TEDIndia 2009
Sendhil Mullainathan: Solving social problems with a nudge
סנדהיל מולאינאט'אן: לפתור בעיות חברתיות בדחיפה קלה
Filmed:
Readability: 3.7
581,215 views
זוכה מדליית מק'ארתור, סנדהיל מולאינאט'אן, משתמש במשקפי הכלכלה ההתנהגותית כדי לבחון סדרה מיוחדת של בעיות חברתיות - אלו שאנו יודעים לפתור אבל לא עושים זאת. אנו יודעים כיצד להוריד תמותת ילדים בעקבות שלשולים, כיצד למנוע עיוורון הקשור לסוכרת וכיצד ליישם טכנולוגיה סולארית... אולם אנו לא מצליחים בכך. מדוע?
Sendhil Mullainathan - Behavioral economist
Sendhil Mullainathan asks a compelling question: what are the irrational choices we make that perpetuate poverty, corruption, discrimination? Full bio
Sendhil Mullainathan asks a compelling question: what are the irrational choices we make that perpetuate poverty, corruption, discrimination? Full bio
Double-click the English transcript below to play the video.
00:15
As a researcher, every once in a while
0
0
3000
בתור חוקר, מפעם לפעם,
00:18
you encounter something
1
3000
2000
אתה נתקל במשהו
00:20
a little disconcerting.
2
5000
2000
מעט מטריד.
00:22
And this is something that changes your understanding of the world around you,
3
7000
3000
וזה משהו שמשנה את ההבנה שלך לגבי העולם שמסביבך,
00:25
and teaches you that you're very wrong
4
10000
2000
ומלמד אותך שטעית בגדול
00:27
about something that you really believed firmly in.
5
12000
4000
כשהאמנת שמשהו מסוים הוא נכון.
00:31
And these are unfortunate moments,
6
16000
3000
ואלו רגעים חסרי מזל,
00:34
because you go to sleep that night
7
19000
2000
מכיוון שאתה הולך לישון באותו הלילה
00:36
dumber than when you woke up.
8
21000
3000
טיפש יותר משהיית כשקמת.
00:39
So, that's really the goal of my talk,
9
24000
2000
אז, זוהי למעשה המטרה של ההרצאה שלי,
00:41
is to A, communicate that moment to you
10
26000
2000
א', להעביר לכם את הרגע הזה,
00:43
and B, have you leave this session
11
28000
2000
ו-ב', לגרום לכם לעזוב את המפגש הזה
00:45
a little dumber than when you entered.
12
30000
2000
קצת יותר טיפשים משהייתם.
00:47
So, I hope I can really accomplish that.
13
32000
3000
אז, אני מקווה שאוכל להשיג זאת.
00:50
So, this incident that I'm going to describe
14
35000
3000
התקרית הזו, שאני הולך לתאר
00:53
really began with some diarrhea.
15
38000
3000
התחילה בעצם עם קצת שלשול.
00:56
Now, we've known for a long time the cause of diarrhea.
16
41000
3000
עכשיו, אנו יודעים כבר זמן רב את הסיבה לשלשול.
00:59
That's why there's a glass of water up there.
17
44000
3000
זו הסיבה שיש שם תמונה של כוס מים.
01:02
For us, it's a problem, the people in this room.
18
47000
2000
בשבילנו, האנשים בחדר הזה, זו בעיה.
01:04
For babies, it's deadly.
19
49000
3000
אבל בשביל ילדים, זה קטלני.
01:07
They lack nutrients, and diarrhea dehydrates them.
20
52000
4000
חסרים להם חומרים מזינים, ושלשול גורם להם להתייבשות.
01:11
And so, as a result, there is a lot of death,
21
56000
2000
וכתוצאה מכך, יש תמותה גדולה,
01:13
a lot of death.
22
58000
3000
תמותה גדולה.
01:16
In India in 1960,
23
61000
2000
בהודו של 1960,
01:18
there was a 24 percent child mortality rate,
24
63000
2000
שיעור תמותת הילדים היה 24 אחוז,
01:20
lots of people didn't make it. This is incredibly unfortunate.
25
65000
4000
הרבה אנשים לא שרדו. מצער מאוד.
01:24
One of the big reasons this happened was
26
69000
2000
אחת הסיבות העיקריות לזה
01:26
because of diarrhea.
27
71000
2000
הייתה שלשול.
01:28
Now, there was a big effort to solve this problem,
28
73000
3000
כעת, נעשה מאמץ גדול לפתור את הבעיה הזאת.
01:31
and there was actually a big solution.
29
76000
4000
ולמעשה נמצא פתרון גדול.
01:35
This solution has been called, by some,
30
80000
2000
והפתרון הזה כונה, על ידי כמה אנשים,
01:37
"potentially the most important medical
31
82000
2000
"פוטנציאל ההתקדמות הרפואית החשובה ביותר
01:39
advance this century."
32
84000
3000
במאה הנוכחית"
01:42
Now, the solution turned out to be simple.
33
87000
3000
עכשיו, הפתרון התברר כפשוט.
01:45
And what it was was oral rehydration salts.
34
90000
4000
והוא היה מלחי הזנה לנטילה דרך הפה.
01:49
Many of you have probably used this.
35
94000
2000
רבים מכם כנראה השתמשו בהם.
01:51
It's brilliant. It's a way to get sodium
36
96000
2000
זה מבריק. זו דרך להכניס נתרן
01:53
and glucose together so that when you add it to water
37
98000
3000
וגלוקוז ביחד כך שכשמוסיפים אותם למים
01:56
the child is able to absorb it even during situations of diarrhea.
38
101000
3000
הילד יכול לספוג אותם גם במקרה של שלשול.
01:59
Remarkable impact on mortality.
39
104000
4000
השפעה משמעותית על התמותה.
02:03
Massive solution to the problem.
40
108000
2000
פתרון עצום לבעיה.
02:05
Flash forward: 1960, 24 percent child mortality
41
110000
3000
נרוץ קדימה, 24 אחוזי תמותת הילדים מ-1960
02:08
has dropped to 6.5 percent today.
42
113000
2000
צנחו ל- 6.5 אחוזים כיום.
02:10
Still a big number, but a big drop.
43
115000
3000
עדיין מספר גדול, אבל ירידה חזקה.
02:13
It looks like the technological problem is solved.
44
118000
3000
נראה שהבעיה הטכנולוגית נפתרה.
02:16
But if you look, even today
45
121000
2000
אך אם נסתכל, אפילו כיום
02:18
there are about 400,000 diarrhea-related deaths
46
123000
2000
יש בערך 400,000 מקרי מוות
02:20
in India alone.
47
125000
2000
עקב שלשולים בהודו בלבד.
02:22
What's going on here?
48
127000
2000
מה קורה כאן?
02:24
Well the easy answer is, we just haven't gotten those salts
49
129000
3000
ובכן, התשובה הקלה היא, פשוט לא הבאנו את המלחים האלה
02:27
to those people.
50
132000
2000
אל האנשים האלה.
02:29
That's actually not true.
51
134000
2000
זה ,לאמיתו של דבר, לא נכון.
02:31
If you look in areas where these salts are completely available,
52
136000
3000
אם נסתכל באזורים בהם המלחים האלה זמינים לחלוטין
02:34
the price is low or zero, these deaths still continue abated.
53
139000
3000
והמחיר הוא אפסי, מקרי המוות האלו ממשיכים להתרחש שם.
02:37
Maybe there's a biological answer.
54
142000
2000
אולי יש תשובה בילוגית לזה.
02:39
Maybe these are the deaths that simple rehydration
55
144000
2000
אולי אלו מקרים בהם השבת נוזלים
02:41
alone doesn't solve. That's not true either.
56
146000
3000
כשלעצמה אינה יכולה לפתור. אבל גם זה לא ההסבר הנכון.
02:44
Many of these deaths were completely preventable,
57
149000
5000
הרבה ממקרי המוות האלה לגמרי ניתנים למניעה.
02:49
and this what I want to think of as the disconcerting thing,
58
154000
3000
ועל זה אני רוצה לחשוב כדבר המציק,
02:52
what I want to call "the last mile" problem.
59
157000
2000
אותו אני רוצה לכנות בעיית "המייל האחרון".
02:54
See, we spent a lot of energy, in many domains --
60
159000
4000
אתם רואים, אנחנו מבזבזים הרבה אנרגיה , בהרבה תחומים.
02:58
technological, scientific, hard work,
61
163000
2000
טכנולוגיים, מדעיים, עבודה קשה,
03:00
creativity, human ingenuity --
62
165000
2000
יצירתיות, כושר המצאה אנושי,
03:02
to crack important social problems with technology solutions.
63
167000
4000
כדי לפצח בעיות חברתיות חשובות בעזרת פתרונות טכנולוגיים.
03:06
That's been the discoveries of the last 2,000 years,
64
171000
2000
אלו היו התגליות של 2,000 השנים האחרונות.
03:08
that's mankind moving forward.
65
173000
2000
זהו הגזע האנושי שמתפתח.
03:10
But in this case we cracked it,
66
175000
3000
אבל במקרה זה פיצחנו את זה,
03:13
but a big part of the problem still remains.
67
178000
2000
אבל חלק גדול מהבעיה עדיין קיים.
03:15
Nine hundred and ninety-nine miles went well,
68
180000
2000
999 מיילים הלכו טוב.
03:17
the last mile's proving incredibly stubborn.
69
182000
3000
המייל האחרון מוכיח עקשנות מדהימה.
03:20
Now, that's for oral rehydration therapy.
70
185000
4000
כעת, זה לגבי טיפול ההזנה בעזרת מלחים.
03:24
Maybe this is something unique about diarrhea.
71
189000
2000
אולי יש דבר יחודי בשלשולים
03:26
Well, it turns out -- and this is where things get really disconcerting --
72
191000
2000
ובכן, מסתבר, וכאן העניינים הופכים להיות מציקים באמת.
03:28
it's not unique to diarrhea.
73
193000
2000
זה לא ייחודי רק לשלשולים
03:30
It's not even unique to poor people in India.
74
195000
2000
זה אפילו לא ייחודי רק לעניים בהודו.
03:32
Here's an example from a variety of contexts.
75
197000
3000
הנה דוגמה מאוסף של הקשרים.
03:35
I've put a bunch of examples up here.
76
200000
2000
אני מציג צרור דוגמאות כאן למעלה.
03:37
I'll start with insulin, diabetes
77
202000
3000
אתחיל באינסולין, התרופה
03:40
medication in the U.S.
78
205000
2000
לסוכרת בארה"ב
03:42
OK, the American population.
79
207000
2000
או.קיי, האוכלוסיה האמריקאית.
03:44
On Medicaid -- if you're fairly poor you get Medicaid,
80
209000
2000
אם אתה דל אמצעים יש לך ביטוח בריאות ממלכתי
03:46
or if you have health insurance -- insulin is pretty straightforward.
81
211000
2000
או אם יש לך ביטוח בראיות פרטי, אינסולין מאד זמין
03:48
You get it, either in pill form or you get it as an injection;
82
213000
4000
יש לך את זה או בצורת גלולה או כזריקה.
03:52
you have to take it every day to maintain your blood sugar levels.
83
217000
2000
אתה צריך לקחת כל כיום כדי לשמור את רמת הסוכר בדם
03:54
Massive technological advance:
84
219000
2000
התקדמות טכנולוגית עצומה
03:56
took an incredibly deadly disease, made it solvable.
85
221000
2000
לקחו מחלה קטלנית ביותר, מצאו לה פתרון.
03:58
Adherence rates. How many people are taking their insulin every day?
86
223000
3000
שעורי חדירה. כמה אנשים לוקחים אינסולין כל יום?
04:01
About on average, a typical person is taking it 75 percent of the time.
87
226000
4000
בממוצע, אדם רגיל לוקח 75 אחוזים מהזמן.
04:05
As a result, 25,000 people a year go blind,
88
230000
5000
כתוצאה מכך, 25,000 איש מתעוורים כל שנה.
04:10
hundreds of thousands lose limbs, every year,
89
235000
2000
מאות אלפים מאבדים איברים, כל שנה
04:12
for something that's solvable.
90
237000
2000
בעקבות דבר שהוא פתיר.
04:14
Here I have a bunch of other examples,
91
239000
2000
הנה עוד כמה דוגמאות אחרות,
04:16
all suffer from the last mile problem.
92
241000
2000
כולן סובלות מבעיית המייל האחרון
04:18
It's not just medicine.
93
243000
2000
זה לא רק תרופה.
04:20
Here's another example from technology:
94
245000
2000
הנה עוד דוגמה טכנולוגית.
04:22
agriculture. We think
95
247000
2000
חקלאות. אנו חושבים
04:24
there's a food problem, so we create new seeds.
96
249000
2000
יש לנו בעיית מזון, אז אנו יוצרים זרעים חדשים.
04:26
We think there's an income problem, so we create
97
251000
2000
יש לנו בעיית הכנסה, אנו יוצרים
04:28
new ways of farming that increase income.
98
253000
3000
דרכי גידול חדשות שיגדילו הכנסות.
04:31
Well, look at some old ways, some ways that we'd already cracked.
99
256000
3000
ובכן, הסתכלו על דרכים ישנות, כאלו שכבר פיצחנו.
04:34
Intercropping. Intercropping really increases income.
100
259000
2000
גידול במקביל. זה באמת מגדיל הכנסה
04:36
Sometimes in rice we found incredible increases in yield
101
261000
3000
לפעמים באורז אנו מוצאים גידול מדהים בתנובה
04:39
when you mix different varieties of rice side by side.
102
264000
2000
כשמערבבים סוגים שונים של אורז זה לצד זה
04:41
Some people are doing that,
103
266000
2000
אנשים עושים זאת,
04:43
many are not. What's going on?
104
268000
2000
הרבה מאד לא. מה קורה פה?
04:45
This is the last mile.
105
270000
2000
זהו המייל האחרון.
04:47
The last mile is, everywhere, problematic.
106
272000
2000
המייל האחרון, בכל מקום, הוא בעייתי.
04:49
Alright, what's the problem?
107
274000
2000
בסדר. מה הבעיה?
04:51
The problem is this little three-pound machine
108
276000
3000
הבעיה היא המכונה הזו ששוקלת קילו חצי
04:54
that's behind your eyes and between your ears.
109
279000
4000
זאת שמאחורי עיניכם ובין אזניכם.
04:58
This machine is really strange,
110
283000
2000
המכונה הזאת היא באמת מוזרה.
05:00
and one of the consequences is that people are weird.
111
285000
4000
ואחת התוצאות היא שאנשים הם מוזרים.
05:04
They do lots of inconsistent things.
112
289000
4000
הם עושים הרבה מעשים לא עקביים.
05:08
(Applause)
113
293000
2000
(מחיאות כפיים)
05:10
They do lots of inconsistent things.
114
295000
3000
הם עושים הרבה מעשים לא עקביים.
05:13
And the inconsistencies
115
298000
2000
וחוסר העקביות
05:15
create, fundamentally, this last mile problem.
116
300000
3000
יוצרת, בבסיס, את בעיית המייל האחרון.
05:18
See, when we were dealing with our biology, bacteria,
117
303000
3000
אתם מבינים, כשעוסקים בביולוגיה שלנו, בקטריה,
05:21
the genes, the things inside here, the blood?
118
306000
3000
הגנים, דברים שכאן בפנים, הדם,
05:24
That's complex, but it's manageable.
119
309000
3000
זה מורכב, אבל ניתן להתמודדות.
05:27
When we're dealing with people like this?
120
312000
3000
כשעוסקים באנשים כאלה,
05:30
The mind is more complex.
121
315000
2000
המוח יותר מורכב.
05:32
That's not as manageable, and that's what we're struggling with.
122
317000
2000
זה קשה יותר להתמודדות, ועם זה אנחנו נאבקים.
05:34
Let me go back to diarrhea for a second.
123
319000
3000
בואו נחזור לשילשולים לרגע.
05:37
Here's a question that was asked in the National Sample Survey,
124
322000
3000
לפניכם שאלה שנשאלה בסקר לאומי
05:40
which is a survey asked of many Indian women:
125
325000
2000
זהו סקר שהקיף הרבה נשים הודיות
05:42
"Your child has diarrhea.
126
327000
2000
"לילדך יש שלשול.
05:44
Should you increase, maintain or decrease the number of fluids?"
127
329000
3000
האם תגדילי, תשמרי קבוע או תקטיני את כמות הנוזלים?"
05:47
Just so you don't embarrass yourselves, I'll give you the right answer:
128
332000
3000
רק כדי שלא תובכו, אגלה לכם את התשובה הנכונה.
05:50
It's increase.
129
335000
2000
התשובה היא להגדיל.
05:54
Now, diarrhea's interesting
130
339000
1000
כעת, שלשול הוא מעניין
05:55
because it's been around for thousands of years,
131
340000
2000
כיוון שהוא תופעה קיימת כבר אלפי שנים,
05:57
ever since humankind really
132
342000
3000
מאז שהאנשים
06:00
lived side by side enough to have really polluted water.
133
345000
3000
גרו בצוותא ויצרו מים מזוהמים
06:03
One Roman strategy that was very interesting
134
348000
2000
אסטרטגיה רומאית אחת היתה מאד מעניינת,
06:05
was that -- and it really gave them a comparative advantage --
135
350000
2000
כזאת שנתנה להם יתרון תחרותי,
06:07
they made sure their soldiers didn't drink
136
352000
3000
הם וידאו שחייליהם לא ישתו
06:10
even remotely muddied waters.
137
355000
2000
מים שלוכלכו, אפילו במקצת, בבוץ.
06:12
Because if some of your troops get diarrhea they're not that effective
138
357000
3000
מכיוון שאם חלק מכוחותיך סובלים משלשול, הם לא אפקטיביים
06:15
on the battlefield.
139
360000
2000
בשדה הקרב
06:17
So, if you think of Roman comparative advantage part of it was the breast shields,
140
362000
2000
לכן, אולי חשבתם שהיתרון הרומאי בחלקו נבע ממגיני החזה,
06:19
the breastplates, but part of it was drinking the right water.
141
364000
4000
לוחות המתכת, אבל חלק מזה נבע מכך שהם שתו את המים הנכונים.
06:23
So, here are these women. They've seen their parents
142
368000
2000
אז הנה נשים שראו את הוריהן
06:25
have struggled with diarrhea, they've struggled with diarrhea,
143
370000
2000
נאבקים בשלשולים, הם נאבקו בשלשולים.
06:27
they've seen lots of deaths. How do they answer this question?
144
372000
3000
הן ראו המון מיתות. איך הן עונות לשאלה הזאת?
06:30
In India, 35 to 50 percent say "Reduce."
145
375000
4000
בהודו, 35 עד 50 אחוז אומרות "להקטין."
06:34
Think about what that means for a second.
146
379000
2000
תחשבו לשנייה מה זה אומר.
06:36
Thirty-five to 50 percent of women
147
381000
2000
35 עד 50 אחוז מהנשים
06:38
forget oral rehydration therapy,
148
383000
2000
שוכחים מהזנת המלחים דרך הפה
06:40
they are increasing --
149
385000
2000
הן מעלות,
06:42
they are actually making their child
150
387000
3000
הן בעצם גורמות לילדן
06:45
more likely to die through their actions.
151
390000
3000
סיכוי גדול יותר למות בגלל פעולתן.
06:48
How is that possible?
152
393000
2000
איך זה יתכן?
06:50
Well, one possibility -- I think that's how most people respond to this --
153
395000
3000
ובכן - אפשרות אחת - אני חושב שרב האנשים מגיבים לכך -
06:53
is to say, "That's just stupid."
154
398000
4000
היא לומר "זוהי טיפשות."
06:57
I don't think that's stupid.
155
402000
2000
אני לא חושב שזוהי טיפשות.
06:59
I think there is something very profoundly right in what these women are doing.
156
404000
3000
אני חושב שזה דבר נכון בבסיסו מה שנשים אלו עושות.
07:02
And that is, you don't put water
157
407000
2000
וזה, שלא מוסיפים מים
07:04
into a leaky bucket.
158
409000
2000
לתוך דלי דולף.
07:06
So, think of the mental model that goes behind reducing the intake.
159
411000
4000
אז תחשבו על מודל מחשבתי שהוא מעבר להקטנת הצריכה.
07:10
Just doesn't make sense.
160
415000
2000
פשוט לא הגיוני
07:12
Now, the model is intuitively right.
161
417000
3000
כעת, המודל הוא נכון אינטואיטיבית.
07:15
It just doesn't happen to be right about the world.
162
420000
4000
הוא רק לא נכון לגבי העולם.
07:19
But it makes a whole lot of sense at some deep level.
163
424000
3000
אבל זה מאד הגיוני ברמה עמוקה
07:22
And that, to me, is the fundamental challenge
164
427000
3000
וזה, בשבילי, הוא האתגר הבסיסי
07:25
of the last mile.
165
430000
5000
של המייל האחרון.
07:30
This first challenge is what I refer to as the persuasion challenge.
166
435000
3000
האתגר הראשון מתייחס לאתגר השכנוע.
07:33
Convincing people to do something --
167
438000
2000
לשכנע אנשים לעשות מעשה.
07:35
take oral rehydration therapy, intercrop, whatever it might be --
168
440000
2000
לקחת הזנת מלחים דרך הפה, לערב גידולים, מה שזה לא יהיה.
07:37
is not an act of information:
169
442000
3000
זוהי לא פעולת מידע.
07:40
"Let's give them the data,
170
445000
2000
"בוא ניתן להם את הנתונים,
07:42
and when they have data they'll do the right thing."
171
447000
2000
וכשיהיו להם הנתונים, הם יעשו את הדבר הנכון."
07:44
It's more complex than that.
172
449000
2000
זה הרבה יותר מורכב מכך.
07:46
And if you want to understand how it's more complex
173
451000
2000
ואם ברצונכם להבין איך זה יותר מורכב
07:48
let me start with something kind of interesting.
174
453000
4000
אתחיל עם משהו די מעניין.
07:52
I'm going to give you a little math problem,
175
457000
2000
אני אתן לכם בעיה מתמטית קטנה.
07:54
and I want you to just yell out the answer as fast as possible.
176
459000
3000
ואני רוצה שתצעקו את התשובה מהר ככל האפשר.
07:57
A bat and a ball together cost $1.10.
177
462000
2000
מחבט וכדור עולים יחד $1.10.
07:59
The bat costs a dollar more than the ball.
178
464000
3000
המחבט עולה דולר אחד יותר מהכדור.
08:02
How much does the ball cost? Quick.
179
467000
3000
כמה עולה הכדור? מהר.
08:05
So, somebody out there says, "Five."
180
470000
2000
אז מישהו שם אומר חמש.
08:07
A lot of you said, "Ten."
181
472000
2000
הרבה מכם אמרו 10.
08:09
Let's think about 10 for a second.
182
474000
3000
בואו נחשוב על 10 לשנייה.
08:12
If the ball costs 10, the bat costs...
183
477000
4000
אם הכדור עולה 10, המחבט עולה...
08:16
this is easy, $1.10.
184
481000
2000
זה קל, $1.10.
08:18
Yeah. So, together they would cost $1.20.
185
483000
3000
כן. אז ביחד זה יעלה $1.20.
08:21
So, here you all are, ostensibly educated people.
186
486000
3000
אז הנה אתם כולכם, לכאורה אנשים משכילים.
08:24
Most of you look smart.
187
489000
3000
רובכם נראים חכמים.
08:27
The combination of that produces
188
492000
3000
הקומבינציה הזאת יוצרת
08:30
something that is actually, you got this thing wrong.
189
495000
2000
משהו שהוא למעשה, הבנתם זאת לא נכון.
08:32
How is that possible? Let's go to something else.
190
497000
3000
איך זה יתכן? בואו נלך למשהו אחר.
08:35
I know algebra can be complicated.
191
500000
3000
אני יודע שאלגברה יכולה להיות מסובכת.
08:38
So, let's dial this back. That's what? Fifth grade? Fourth grade?
192
503000
3000
בואו נסובב את הגלגל לאחור. מה זה יהיה? כיתה ה'? כיתה ד'?
08:41
Let's go back to kindergarten. OK?
193
506000
3000
בואו נחזור לגן הילדים. בסדר?
08:44
There's a great show on American television that you have to watch.
194
509000
2000
יש תוכנית מעולה בטלויזיה האמריקאית שאתם חייבים לראות.
08:46
It's called "Are You Smarter Than a Fifth Grader?"
195
511000
2000
היא נקראת "האם אתה חכם יותר מתלמיד כיתה ה'?"
08:48
I think we've learned the answer to that here.
196
513000
3000
אני חושב שלמדנו את התשובה לכך כאן.
08:51
Let's move to kindergarten. Let's see if we can beat five-year-olds.
197
516000
3000
בואו נעבור לגן הילדים. בואו נראה אם תנצחו ילד בן חמש.
08:54
Here's what I'm going to do: I'm going to put objects on the screen.
198
519000
3000
הנה מה שאני הולך לעשות. אני הולך להציג עצמים על המסך.
08:57
I just want you to name the color of the object.
199
522000
4000
אני רק רוצה שתגידו מה הצבע של העצם.
09:01
That's all it is. OK?
200
526000
2000
זה הכל. בסדר?
09:03
I want you to do it fast, and say it out loud with me,
201
528000
3000
אני רוצה שתעשו את זה מהר. ותגידו לי את זה בקול רם.
09:06
and do it quickly. I'll make the first one easy for you.
202
531000
2000
ותעשו זאת בזריזות. אני אקל עליכם בראשון.
09:08
Ready? Black.
203
533000
2000
מוכנים? שחור.
09:10
Now the next ones I want you to do quickly and say it out loud.
204
535000
2000
עכשיו את הבא אני רוצה שתעשו מהר ובקול רם
09:12
Ready? Go.
205
537000
2000
מוכנים? עכשיו.
09:14
Audience: Red. Green.
206
539000
2000
קהל: אדום, ירוק
09:16
Yellow. Blue. Red.
207
541000
2000
צהוב, כחול, אדום
09:18
(Laughter)
208
543000
3000
(צחוק)
09:21
Sendhil Mullainathan: That's pretty good.
209
546000
4000
סנדהיל מולאינט'אן: טוב מאד.
09:25
Almost out of kindergarten.
210
550000
2000
כמעט כמו בגן.
09:27
What is all this telling us?
211
552000
2000
מה זה אומר לנו?
09:29
You see, what's going on here, and in the bat and ball problem
212
554000
3000
אתם רואים, מה הולך פה, ובעיית המחבט והכדור
09:32
is that you have some intuitive ways of interacting with the world,
213
557000
3000
היא שיש לכם דרכים אינטואיטיביות להתמודדות עם העולם,
09:35
some models that you use to understand the world.
214
560000
2000
כמה מודלים שאתם משתמשים להבין את העולם.
09:37
These models, like the leaky bucket,
215
562000
2000
המודלים האלו, כמו הדלי הדולף,
09:39
work well in most situations.
216
564000
2000
עובדים טוב ברב המקרים.
09:41
I suspect most of you --
217
566000
2000
אני חושש שרובכם,
09:43
I hope that's true for the rest of you --
218
568000
2000
אני מקווה שזה נכון לשאר האנשים שביניכם,
09:45
actually do pretty well with addition and subtraction in the real world.
219
570000
4000
למעשה מסתדרים יפה עם חיבור וחיסור בעולם האמיתי
09:49
I found a problem, a specific problem
220
574000
2000
מצאתי בעיה, בעיה ספציפית
09:51
that actually found an error with that.
221
576000
3000
שלמעשה מצאה טעות במודל.
09:54
Diarrhea, and many last mile problems, are like that.
222
579000
2000
שלשול, והרבה בעיות של המייל האחרון, הן כאלה.
09:56
They are situations where the mental model
223
581000
2000
אלו סיטואציות בהן המודל המחשבתי
09:58
doesn't match the reality.
224
583000
2000
לא תואם את המציאות.
10:00
Same thing here:
225
585000
2000
אותו הדבר כאן,
10:02
You had an intuitive response to this that was very quick.
226
587000
2000
היתה לכם תגובה אינטואיטיבית שהייתה מאד מהירה.
10:04
You read "blue" and you wanted to say "blue," even though you knew your task was red.
227
589000
3000
קראתם כחול ורציתם להגיד כחול, למרות שראיתם שהעצם בצבע אדום.
10:07
Now, I do this stuff because it's fun.
228
592000
2000
עכשיו, אני עושה את זה כי זה כיף.
10:09
But it's more profound than fun.
229
594000
4000
אבל זה יותר עמוק מכיף.
10:13
I'll give you a good example of how it actually effects persuasion.
230
598000
3000
אני אתן לכם דוגמה טובה איך זה משפיע על שכנוע
10:16
BMW is a pretty safe car.
231
601000
3000
ב.מ.וו. היא מכונית בטוחה למדי.
10:19
And they are trying to figure out, "Safety is good.
232
604000
2000
והם מנסים להציג, "בטיחות זה טוב.
10:21
I want to advertise safety. How am I going to advertise safety?"
233
606000
2000
אני רוצה לפרסם בטיחות. איך אני אפרסם בטיחות?"
10:23
"I could give people numbers. We do well on crash tests."
234
608000
3000
"אני יכול לתת לאנשים מספרים. אנחנו מצליחים במבחני ריסוק."
10:26
But the truth of the matter is, you look at that car,
235
611000
2000
אבל האמת היא, שכשאתה מסתכל על הרכב הזה,
10:28
it doesn't look like a Volvo,
236
613000
2000
הוא לא נראה כמו וולוו.
10:30
and it doesn't look like a Hummer.
237
615000
2000
והוא לא נראה כמו האמר.
10:32
So, what I want you to think about for a few minutes
238
617000
2000
ולכן, מה שברצוני לחשוב עליו כמה דקות
10:34
is: How would you convey safety of the BMW? Okay?
239
619000
3000
איך תעביר מסר של הבטיחות של ב.מ.וו? טוב?
10:37
So now, while you're thinking about that let's move to a second task.
240
622000
3000
ועכשיו, בזמן שאתם חושבים על זה בואו נעבור למשימה שנייה.
10:40
The second task is fuel efficiency. Okay?
241
625000
3000
המשימה הבאה היא צריכת דלק יעילה. או קיי?
10:43
Here's another puzzle for all of you.
242
628000
2000
הנה עוד חידה בשביל כולכם.
10:45
One person walks into a car lot,
243
630000
2000
אדם נכנס למגרש מכוניות,
10:47
and they're thinking about buying this Toyota Yaris.
244
632000
3000
והוא חושב על קנייה של טויוטה יאריס.
10:50
They are saying, "This is 35 miles per gallon. I'm going to do
245
635000
2000
הם אומרים: "זה יעשה 35 מייל לגלון. אני אעשה
10:52
the environmentally right thing, I'm going to buy the Prius,
246
637000
2000
את הדבר הנכון לסביבה, אני אקנה פריוס,
10:54
50 miles per gallon."
247
639000
2000
50 מייל לגלון".
10:56
Another person walks into the lot,
248
641000
2000
אדם אחר נכנס למגרש המכוניות.
10:58
and they're about to buy a Hummer, nine miles per gallon,
249
643000
2000
והוא מתכוון לקנות האמר. 9 מייל לגלון.
11:00
fully loaded, luxury.
250
645000
2000
מאובזר לגמרי, מפואר.
11:02
And they say, "You know what? Do I need turbo? Do I need this heavyweight car?"
251
647000
4000
והוא אומר:"יודע מה? אני צריך טורבו? האם אני צריך את המכונית הכבדה הזאת?"
11:06
I'm going to do something good for the environment.
252
651000
2000
אני אעשה משהו טוב לסביבה.
11:08
I'm going to take off some of that weight,
253
653000
2000
אני אצמצם קצת את המשקל הזה
11:10
and I'm going to buy a Hummer that's 11 miles per gallon."
254
655000
3000
ואקנה האמר שיעשה 11 מייל לגלון."
11:13
Which one of these people has done more for the environment?
255
658000
3000
מי משני האנשים האלו עשה יותר למען הסביבה?
11:16
See, you have a mental model.
256
661000
2000
אתם מבינים, יש לכם מודל מחשבתי.
11:18
Fifty versus 35, that's a big move. Eleven versus nine? Come on.
257
663000
3000
50 מול 35, זה צעד גדול. 11 מול 9? בחייך...
11:21
Turns out, go home and do the math,
258
666000
3000
יוצא, תעשו את החשבון בבית,
11:24
the nine to 11 is a bigger change. That person has saved more gallons.
259
669000
3000
שהתשע מול 11 הוא שינוי גדול יותר. האדם חסך יותר גלונים של דלק.
11:27
Why? Because we don't care about miles per gallon, we care about
260
672000
2000
למה? כי לא אכפת לנו ממיילים לגלון, אכפת לנו
11:29
gallons per mile.
261
674000
2000
מגלונים למייל.
11:31
Think about how powerful that is if you're trying to encourage fuel efficiency.
262
676000
3000
תחשבו על כמה זה עוצמתי אם אתה מנסה לעודד צריכה יעילה של דלק
11:34
Miles per gallon is the way we present things.
263
679000
2000
מיילים לגלון היא הדרך בה אנו מציגים דברים.
11:36
If we want to encourage change of behavior,
264
681000
3000
אם אנו רוצים לעודד שינוי בהתנהגות,
11:39
gallons per mile would have far more effectiveness.
265
684000
2000
גלונים למייל יהיה הרבה יותר אפקטיבי.
11:41
Researchers have found these type of anomalies.
266
686000
3000
מחקרים מצאו סוגים כאלו של אנומליות.
11:44
Okay, back to BMW. What should they do?
267
689000
3000
טוב, חזרה לב.מ.וו.. מה תעשו?
11:47
The problem BMW faces is this car looks safe.
268
692000
3000
הבעיה שב.מ.וו נתקלו בה שהמכונית נראית בטוחה.
11:50
This car, which is my Mini, doesn't look that safe.
269
695000
4000
המכונית הזאת. מיני, לא נראית בטוחה.
11:54
Here was BMW's brilliant insight, which they embodied into an ad campaign.
270
699000
3000
והנה התובנה המבריקה של ב.מ.וו שהם הכלילו בתוך הקמפיין.
11:57
They showed a BMW driving down the street.
271
702000
2000
הם הראו ב.מ.וו. נוסעת במורד הרחוב.
11:59
There's a truck on the right. Boxes fall out of the truck.
272
704000
3000
יש משאית מימין. קופסאות נופלות מהמשאית.
12:02
The car swerves to avoid it, and therefore doesn't get into an accident.
273
707000
5000
המכונית סוטה על מנת להתחמק מהן ולכן לא נגרמת תאונת דרכים.
12:07
BWM realizes safety, in people's minds, has two components.
274
712000
4000
ב.מ.וו. הבחינה שלבטיחות, במוחות האנשים, יש שני מרכיבים.
12:11
You can be safe because when you're hit, you survive,
275
716000
4000
אתם יכולים לחוש בטחון כי אתם תשרדו אחרי פגיעה,
12:15
or you can be safe because you avoid accidents.
276
720000
2000
או שאתם יכולים לחוש בטחון כי אתם נמנעים מתאונות.
12:17
Remarkably successful campaign, but notice the power of it.
277
722000
2000
קמפיין מוצלח במיוחד. אבל שימו לב לכוח של זה.
12:19
It harnesses something you already believe.
278
724000
3000
זה מחזק משהו שאתם כבר מאמינים בו.
12:22
Now, even if I persuaded you to do something,
279
727000
4000
כעת, גם אם אני משכנע אתכם לעשות משהו
12:26
it's hard sometimes to actually get action as a result.
280
731000
4000
לפעמים זה קשה לקבל פעילות כתוצאה מכך.
12:30
You all probably intended to wake up,
281
735000
2000
כולכם כנראה מתכוונים לקום
12:32
I don't know, 6:30, 7 a.m.
282
737000
3000
אני לא יודע, 6:30, 7 בבוקר.
12:35
This is a battle we all fight every day,
283
740000
2000
זהו קרב שכולנו נלחמים בו כל יום,
12:37
along with trying to get to the gym.
284
742000
3000
יחד עם הליכה למכון הכושר.
12:40
Now, this is an example of that battle,
285
745000
3000
הנה דוגמה לקרב הזה,
12:43
and makes us realize intentions don't always translate into action,
286
748000
3000
שגורמת לנו להבין שכוונות לא בהכרח מביאות לפעולות,
12:46
and so one of the fundamental challenges
287
751000
2000
ושאחד האתגרים הבסיסיים
12:48
is how we would actually do that. OK?
288
753000
4000
הוא איך באמת נעשה זאת. בסדר?
12:52
So, let me now talk about the last mile problem.
289
757000
3000
אז תנו לי לדבר על בעיית המייל האחרון.
12:55
So far, I've been pretty negative.
290
760000
3000
עד כה, הייתי די שלילי.
12:58
I've been trying to show you the oddities of human behavior.
291
763000
3000
ניסיתי להראות לכם מוזרויות של ההתנהגות האנושית.
13:01
And I think maybe I'm being too negative.
292
766000
2000
ואני חושב שאולי הייתי שלילי מדי.
13:03
Maybe it's the diarrhea.
293
768000
2000
אולי זה השלשול.
13:05
Maybe the last mile problem really should be thought of
294
770000
2000
אולי בעיית המייל האחרון צריכה להיות
13:07
as the last mile opportunity.
295
772000
2000
מוצגת כהזדמנות המייל האחרון.
13:09
Let's go back to diabetes.
296
774000
2000
בואו נחזור לסוכרת.
13:11
This is a typical insulin injection.
297
776000
3000
זוהי זריקת אינסולין טיפוסית.
13:14
Now, carrying this thing around is complicated.
298
779000
3000
עכשיו, לשאת את זה איתנו זה קצת מסובך.
13:17
You gotta carry the bottle, you gotta carry the syringe.
299
782000
4000
צריך לסחוב את הבקבוק, צריך את המחט.
13:21
It's also painful.
300
786000
2000
זה גם כואב.
13:23
Now, you may think to yourself, "Well, if my eyes depended on it,
301
788000
4000
עכשיו, אתם יכולים לחשוב לעצמכם, "ובכן, אם עיניי תלויות בזה
13:27
you know, I would obviously use it every day."
302
792000
2000
בטח אשתמש בזה כל יום."
13:29
But the pain, the discomfort,
303
794000
2000
אבל הכאב, חוסר הנוחות,
13:31
you know, paying attention, remembering to put it in your purse
304
796000
2000
לזכור לשים את זה בארנק
13:33
when you go on a long trip:
305
798000
2000
כשאתם יוצאים לנסיעה ארוכה,
13:35
These are the day-to-day of life, and they do pose problems.
306
800000
4000
אלו החיים היומיומיים, והם יוצרים בעיות.
13:39
Here is an innovation, a design innovation.
307
804000
3000
הנה המצאה, המצאה עיצובית.
13:42
This is a pen, it's called an insulin pen, preloaded.
308
807000
4000
זהו עט, הוא נקרא עט אינסולין, טעון מראש.
13:46
The needle is particularly sharp.
309
811000
1000
המחט היא חדה במיוחד.
13:47
You just gotta carry this thing around.
310
812000
2000
אתם רק צריכים לשאת את זה איתכם
13:49
It's much easier to use, much less painful.
311
814000
2000
זה הרבה יותר פשוט לשימוש, הרבה פחות כואב.
13:51
Anywhere between five and 10 percent increase in adherence,
312
816000
4000
בין 5 ל 10 אחוז עלייה באחוז החדירה,
13:55
just as a result of this.
313
820000
2000
רק כתוצאה מכך.
13:57
That's what I'm talking about as a last mile opportunity.
314
822000
3000
לזה אני מתכוון כשאני מדבר על הזדמנות המייל האחרון.
14:00
You see, we tend to think the problem is solved
315
825000
3000
אתם מבינים, אנו נוטים לחשוב שהבעיה פתורה
14:03
when we solve the technology problem.
316
828000
2000
כשאנו פותרים את הבעיה הטכנולוגית.
14:05
But the human innovation, the human problem
317
830000
2000
אבל החדשנות האנושית, הבעיה האנושית
14:07
still remains, and that's a great frontier that we have left.
318
832000
4000
עדיין נשארת, וזוהי התמודדות גדולה שנותרה לנו.
14:11
This isn't about the biology of people;
319
836000
2000
לא מדובר על הביולוגיה של האנשים,
14:13
this is now about the brains, the psychology of people,
320
838000
4000
עכשיו מדובר על המוח, על הפסיכולוגיה של האנשים.
14:17
and innovation needs to continue all the way through
321
842000
2000
והחדשנות צריכה להמשיך כל הדרך
14:19
the last mile.
322
844000
2000
עד למייל האחרון.
14:21
Here's another example of this.
323
846000
2000
הנה עוד דוגמא לכך.
14:23
This is from a company called Positive Energy.
324
848000
3000
מחברה שנקראת "אנרגיה חיובית".
14:26
This is about energy efficiency.
325
851000
2000
מדובר על יעילות באנרגיה.
14:28
We're spending a lot of time on fuel cells right now.
326
853000
3000
אנו משקיעים הרבה זמן על תאי דלק בימים אלו.
14:31
What this company does is they send a letter
327
856000
2000
מה שהחברה עושה זה לשלוח מכתב
14:33
to households that say, "Here's your energy use,
328
858000
2000
לבתי אב שאומרים: "זוהי צריכת האנרגיה שלכם,
14:35
here's your neighbor's energy use: You're doing well." Smiley face.
329
860000
3000
זוהי הצריכה של שכנכם, אתם בסדר". פרצוף של סמיילי.
14:38
"You're doing worse." Frown.
330
863000
2000
"אתם פחות טובים" . פרצוף זועף.
14:40
And what they find is just this letter, nothing else,
331
865000
3000
והם מצאו שהמכתב לבדו, שום דבר אחר,
14:43
has a two to three percent reduction in electricity use.
332
868000
2000
גרם לשניים שלושה אחוזים של ירידה בצריכת חשמל.
14:45
And you want to think about the social value of that
333
870000
2000
ותחשבו על הערך החברתי של זה
14:47
in terms of carbon offsets, reduced electricity,
334
872000
2000
במונחי ירידה בפליטת פחמן, ירידה בצריכת החשמל,
14:49
900 million dollars per year.
335
874000
2000
900 מיליון דולר בשנה.
14:51
Why? Because for free,
336
876000
2000
למה? בגלל שזוהי
14:53
this isn't a new technology, this is a letter --
337
878000
2000
אינה טכנולוגיה חדשה. זהו מכתב,
14:55
we're getting a Big Bang in behavior.
338
880000
2000
אנו מקבלים מהלומה גדולה להתנהגות.
14:57
So, how do we tackle the last mile?
339
882000
4000
אז איך אנו תוקפים את המייל האחרון?
15:01
I think this tells us there is an opportunity.
340
886000
3000
אני חושב שזה אומר לנו שיש שם הזדמנות.
15:04
And I think to tackle it, we need to combine
341
889000
2000
ואני חושב שלתקוף את זה אנו צריכים לשלב
15:06
psychology,
342
891000
2000
פסיכולוגיה,
15:08
marketing,
343
893000
2000
שיווק,
15:10
art, we've seen that.
344
895000
2000
אמנות, ראינו זאת.
15:12
But you know what we need to combine it with?
345
897000
2000
אבל אתם יודעים במה אנחנו עוד צריכים לשלב את זה?
15:14
We need to combine this with the scientific method.
346
899000
2000
אנו צריכים לשלב זאת בשיטה מדעית.
15:16
See what's really puzzling and frustrating about the last mile, to me,
347
901000
4000
אתם מבינים, מה שמבלבל ומתסכל אותי במייל האחרון,
15:20
is that the first 999 miles are all about science.
348
905000
3000
הוא שה 999 מיילים הראשונים הם לגמרי מדע.
15:23
No one would say, "Hey, I think this medicine works, go ahead and use it."
349
908000
4000
אף אחד לא יגיד, "היי, אני חושב שהתרופה עובדת, תתחיל להשתמש."
15:27
We have testing, we go to the lab, we try it again, we have refinement.
350
912000
2000
אנו בודקים, הולכים למעבדה, מנסים שוב, משפרים.
15:29
But you know what we do on the last mile?
351
914000
3000
אבל אתם יודעים מה אנו עושים במייל האחרון?
15:32
"Oh, this is a good idea. People will like this. Let's put it out there."
352
917000
3000
"הו, זה רעיון טוב. אנשים יאהבו את זה. בואו נוציא את זה."
15:35
The amount of resources we put in are disparate.
353
920000
2000
כמות המשאבים המושקעים לא דומה בכלל.
15:37
We put billions of dollars into fuel-efficient technologies.
354
922000
3000
אנו משקיעים מיליארדי דולרים במציאת טכנולוגיות ליעילות צריכת דלק
15:40
How much are we putting into
355
925000
2000
כמה אנו משקיעים
15:42
energy behavior change
356
927000
2000
בשינוי התנהגות צריכה,
15:44
in a credible, systematic, testing way?
357
929000
3000
בדרך אמינה, שיטתית, מבוקרת?
15:47
Now, I think that we're on the verge of something big.
358
932000
3000
כעת, אני חושב שאנו על סף של משהו גדול.
15:50
We're on the verge of a whole new social science.
359
935000
3000
אנו על סיפו של מדע חברתי חדש לגמרי.
15:53
It's a social science that recognizes --
360
938000
2000
זהו מדע חברתי שמזהה,
15:55
much like science recognizes the complexity of the body,
361
940000
3000
כמו שמדע מזהה את מורכבות הגוף,
15:58
biology recognizes the complexity of the body -- we'll recognize
362
943000
2000
ביולוגיה מזהה את מורכבות הגוף, אנו נזהה
16:00
the complexity of the human mind.
363
945000
2000
את מורכבות המוח האנושי
16:02
The careful testing, retesting, design,
364
947000
2000
הבדיקה הזהירה, בדיקה חוזרת, תכנון,
16:04
are going to open up vistas of understanding,
365
949000
3000
אנו הולכים לפתוח נקודות מבט של הבנה,
16:07
complexities, difficult things.
366
952000
2000
מורכבויות, דברים קשים.
16:09
And those vistas will both create new science,
367
954000
3000
ונקודות מבט אלו ייצרו מדע חדש,
16:12
and fundamental change in the world as we see it, in the next hundred years.
368
957000
4000
ושינוי בסיסי של העולם כפי שאנו רואים אותו, במאה השנים הבאות.
16:16
All right. Thank you very much.
369
961000
2000
בסדר גמור. תודה רבה לכם.
16:18
(Applause)
370
963000
2000
(מחיאות כפיים)
16:20
Chris Anderson: Sendhil, thank you so much.
371
965000
2000
כריס אנדרסון: סנדהיל, תודה רבה לך.
16:22
So, this whole area is so fascinating.
372
967000
3000
הנושא הזה הוא כל כך מרתק.
16:25
I mean, it sometimes feels, listening to behavioral economists
373
970000
3000
כלומר, לפעמים אני מרגיש, בהאזנה לכלכלנים התנהגותיים
16:28
that they are kind of putting into place
374
973000
3000
שהם מארגנים בצורה
16:31
academically, what great marketers
375
976000
2000
אקדמית, מה שאנשי שיווק גדולים
16:33
have sort of intuitively known for a long time.
376
978000
3000
יודעים למעשה אינטואיטיבית כבר זמן רב.
16:36
How much is your field talking to great marketers
377
981000
4000
כמה הנושא מדבר אל אנשי השיווק הגדולים
16:40
about their insights into human psychology?
378
985000
2000
לגבי התובנות שלהם על פסיכולוגיה אנושית?
16:42
Because they've seen it on the ground.
379
987000
2000
כי הם ראו זאת בשטח.
16:44
Sendhil Mullainathan: Yeah, we spend a lot of time talking to marketers,
380
989000
2000
סנדהיל מולאינאט'אן: כן, השקענו הרבה זמן בשיחות עם אנשי שיווק.
16:46
and I think 60 percent of it is exactly what you say,
381
991000
3000
ואני חושב ש 60 אחוז מזה הוא בדיוק כמו שאמרת.
16:49
there are insights to be gleaned there.
382
994000
2000
יש כאן תובנות לאסוף,
16:51
Forty percent of it is about what marketing is.
383
996000
2000
40 אחוז זה מהו למעשה שיווק.
16:53
Marketing is selling an ad to a firm.
384
998000
5000
שיווק זה למכור מודעה לחברה.
16:58
So, in some sense, a lot of marketing is about
385
1003000
2000
ולכן, במידה מסויימת, הרבה מהשיווק זה
17:00
convincing a CEO, "This is a good ad campaign."
386
1005000
3000
לשכנע את המנכ"ל שזה קמפיין מוצלח.
17:03
So, there is a little bit of slippage there.
387
1008000
2000
אז יש כאן קצת מדרון חלקלק.
17:05
That's just a caveat. That's different from actually having an effective ad campaign.
388
1010000
4000
זוהי רק אזהרה. אז זה שונה מלנהל קמפיין מודעות אפקטיבי.
17:09
And one of the new movements in marketing is: How do we actually
389
1014000
2000
ואחת התנועות החדשות בשיווק היא איך למעשה
17:11
measure effectiveness? Are we effective?
390
1016000
2000
למדוד את האפקטיביות? האם אנו אפקטיביים?
17:13
CA: How you take your insights here
391
1018000
4000
כ.א.: איך אתה מיישם את התובנות כאן
17:17
and actually get them integrated
392
1022000
3000
ולמעשה ממזג אותן
17:20
into working business models on the ground,
393
1025000
3000
במודלים עסקיים, בשטח,
17:23
in Indian villages, for example?
394
1028000
2000
בכפרים הודיים, לדוגמה.
17:25
SM: So, the scientific method I alluded to is pretty important.
395
1030000
3000
ס.מ.: השיטה המדעית שרמזתי עליה היא די חשובה.
17:28
We work closely with companies that have operational capacity,
396
1033000
2000
אנו עובדים צמוד עם חברות עם יכולות תפעוליות,
17:30
or nonprofits that have operational capacity.
397
1035000
2000
או מלכ"רים עם יכולות תפעוליות.
17:32
And then we say, "Well, you want to get this behavior change.
398
1037000
2000
ואז אנו אומרים, ובכן, אתה רוצה לגרום לשינוי ההתנהגותי הזה.
17:34
Let's come up with a few ideas, test them,
399
1039000
3000
בוא נעלה כמה רעיונות, נבחן אותם,
17:37
see which is working, go back, synthesize,
400
1042000
2000
נראה מה עובד, נחזור, נבחן
17:39
and try to come up with a thing that works,"
401
1044000
2000
וננסה לחזור עם משהו שעובד,
17:41
and then we're able to scale with partners.
402
1046000
2000
ואז נוכל להתקדם עם שותפים.
17:43
It's kind of the model that has worked in other contexts.
403
1048000
2000
זהו סוג של מודל שעבד בהקשרים אחרים.
17:45
If you have biological problems
404
1050000
2000
אם יש לך בעיות ביולוגיות
17:47
we try and fix it, see if it works, and then work the scale.
405
1052000
2000
אנו מנסים לתקן אותן, רואים אם עובד, ואז מתקדמים.
17:49
CA: Alright Sendhil, thanks so much for coming to TED. Thank you.
406
1054000
3000
כ.א: בסדר סנדהיל, תודה רבה שבאת ל TED. תודה לך.
17:52
(Applause)
407
1057000
3000
(מחיאות כפיים)
ABOUT THE SPEAKER
Sendhil Mullainathan - Behavioral economistSendhil Mullainathan asks a compelling question: what are the irrational choices we make that perpetuate poverty, corruption, discrimination?
Why you should listen
To study big questions such as "What are the measurable effects of corruption?"" Sendhil Mullainathan and his collaborators look at the day-to-day decisions made by real people, running deep-data studies on groups around the world to tease out patterns. Awarded a MacArthur ""genius"" grant in 2002, he has produced and collaborated on a string of research papers that make for a must-read CV -- including a fascinating, if dispiriting, study of the corruption involved in getting a driver's license in India.
Lately he and his team have been studying women who sell fruit and vegetables on the streets in developing countries. They're usually in debt to a moneylender in the market, who takes about half their profits each day as interest. Some of the women have figured a simple way to get out of debt and keep all their profits. But most of the women make a choice every day that keeps them in debt. How would these businesswomen behave, he wondered, if the slate was wiped clean? So he got a grant, paid off their debt, and waits to see what happens next."
Sendhil Mullainathan | Speaker | TED.com