TED2009
Dan Ariely: Our buggy moral code
Dan Ariely apie skylėtas mūsų moralės normas.
Filmed:
Readability: 3.2
3,509,395 views
Elgsenos ekonomikos atstovas Dan Ariely studijuoja mūsų moralės normų klaidas: slaptas priežastis, kurios mums leidžia sukčiauti ar vogti (kartais). Sumanios studijos padeda įrodyti jo teiginį, kad esame nuspėjamai iracionalūs ir mus galima paveikti būdais, kurių patys nesuvokiame.
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
Double-click the English transcript below to play the video.
00:16
I want to talk to you today a little bit
0
1000
2000
Šiandien norėčiau šiek tiek papasakoti
00:18
about predictable irrationality.
1
3000
3000
apie nuspėjamą iracionalumą.
00:21
And my interest in irrational behavior
2
6000
4000
Mano susidomėjimas iracionaliu elgesiu
00:25
started many years ago in the hospital.
3
10000
3000
prasidėjo prieš daugelį metų ligoninėje.
00:28
I was burned very badly.
4
13000
4000
Aš labai stipriai nudegiau.
00:32
And if you spend a lot of time in hospital,
5
17000
3000
Ir kai praleidi daug laiko ligoninėje,
00:35
you'll see a lot of types of irrationalities.
6
20000
3000
matai daugybę iracionalumo variantų.
00:38
And the one that particularly bothered me in the burn department
7
23000
5000
Nudegimų skyriuje vienas iš jų mane itin vargino -
00:43
was the process by which the nurses took the bandage off me.
8
28000
4000
tai procesas, kurio metu slaugės man nuimdavo tvarsčius.
00:48
Now, you must have all taken a Band-Aid off at some point,
9
33000
2000
Ko gero kiekvienam yra tekę nusilupti pleistrą,
00:50
and you must have wondered what's the right approach.
10
35000
3000
ir turbūt svarstėte, kuris būdas yra geriausias.
00:53
Do you rip it off quickly -- short duration but high intensity --
11
38000
4000
Ar jį nuplėšti greitai - nedidelė trukmė, bet didelis intensyvumas -
00:57
or do you take your Band-Aid off slowly --
12
42000
2000
ar pleistrą lupti lėtai -
00:59
you take a long time, but each second is not as painful --
13
44000
4000
tai užtrunka ilgai, bet kiekviena sekundė ne tokia skausminga -
01:03
which one of those is the right approach?
14
48000
3000
kuris iš šių būdų yra tinkamesnis?
01:06
The nurses in my department thought that the right approach
15
51000
4000
Mano skyriaus slaugės manė, kad teisingas būdas
01:10
was the ripping one, so they would grab hold and they would rip,
16
55000
3000
yra staigusis, taigi jos sugriebdavo ir nuplėšdavo,
01:13
and they would grab hold and they would rip.
17
58000
2000
sugriebdavo ir nuplėšdavo.
01:15
And because I had 70 percent of my body burned, it would take about an hour.
18
60000
4000
Ir kadangi 70 procentų mano kūno buvo nudegę, tai užtrukdavo apie valandą.
01:19
And as you can imagine,
19
64000
3000
Kaip ir galite įsivaizduoti,
01:22
I hated that moment of ripping with incredible intensity.
20
67000
4000
Negalėjau pakęst to staigaus plėšimo momentų.
01:26
And I would try to reason with them and say,
21
71000
2000
Ir mėginau jas įtikinti, sakydamas:
01:28
"Why don't we try something else?
22
73000
1000
"Kodėl neišbandžius kito būdo?
01:29
Why don't we take it a little longer --
23
74000
2000
Kodėl neužtrukus kiek ilgiau -
01:31
maybe two hours instead of an hour -- and have less of this intensity?"
24
76000
5000
galbūt dvi valandas vietoj vienos - bet neplėšti taip staigiai?
01:36
And the nurses told me two things.
25
81000
2000
Ir slaugės pasakė du dalykus.
01:38
They told me that they had the right model of the patient --
26
83000
4000
Sakė, kad žino kuris metodas geriausias pacientui -
01:42
that they knew what was the right thing to do to minimize my pain --
27
87000
3000
kad žino, ką reikia daryti, kad iki minimumo sumažintų mano skausmą -
01:45
and they also told me that the word patient doesn't mean
28
90000
3000
ir jos taip pat sakė, kad žodis "pacientas" nereiškia,
01:48
to make suggestions or to interfere or ...
29
93000
2000
kad galima teikti pasiūlymus ar kištis ar ...
01:50
This is not just in Hebrew, by the way.
30
95000
3000
Tai būdinga ne tik hebrajų kalbai, beje.
01:53
It's in every language I've had experience with so far.
31
98000
3000
Tai būdinga kiekvienai kalbai, su kuria iki šiol teko susidurti.
01:56
And, you know, there's not much -- there wasn't much I could do,
32
101000
4000
Ir, žinote, nelabai ką galėjau padaryti,
02:00
and they kept on doing what they were doing.
33
105000
3000
ir jos toliau darė, kaip dariusios.
02:03
And about three years later, when I left the hospital,
34
108000
2000
Po maždaug trejų metų, kai palikau ligoninę,
02:05
I started studying at the university.
35
110000
3000
pradėjau mokytis universitete.
02:08
And one of the most interesting lessons I learned
36
113000
3000
Viena įdomiausių pamokų, kurias išmokau, buvo ta,
02:11
was that there is an experimental method
37
116000
2000
kad yra eksperimentinis metodas,
02:13
that if you have a question you can create a replica of this question
38
118000
4000
kad jei turite klausimą, galite sukurti tam tikrą abstrakčią jo kopiją
02:17
in some abstract way, and you can try to examine this question,
39
122000
4000
ir bandyti išanalizuoti tą klausimą,
02:21
maybe learn something about the world.
40
126000
2000
galbūt kažką išmokti apie pasaulį.
02:23
So that's what I did.
41
128000
2000
Aš taip ir padariau.
02:25
I was still interested
42
130000
1000
Mane vis dar domino klausimas,
02:26
in this question of how do you take bandages off burn patients.
43
131000
2000
kaip geriau nuimti tvarsčius nuo apdegusių pacientų.
02:28
So originally I didn't have much money,
44
133000
3000
Iš pradžių neturėjau daug pinigų,
02:31
so I went to a hardware store and I bought a carpenter's vice.
45
136000
4000
taigi nuėjau į įrankių parduotuvę ir nusipirkau staliaus spaustuvą.
02:35
And I would bring people to the lab and I would put their finger in it,
46
140000
4000
Atsivesdavau į laboratoriją žmones ir įdėdavau jų pirštą į spaustuva,
02:39
and I would crunch it a little bit.
47
144000
2000
ir šiek tiek suspausdavau.
02:41
(Laughter)
48
146000
2000
(Juokas)
02:43
And I would crunch it for long periods and short periods,
49
148000
3000
Laikydavau suspaudęs ilgus laiko tarpus ir trumpus,
02:46
and pain that went up and pain that went down,
50
151000
2000
sukeldavau kylantį ir slūgstantį skausmą,
02:48
and with breaks and without breaks -- all kinds of versions of pain.
51
153000
4000
su pertraukomis ir be jų - visokias skausmo versijas.
02:52
And when I finished hurting people a little bit, I would ask them,
52
157000
2000
Kai baigdavau, klausdavau jų:
02:54
so, how painful was this? Or, how painful was this?
53
159000
2000
"Kiek skausminga tai buvo?" Ar: "Kiek skausminga šitai?
02:56
Or, if you had to choose between the last two,
54
161000
2000
Arba: "Jei reikėtų rinktis tarp dviejų paskutinių,
02:58
which one would you choose?
55
163000
2000
kurį pasirinktumėte?"
03:00
(Laughter)
56
165000
3000
(Juokas)
03:03
I kept on doing this for a while.
57
168000
3000
Tuo užsiiminėjau kurį laiką.
03:06
(Laughter)
58
171000
2000
(Juokas)
03:08
And then, like all good academic projects, I got more funding.
59
173000
4000
Tada, kaip nutinka visiems geriems projektams, gavau daugiau finansavimo.
03:12
I moved to sounds, electrical shocks --
60
177000
2000
Perėjau prie garsų, elektros šokų,
03:14
I even had a pain suit that I could get people to feel much more pain.
61
179000
5000
netgi turėjau "skausmo kostiumą", kuris teikdavo daugiau skausmo.
03:19
But at the end of this process,
62
184000
4000
Bet šio proceso pabaigoje
03:23
what I learned was that the nurses were wrong.
63
188000
3000
sužinojau, kad slaugės buvo neteisios.
03:26
Here were wonderful people with good intentions
64
191000
3000
Jos buvo nuostabios moterys su gerais ketinimais
03:29
and plenty of experience, and nevertheless
65
194000
2000
ir didele patirtimi, ir vis tiek
03:31
they were getting things wrong predictably all the time.
66
196000
4000
jos kiekvieną kartą neišvengiamai klydo.
03:35
It turns out that because we don't encode duration
67
200000
3000
Pasirodo, kadangi mes trukmę vertiname
03:38
in the way that we encode intensity,
68
203000
2000
kitaip negu intensyvumą,
03:40
I would have had less pain if the duration would have been longer
69
205000
4000
aš būčiau mažiau kentėjęs, jei trukmė būtų buvusi ilgesnė,
03:44
and the intensity was lower.
70
209000
2000
o intensyvumas mažesnis.
03:46
It turns out it would have been better to start with my face,
71
211000
3000
Pasirodo, kad būtų buvę geriau pradėti nuo veido,
03:49
which was much more painful, and move toward my legs,
72
214000
2000
kuris yra gerokai jautresnis, ir judėti link kojų,
03:51
giving me a trend of improvement over time --
73
216000
3000
palaispsniui lengvinant mano kančią
03:54
that would have been also less painful.
74
219000
1000
tuo pačiu sumažinant skausmą.
03:55
And it also turns out that it would have been good
75
220000
2000
Taip pat pasirodo, kad būtų buvę neblogai
03:57
to give me breaks in the middle to kind of recuperate from the pain.
76
222000
2000
daryti pertraukas vidury procedūros, leidžiant atsigauti nuo skausmo.
03:59
All of these would have been great things to do,
77
224000
2000
Visa tai būtų labai padėję,
04:01
and my nurses had no idea.
78
226000
3000
bet mano slaugės to nežinojo.
04:04
And from that point on I started thinking,
79
229000
1000
Nuo tada pradėjau galvoti,
04:05
are the nurses the only people in the world who get things wrong
80
230000
3000
ar slaugės yra vieninteliai žmonės pasaulyje, kurie klysta
04:08
in this particular decision, or is it a more general case?
81
233000
3000
šiuo konkrečiu klausimu, ar tai yra visuotinė klaida?
04:11
And it turns out it's a more general case --
82
236000
2000
Ir pasirodo, kad tai bendresnis atvejis -
04:13
there's a lot of mistakes we do.
83
238000
3000
mes darome daugybę klaidų.
04:16
And I want to give you one example of one of these irrationalities,
84
241000
5000
Norėčiau pateikti dar vieną tokio iracionalaus elgesio pavyzdį,
04:21
and I want to talk to you about cheating.
85
246000
3000
ir norėčiau papasakoti apie sukčiavimą.
04:24
And the reason I picked cheating is because it's interesting,
86
249000
2000
Sukčiavimą pasirinkau todėl, kad tai yra įdomu,
04:26
but also it tells us something, I think,
87
251000
2000
bet taip pat todėl, kad tai, manau, paaiškina
04:28
about the stock market situation we're in.
88
253000
3000
situaciją akcijų rinkose, į kurią dabar patekome.
04:31
So, my interest in cheating started
89
256000
3000
Taigi sukčiavimu susidomėjau
04:34
when Enron came on the scene, exploded all of a sudden,
90
259000
2000
kai "Enron" išgarsėjo savo staigiu žlugimu.
04:36
and I started thinking about what is happening here.
91
261000
3000
Ėmiau mąstyti, kas čia vyksta.
04:39
Is it the case that there was kind of
92
264000
1000
Ar tai tebuvo keli
04:40
a few apples who are capable of doing these things,
93
265000
3000
"supuvę obuoliai", kurie sugebėjo šitaip pakenkti,
04:43
or are we talking a more endemic situation,
94
268000
2000
ar ši situacija labiau paplitusi
04:45
that many people are actually capable of behaving this way?
95
270000
4000
ir daugybė žmonių gali šitaip elgtis.
04:49
So, like we usually do, I decided to do a simple experiment.
96
274000
4000
Taigi, kaip visada, nusprendžiau atlikti paprastą eksperimentą.
04:53
And here's how it went.
97
278000
1000
Štai kaip tai vyko.
04:54
If you were in the experiment, I would pass you a sheet of paper
98
279000
3000
Jei dalyvautumėte eksperimente, jums duočiau popieriaus lapą
04:57
with 20 simple math problems that everybody could solve,
99
282000
4000
su 20 paprastų matematinių problemų, kurias kiekvienas gali išspręsti,
05:01
but I wouldn't give you enough time.
100
286000
2000
bet neduočiau pakankamai laiko.
05:03
When the five minutes were over, I would say,
101
288000
2000
Po penkių minučių pasakyčiau:
05:05
"Pass me the sheets of paper, and I'll pay you a dollar per question."
102
290000
3000
"Atiduokite lapus ir aš jums sumokėsiu po dolerį už klausimą."
05:08
People did this. I would pay people four dollars for their task --
103
293000
4000
Žmonės tai atliko. Aš sumokėdavau 4 dolerius už atliktas užduotis -
05:12
on average people would solve four problems.
104
297000
2000
jie vidutiniškai išspręsdavo 4 problemas.
05:14
Other people I would tempt to cheat.
105
299000
3000
Kitus žmones gundydavau sukčiauti.
05:17
I would pass their sheet of paper.
106
302000
1000
Duodavau jiems popieriaus lapą.
05:18
When the five minutes were over, I would say,
107
303000
2000
Prabėgus 5 minutėms pasakydavau:
05:20
"Please shred the piece of paper.
108
305000
1000
"Suplėšykit tą popieriaus lapą.
05:21
Put the little pieces in your pocket or in your backpack,
109
306000
3000
Susidėkite skiautes į kišenę ar kuprinę
05:24
and tell me how many questions you got correctly."
110
309000
3000
ir pasakykite, kiek klausimų atsakėte teisingai."
05:27
People now solved seven questions on average.
111
312000
3000
Dabar žmonės vidutiniškai "išspręsdavo" 7 klausimus.
05:30
Now, it wasn't as if there was a few bad apples --
112
315000
5000
Tai nebuvo tik keli "supuvę obuoliai" -
05:35
a few people cheated a lot.
113
320000
3000
keli stipriai sukčiavę žmonės.
05:38
Instead, what we saw is a lot of people who cheat a little bit.
114
323000
3000
Užtat pamatėme, kad daugybė žmonių truputėlį sukčiavo.
05:41
Now, in economic theory,
115
326000
3000
Teorinėje ekonomikoje
05:44
cheating is a very simple cost-benefit analysis.
116
329000
3000
sukčiavimas yra paprasta kaštų-naudos analizė.
05:47
You say, what's the probability of being caught?
117
332000
2000
Paklausiate: "Kokia tikimybė būti sugautam?
05:49
How much do I stand to gain from cheating?
118
334000
3000
Kiek galėčiau laimėti sukčiaudamas?
05:52
And how much punishment would I get if I get caught?
119
337000
2000
Ir kokią bausmę gaučiau, jei būčiau sugautas?"
05:54
And you weigh these options out --
120
339000
2000
Įvertinate šiuos variantus -
05:56
you do the simple cost-benefit analysis,
121
341000
2000
atliekate paprastą kaštų-naudos analizę,
05:58
and you decide whether it's worthwhile to commit the crime or not.
122
343000
3000
ir nusprendžiate, ar verta nusikalsti, ar ne.
06:01
So, we try to test this.
123
346000
2000
Taigi, mėginome tai patikrinti.
06:03
For some people, we varied how much money they could get away with --
124
348000
4000
Nustatėme skirtingas pinigų sumas, kurias žmonės galėjo pasiimti -
06:07
how much money they could steal.
125
352000
1000
kurias jie galėjo pavogti.
06:08
We paid them 10 cents per correct question, 50 cents,
126
353000
3000
Už teisingą atsakymą mokėdavome 10 centų, 50 centų,
06:11
a dollar, five dollars, 10 dollars per correct question.
127
356000
3000
dolerį, 5 dolerius, 10 dolerių.
06:14
You would expect that as the amount of money on the table increases,
128
359000
4000
Galėtum tikėtis, kad augant siūlomų pinigų kiekiui
06:18
people would cheat more, but in fact it wasn't the case.
129
363000
3000
žmonės sukčiaus labiau, tačiau to nebuvo.
06:21
We got a lot of people cheating by stealing by a little bit.
130
366000
3000
Matėme daug sukčiavusių žmonių, vogusių nedaug.
06:24
What about the probability of being caught?
131
369000
3000
Kaipgi apie tikimybę būti sugautiems?
06:27
Some people shredded half the sheet of paper,
132
372000
2000
Dalis žmonių suplėšė pusę popieriaus lapo,
06:29
so there was some evidence left.
133
374000
1000
taigi liko įrodymų.
06:30
Some people shredded the whole sheet of paper.
134
375000
2000
Dalis žmonių suplėšė visą popieriaus lapą.
06:32
Some people shredded everything, went out of the room,
135
377000
3000
Dalis žmonių suplėšė viską, išėjo iš kambario
06:35
and paid themselves from the bowl of money that had over 100 dollars.
136
380000
3000
ir patys pasiėmė pinigus iš dubens, kuriame buvo virš 100 dolerių.
06:38
You would expect that as the probability of being caught goes down,
137
383000
3000
Galima tikėtis, kad mažėjant tikimybei būti sugautam
06:41
people would cheat more, but again, this was not the case.
138
386000
3000
žmonės sukčiaus labiau, bet taip vėlgi neįvyko.
06:44
Again, a lot of people cheated by just by a little bit,
139
389000
3000
Vėlgi - daugybė žmonių sukčiavo tik šiek tiek
06:47
and they were insensitive to these economic incentives.
140
392000
3000
ir jie nereagavo į šias ekonomines paskatas.
06:50
So we said, "If people are not sensitive
141
395000
1000
Sakome sau: "Jei žmonės nereaguoja
06:51
to the economic rational theory explanations, to these forces,
142
396000
5000
į racionalios ekonomikos teorijos paaiškinimus, į šias jėgas,
06:56
what could be going on?"
143
401000
3000
tai kas gi yra?"
06:59
And we thought maybe what is happening is that there are two forces.
144
404000
3000
Ir pagalvojome, kad ko gero yra dvi jėgos.
07:02
At one hand, we all want to look at ourselves in the mirror
145
407000
2000
Iš vienos pusės, mes visi norime pažvelgti į save veidrodyje
07:04
and feel good about ourselves, so we don't want to cheat.
146
409000
3000
ir save vertinti gerai, todėl nenorime sukčiauti..
07:07
On the other hand, we can cheat a little bit,
147
412000
2000
Iš kitos pusės, galime šiek tiek sukčiauti
07:09
and still feel good about ourselves.
148
414000
2000
ir vis tiek gerai save vertinti.
07:11
So, maybe what is happening is that
149
416000
1000
Taigi galbūt yra taip, kad yra
07:12
there's a level of cheating we can't go over,
150
417000
2000
tam tikras sukčiavimo lygis, kurio negalime viršyti,
07:14
but we can still benefit from cheating at a low degree,
151
419000
4000
bet galime gauti naudos ir šiek tiek sukčiaudami,
07:18
as long as it doesn't change our impressions about ourselves.
152
423000
3000
kol tai nepakeičia mūsų nuomonės apie save.
07:21
We call this like a personal fudge factor.
153
426000
3000
Mes tai vadiname asmeniniu klastos faktoriumi.
07:25
Now, how would you test a personal fudge factor?
154
430000
4000
Taigi kaip galima patikrinti asmeninį klastos faktorių?
07:29
Initially we said, what can we do to shrink the fudge factor?
155
434000
4000
Iš pradžių mąstėme, kaip galėtume sumažinti klastos faktorių.
07:33
So, we got people to the lab, and we said,
156
438000
2000
Taigi pasikvietėme žmonių į laboratoriją ir pasakėme:
07:35
"We have two tasks for you today."
157
440000
2000
"Šiandien jums turime dvi užduotis."
07:37
First, we asked half the people
158
442000
1000
Pirmiausiai paprašėme pusės žmonių
07:38
to recall either 10 books they read in high school,
159
443000
2000
arba prisiminti 10 knygų, kurias jie skaitė mokykloje,
07:40
or to recall The Ten Commandments,
160
445000
3000
arba prisiminti 10 Dievo įsakymų,
07:43
and then we tempted them with cheating.
161
448000
2000
ir tuomet juos provokavome sukčiauti.
07:45
Turns out the people who tried to recall The Ten Commandments --
162
450000
3000
Pasirodė, kad žmonės, mėginę prisiminti 10 Dievo įsakymų, --
07:48
and in our sample nobody could recall all of The Ten Commandments --
163
453000
2000
ir mūsų atveju, nei vienas nesugebėjo prisiminti visų 10 Dievo įsakymų --
07:51
but those people who tried to recall The Ten Commandments,
164
456000
4000
bet tie, kurie mėgino prisiminti 10 Dievo įsakymų,
07:55
given the opportunity to cheat, did not cheat at all.
165
460000
3000
turėdami galimybę sukčiauti, visiškai nesukčiavo.
07:58
It wasn't that the more religious people --
166
463000
2000
Ir ne todėl, kad labiau religingi žmonės --
08:00
the people who remembered more of the Commandments -- cheated less,
167
465000
1000
žmonės, prisiminę daugiau įsakymų -- sukčiavo mažiau,
08:01
and the less religious people --
168
466000
2000
o mažiau religingi --
08:03
the people who couldn't remember almost any Commandments --
169
468000
1000
tie, kurie negalėjo atsiminti beveik nė vieno įsakymo, --
08:04
cheated more.
170
469000
2000
sukčiavo daugiau.
08:06
The moment people thought about trying to recall The Ten Commandments,
171
471000
4000
Kai tik žmonės pagalvodavo bandydami atsiminti 10 Dievo įsakymų,
08:10
they stopped cheating.
172
475000
1000
jis nustodavo sukčiauti.
08:11
In fact, even when we gave self-declared atheists
173
476000
2000
Tiesą sakant, kai žmonėms, kurie skelbėsi ateistais,
08:13
the task of swearing on the Bible and we give them a chance to cheat,
174
478000
4000
davėme užduotį prisiekti Biblija ir tuomet suteikėme galimybę sukčiauti,
08:17
they don't cheat at all.
175
482000
2000
jie visiškai nesukčiavo.
08:21
Now, Ten Commandments is something that is hard
176
486000
2000
10 Dievo įstatymų yra tai, ką būtų sudėtinga
08:23
to bring into the education system, so we said,
177
488000
2000
įvesti į švietimo sistemą, taigi nutarėme:
08:25
"Why don't we get people to sign the honor code?"
178
490000
2000
"Kodėl nepaprašius žmonių pasirašyti garbės kodeksą?"
08:27
So, we got people to sign,
179
492000
2000
Taigi, paprašėme žmonių pasirašyti:
08:29
"I understand that this short survey falls under the MIT Honor Code."
180
494000
4000
Aš sutinku, kad atlikdamas testą laikysiuosi MIT (Masetčiuseto technologijų instituto) garbės kodekso.
08:33
Then they shredded it. No cheating whatsoever.
181
498000
3000
Tada lapas suplėšomas. Jokio sukčiavimo.
08:36
And this is particularly interesting,
182
501000
1000
Ir tai yra ypač įdomu,
08:37
because MIT doesn't have an honor code.
183
502000
2000
nes institutas neturi garbės kodekso.
08:39
(Laughter)
184
504000
5000
(Juokas)
08:44
So, all this was about decreasing the fudge factor.
185
509000
4000
Taigi papasakojau apie klastos faktoriaus mažinimą.
08:48
What about increasing the fudge factor?
186
513000
3000
O kas bus padidinus klastos faktorių?
08:51
The first experiment -- I walked around MIT
187
516000
2000
Pirmasis eksperimentas -- pavaikščiojau po institutą
08:53
and I distributed six-packs of Cokes in the refrigerators --
188
518000
3000
ir išdėliojau kolos pakuotes po 6 skardines visuose šaldytuvuose --
08:56
these were common refrigerators for the undergrads.
189
521000
2000
tai buvo bendri studentų šaldytuvai.
08:58
And I came back to measure what we technically call
190
523000
3000
Ir grįžęs išmatavau tai, ką mes formaliai vadiname
09:01
the half-lifetime of Coke -- how long does it last in the refrigerators?
191
526000
4000
kolos pusamžiu -- kaip ilgai skardinės išbus šaldytuvuose?
09:05
As you can expect it doesn't last very long; people take it.
192
530000
3000
Kaip ir galima buvo tikėtis, neišbuvo labai ilgai. Žmonės jas ėmė.
09:08
In contrast, I took a plate with six one-dollar bills,
193
533000
4000
Kita vertus, paėmiau ir pridėliojau lėkštėse po 6 vieno dolerio banknotus
09:12
and I left those plates in the same refrigerators.
194
537000
3000
ir palikau šias lėkštes tuose pačiuose šaldytuvuose.
09:15
No bill ever disappeared.
195
540000
1000
Nė vienas banknotas nedingo.
09:16
Now, this is not a good social science experiment,
196
541000
3000
Tai nėra geras socialinių mokslų eksperimentas,
09:19
so to do it better I did the same experiment
197
544000
3000
taigi norėdamas jį patobulinti atlikau tą patį eksperimentą,
09:22
as I described to you before.
198
547000
2000
kurį apibūdinau anksčiau.
09:24
A third of the people we passed the sheet, they gave it back to us.
199
549000
3000
Trečdaliui žmonių išdalinome lapus, jie juos grąžino.
09:27
A third of the people we passed it to, they shredded it,
200
552000
3000
Trečdalis lapus gavusių žmonių juos suplėšė,
09:30
they came to us and said,
201
555000
1000
atėjo pas mus ir pasakė:
09:31
"Mr. Experimenter, I solved X problems. Give me X dollars."
202
556000
3000
"Pone Eksperimentatoriau, išsprendžiau X problemų. Duokite X dolerių."
09:34
A third of the people, when they finished shredding the piece of paper,
203
559000
3000
Trečdalis žmonių baigę plėšyti lapus
09:37
they came to us and said,
204
562000
2000
atėjo pas mus ir pasakė:
09:39
"Mr Experimenter, I solved X problems. Give me X tokens."
205
564000
6000
"Pone Eksperimentatoriau, išsprendžiau X problemų. Duokite X žetonų."
09:45
We did not pay them with dollars; we paid them with something else.
206
570000
3000
Mes jiems nemokėjome doleriais. Mes jiems mokėjome kažkuo kitu.
09:48
And then they took the something else, they walked 12 feet to the side,
207
573000
3000
Ir jie ėmė tą kažką kitą, paėjo 4 metrus į šoną
09:51
and exchanged it for dollars.
208
576000
2000
ir keitė žetonus į dolerius.
09:53
Think about the following intuition.
209
578000
2000
Pagalvokite apie šią intuiciją.
09:55
How bad would you feel about taking a pencil from work home,
210
580000
3000
Kaip prastai jaustumėtės parsinešę iš darbo pieštuką,
09:58
compared to how bad would you feel
211
583000
2000
lyginant su tuo, kaip prastai jaustumėtes
10:00
about taking 10 cents from a petty cash box?
212
585000
2000
pasiėmę 10 centų iš smulkių išlaidų dėžutės?
10:02
These things feel very differently.
213
587000
3000
Šie veiksmai jaučiami labai skirtingai.
10:05
Would being a step removed from cash for a few seconds
214
590000
3000
Ar buvimas vienu žingsniu toliau nuo pinigų, vos keliomis sekundėmis
10:08
by being paid by token make a difference?
215
593000
3000
gaunant užmokestį žetonu turės įtakos?
10:11
Our subjects doubled their cheating.
216
596000
2000
Mūsų dalyviai dvigubai daugiau sukčiavo.
10:13
I'll tell you what I think
217
598000
2000
Tuoj papasakosiu, ką manau
10:15
about this and the stock market in a minute.
218
600000
2000
apie tai ir akcijų rinką.
10:18
But this did not solve the big problem I had with Enron yet,
219
603000
4000
Bet tai dar neatsako į svarbiausią klausimą apie Enron
10:22
because in Enron, there's also a social element.
220
607000
3000
nes Enron atveju dar yra ir socialinis elementas.
10:25
People see each other behaving.
221
610000
1000
Žmonės mato vienas kito elgesį.
10:26
In fact, every day when we open the news
222
611000
2000
Tiesą sakant, kasdien atsivertę naujienas
10:28
we see examples of people cheating.
223
613000
2000
matome sukčiaujančių žmonių pavyzdžius.
10:30
What does this cause us?
224
615000
3000
Kokią įtaką tai daro mums?
10:33
So, we did another experiment.
225
618000
1000
Taigi atlikome dar vieną eksperimentą.
10:34
We got a big group of students to be in the experiment,
226
619000
3000
Į eksperimentą surinkome didelę studentų grupę,
10:37
and we prepaid them.
227
622000
1000
ir jiems iš anksto užmokėjome.
10:38
So everybody got an envelope with all the money for the experiment,
228
623000
3000
Taigi kiekvienas gavo voką su visais pinigais, skirtais eksperimentui,
10:41
and we told them that at the end, we asked them
229
626000
2000
ir jiems pasakėme, kad pabaigoje jų prašome
10:43
to pay us back the money they didn't make. OK?
230
628000
4000
grąžinti pinigus, kurių jie neuždirbo. Aišku?
10:47
The same thing happens.
231
632000
1000
Nutinka tas pats.
10:48
When we give people the opportunity to cheat, they cheat.
232
633000
2000
Suteikus žmonėms galimybę sukčiauti, jie sukčiauja.
10:50
They cheat just by a little bit, all the same.
233
635000
3000
Jie sukčiauja tik šiek tiek - viskas taip pat.
10:53
But in this experiment we also hired an acting student.
234
638000
3000
Bet eksperimentui mes taip pat pasamdėme aktorių.
10:56
This acting student stood up after 30 seconds, and said,
235
641000
4000
Šis aktorius po 30 sekundžių atsistojo ir pasakė:
11:00
"I solved everything. What do I do now?"
236
645000
3000
"Viską išsprendžiau. Ką daryti dabar?"
11:03
And the experimenter said, "If you've finished everything, go home.
237
648000
4000
Ir eksperimentatorius atsakė: "Jei viską išsprendėte, eikite namo".
11:07
That's it. The task is finished."
238
652000
1000
Viskas. Užduotis baigta.
11:08
So, now we had a student -- an acting student --
239
653000
4000
Taigi turėjome studentą-aktorių,
11:12
that was a part of the group.
240
657000
2000
kuris dalyvavo grupės eksperimente.
11:14
Nobody knew it was an actor.
241
659000
2000
Niekas nežinojo, kad jis aktorius.
11:16
And they clearly cheated in a very, very serious way.
242
661000
4000
Ir jis akivaizdžiai sukčiavo labai, labai aiškiai.
11:20
What would happen to the other people in the group?
243
665000
3000
Kas nutiks kitiems žmonėms grupėje?
11:23
Will they cheat more, or will they cheat less?
244
668000
3000
Ar jie sukčiaus labiau, ar sukčiaus mažiau?
11:26
Here is what happens.
245
671000
2000
Nutinka štai kas:
11:28
It turns out it depends on what kind of sweatshirt they're wearing.
246
673000
4000
Pasirodo, kad tai priklauso nuo to, kokius marškinėlius jie dėvi.
11:32
Here is the thing.
247
677000
2000
Štai kaip.
11:34
We ran this at Carnegie Mellon and Pittsburgh.
248
679000
3000
Mes tai vykdėme Carnegie Mellon ir Pitsburge.
11:37
And at Pittsburgh there are two big universities,
249
682000
2000
Pitsburge yra du dideli universitetai,
11:39
Carnegie Mellon and University of Pittsburgh.
250
684000
3000
Carnegie Mellon ir Pitsburgo universitetas.
11:42
All of the subjects sitting in the experiment
251
687000
2000
Visi eksperimento dalyviai
11:44
were Carnegie Mellon students.
252
689000
2000
buvo Carnegie Mellon studentai.
11:46
When the actor who was getting up was a Carnegie Mellon student --
253
691000
4000
Studentas - aktorius buvo Carnegie Mellon studentas --
11:50
he was actually a Carnegie Mellon student --
254
695000
2000
jis iš tiesų buvo Carnegie Mellon studentas --
11:52
but he was a part of their group, cheating went up.
255
697000
4000
bet kai jis buvo jų grupės dalimi, sukčiavimas išaugo.
11:56
But when he actually had a University of Pittsburgh sweatshirt,
256
701000
4000
Bet kai jis dėvėjo Pitsburgo universiteto marškinėlius,
12:00
cheating went down.
257
705000
2000
sukčiavimas sumažėjo.
12:02
(Laughter)
258
707000
3000
(Juokas)
12:05
Now, this is important, because remember,
259
710000
3000
Tai yra svarbu, nes, prisiminkite,
12:08
when the moment the student stood up,
260
713000
2000
kai studentas atsistojo,
12:10
it made it clear to everybody that they could get away with cheating,
261
715000
3000
visiems pasidarė aišku, kad jie gali išsisukti sukčiaudami,
12:13
because the experimenter said,
262
718000
2000
nes eksperimentatorius pasakė:
12:15
"You've finished everything. Go home," and they went with the money.
263
720000
2000
"Jūs viską pabaigėte. Eikite namo," ir jie išėjo su pinigais.
12:17
So it wasn't so much about the probability of being caught again.
264
722000
3000
Taigi tai vėl nebuvo susiję su tikimybe būti sugautam.
12:20
It was about the norms for cheating.
265
725000
3000
Tai susiję su sukčiavimo normomis.
12:23
If somebody from our in-group cheats and we see them cheating,
266
728000
3000
Jei kažkas iš mūsų grupės sukčiauja ir mes matome juos sukčiaujant,
12:26
we feel it's more appropriate, as a group, to behave this way.
267
731000
4000
mes manome, kad mums, kaip grupei, taip elgtis priimtina.
12:30
But if it's somebody from another group, these terrible people --
268
735000
2000
Bet jei tai kažkas iš kitos grupės, tie baisūs žmonės --
12:32
I mean, not terrible in this --
269
737000
2000
turiu omeny ne baisūs ta prasme --
12:34
but somebody we don't want to associate ourselves with,
270
739000
2000
bet tie, su kuriais mes nenorime būti siejami,
12:36
from another university, another group,
271
741000
2000
iš kito universiteto, kitos grupės,
12:38
all of a sudden people's awareness of honesty goes up --
272
743000
3000
staiga žmonių sąžiningumo suvokimas išauga --
12:41
a little bit like The Ten Commandments experiment --
273
746000
2000
panašiai kaip 10 Dievo įsakymų eksperimente --
12:43
and people cheat even less.
274
748000
4000
ir žmonės sukčiauja netgi mažiau.
12:47
So, what have we learned from this about cheating?
275
752000
4000
Taigi ką mes išmokome apie sukčiavimą?
12:51
We've learned that a lot of people can cheat.
276
756000
3000
Išmokome, kad daugybė žmonių gali sukčiauti.
12:54
They cheat just by a little bit.
277
759000
3000
Jie sukčiauja tik šiek tiek.
12:57
When we remind people about their morality, they cheat less.
278
762000
4000
Kai žmonėms primename apie jų moralę, jie sukčiauja mažiau.
13:01
When we get bigger distance from cheating,
279
766000
3000
Kai padidiname atstumą nuo sukčiavimo,
13:04
from the object of money, for example, people cheat more.
280
769000
4000
pavyzdžiui, nuo pinigų, žmonės sukčiauja labiau.
13:08
And when we see cheating around us,
281
773000
2000
Ir kai matome sukčiavimą apilinkui,
13:10
particularly if it's a part of our in-group, cheating goes up.
282
775000
4000
ypač jei tai vyksta savame rate, sukčiavimas išauga.
13:14
Now, if we think about this in terms of the stock market,
283
779000
3000
Taigi jei apie tai mąstysime akcijų rinkos atveju,
13:17
think about what happens.
284
782000
1000
pagalvokite, kas nutiks.
13:18
What happens in a situation when you create something
285
783000
3000
Kas nutinka situacijoje, kai sukuriate kažką,
13:21
where you pay people a lot of money
286
786000
2000
kur žmonėms mokate daugybę pinigų
13:23
to see reality in a slightly distorted way?
287
788000
3000
tam, kad jie matytų šiek tiek iškreiptą realybę?
13:26
Would they not be able to see it this way?
288
791000
3000
Ar jie galėtų matyti kitaip?
13:29
Of course they would.
289
794000
1000
Žinoma, kad galėtų.
13:30
What happens when you do other things,
290
795000
1000
Kas nutinka kai darote kitus dalykus,
13:31
like you remove things from money?
291
796000
2000
pavyzdžiui, atskiriate daiktus nuo pinigų?
13:33
You call them stock, or stock options, derivatives,
292
798000
3000
Pavadinate juos akcijomis, akcijų opcionais, išvestinėmis finansinėmis priemonėmis,
13:36
mortgage-backed securities.
293
801000
1000
paskolomis dengtais vertybiniais popieriais.
13:37
Could it be that with those more distant things,
294
802000
3000
Ar gali būti, kad su šiais dar labiau nutolusiais dalykais -
13:40
it's not a token for one second,
295
805000
2000
tai nėra trumpam gauti žetonai,
13:42
it's something that is many steps removed from money
296
807000
2000
tai kažkas, daugeliu pakopų atskirta nuo pinigų
13:44
for a much longer time -- could it be that people will cheat even more?
297
809000
4000
gerokai ilgesniam laiko tarpui -- ar gali būti, kad žmonės sukčiaus dar daugiau?
13:48
And what happens to the social environment
298
813000
2000
Ir kas nutinka socialinei aplinkai,
13:50
when people see other people behave around them?
299
815000
3000
kai žmonės mato aplinkinius taip elgiantis?
13:53
I think all of those forces worked in a very bad way
300
818000
4000
Manau, kad visos šios jėgos labai kenkia
13:57
in the stock market.
301
822000
2000
akcijų rinkai.
13:59
More generally, I want to tell you something
302
824000
3000
Labiau apibendrinant, norėčiau papasakoti
14:02
about behavioral economics.
303
827000
3000
apie elgsenos ekonomiką.
14:05
We have many intuitions in our life,
304
830000
4000
Gyvenime turime daugybę intuicijų,
14:09
and the point is that many of these intuitions are wrong.
305
834000
3000
ir esmė ta, kad daugybė šių intuicijų yra klaidingos.
14:12
The question is, are we going to test those intuitions?
306
837000
3000
Kyla klausimas -- ar mes patikrinsime šias intuicijas?
14:15
We can think about how we're going to test this intuition
307
840000
2000
Galime galvoti, kaip patikrinsime šią intuiciją
14:17
in our private life, in our business life,
308
842000
2000
savo asmeniame gyvenime, verslo reikaluose,
14:19
and most particularly when it goes to policy,
309
844000
3000
ir ypač šnekant apie veiklos kryptis,
14:22
when we think about things like No Child Left Behind,
310
847000
3000
kai galvojame apie dalykus kaip "Nepalikime vaikų",
14:25
when you create new stock markets, when you create other policies --
311
850000
3000
kai kuriate naujas akcijų rinkas, kai kuriate kitas strategijas --
14:28
taxation, health care and so on.
312
853000
3000
mokesčius, sveikatos apsaugą ir t.t.
14:31
And the difficulty of testing our intuition
313
856000
2000
Sunkumai norint patikrinti intuiciją
14:33
was the big lesson I learned
314
858000
2000
buvo didžioji pamoka, kurią išmokau,
14:35
when I went back to the nurses to talk to them.
315
860000
2000
kai grįžau pasišnekėti su slaugėmis.
14:37
So I went back to talk to them
316
862000
2000
Taigi grįžau su jomis pasišnekėti
14:39
and tell them what I found out about removing bandages.
317
864000
3000
ir papasakoti, ką išsiaiškinau apie tvarsčių nuėmimą.
14:42
And I learned two interesting things.
318
867000
2000
Ir sužinojau du įdomius dalykus.
14:44
One was that my favorite nurse, Ettie,
319
869000
2000
Vienas buvo kad mano mėgstamiausia slaugė, Ettie,
14:46
told me that I did not take her pain into consideration.
320
871000
4000
pasakė, kad aš neatsižvelgiau į jos skausmą.
14:50
She said, "Of course, you know, it was very painful for you.
321
875000
2000
Ji pasakė: "Žinoma, jums tai buvo labai skausminga.
14:52
But think about me as a nurse,
322
877000
2000
Bet pagalvokite apie mane, slaugę,
14:54
taking, removing the bandages of somebody I liked,
323
879000
2000
nuiminėjančią tvarsčius mėgstamiems žmonėms,
14:56
and had to do it repeatedly over a long period of time.
324
881000
3000
ir turėjau daryti tą patį ilgą laiko tarpą.
14:59
Creating so much torture was not something that was good for me, too."
325
884000
3000
Sukelti tiek daug skausmo man taip pat nebuvo lengva."
15:02
And she said maybe part of the reason was it was difficult for her.
326
887000
5000
Ir ji pasakė, kad galbūt iš dalies taip nutiko, nes jai tai buvo sunku.
15:07
But it was actually more interesting than that, because she said,
327
892000
3000
Bet iš tiesų buvo dar įdomiau, nes ji pasakė:
15:10
"I did not think that your intuition was right.
328
895000
5000
"Aš negalvojau, kad jūsų intuicija teisinga.
15:15
I felt my intuition was correct."
329
900000
1000
Aš jaučiau, kad mano intuicija teisinga."
15:16
So, if you think about all of your intuitions,
330
901000
2000
Taigi jei pamąstysite apie visas savo intuicijas,
15:18
it's very hard to believe that your intuition is wrong.
331
903000
4000
labai sunku patikėti, kad jūsų intuicija yra klaidinga.
15:22
And she said, "Given the fact that I thought my intuition was right ..." --
332
907000
3000
Ir ji pasakė: "Atsižvelgiant į tai, kad maniau, jog mano intuicija teisinga ..." --
15:25
she thought her intuition was right --
333
910000
2000
ji manė, kad jos intuicija buvo teisinga --
15:27
it was very difficult for her to accept doing a difficult experiment
334
912000
5000
jai buvo labai sunku sutikti atlikti sudėtingą eksperimentą
15:32
to try and check whether she was wrong.
335
917000
2000
ir pamėginti patikrinti, ar ji neklydo.
15:34
But in fact, this is the situation we're all in all the time.
336
919000
4000
Bet iš tiesų tai yra situacija, į kurią visi nuolat patenkame.
15:38
We have very strong intuitions about all kinds of things --
337
923000
3000
Turime labai stiprias intuicijas apie įvairiausius dalykus --
15:41
our own ability, how the economy works,
338
926000
3000
savo kompetenciją apie tai, kaip veikia ekonomika,
15:44
how we should pay school teachers.
339
929000
2000
kaip turėtume mokėti mokytojams.
15:46
But unless we start testing those intuitions,
340
931000
3000
Bet jei nepradėsime tikrinti šių intuicijų,
15:49
we're not going to do better.
341
934000
2000
geriau nebus.
15:51
And just think about how better my life would have been
342
936000
2000
Ir tik pagalvokite, kiek geresnis būtų buvęs mano gyvenimas,
15:53
if these nurses would have been willing to check their intuition,
343
938000
2000
jei slaugės būtų norėjusios patikrinti savo intuicijas,
15:55
and how everything would have been better
344
940000
1000
ir kaip viskas būtų geriau,
15:56
if we just start doing more systematic experimentation of our intuitions.
345
941000
5000
jei pradėtume sistematiškiau eksperimentuoti su savo intuicijomis.
16:01
Thank you very much.
346
946000
2000
Labai ačiū.
ABOUT THE SPEAKER
Dan Ariely - Behavioral economistThe dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.
Why you should listen
Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably Irrational, The Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.
Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.
Dan Ariely | Speaker | TED.com