους- ωφέλειας.
05:47
You say, what's the probabilityπιθανότητα of beingνα εισαι caughtπου αλιεύονται?
117
332000
2000
Σκέφτεστε, ποια είναι η πιθανότητα να σας πιάσουν;
05:49
How much do I standστάση to gainκέρδος from cheatingεξαπατηση?
118
334000
3000
Πόσα μπορώ να κερδίσω εάν κλέψω;
05:52
And how much punishmentτιμωρία would I get if I get caughtπου αλιεύονται?
119
337000
2000
Και πόσο θα τιμωρηθώ εάν με πιάσουν;
05:54
And you weighζυγίζω these optionsεπιλογές out --
120
339000
2000
Ζυγίζετε τις επιλογές --
05:56
you do the simpleαπλός cost-benefitκόστος-όφελος analysisανάλυση,
121
341000
2000
κάνετε μια απλή ανάλυση κόστους - ωφέλειας
05:58
and you decideαποφασίζω whetherκατά πόσο it's worthwhileπου αξίζει τον κόπο to commitδιαπράττω the crimeέγκλημα or not.
122
343000
3000
και αποφασίζετε εάν αξίζει να πράξετε το έγκλημα ή όχι.
06:01
So, we try to testδοκιμή this.
123
346000
2000
Επομένως, δοκιμάσαμε να το ελέγξουμε.
06:03
For some people, we variedποικίλος how much moneyχρήματα they could get away with --
124
348000
4000
Για μερικούς ανθρώπους, μεταβάλαμε το ποσό των χρημάτων που μπορούσαν να ξεφύγουν -
06:07
how much moneyχρήματα they could stealκλέβω.
125
352000
1000
πόσα χρήματα μπορούσαν να κλέψουν.
06:08
We paidεπί πληρωμή them 10 centsσεντ perανά correctσωστός questionερώτηση, 50 centsσεντ,
126
353000
3000
Τους πληρώναμε 10 σεντς για κάθε σωστή απάντηση, 50 σεντς,
06:11
a dollarδολάριο, fiveπέντε dollarsδολάρια, 10 dollarsδολάρια perανά correctσωστός questionερώτηση.
127
356000
3000
ένα δολάριο, πέντε δολάρια, 10 για κάθε σωστή απάντηση.
06:14
You would expectαναμένω that as the amountποσό of moneyχρήματα on the tableτραπέζι increasesαυξάνεται,
128
359000
4000
Θα αναμένατε ότι καθώς αυξάνεται η ποσότητα των χρημάτων στο τραπέζι,
06:18
people would cheatεξαπατήσει more, but in factγεγονός it wasn'tδεν ήταν the caseπερίπτωση.
129
363000
3000
ο κόσμος θα έκλεβε περισσότερο, αλλά αυτό δεν ήταν σωστό.
06:21
We got a lot of people cheatingεξαπατηση by stealingκλοπή by a little bitκομμάτι.
130
366000
3000
Είχαμε αρκετούς ανθρώπους που εξαπατούσαν με το να κλέβουν λίγο.
06:24
What about the probabilityπιθανότητα of beingνα εισαι caughtπου αλιεύονται?
131
369000
3000
Τι γνωρίζουμε για την πιθανότητα κάποιου να πιαστεί;
06:27
Some people shreddedτεμαχισμένο halfΉμισυ the sheetσεντόνι of paperχαρτί,
132
372000
2000
Κάποιοι έσκιζαν τη μισή κόλλα,
06:29
so there was some evidenceαπόδειξη left.
133
374000
1000
οπότε είχαν απομείνει μερικές αποδείξεις.
06:30
Some people shreddedτεμαχισμένο the wholeολόκληρος sheetσεντόνι of paperχαρτί.
134
375000
2000
Κάποιο έσκιζαν ολόκληρη την κόλλα.
06:32
Some people shreddedτεμαχισμένο everything, wentπήγε out of the roomδωμάτιο,
135
377000
3000
Κάποιοι έσκιζαν τα πάντα, έβγαιναν από το δωμάτιο
06:35
and paidεπί πληρωμή themselvesτους εαυτούς τους from the bowlγαβάθα of moneyχρήματα that had over 100 dollarsδολάρια.
136
380000
3000
και πληρώνωνταν μόνοι τους από το βάζο που είχε περισσότερα από 100 δολάρια.
06:38
You would expectαναμένω that as the probabilityπιθανότητα of beingνα εισαι caughtπου αλιεύονται goesπηγαίνει down,
137
383000
3000
Θα αναμένατε ότι καθώς η πιθανότητα να πιαστεί μειώνεται
06:41
people would cheatεξαπατήσει more, but again, this was not the caseπερίπτωση.
138
386000
3000
ο κόσμος θα εξαπατούσε περισσότερο, αλλά αυτό δεν ήταν σωστό.
06:44
Again, a lot of people cheatedεξαπατημένοι by just by a little bitκομμάτι,
139
389000
3000
Και πάλι, αρκετοί άνθρωποι εξαπάτησαν, αλλά λίγο ο καθένας,
06:47
and they were insensitiveαναίσθητος to these economicοικονομικός incentivesκίνητρα.
140
392000
3000
ενώ ήταν αδιάφοροι για αυτά τα οικονομικά κίνητρα.
06:50
So we said, "If people are not sensitiveευαίσθητος
141
395000
1000
Οπότε είπαμε, "Εάν οι άνθρωποι δεν αντιδρούν
06:51
to the economicοικονομικός rationalλογικός theoryθεωρία explanationsεξηγήσεις, to these forcesδυνάμεις,
142
396000
5000
στις εξηγήσεις της οικονομικής θεωρίας επιλογών, σε αυτές τις δυνάμεις,
06:56
what could be going on?"
143
401000
3000
τι συμβαίνει πραγματικά;"
06:59
And we thought maybe what is happeningσυμβαίνει is that there are two forcesδυνάμεις.
144
404000
3000
Οπότε σκεφτήκαμε πως ίσως εκείνο που συμβαίνει είναι ότι υπάρχουν δύο δυνάμεις.
07:02
At one handχέρι, we all want to look at ourselvesεμείς οι ίδιοι in the mirrorκαθρέφτης
145
407000
2000
Από τη μία μεριά, όλοι θέλουμε να κοιταζόμαστε στον καθρέφτη
07:04
and feel good about ourselvesεμείς οι ίδιοι, so we don't want to cheatεξαπατήσει.
146
409000
3000
και να νίωθουμε καλά με τον εαυτό μας, οπότε δεν θέλουμε να εξαπατούμε.
07:07
On the other handχέρι, we can cheatεξαπατήσει a little bitκομμάτι,
147
412000
2000
Από την άλλη, μπορούμε να εξαπατήσουμε λιγάκι
07:09
and still feel good about ourselvesεμείς οι ίδιοι.
148
414000
2000
και ακόμη να νίωθουμε καλά για τον εαυτό μας.
07:11
So, maybe what is happeningσυμβαίνει is that
149
416000
1000
Οπότε, εκείνο που μπορεί να συμβαίνει είναι
07:12
there's a levelεπίπεδο of cheatingεξαπατηση we can't go over,
150
417000
2000
να υπάρχει ένα σημείο εξαπάτησης το οποίο δεν μπορούμε να ξεπεράσουμε,
07:14
but we can still benefitόφελος from cheatingεξαπατηση at a lowχαμηλός degreeβαθμός,
151
419000
4000
ενώ μπορούμε ακόμη να ωφεληθούμε από την χαμηλού επιπέδου εξαπάτηση,
07:18
as long as it doesn't changeαλλαγή our impressionsεντυπώσεις about ourselvesεμείς οι ίδιοι.
152
423000
3000
εφ' όσον δεν αλλάζει την εικόνα που έχουμε για τον εαυτό μας.
07:21
We call this like a personalπροσωπικός fudgeμωρολογώ factorπαράγοντας.
153
426000
3000
Αυτό το ονομάζουμε παράγοντα προσωπικής παραποίησης.
07:25
Now, how would you testδοκιμή a personalπροσωπικός fudgeμωρολογώ factorπαράγοντας?
154
430000
4000
Τώρα, πως θα ελέγχαμε τον προσωπικό παράγοντα παραποίησης;
07:29
InitiallyΑρχικά we said, what can we do to shrinkμαζεύω the fudgeμωρολογώ factorπαράγοντας?
155
434000
4000
Αρχικά είπαμε, τι μπορούμε να κάνουμε για να μειώσουμε τον παράγοντα παραποίησης;
07:33
So, we got people to the labεργαστήριο, and we said,
156
438000
2000
Οπότε, φέραμε ανθρώπους στο εργαστήριο και είπαμε,
07:35
"We have two tasksκαθήκοντα for you todayσήμερα."
157
440000
2000
"Έχουμε δύο ασκήσεις για εσάς σήμερα."
07:37
First, we askedερωτηθείς halfΉμισυ the people
158
442000
1000
Πρώτα, ρωτήσαμε τους μισούς
07:38
to recallανάκληση eitherείτε 10 booksβιβλία they readανάγνωση in highυψηλός schoolσχολείο,
159
443000
2000
να θυμηθούν 10 βιβλία που είχαν διαβάσει στο λύκειο
07:40
or to recallανάκληση The TenΔέκα CommandmentsΕντολές,
160
445000
3000
ή να θυμηθούν τις Δέκα Εντολές,
07:43
and then we temptedπειρασμός them with cheatingεξαπατηση.
161
448000
2000
και έπειτα τους δελεάσαμε στο να εξαπατήσουν.
07:45
TurnsΣτροφές out the people who triedδοκιμασμένος to recallανάκληση The TenΔέκα CommandmentsΕντολές --
162
450000
3000
Από ότι φαίνεται εκείνοι που προσπάθησαν να θυμηθούν τις Δέκα Εντολές -
07:48
and in our sampleδείγμα nobodyκανείς could recallανάκληση all of The TenΔέκα CommandmentsΕντολές --
163
453000
2000
και στο δικό μας δείγμα κανείς δεν μπορούσε να τις θυμηθεί όλες -
07:51
but those people who triedδοκιμασμένος to recallανάκληση The TenΔέκα CommandmentsΕντολές,
164
456000
4000
αλλά σε εκείνους που προσπάθησαν να τις θυμηθούν,
07:55
givenδεδομένος the opportunityευκαιρία to cheatεξαπατήσει, did not cheatεξαπατήσει at all.
165
460000
3000
τους δώθηκε η ευκαιρία να κλέψουν, αλλά δεν το έκαναν.
07:58
It wasn'tδεν ήταν that the more religiousθρησκευτικός people --
166
463000
2000
Δεν αφορούσε το ότι οι πιο θρησκευόμενοι -
08:00
the people who rememberedθυμήθηκε more of the CommandmentsΕντολές -- cheatedεξαπατημένοι lessπιο λιγο,
167
465000
1000
οι άνθρωποι που θυμόνταν περισσότερες Εντολές - εξαπατούσαν λιγότερο
08:01
and the lessπιο λιγο religiousθρησκευτικός people --
168
466000
2000
και οι λιγότερο θρησκευόμενοι περισσότερο -
08:03
the people who couldn'tδεν μπορούσε rememberθυμάμαι almostσχεδόν any CommandmentsΕντολές --
169
468000
1000
οι άνθρωποι που δεν θυμόνταν σχεδόν καμία Εντολή -
08:04
cheatedεξαπατημένοι more.
170
469000
2000
εξαπατούσαν περισσότερο.
08:06
The momentστιγμή people thought about tryingπροσπαθεί to recallανάκληση The TenΔέκα CommandmentsΕντολές,
171
471000
4000
Τη στιγμή που οι άνθρωποι επέλεξαν να θυμηθούν τις Δέκα Εντολές,
08:10
they stoppedσταμάτησε cheatingεξαπατηση.
172
475000
1000
σταμάτησαν να εξαπατούν.
08:11
In factγεγονός, even when we gaveέδωσε self-declaredαυτο-δηλώνονται atheistsάθεοι
173
476000
2000
Στην πραγματικότητα, όταν δώσαμε σε αθεϊστές
08:13
the taskέργο of swearingορκωμοσία on the BibleΑγία Γραφή and we give them a chanceευκαιρία to cheatεξαπατήσει,
174
478000
4000
την άσκηση να ορκιστούν στη Βίβλο και τους δώσαμε τη δυνατότητα να εξαπατήσουν,
08:17
they don't cheatεξαπατήσει at all.
175
482000
2000
δεν το έκαναν καθόλου.
08:21
Now, TenΔέκα CommandmentsΕντολές is something that is hardσκληρά
176
486000
2000
Τώρα, οι Δέκα Εντολές είναι κάτι δύσκολο
08:23
to bringνα φερεις into the educationεκπαίδευση systemΣύστημα, so we said,
177
488000
2000
να το εισάγεις στο εκπαιδευτικό σύστημα, οπότε είπαμε,
08:25
"Why don't we get people to signσημάδι the honorτιμή codeκώδικας?"
178
490000
2000
"Γιατί να μη βάλουμε τον κόσμο να υπογράψει τον κανόνα τιμής;"
08:27
So, we got people to signσημάδι,
179
492000
2000
Οπότε, βάλαμε τον κόσμο να υπογράψει,
08:29
"I understandκαταλαβαίνουν that this shortμικρός surveyεπισκόπηση fallsπτώσεις underκάτω από the MITMIT HonorΤιμή CodeΚωδικός."
180
494000
4000
"Κατανοώ ότι αυτή η μικρή έρευνα υπόκειται στον Κανόνα Τιμής του MIT(πανεπιστημίου)."
08:33
Then they shreddedτεμαχισμένο it. No cheatingεξαπατηση whatsoeverαπολύτως.
181
498000
3000
Έπειτα το έσκιζαν. Κανένας δεν έκλεψε.
08:36
And this is particularlyιδιαίτερα interestingενδιαφέρων,
182
501000
1000
Και αυτό είναι ιδαίτερα ενδιαφέρον,
08:37
because MITMIT doesn't have an honorτιμή codeκώδικας.
183
502000
2000
διότι το MIT δεν έχει κανόνα τιμής.
08:39
(LaughterΤο γέλιο)
184
504000
5000
(Γέλια)
08:44
So, all this was about decreasingμειώνοντας the fudgeμωρολογώ factorπαράγοντας.
185
509000
4000
Οπότε, όλο αυτό αφορούσε τη μείωση του παράγοντα παραποίησης.
08:48
What about increasingαυξάνεται the fudgeμωρολογώ factorπαράγοντας?
186
513000
3000
Πως μπορούμε να αυξήσουμε τον παράγοντα παραποίησης;
08:51
The first experimentπείραμα -- I walkedπερπάτησε around MITMIT
187
516000
2000
Στο πρώτο πείραμα - Έκανα μια βόλτα στο ΜΙΤ
08:53
and I distributedδιανέμονται six-packsέξι συσκευασίες of CokesΟπτάνθρακα in the refrigeratorsψυγεία --
188
518000
3000
και μοίρασα Κόλες έξι τεμαχίων στα ψυγεία -
08:56
these were commonκοινός refrigeratorsψυγεία for the undergradsundergrads.
189
521000
2000
ψυγεία κοινά για τους προπτυχιακούς.
08:58
And I cameήρθε back to measureμετρήσει what we technicallyτεχνικά call
190
523000
3000
Και επέστρεψα για να μετρήσω αυτό που τεχνικά αποκαλούμε
09:01
the half-lifetimeμισό-διάρκεια ζωής of CokeΚοκ -- how long does it last in the refrigeratorsψυγεία?
191
526000
4000
η μισή ζωή μιας Κόλα - Πόσο χρόνο παραμένουν στο ψυγείο;
09:05
As you can expectαναμένω it doesn't last very long; people take it.
192
530000
3000
Όπως αναμένατε δεν μένει και πολύ. Ο κόσμος τις παίρνει.
09:08
In contrastαντίθεση, I tookπήρε a plateπλάκα with sixέξι one-dollarένα δολάριο billsλογαριασμοί,
193
533000
4000
Σε αντίθεση, πήρα ένα πιάτο με έξι χαρτονομίσματα του ενός δολαρίου
09:12
and I left those platesπλάκες in the sameίδιο refrigeratorsψυγεία.
194
537000
3000
και άφησα αυτά τα πιάτα στα ίδια ψυγεία.
09:15
No billνομοσχέδιο ever disappearedεξαφανίστηκε.
195
540000
1000
Κανένα χαρτονόμισμα δεν χάθηκε.
09:16
Now, this is not a good socialκοινωνικός scienceεπιστήμη experimentπείραμα,
196
541000
3000
Τώρα, αυτό δεν είναι ένα καλό πείραμα κοινωνικών επιστημών,
09:19
so to do it better I did the sameίδιο experimentπείραμα
197
544000
3000
έτσι για να το κάνω καλύτερα, έκανα το ίδιο πείραμα
09:22
as I describedπεριγράφεται to you before.
198
547000
2000
όπως σας περιέγραψα πριν.
09:24
A thirdτρίτος of the people we passedπέρασε the sheetσεντόνι, they gaveέδωσε it back to us.
199
549000
3000
Στο ένα τρίτο των ανθρώπων δίναμε την κόλλα χαρτί για να την επιστρέψουν.
09:27
A thirdτρίτος of the people we passedπέρασε it to, they shreddedτεμαχισμένο it,
200
552000
3000
Στο ένα τρίτο δίναμε την κόλλα, αλλά την έσκιζαν,
09:30
they cameήρθε to us and said,
201
555000
1000
οπότε γύριζαν και μας έλεγαν,
09:31
"MrΟ κ.. ExperimenterΠειραματιστή, I solvedλυθεί X problemsπροβλήματα. Give me X dollarsδολάρια."
202
556000
3000
"Κ. Πειραματιστή, έλυσα Χ προβλήματα. Δώσε μου Χ δολάρια."
09:34
A thirdτρίτος of the people, when they finishedπεπερασμένος shreddingτεμαχισμού the pieceκομμάτι of paperχαρτί,
203
559000
3000
Στο ένα τρίτο, αφού είχαν τελείωσει το σκίσιμο του χαρτιού,
09:37
they cameήρθε to us and said,
204
562000
2000
γύριζαν και μας έλεγαν,
09:39
"MrΟ κ. ExperimenterΠειραματιστή, I solvedλυθεί X problemsπροβλήματα. Give me X tokensκουπόνια."
205
564000
6000
"Κ. Πειραματιστή, έλυσα Χ προβλήματα. Δώσε μου Χ αντισταθμίσματα."
09:45
We did not payπληρωμή them with dollarsδολάρια; we paidεπί πληρωμή them with something elseαλλού.
206
570000
3000
Δεν τους πληρώναμε με δολάρια. Τους δίναμε κάτι άλλο.
09:48
And then they tookπήρε the something elseαλλού, they walkedπερπάτησε 12 feetπόδια to the sideπλευρά,
207
573000
3000
Όπότε εκείνοι το έπαιρναν και μερικά μέτρα πιο πέρα,
09:51
and exchangedανταλλάσσονται it for dollarsδολάρια.
208
576000
2000
το αντάλλασσαν με δολάρια.
09:53
Think about the followingΕΠΟΜΕΝΟ intuitionδιαίσθηση.
209
578000
2000
Σκεφτείτε το παρακάτω συναίσθημα.
09:55
How badκακό would you feel about takingλήψη a pencilμολύβι from work home,
210
580000
3000
Πόσο άσχημα θα αισθανόσασταν αν παίρνατε ένα μολύβι από τη δουλεια,
09:58
comparedσε συγκριση to how badκακό would you feel
211
583000
2000
σε σύγκριση με το πόσο άσχημα θα αισθανόσασταν
10:00
about takingλήψη 10 centsσεντ from a pettyμικροπρεπής cashτοις μετρητοις boxκουτί?
212
585000
2000
αν παίρνατε 10 σεντς από ένα μικρό κουμπαρά;
10:02
These things feel very differentlyδιαφορετικά.
213
587000
3000
Αυτά τα πράγματα τα αισθανόμαστε διαφορετικά.
10:05
Would beingνα εισαι a stepβήμα removedνα αφαιρεθεί from cashτοις μετρητοις for a fewλίγοι secondsδευτερολέπτων
214
590000
3000
Θα έκανε καμία διαφορά, το να απομακρυνθείς από τα χρήματα για λίγο
10:08
by beingνα εισαι paidεπί πληρωμή by tokenΔιακριτικό make a differenceδιαφορά?
215
593000
3000
με το να ανταμοιφθείς με κάποιο αντιστάθμισμα;
10:11
Our subjectsμαθήματα doubledδιπλασιάστηκε theirδικα τους cheatingεξαπατηση.
216
596000
2000
Τα άτομα του δείγματος εξαπάτησαν κατά το διπλάσιο.
10:13
I'll tell you what I think
217
598000
2000
Θα σας πω τι πιστεύω
10:15
about this and the stockστοκ marketαγορά in a minuteλεπτό.
218
600000
2000
για αυτό και τη χρηματαγορά σε λίγο.
10:18
But this did not solveλύσει the bigμεγάλο problemπρόβλημα I had with EnronEnron yetΑκόμη,
219
603000
4000
Όμως αυτό δεν έλυσε το μεγάλο πρόβλημα που είχα με την Enron ακόμα,
10:22
because in EnronEnron, there's alsoεπίσης a socialκοινωνικός elementστοιχείο.
220
607000
3000
διότι στην Enron, υπάρχει ακόμη ένα κοινωνικό στοιχείο.
10:25
People see eachκαθε other behavingσυμπεριφέρεται.
221
610000
1000
Ο κόσμος βλέπει ο ένας τον άλλο να συμπεριφέρονται.
10:26
In factγεγονός, everyκάθε day when we openΆνοιξε the newsΝέα
222
611000
2000
Στην πραγματικότητα, καθημερινά όταν βλέπουμε τις ειδήσεις
10:28
we see examplesπαραδείγματα of people cheatingεξαπατηση.
223
613000
2000
βλέπουμε παραδείγματα ανθρώπων που εξαπατούσαν.
10:30
What does this causeαιτία us?
224
615000
3000
Τι μας προκαλεί αυτό;
10:33
So, we did anotherαλλο experimentπείραμα.
225
618000
1000
Οπότε κάναμε ένα άλλο πείραμα.
10:34
We got a bigμεγάλο groupομάδα of studentsΦοιτητές to be in the experimentπείραμα,
226
619000
3000
Πείραμε ένα μεγάλο δείγμα φοιτητών να συμμετάσχουν στο πείραμα
10:37
and we prepaidπροπληρωμένο them.
227
622000
1000
και τους προπληρώσαμε.
10:38
So everybodyόλοι got an envelopeφάκελος with all the moneyχρήματα for the experimentπείραμα,
228
623000
3000
Έτσι όλοι πήραν ένα φάκελο με όλα τα λεφτά για το πείραμα
10:41
and we told them that at the endτέλος, we askedερωτηθείς them
229
626000
2000
και τους είπαμε πως στο τέλος, τους ζητήσαμε
10:43
to payπληρωμή us back the moneyχρήματα they didn't make. OK?
230
628000
4000
να μας δώσουν πίσω τα χρήματα που δεν κέρδισαν. Εντάξει;
10:47
The sameίδιο thing happensσυμβαίνει.
231
632000
1000
Συμβαίνει το ίδιο πράγμα.
10:48
When we give people the opportunityευκαιρία to cheatεξαπατήσει, they cheatεξαπατήσει.
232
633000
2000
Όταν δίνεις στον κόσμο την ευκαιρία να εξαπατήσει, το κάνει.
10:50
They cheatεξαπατήσει just by a little bitκομμάτι, all the sameίδιο.
233
635000
3000
Όλοι έκλεψαν λίγο, αλλά όλοι το ίδιο.
10:53
But in this experimentπείραμα we alsoεπίσης hiredμισθωτός an actingηθοποιία studentμαθητης σχολειου.
234
638000
3000
Όμως στο ίδιο πείραμα προσλάβαμε και ένα φοιτητή ηθοποιό.
10:56
This actingηθοποιία studentμαθητης σχολειου stoodστάθηκε up after 30 secondsδευτερολέπτων, and said,
235
641000
4000
Αυτός ο φοιτητής σηκώθηκε μετά από 30 δευτερόλεπτα και είπε,
11:00
"I solvedλυθεί everything. What do I do now?"
236
645000
3000
"Έλυσα όλα τα προβλήματα. Τι κάνω τώρα;"
11:03
And the experimenterπειραματιστής said, "If you've finishedπεπερασμένος everything, go home.
237
648000
4000
Οπότε ο πειραματιστής είπε, "Αφού τελείωσες, μπορείς να φύγεις."
11:07
That's it. The taskέργο is finishedπεπερασμένος."
238
652000
1000
Αυτό ήταν. Η άσκηση τελείωσε.
11:08
So, now we had a studentμαθητης σχολειου -- an actingηθοποιία studentμαθητης σχολειου --
239
653000
4000
Τώρα είχαμε ένα φοιτητή που προσποιείται
11:12
that was a partμέρος of the groupομάδα.
240
657000
2000
ότι είναι μέρος της ομάδας του δείγματος.
11:14
NobodyΚανείς δεν knewήξερε it was an actorηθοποιός.
241
659000
2000
Κανείς δεν ξέρει ότι προσποιείται.
11:16
And they clearlyσαφώς cheatedεξαπατημένοι in a very, very seriousσοβαρός way.
242
661000
4000
Ο οποίος ξεκάθαρα έκλεψε με έναν απροκάλυπτο τρόπο.
11:20
What would happenσυμβεί to the other people in the groupομάδα?
243
665000
3000
Τι θα συμβεί στους υπόλοιπους ανθρώπους του δείγματος;
11:23
Will they cheatεξαπατήσει more, or will they cheatεξαπατήσει lessπιο λιγο?
244
668000
3000
Θα κλέψουν περισσότερο ή θα κλέψουν λιγότερο;
11:26
Here is what happensσυμβαίνει.
245
671000
2000
Ορίστε τι συμβαίνει.
11:28
It turnsστροφές out it dependsΕξαρτάται on what kindείδος of sweatshirtφούτερ they're wearingκουραστικός.
246
673000
4000
Φαίνεται, ότι εξαρτάται από τι φούτερ φοράνε.
11:32
Here is the thing.
247
677000
2000
Θα σας πω το εξής.
11:34
We ranέτρεξα this at CarnegieCarnegie MellonΗ Mellon and PittsburghΠίτσμπουργκ.
248
679000
3000
Κάναμε το πείραμα στο Κάρνεγκι Μέλον και στο Πίτσμπουργκ.
11:37
And at PittsburghΠίτσμπουργκ there are two bigμεγάλο universitiesπανεπιστήμια,
249
682000
2000
Στο Πίτσμπουργκ υπάρχουν δύο μεγάλα πανεπιστήμια,
11:39
CarnegieCarnegie MellonΗ Mellon and UniversityΠανεπιστήμιο of PittsburghΠίτσμπουργκ.
250
684000
3000
το Κάρνεγκι Μέλον και το Πανεπιστήμιο του Πίτσμπουργκ.
11:42
All of the subjectsμαθήματα sittingσυνεδρίαση in the experimentπείραμα
251
687000
2000
Όλα τα άτομα τους πειράματος
11:44
were CarnegieCarnegie MellonΗ Mellon studentsΦοιτητές.
252
689000
2000
ήταν φοιτητές του Κάρνεγκι Μέλον.
11:46
When the actorηθοποιός who was gettingνα πάρει up was a CarnegieCarnegie MellonΗ Mellon studentμαθητης σχολειου --
253
691000
4000
Όταν ο ηθοποιός που είχαμε ήταν φοιτητής του Κάρνεγκι Μέλον -
11:50
he was actuallyπράγματι a CarnegieCarnegie MellonΗ Mellon studentμαθητης σχολειου --
254
695000
2000
ήταν πραγματικά φοιτητής του Κάρνεγκι Μέλον -
11:52
but he was a partμέρος of theirδικα τους groupομάδα, cheatingεξαπατηση wentπήγε up.
255
697000
4000
και ήταν μέρος της ομάδας τους, η εξαπάτηση αυξανόταν.
11:56
But when he actuallyπράγματι had a UniversityΠανεπιστήμιο of PittsburghΠίτσμπουργκ sweatshirtφούτερ,
256
701000
4000
Αλλά όταν είχε ένα φούτερ που έλεγε Πανεπιστήμιο του Πίτσμπουργκ,
12:00
cheatingεξαπατηση wentπήγε down.
257
705000
2000
η εξαπάτηση μειωνόταν.
12:02
(LaughterΤο γέλιο)
258
707000
3000
(Γέλια)
12:05
Now, this is importantσπουδαίος, because rememberθυμάμαι,
259
710000
3000
Τώρα αυτό είναι σημαντικό, γιατί θυμηθείτε,
12:08
when the momentστιγμή the studentμαθητης σχολειου stoodστάθηκε up,
260
713000
2000
τη στιγμή που ο φοιτητής σηκωνόταν,
12:10
it madeέκανε it clearΣαφή to everybodyόλοι that they could get away with cheatingεξαπατηση,
261
715000
3000
ήταν ξεκάθαρο για τους υπόλοιπους ότι μπορούσαν να εξαπατήσουν,
12:13
because the experimenterπειραματιστής said,
262
718000
2000
διότι ο πειραματιστής είπε,
12:15
"You've finishedπεπερασμένος everything. Go home," and they wentπήγε with the moneyχρήματα.
263
720000
2000
"Αφού τελείωσες, μπορείς να φύγεις." και έφευγαν με τα χρήματα.
12:17
So it wasn'tδεν ήταν so much about the probabilityπιθανότητα of beingνα εισαι caughtπου αλιεύονται again.
264
722000
3000
Οπότε δεν αφορούσε πάλι την πιθανότητα να πιαστούν.
12:20
It was about the normsκανόνες for cheatingεξαπατηση.
265
725000
3000
Αλλά το πρότυπο εξαπάτησης.
12:23
If somebodyκάποιος from our in-groupενδοομάδας cheatsαπατεώνες and we see them cheatingεξαπατηση,
266
728000
3000
Εάν κάποιος μέσα από την ομάδα μας εξαπατά και τον δούμε,
12:26
we feel it's more appropriateκατάλληλος, as a groupομάδα, to behaveσυμπεριφέρομαι this way.
267
731000
4000
νομίζουμε ότι είναι πιο πρέπον, ως ομάδα, να πράξουμε με αυτόν τον τρόπο.
12:30
But if it's somebodyκάποιος from anotherαλλο groupομάδα, these terribleτρομερός people --
268
735000
2000
Αλλά εάν κάποιος από άλλη ομάδα, αυτοί οι άθλιοι τύποι -
12:32
I mean, not terribleτρομερός in this --
269
737000
2000
δεν εννοώ άθλιοι σε αυτό -
12:34
but somebodyκάποιος we don't want to associateΑναπληρωτής ourselvesεμείς οι ίδιοι with,
270
739000
2000
αλλά κάποιος με τον οποίο δεν θέλουμε να συναναστραφούμε,
12:36
from anotherαλλο universityπανεπιστήμιο, anotherαλλο groupομάδα,
271
741000
2000
από κάποιο άλλο πανεπιστήμιο, άλλη ομάδα,
12:38
all of a suddenαιφνίδιος people'sτων ανθρώπων awarenessεπίγνωση of honestyειλικρίνεια goesπηγαίνει up --
272
743000
3000
ξαφνικά το αίσθημα ειλικρίνειας τους ενεργοποιείται -
12:41
a little bitκομμάτι like The TenΔέκα CommandmentsΕντολές experimentπείραμα --
273
746000
2000
κάτι σαν το πείραμα με τις Δέκα Εντολές -
12:43
and people cheatεξαπατήσει even lessπιο λιγο.
274
748000
4000
και ο κόσμος εξαπατά ακόμη λιγότερο.
12:47
So, what have we learnedέμαθα from this about cheatingεξαπατηση?
275
752000
4000
Οπότε τι μαθαίνουμε για την εξαπάτηση από αυτό;
12:51
We'veΈχουμε learnedέμαθα that a lot of people can cheatεξαπατήσει.
276
756000
3000
Μαθαίνουμε ότι αρκετοί άνθρωποι μπορούν να εξαπατήσουν.
12:54
They cheatεξαπατήσει just by a little bitκομμάτι.
277
759000
3000
Εξαπατούν αλλά λιγάκι.
12:57
When we remindυπενθυμίζω people about theirδικα τους moralityηθική, they cheatεξαπατήσει lessπιο λιγο.
278
762000
4000
Όταν υπενθυμίζουμε στους ανθρώπους την ηθικότητα τους, εξαπατούν λιγότερο.
13:01
When we get biggerμεγαλύτερος distanceαπόσταση from cheatingεξαπατηση,
279
766000
3000
Όταν απομακρυνόμαστε περισσότερο από το αντικείμενο της εξαπάτησης,
13:04
from the objectαντικείμενο of moneyχρήματα, for exampleπαράδειγμα, people cheatεξαπατήσει more.
280
769000
4000
από το χρήμα για παράδειγμα, ο κόσμος εξαπατά περισσότερο.
13:08
And when we see cheatingεξαπατηση around us,
281
773000
2000
Και όταν βλέπουμε την εξαπάτηση γύρω μας,
13:10
particularlyιδιαίτερα if it's a partμέρος of our in-groupενδοομάδας, cheatingεξαπατηση goesπηγαίνει up.
282
775000
4000
ιδιαίτερα εάν ανήκει στην ομάδα μας, η εξαπάτηση αυξάνεται.
13:14
Now, if we think about this in termsόροι of the stockστοκ marketαγορά,
283
779000
3000
Τώρα, εάν σκεφτούμε με αυτούς τους όρους τη χρηματαγορά,
13:17
think about what happensσυμβαίνει.
284
782000
1000
σκεφτείτε τι συμβαίνει.
13:18
What happensσυμβαίνει in a situationκατάσταση when you createδημιουργώ something
285
783000
3000
Τι συμβαίνει στην περίπτωση όπου δημιουργείς κάτι
13:21
where you payπληρωμή people a lot of moneyχρήματα
286
786000
2000
το οποίο ανταμοίβει τους ανθρώπους με πολλά λεφτά
13:23
to see realityπραγματικότητα in a slightlyελαφρώς distortedπαραμορφωμένη way?
287
788000
3000
ώστε να παραμορφώνει τη οπτική τους για την πραγματικότητα;
13:26
Would they not be ableικανός to see it this way?
288
791000
3000
Δεν θα τους ήταν δυνατό να δουν με αυτόν το τρόπο;
13:29
Of courseσειρά μαθημάτων they would.
289
794000
1000
Μα φυσικά και θα μπορούσαν.
13:30
What happensσυμβαίνει when you do other things,
290
795000
1000
Τι συμβαίνει όταν κάνεις κάτι άλλο,
13:31
like you removeαφαιρώ things from moneyχρήματα?
291
796000
2000
όπως το να αντικαθιστάς τα χρήματα με αντικείμενα;
13:33
You call them stockστοκ, or stockστοκ optionsεπιλογές, derivativesπαράγωγα,
292
798000
3000
Τα ονομάζεις μετοχές ή δικαιώματα επί μετοχών, παράγωγα,
13:36
mortgage-backedεξασφαλίζονται με υποθήκη securitiesκινητές αξίες.
293
801000
1000
τίτλους υποθηκευμένων περιουσιακών στοιχείων.
13:37
Could it be that with those more distantμακρινός things,
294
802000
3000
Θα μπορούσε με αυτά τα πιο απόμακρα αντικείμενα,
13:40
it's not a tokenΔιακριτικό for one secondδεύτερος,
295
805000
2000
δεν είναι αντισταθμίσματα ενός δευτερολέπτου,
13:42
it's something that is manyΠολλά stepsβήματα removedνα αφαιρεθεί from moneyχρήματα
296
807000
2000
αλλά κάτι το οποίο είναι αρκετά βήματα μακριά από τα χρήματα
13:44
for a much longerμακρύτερα time -- could it be that people will cheatεξαπατήσει even more?
297
809000
4000
για αρκετό χρόνο - αυτό σημαίνει ότι ίσως ο κόσμος να εξαπατά περισσότερο;
13:48
And what happensσυμβαίνει to the socialκοινωνικός environmentπεριβάλλον
298
813000
2000
Και τι συμβαίνει το κοινωνικό περιβάλλον
13:50
when people see other people behaveσυμπεριφέρομαι around them?
299
815000
3000
όταν οι άνθρωποι βλέπουν άλλους να συμπεριφέρονται έτσι γύρω τους;
13:53
I think all of those forcesδυνάμεις workedεργάστηκε in a very badκακό way
300
818000
4000
Νομίζω ότι όλες αυτές οι δυνάμεις λειτουργούν πολύ άσχημα
13:57
in the stockστοκ marketαγορά.
301
822000
2000
για τη χρηματαγορά.
13:59
More generallyγενικά, I want to tell you something
302
824000
3000
Πιο γενικά, θέλω να σας πω κάτι
14:02
about behavioralσυμπεριφορική economicsΟικονομικά.
303
827000
3000
για τα συμπεριφορικά οικονομικά.
14:05
We have manyΠολλά intuitionsτις διαισθήσεις in our life,
304
830000
4000
Έχουμε αρκετές διαισθήσεις στη ζωή μας,
14:09
and the pointσημείο is that manyΠολλά of these intuitionsτις διαισθήσεις are wrongλανθασμένος.
305
834000
3000
και το θέμα είναι ότι αρκετές από αυτές είναι λάθος.
14:12
The questionερώτηση is, are we going to testδοκιμή those intuitionsτις διαισθήσεις?
306
837000
3000
Το ερώτημα είναι, θα ελέγξουμε αυτές τις διαισθήσεις;
14:15
We can think about how we're going to testδοκιμή this intuitionδιαίσθηση
307
840000
2000
Μπορούμε να σκεφτούμε τους τρόπους να τις ελέγξουμε
14:17
in our privateιδιωτικός life, in our businessεπιχείρηση life,
308
842000
2000
στην προσωπική μας ζωή, στη δουλειά μας,
14:19
and mostπλέον particularlyιδιαίτερα when it goesπηγαίνει to policyπολιτική,
309
844000
3000
και κυρίως όταν αφορά πολιτικές,
14:22
when we think about things like No ChildΤο παιδί Left BehindΠίσω από,
310
847000
3000
όταν σκεφτόμαστε πράγματα όπως εκπαιδευτικές μεταρρυθμίσεις,
14:25
when you createδημιουργώ newνέος stockστοκ marketsαγορές, when you createδημιουργώ other policiesπολιτικές --
311
850000
3000
όταν δημιουργείς νέες αγορές μετοχών, όταν δημιουργείς άλλες πολιτικές -
14:28
taxationφορολογία, healthυγεία careΦροντίδα and so on.
312
853000
3000
φορολογίας, υγείας και ούτω καθεξής.
14:31
And the difficultyδυσκολία of testingδοκιμές our intuitionδιαίσθηση
313
856000
2000
Και η δυσκολία στο να ελέγξουμε τις διαισθήσεις μας
14:33
was the bigμεγάλο lessonμάθημα I learnedέμαθα
314
858000
2000
ήταν ένα μεγάλο μάθημα που πήρα
14:35
when I wentπήγε back to the nursesνοσοκόμες to talk to them.
315
860000
2000
όταν πήγα πίσω στις νοσοκόμες για να τους μιλήσω.
14:37
So I wentπήγε back to talk to them
316
862000
2000
Έτσι, πήγα να τους μιλήσω
14:39
and tell them what I foundβρέθηκαν out about removingαφαίρεση bandagesΕπίδεσμοι.
317
864000
3000
και να τους πω τι βρήκα για το πως να αφαιρούν επιδέσμους.
14:42
And I learnedέμαθα two interestingενδιαφέρων things.
318
867000
2000
Και έμαθα δυό ενδιαφέροντα πράγματα.
14:44
One was that my favoriteαγαπημένη nurseνοσοκόμα, EttieEttie,
319
869000
2000
Το ένα ήταν ότι η αγαπημένη μου νοσοκόμα, η Ettie,
14:46
told me that I did not take her painπόνος into considerationθεώρηση.
320
871000
4000
μου είπε ότι δεν συμπεριέλαβα τον δικό της πόνο υπόψη μου.
14:50
She said, "Of courseσειρά μαθημάτων, you know, it was very painfulεπώδυνος for you.
321
875000
2000
Μου είπε, "Φυσικά και ήταν αρκετά επίπονο για εσένα.
14:52
But think about me as a nurseνοσοκόμα,
322
877000
2000
Αλλά σκέψου πως ήταν για εμένα ως νοσοκόμα,
14:54
takingλήψη, removingαφαίρεση the bandagesΕπίδεσμοι of somebodyκάποιος I likedάρεσε,
323
879000
2000
να αφαιρώ τους επιδέσμους κάποιου που μου αρέσει
14:56
and had to do it repeatedlyεπανειλημμένα over a long periodπερίοδος of time.
324
881000
3000
και να το κάνω επανειλημμένα για ένα μεγάλο χρονικό διάστημα.
14:59
CreatingΤη δημιουργία so much tortureβασανιστήριο was not something that was good for me, too."
325
884000
3000
Το να δημιουργώ τόσο πόνο δεν ήταν κάτι καλό για εμένα, επίσης."
15:02
And she said maybe partμέρος of the reasonλόγος was it was difficultδύσκολος for her.
326
887000
5000
Και είπε ότι, ίσως ο λόγος που σκεφτόταν έτσι ήταν ότι ήταν και για εκείνη δύσκολο.
15:07
But it was actuallyπράγματι more interestingενδιαφέρων than that, because she said,
327
892000
3000
Αλλά ήταν πιο ενδιαφέρον ο λόγος από αυτό, διότι μου είπε,
15:10
"I did not think that your intuitionδιαίσθηση was right.
328
895000
5000
"Δεν πίστευα ότι η διαίσθησή σου ήταν σωστή.
15:15
I feltένιωσα my intuitionδιαίσθηση was correctσωστός."
329
900000
1000
Νόμιζα ότι η δική μου διαίσθηση ήταν σωστή."
15:16
So, if you think about all of your intuitionsτις διαισθήσεις,
330
901000
2000
Οπότε, εάν σκεφτείτε όλες τις διαισθήσεις που έχετε,
15:18
it's very hardσκληρά to believe that your intuitionδιαίσθηση is wrongλανθασμένος.
331
903000
4000
είναι πολύ δύσκολο να πιστέψετε ότι η διαίσθησή σας είναι λάθος.
15:22
And she said, "GivenΔίνεται the factγεγονός that I thought my intuitionδιαίσθηση was right ..." --
332
907000
3000
Λέγοντάς μου: "Δεδομένου ότι πίστευα πως η διαίσθησή μου ήταν σωστή..." --
15:25
she thought her intuitionδιαίσθηση was right --
333
910000
2000
νόμιζε πως είχε δίκιο -
15:27
it was very difficultδύσκολος for her to acceptαποδέχομαι doing a difficultδύσκολος experimentπείραμα
334
912000
5000
ήταν πολύ δύσκολο για αυτή αυτή να δεχθεί να κάνει ένα δύσκολο πείραμα
15:32
to try and checkέλεγχος whetherκατά πόσο she was wrongλανθασμένος.
335
917000
2000
και να δοκιμάσει, να ελέγξει αν έκανε λάθος.
15:34
But in factγεγονός, this is the situationκατάσταση we're all in all the time.
336
919000
4000
Στην πραγματικότητα, σε αυτήν τη κατάσταση βρισκόμαστε κάθε στιγμή.
15:38
We have very strongισχυρός intuitionsτις διαισθήσεις about all kindsείδη of things --
337
923000
3000
Έχουμε πολύ ισχυρές διαισθήσεις για όλα τα πράγματα --
15:41
our ownτα δικά abilityικανότητα, how the economyοικονομία worksεργοστάσιο,
338
926000
3000
για τις ικανότητές μας, για το πως λειτουργεί η οικονομία,
15:44
how we should payπληρωμή schoolσχολείο teachersκαθηγητές.
339
929000
2000
πως θα έπρεπε να πληρώνωνται οι δάσκαλοι.
15:46
But unlessεκτός we startαρχή testingδοκιμές those intuitionsτις διαισθήσεις,
340
931000
3000
Αλλά εκτός και αν δεν αρχίσουμε να ελέγχουμε αυτές τις διαισθήσεις,
15:49
we're not going to do better.
341
934000
2000
δεν θα κάνουμε κάτι καλύτερο.
15:51
And just think about how better my life would have been
342
936000
2000
Και απλά φανταστείτε πόσο καλύτερη θα ήταν η ζωή μου
15:53
if these nursesνοσοκόμες would have been willingπρόθυμος to checkέλεγχος theirδικα τους intuitionδιαίσθηση,
343
938000
2000
εάν εκείνες οι νοσοκόμες θα είχαν τη διάθεση να ελέγξουν την διαίσθησή τους,
15:55
and how everything would have been better
344
940000
1000
και πόσο καλύτερα θα ήταν όλα
15:56
if we just startαρχή doing more systematicσυστηματική experimentationπειραματισμός of our intuitionsτις διαισθήσεις.
345
941000
5000
εάν ξεκινούσαμε πιο συστηματικά να πειραματιζόμαστε με τις διαισθήσεις μας.
16:01
Thank you very much.
346
946000
2000
Σας ευχαριστώ πάρα πολύ.
Translated by Zoran Pantoulas
Reviewed by Alexandros Tzaferidis

▲Back to top

ABOUT THE SPEAKER
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.

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 IrrationalThe 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.

More profile about the speaker
Dan Ariely | Speaker | TED.com