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

Dan Ariely o wadliwym kodeksie moralnym.

Filmed:
3,509,395 views

Dan Ariely, ekonomista behawioralny, bada wady naszego kodeksu moralnego: ukryte powody, dla których uważamy, że oszustwo lub kradzież są w porządku (czasami). Dzięki przemyślanym badaniom udowadnia, że jesteśmy irracjonalni i przewidywalni -- oraz można nas zmanipulować w niezauważalny dla nas sposób.
- 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 todaydzisiaj a little bitkawałek
0
1000
2000
Chcę dziś mówić
00:18
about predictablemożliwy do przewidzenia irrationalityirracjonalność.
1
3000
3000
o przewidywalnej irracjonalności.
00:21
And my interestzainteresowanie in irrationalirracjonalny behaviorzachowanie
2
6000
4000
Zainteresowałem się irracjonalnym zachowaniem
00:25
startedRozpoczęty manywiele yearslat agotemu in the hospitalszpital.
3
10000
3000
wiele lat temu, kiedy trafiłem do szpitala.
00:28
I was burnedspalony very badlyźle.
4
13000
4000
Byłem poważnie poparzony.
00:32
And if you spendwydać a lot of time in hospitalszpital,
5
17000
3000
Spędzając dużo czasu w szpitalu
00:35
you'llTy będziesz see a lot of typestypy of irrationalitiesirracjonalne zachowania.
6
20000
3000
widzi się wiele irracjonalnych zachowań.
00:38
And the one that particularlyszczególnie botheredprzeszkadzał me in the burnpalić się departmentdepartament
7
23000
5000
Na oddziale oparzeń szczególnie niepokoił mnie
00:43
was the processproces by whichktóry the nursespielęgniarki tookwziął the bandagebandaż off me.
8
28000
4000
sposób, w jaki pielęgniarki zdejmowały bandaże.
00:48
Now, you mustmusi have all takenwzięty a Band-AidPlaster off at some pointpunkt,
9
33000
2000
Każdy kiedyś zdejmował opatrunek,
00:50
and you mustmusi have wonderedzastanawiałem się what's the right approachpodejście.
10
35000
3000
i zastanawiał się, jak to najlepiej zrobić.
00:53
Do you riprozerwać it off quicklyszybko -- shortkrótki durationTrwanie but highwysoki intensityintensywność --
11
38000
4000
Czy zedrzeć szybko: ból krótki, ale intensywny,
00:57
or do you take your Band-AidPlaster off slowlypowoli --
12
42000
2000
czy zdejmować powoli:
00:59
you take a long time, but eachkażdy seconddruga is not as painfulbolesny --
13
44000
4000
trwa dłużej, ale nie boli aż tak bardzo.
01:03
whichktóry one of those is the right approachpodejście?
14
48000
3000
Który sposób jest lepszy?
01:06
The nursespielęgniarki in my departmentdepartament thought that the right approachpodejście
15
51000
4000
Pielęgniarki na moim oddziale uważały, że pierwszy.
01:10
was the rippingprzybierka one, so they would grabchwycić holdutrzymać and they would riprozerwać,
16
55000
3000
Chwytały więc za opatrunek i zdzierały,
01:13
and they would grabchwycić holdutrzymać and they would riprozerwać.
17
58000
2000
chwytały i zdzierały. Miałem poparzone
01:15
And because I had 70 percentprocent of my bodyciało burnedspalony, it would take about an hourgodzina.
18
60000
4000
70 procent ciała, więc trwało to prawie godzinę.
01:19
And as you can imaginewyobrażać sobie,
19
64000
3000
Jak się domyślacie, z całego serca
01:22
I hatedznienawidzony that momentza chwilę of rippingprzybierka with incredibleniesamowite intensityintensywność.
20
67000
4000
nienawidziłem momentu zdzierania.
01:26
And I would try to reasonpowód with them and say,
21
71000
2000
Przekonywałem pielęgniarki,
01:28
"Why don't we try something elsejeszcze?
22
73000
1000
żeby spróbowały inaczej.
01:29
Why don't we take it a little longerdłużej --
23
74000
2000
Zajmie im to dłużej, może dwie godziny nie jedną,
01:31
maybe two hoursgodziny insteadzamiast of an hourgodzina -- and have lessmniej of this intensityintensywność?"
24
76000
5000
ale ból będzie mniej intensywny.
01:36
And the nursespielęgniarki told me two things.
25
81000
2000
W odpowiedzi słyszałem dwie rzeczy:
01:38
They told me that they had the right modelModel of the patientcierpliwy --
26
83000
4000
że lepiej ode mnie wiedzą,
01:42
that they knewwiedziałem what was the right thing to do to minimizezminimalizować my painból --
27
87000
3000
jak zmniejszać ból, a po drugie,
01:45
and they alsorównież told me that the wordsłowo patientcierpliwy doesn't mean
28
90000
3000
że "być pacjentem" nie znaczy
01:48
to make suggestionssugestie or to interferekolidować or ...
29
93000
2000
"robić uwagi" albo "wtrącać się".
01:50
This is not just in HebrewHebrajski, by the way.
30
95000
3000
Skądinąd nie tylko po hebrajsku,
01:53
It's in everykażdy languagejęzyk I've had experiencedoświadczenie with so fardaleko.
31
98000
3000
ale w każdym znanym mi języku.
01:56
And, you know, there's not much -- there wasn'tnie było much I could do,
32
101000
4000
Niewiele mogłem poradzić,
02:00
and they kepttrzymane on doing what they were doing.
33
105000
3000
a pielęgniarki dalej zdzierały opatrunki.
02:03
And about threetrzy yearslat laterpóźniej, when I left the hospitalszpital,
34
108000
2000
Trzy lata później, kiedy opuściłem szpital,
02:05
I startedRozpoczęty studyingstudiować at the universityUniwersytet.
35
110000
3000
poszedłem na studia.
02:08
And one of the mostwiększość interestingciekawy lessonsLekcje I learnednauczyli
36
113000
3000
Najciekawszą rzeczą, jakiej się nauczyłem
02:11
was that there is an experimentaleksperymentalny methodmetoda
37
116000
2000
była metoda eksperymentalna, polegająca na tym,
02:13
that if you have a questionpytanie you can createStwórz a replicarepliki of this questionpytanie
38
118000
4000
że jeżeli ma się pytanie, można stworzyć
02:17
in some abstractabstrakcyjny way, and you can try to examinenależy sprawdzić, czy this questionpytanie,
39
122000
4000
jego abstrakcyjną replikę, zbadać ją
02:21
maybe learnuczyć się something about the worldświat.
40
126000
2000
i nauczyć się czegoś o świecie.
02:23
So that's what I did.
41
128000
2000
Tak też zrobiłem. Ciągle interesował mnie
02:25
I was still interestedzainteresowany
42
130000
1000
Tak też zrobiłem. Ciągle interesował mnie
02:26
in this questionpytanie of how do you take bandagesBandaże off burnpalić się patientspacjenci.
43
131000
2000
najlepszy sposób zdejmowania opatrunków.
02:28
So originallypierwotnie I didn't have much moneypieniądze,
44
133000
3000
Początkowo brakowało mi pieniędzy,
02:31
so I wentposzedł to a hardwaresprzęt komputerowy storesklep and I boughtkupiony a carpenter'scieśli vicewice.
45
136000
4000
więc kupiłem imadło.
02:35
And I would bringprzynieść people to the lablaboratorium and I would put theirich fingerpalec in it,
46
140000
4000
W laboratorium wsadzałem ochotnikom palce w imadło
02:39
and I would crunchschrupać it a little bitkawałek.
47
144000
2000
i zgniatałem trochę.
02:41
(LaughterŚmiech)
48
146000
2000
(Śmiech)
02:43
And I would crunchschrupać it for long periodsokresy and shortkrótki periodsokresy,
49
148000
3000
Zaciskałem dłuższej lub krócej,
02:46
and painból that wentposzedł up and painból that wentposzedł down,
50
151000
2000
ból narastał lub malał,
02:48
and with breaksprzerwy and withoutbez breaksprzerwy -- all kindsrodzaje of versionswersje of painból.
51
153000
4000
z przerwami lub bez - różne wersje bólu.
02:52
And when I finishedskończone hurtingRani people a little bitkawałek, I would askzapytać them,
52
157000
2000
Na koniec pytałem
02:54
so, how painfulbolesny was this? Or, how painfulbolesny was this?
53
159000
2000
jak bardzo bolało.
02:56
Or, if you had to choosewybierać betweenpomiędzy the last two,
54
161000
2000
Gdyby musieli wybierać między dwoma ostatnimi,
02:58
whichktóry one would you choosewybierać?
55
163000
2000
który rodzaj bólu by wybrali?
03:00
(LaughterŚmiech)
56
165000
3000
(Śmiech)
03:03
I kepttrzymane on doing this for a while.
57
168000
3000
Trwało to przez jakiś czas.
03:06
(LaughterŚmiech)
58
171000
2000
(Śmiech)
03:08
And then, like all good academicakademicki projectsprojektowanie, I got more fundingfinansowanie.
59
173000
4000
Jak na dobry projekt przystało, dostałem fundusze.
03:12
I movedprzeniósł to soundsDźwięki, electricalelektryczny shocksamortyzatory --
60
177000
2000
Wprowadziłem dźwięki, elektrowstrząsy,
03:14
I even had a painból suitgarnitur that I could get people to feel much more painból.
61
179000
5000
nawet specjalny kombinezon, potęgujący ból.
03:19
But at the endkoniec of this processproces,
62
184000
4000
Moje badania udowodniły,
03:23
what I learnednauczyli was that the nursespielęgniarki were wrongźle.
63
188000
3000
że pielęgniarki były w błędzie.
03:26
Here were wonderfulwspaniale people with good intentionsintencje
64
191000
3000
Cudowne osoby, które pomimo dobrych intencji
03:29
and plentydużo of experiencedoświadczenie, and neverthelessNiemniej jednak
65
194000
2000
i dużego doświadczenia,
03:31
they were gettinguzyskiwanie things wrongźle predictablyzgodnie z przewidywaniami all the time.
66
196000
4000
myliły się, w sposób łatwy do przewidzenia.
03:35
It turnsskręca out that because we don't encodekodowanie durationTrwanie
67
200000
3000
Okazuje się, że czasu trwania bólu
03:38
in the way that we encodekodowanie intensityintensywność,
68
203000
2000
nie rejestrujemy tak samo, jak intensywności.
03:40
I would have had lessmniej painból if the durationTrwanie would have been longerdłużej
69
205000
4000
Mniej bym cierpiał, gdyby zdejmowanie bandaży
03:44
and the intensityintensywność was lowerniższy.
70
209000
2000
trwało dłużej, ale ból był mniej intensywny.
03:46
It turnsskręca out it would have been better to startpoczątek with my facetwarz,
71
211000
3000
Powinno się też zacząć od twarzy,
03:49
whichktóry was much more painfulbolesny, and moveruszaj się towardw kierunku my legsnogi,
72
214000
2000
najbardziej wrażliwej, i posuwać ku nogom.
03:51
givingdający me a trendtendencja of improvementpoprawa over time --
73
216000
3000
Miałbym poczucie, że jest coraz lepiej
03:54
that would have been alsorównież lessmniej painfulbolesny.
74
219000
1000
i ból by się zmniejszył.
03:55
And it alsorównież turnsskręca out that it would have been good
75
220000
2000
Pomogłyby też przerwy w zdejmowaniu,
03:57
to give me breaksprzerwy in the middleśrodkowy to kinduprzejmy of recuperatezregenerować from the painból.
76
222000
2000
żebym mógł odpocząć od bólu.
03:59
All of these would have been great things to do,
77
224000
2000
O wszystkich tych rzeczach
04:01
and my nursespielęgniarki had no ideapomysł.
78
226000
3000
pielęgniarki nie miały zielonego pojęcia.
04:04
And from that pointpunkt on I startedRozpoczęty thinkingmyślący,
79
229000
1000
Zacząłem się zastanawiać,
04:05
are the nursespielęgniarki the only people in the worldświat who get things wrongźle
80
230000
3000
czy mylne podejście pielęgniarek to wyjątek,
04:08
in this particularszczególny decisiondecyzja, or is it a more generalgenerał casewalizka?
81
233000
3000
czy przykład powszechnego zachowania.
04:11
And it turnsskręca out it's a more generalgenerał casewalizka --
82
236000
2000
Okazuje się, że to drugie;
04:13
there's a lot of mistakesbłędy we do.
83
238000
3000
popełniamy mnóstwo błędów.
04:16
And I want to give you one exampleprzykład of one of these irrationalitiesirracjonalne zachowania,
84
241000
5000
Oto przykład irracjonalnego zachowania:
04:21
and I want to talk to you about cheatingoszukiwanie.
85
246000
3000
oszustwo.
04:24
And the reasonpowód I pickeddoborowy cheatingoszukiwanie is because it's interestingciekawy,
86
249000
2000
Wybrałem oszustwo, bo jest interesujące,
04:26
but alsorównież it tellsmówi us something, I think,
87
251000
2000
a także mówi nam coś
04:28
about the stockZbiory marketrynek situationsytuacja we're in.
88
253000
3000
o sytuacji na rynku papierów wartościowych.
04:31
So, my interestzainteresowanie in cheatingoszukiwanie startedRozpoczęty
89
256000
3000
Zainteresowałem się oszustwem
04:34
when EnronEnron cameoprawa ołowiana witrażu on the scenescena, explodedeksplodował all of a suddennagły,
90
259000
2000
po skandalicznym bankructwie Enronu.
04:36
and I startedRozpoczęty thinkingmyślący about what is happeningwydarzenie here.
91
261000
3000
Zastanawiałem się, co tam zaszło.
04:39
Is it the casewalizka that there was kinduprzejmy of
92
264000
1000
Czy chodziło o kilka czarnych owiec,
04:40
a fewkilka applesjabłka who are capablezdolny of doing these things,
93
265000
3000
Czy chodziło o kilka czarnych owiec,
04:43
or are we talkingmówić a more endemicendemiczne situationsytuacja,
94
268000
2000
czy powodu trzeba upatrywać
04:45
that manywiele people are actuallytak właściwie capablezdolny of behavingzachowuje się this way?
95
270000
4000
w powszechnej skłonności do oszustwa?
04:49
So, like we usuallyzazwyczaj do, I decidedzdecydowany to do a simpleprosty experimenteksperyment.
96
274000
4000
Postanowiłem przeprowadzić prosty eksperyment.
04:53
And here'soto jest how it wentposzedł.
97
278000
1000
Każdy dostawał na kartce
04:54
If you were in the experimenteksperyment, I would passprzechodzić you a sheetarkusz of paperpapier
98
279000
3000
Każdy dostawał na kartce
04:57
with 20 simpleprosty mathmatematyka problemsproblemy that everybodywszyscy could solverozwiązać,
99
282000
4000
20 bardzo prostych zadań z matematyki,
05:01
but I wouldn'tnie give you enoughdość time.
100
286000
2000
i za mało czasu na ich rozwiązanie.
05:03
When the fivepięć minutesminuty were over, I would say,
101
288000
2000
Po 5 minutach prosiłem o zwrot kartek
05:05
"PassPass me the sheetspościel of paperpapier, and I'll payzapłacić you a dollardolar perza questionpytanie."
102
290000
3000
i płaciłem dolara od rozwiązanego zadania.
05:08
People did this. I would payzapłacić people fourcztery dollarsdolarów for theirich taskzadanie --
103
293000
4000
Płaciłem zwykle 4 dolary.
05:12
on averageśredni people would solverozwiązać fourcztery problemsproblemy.
104
297000
2000
Średnio każdy rozwiązywał 4 zadania.
05:14
Other people I would temptkusić to cheatoszustwo.
105
299000
3000
Inną grupę kusiłem do oszustwa.
05:17
I would passprzechodzić theirich sheetarkusz of paperpapier.
106
302000
1000
Dostawali kartkę z zadaniami.
05:18
When the fivepięć minutesminuty were over, I would say,
107
303000
2000
Po pięciu minutach prosiłem,
05:20
"Please shredShred the piecekawałek of paperpapier.
108
305000
1000
aby podarli i zabrali kartkę,
05:21
Put the little piecessztuk in your pocketkieszeń or in your backpackPlecak,
109
306000
3000
aby podarli i zabrali kartkę,
05:24
and tell me how manywiele questionspytania you got correctlyprawidłowo."
110
309000
3000
mówiąc mi, ile mieli poprawnych odpowiedzi.
05:27
People now solvedrozwiązany sevensiedem questionspytania on averageśredni.
111
312000
3000
Teraz "rozwiązywano" średnio po 7 zadań.
05:30
Now, it wasn'tnie było as if there was a fewkilka badzły applesjabłka --
112
315000
5000
To nie było kilka czarnych owiec,
05:35
a fewkilka people cheatedoszukany a lot.
113
320000
3000
oszukujących na dużą skalę.
05:38
InsteadZamiast tego, what we saw is a lot of people who cheatoszustwo a little bitkawałek.
114
323000
3000
Zamiast tego wiele osób oszukiwało po trochu.
05:41
Now, in economicgospodarczy theoryteoria,
115
326000
3000
W kontekście nauk ekonomicznych
05:44
cheatingoszukiwanie is a very simpleprosty cost-benefitstosunek kosztów do korzyści analysisanaliza.
116
329000
3000
oszustwo to prosta analiza kosztów i korzyści.
05:47
You say, what's the probabilityprawdopodobieństwo of beingistota caughtzłapany?
117
332000
2000
Na ile procent mnie złapią?
05:49
How much do I standstoisko to gainzdobyć from cheatingoszukiwanie?
118
334000
3000
Ile mogę zyskać na oszustwie?
05:52
And how much punishmentkara would I get if I get caughtzłapany?
119
337000
2000
Jaka kara wchodzi w grę w razie przyłapania?
05:54
And you weighważyć these optionsopcje out --
120
339000
2000
Rozważasz za i przeciw,
05:56
you do the simpleprosty cost-benefitstosunek kosztów do korzyści analysisanaliza,
121
341000
2000
jak w prostej analizie kosztów i korzyści
05:58
and you decidedecydować się whetherczy it's worthwhilewart to commitpopełnić the crimeprzestępstwo or not.
122
343000
3000
i decydujesz, czy warto popełnić przestępstwo.
06:01
So, we try to testtest this.
123
346000
2000
Próbowaliśmy to zbadać.
06:03
For some people, we variedurozmaicony how much moneypieniądze they could get away with --
124
348000
4000
Różne grupy mogły podkradać różne kwoty.
06:07
how much moneypieniądze they could stealkraść.
125
352000
1000
Płaciliśmy 10 centów za odpowiedź, 50 centów,
06:08
We paidpłatny them 10 centscentów perza correctpoprawny questionpytanie, 50 centscentów,
126
353000
3000
Płaciliśmy 10 centów za odpowiedź, 50 centów,
06:11
a dollardolar, fivepięć dollarsdolarów, 10 dollarsdolarów perza correctpoprawny questionpytanie.
127
356000
3000
dolara, 5, 10 dolarów od poprawnej odpowiedzi.
06:14
You would expectoczekiwać that as the amountilość of moneypieniądze on the tablestół increaseswzrasta,
128
359000
4000
Można by sądzić, że ze wzrostem stawki,
06:18
people would cheatoszustwo more, but in factfakt it wasn'tnie było the casewalizka.
129
363000
3000
ludzie będą oszukiwać więcej, ale nie.
06:21
We got a lot of people cheatingoszukiwanie by stealingkradzież by a little bitkawałek.
130
366000
3000
Wiele osób podkradało niewielkie kwoty.
06:24
What about the probabilityprawdopodobieństwo of beingistota caughtzłapany?
131
369000
3000
Co z prawdopodobieństwem wpadki?
06:27
Some people shreddedrozdrobnione halfpół the sheetarkusz of paperpapier,
132
372000
2000
Niektórzy darli połowę kartki,
06:29
so there was some evidencedowód left.
133
374000
1000
tak żeby został jakiś dowód.
06:30
Some people shreddedrozdrobnione the wholecały sheetarkusz of paperpapier.
134
375000
2000
Niektórzy darli całą kartkę.
06:32
Some people shreddedrozdrobnione everything, wentposzedł out of the roompokój,
135
377000
3000
Inni darli całą kartkę i w pokoju obok sami brali
06:35
and paidpłatny themselvessami from the bowlmiska of moneypieniądze that had over 100 dollarsdolarów.
136
380000
3000
wypłatę z misy zawierającej ponad 100 dolarów.
06:38
You would expectoczekiwać that as the probabilityprawdopodobieństwo of beingistota caughtzłapany goesidzie down,
137
383000
3000
Można sądzić, że im mniejsze ryzyko przyłapania,
06:41
people would cheatoszustwo more, but again, this was not the casewalizka.
138
386000
3000
tym więcej oszustów, ale znowu tak się nie stało.
06:44
Again, a lot of people cheatedoszukany by just by a little bitkawałek,
139
389000
3000
Wiele osób oszukiwało w małym stopniu,
06:47
and they were insensitivewielkość liter to these economicgospodarczy incentiveszachęt.
140
392000
3000
nie zwracając uwagi na korzyści ekonomiczne.
06:50
So we said, "If people are not sensitivewrażliwy
141
395000
1000
Zastanawialiśmy się, co nimi kieruje,
06:51
to the economicgospodarczy rationalracjonalny theoryteoria explanationswyjaśnienia, to these forcessiły,
142
396000
5000
Zastanawialiśmy się, co nimi kieruje,
06:56
what could be going on?"
143
401000
3000
skoro nie racjonalne siły ekonomii?
06:59
And we thought maybe what is happeningwydarzenie is that there are two forcessiły.
144
404000
3000
Pomyśleliśmy, że być może działają tu dwie siły.
07:02
At one handdłoń, we all want to look at ourselvesmy sami in the mirrorlustro
145
407000
2000
Z jednej strony, lubimy mieć o sobie dobre zdanie,
07:04
and feel good about ourselvesmy sami, so we don't want to cheatoszustwo.
146
409000
3000
więc nie chcemy oszukiwać.
07:07
On the other handdłoń, we can cheatoszustwo a little bitkawałek,
147
412000
2000
Z drugiej strony, możemy oszukać trochę
07:09
and still feel good about ourselvesmy sami.
148
414000
2000
i nadal mieć dobre samopoczucie.
07:11
So, maybe what is happeningwydarzenie is that
149
416000
1000
Nie możemy przekroczyć pewnej granicy
07:12
there's a levelpoziom of cheatingoszukiwanie we can't go over,
150
417000
2000
Nie możemy przekroczyć pewnej granicy,
07:14
but we can still benefitzasiłek from cheatingoszukiwanie at a lowNiska degreestopień,
151
419000
4000
ale możemy odnosić korzyści z małych oszustw,
07:18
as long as it doesn't changezmiana our impressionswrażenia about ourselvesmy sami.
152
423000
3000
o ile nie wpływa to na naszą samoocenę.
07:21
We call this like a personalosobisty fudgebanialuki factorczynnik.
153
426000
3000
Nazywamy to współczynnikiem samoobłudy.
07:25
Now, how would you testtest a personalosobisty fudgebanialuki factorczynnik?
154
430000
4000
Jak przetestować współczynnik samoobłudy?
07:29
InitiallyPoczątkowo we said, what can we do to shrinkkurczyć się the fudgebanialuki factorczynnik?
155
434000
4000
Najpierw chcieliśmy go zmniejszyć.
07:33
So, we got people to the lablaboratorium, and we said,
156
438000
2000
Uczestnikom mówiliśmy,
07:35
"We have two taskszadania for you todaydzisiaj."
157
440000
2000
że mamy dla nich dwa zadania.
07:37
First, we askedspytał halfpół the people
158
442000
1000
Połowa miała przypomnieć sobie 10 szkolnych lektur,
07:38
to recallodwołanie eitherzarówno 10 booksksiążki they readczytać in highwysoki schoolszkoła,
159
443000
2000
Połowa miała przypomnieć sobie 10 szkolnych lektur,
07:40
or to recallodwołanie The TenDziesięć CommandmentsPrzykazania,
160
445000
3000
a druga połowa dekalog,
07:43
and then we temptedkuszony them with cheatingoszukiwanie.
161
448000
2000
po czym kusiliśmy ich do oszustw.
07:45
TurnsWłącza out the people who triedwypróbowany to recallodwołanie The TenDziesięć CommandmentsPrzykazania --
162
450000
3000
W grupie wymieniającej przykazania
07:48
and in our samplepróba nobodynikt could recallodwołanie all of The TenDziesięć CommandmentsPrzykazania --
163
453000
2000
nikt nie pamiętał wszystkich dziesięciu,
07:51
but those people who triedwypróbowany to recallodwołanie The TenDziesięć CommandmentsPrzykazania,
164
456000
4000
ale ci, którzy usiłowali,
07:55
givendany the opportunityokazja to cheatoszustwo, did not cheatoszustwo at all.
165
460000
3000
nie próbowali potem oszukiwać.
07:58
It wasn'tnie było that the more religiousreligijny people --
166
463000
2000
Nie chodzi o to, że ci bardziej religijni,
08:00
the people who rememberedzapamiętany more of the CommandmentsPrzykazania -- cheatedoszukany lessmniej,
167
465000
1000
pamiętający przykazania, oszukiwali mniej,
08:01
and the lessmniej religiousreligijny people --
168
466000
2000
pamiętający przykazania, oszukiwali mniej,
08:03
the people who couldn'tnie mógł rememberZapamiętaj almostprawie any CommandmentsPrzykazania --
169
468000
1000
a ci, co nie pamiętali - więcej.
08:04
cheatedoszukany more.
170
469000
2000
a ci, co nie pamiętali - więcej.
08:06
The momentza chwilę people thought about tryingpróbować to recallodwołanie The TenDziesięć CommandmentsPrzykazania,
171
471000
4000
W chwili, gdy zaczęli przypominać sobie dekalog,
08:10
they stoppedzatrzymany cheatingoszukiwanie.
172
475000
1000
przestawali oszukiwać.
08:11
In factfakt, even when we gavedał self-declaredwłasny zadeklarowane atheistsAteiści
173
476000
2000
Nawet zdeklarowani ateiści,
08:13
the taskzadanie of swearingprzeklinanie on the BibleBiblii and we give them a chanceszansa to cheatoszustwo,
174
478000
4000
kuszeni po przysięganiu na biblię,
08:17
they don't cheatoszustwo at all.
175
482000
2000
nie oszukiwali.
08:21
Now, TenDziesięć CommandmentsPrzykazania is something that is hardciężko
176
486000
2000
Trudno byłoby wprowadzić dekalog
08:23
to bringprzynieść into the educationEdukacja systemsystem, so we said,
177
488000
2000
do systemu edukacyjnego, więc postanowiliśmy
08:25
"Why don't we get people to signznak the honorhonor codekod?"
178
490000
2000
dawać ludziom do podpisu kodeks honorowy.
08:27
So, we got people to signznak,
179
492000
2000
Każdy podpisywał, że rozumie,
08:29
"I understandzrozumieć that this shortkrótki surveyAnkieta fallsspada underpod the MITMIT HonorCześć CodeKod."
180
494000
4000
iż badanych obowiązuje kodeks honorowy MIT.
08:33
Then they shreddedrozdrobnione it. No cheatingoszukiwanie whatsoevercokolwiek.
181
498000
3000
Potem darli swoje kartki. Nikt nie oszukiwał.
08:36
And this is particularlyszczególnie interestingciekawy,
182
501000
1000
Co ciekawe, MIT nie ma kodeksu honorowego.
08:37
because MITMIT doesn't have an honorhonor codekod.
183
502000
2000
Co ciekawe, MIT nie ma kodeksu honorowego.
08:39
(LaughterŚmiech)
184
504000
5000
(Śmiech)
08:44
So, all this was about decreasingmalejący the fudgebanialuki factorczynnik.
185
509000
4000
Tak obniżaliśmy współczynnik samoobłudy.
08:48
What about increasingwzrastający the fudgebanialuki factorczynnik?
186
513000
3000
A co, gdyby go podwyższyć?
08:51
The first experimenteksperyment -- I walkedchodził around MITMIT
187
516000
2000
Podczas pierwszego eksperymentu
08:53
and I distributedRozpowszechniane six-packsopalać of CokesKoks in the refrigeratorslodówki --
188
518000
3000
wkładałem sześciopaki coli
08:56
these were commonpospolity refrigeratorslodówki for the undergradssześciopaki.
189
521000
2000
do wspólnych lodówek studentów MIT.
08:58
And I cameoprawa ołowiana witrażu back to measurezmierzyć what we technicallytechnicznie call
190
523000
3000
Później mierzyłem, jak to technicznie nazywamy,
09:01
the half-lifetimepół życia of CokeKoks -- how long does it last in the refrigeratorslodówki?
191
526000
4000
czas połowicznego zaniku coli; ile przetrwała w lodówkach.
09:05
As you can expectoczekiwać it doesn't last very long; people take it.
192
530000
3000
Jak było do przewidzenia - dosyć krótko.
09:08
In contrastkontrast, I tookwziął a platetalerz with sixsześć one-dollarjeden Dolar billsrachunki,
193
533000
4000
Dla porównania, w tych samych lodówkach
09:12
and I left those platespłyty in the samepodobnie refrigeratorslodówki.
194
537000
3000
zostawiałem tacki z 6 jednodolarówkami.
09:15
No billrachunek ever disappearedzniknął.
195
540000
1000
Żaden banknot nie zniknął. To nie najlepsza metoda,
09:16
Now, this is not a good socialspołeczny sciencenauka experimenteksperyment,
196
541000
3000
Żaden banknot nie zniknął. To nie najlepsza metoda,
09:19
so to do it better I did the samepodobnie experimenteksperyment
197
544000
3000
więc znowu przeprowadziłem eksperyment
09:22
as I describedopisane to you before.
198
547000
2000
z kartkami i zadaniami.
09:24
A thirdtrzeci of the people we passedminęło the sheetarkusz, they gavedał it back to us.
199
549000
3000
Jedna trzecia osób oddawała nam kartki,
09:27
A thirdtrzeci of the people we passedminęło it to, they shreddedrozdrobnione it,
200
552000
3000
jedna trzecia darła je i mówiła,
09:30
they cameoprawa ołowiana witrażu to us and said,
201
555000
1000
jedna trzecia darła je i mówiła,
09:31
"MrMr. ExperimenterEksperymentator, I solvedrozwiązany X problemsproblemy. Give me X dollarsdolarów."
202
556000
3000
że rozwiązała x problemów i prosi o x dolarów.
09:34
A thirdtrzeci of the people, when they finishedskończone shreddingrozdrabniania the piecekawałek of paperpapier,
203
559000
3000
Ostatnia grupa po podarciu kartek,
09:37
they cameoprawa ołowiana witrażu to us and said,
204
562000
2000
przychodziła i mówiła,
09:39
"MrMr ExperimenterEksperymentator, I solvedrozwiązany X problemsproblemy. Give me X tokenstokeny."
205
564000
6000
że rozwiązała x problemów i prosi o x żetonów.
09:45
We did not payzapłacić them with dollarsdolarów; we paidpłatny them with something elsejeszcze.
206
570000
3000
Nie płaciliśmy im w dolarach, ale w żetonach.
09:48
And then they tookwziął the something elsejeszcze, they walkedchodził 12 feetstopy to the sidebok,
207
573000
3000
Potem szli z żetonami na bok
09:51
and exchangedwymieniane it for dollarsdolarów.
208
576000
2000
i wymieniali je na dolary.
09:53
Think about the followingnastępujący intuitionintuicja.
209
578000
2000
Zastanówmy się.
09:55
How badzły would you feel about takingnabierający a pencilołówek from work home,
210
580000
3000
Czy czulibyśmy się gorzej, zabierając z pracy ołówek,
09:58
comparedporównywane to how badzły would you feel
211
583000
2000
czy zabierając
10:00
about takingnabierający 10 centscentów from a pettydrobny cashgotówka boxpudełko?
212
585000
2000
10 centów z pudełka z drobniakami?
10:02
These things feel very differentlyróżnie.
213
587000
3000
To zupełnie różne odczucia.
10:05
Would beingistota a stepkrok removedUsunięto from cashgotówka for a fewkilka secondstowary drugiej jakości
214
590000
3000
Czy to, że płaciliśmy najpierw w żetonach
10:08
by beingistota paidpłatny by tokentoken make a differenceróżnica?
215
593000
3000
miało jakiś wpływ?
10:11
Our subjectstematy doubledpodwojony theirich cheatingoszukiwanie.
216
596000
2000
Oszustwa wzrosły dwukrotnie.
10:13
I'll tell you what I think
217
598000
2000
Zaraz powiem, co myślę o tym
10:15
about this and the stockZbiory marketrynek in a minutechwila.
218
600000
2000
i o rynku papierów wartościowych.
10:18
But this did not solverozwiązać the bigduży problemproblem I had with EnronEnron yetjeszcze,
219
603000
4000
Wyniki nie tłumaczyły problemu Enronu,
10:22
because in EnronEnron, there's alsorównież a socialspołeczny elementelement.
220
607000
3000
bo tam występował również czynnik społeczny.
10:25
People see eachkażdy other behavingzachowuje się.
221
610000
1000
Codziennie w wiadomościach
10:26
In factfakt, everykażdy day when we openotwarty the newsAktualności
222
611000
2000
Codziennie w wiadomościach
10:28
we see examplesprzykłady of people cheatingoszukiwanie.
223
613000
2000
słyszymy o oszustwach.
10:30
What does this causeprzyczyna us?
224
615000
3000
Jaki to ma na nas wpływ?
10:33
So, we did anotherinne experimenteksperyment.
225
618000
1000
Do kolejnego eksperymentu zaprosiliśmy dużą grupę studentów,
10:34
We got a bigduży groupGrupa of studentsstudenci to be in the experimenteksperyment,
226
619000
3000
Do kolejnego eksperymentu zaprosiliśmy dużą grupę studentów,
10:37
and we prepaidprepaid them.
227
622000
1000
opłaconych z góry. Wszyscy dostali koperty z wypłatami.
10:38
So everybodywszyscy got an envelopekoperta with all the moneypieniądze for the experimenteksperyment,
228
623000
3000
opłaconych z góry. Wszyscy dostali koperty z wypłatami.
10:41
and we told them that at the endkoniec, we askedspytał them
229
626000
2000
Pod koniec eksperymentu prosiliśmy
10:43
to payzapłacić us back the moneypieniądze they didn't make. OK?
230
628000
4000
o oddanie sumy, której nie zarobili.
10:47
The samepodobnie thing happensdzieje się.
231
632000
1000
Podobny rezultat.
10:48
When we give people the opportunityokazja to cheatoszustwo, they cheatoszustwo.
232
633000
2000
Mając okazję do oszustwa, ludzie z niej korzystają.
10:50
They cheatoszustwo just by a little bitkawałek, all the samepodobnie.
233
635000
3000
Oszukują w niewielkim stopniu, ale jednak.
10:53
But in this experimenteksperyment we alsorównież hiredzatrudniony an actinggra aktorska studentstudent.
234
638000
3000
Do tego eksperymentu wynajęliśmy też aktora.
10:56
This actinggra aktorska studentstudent stoodstał up after 30 secondstowary drugiej jakości, and said,
235
641000
4000
Po 30 sekundach aktor wstawał i mówił:
11:00
"I solvedrozwiązany everything. What do I do now?"
236
645000
3000
"Rozwiązałem wszystko. Co teraz?"
11:03
And the experimentereksperymentator said, "If you've finishedskończone everything, go home.
237
648000
4000
Badający odpowiadał, że może iść do domu.
11:07
That's it. The taskzadanie is finishedskończone."
238
652000
1000
Tyle. Koniec zadania.
11:08
So, now we had a studentstudent -- an actinggra aktorska studentstudent --
239
653000
4000
Czyli teraz mieliśmy studenta-aktora,
11:12
that was a partczęść of the groupGrupa.
240
657000
2000
jako członka grupy.
11:14
NobodyNikt nie knewwiedziałem it was an actoraktor.
241
659000
2000
Nikt nie wiedział, że to aktor.
11:16
And they clearlywyraźnie cheatedoszukany in a very, very seriouspoważny way.
242
661000
4000
Aktor oszukiwał bardzo wyraźnie.
11:20
What would happenzdarzyć to the other people in the groupGrupa?
243
665000
3000
Jak zachowają się inne osoby w grupie?
11:23
Will they cheatoszustwo more, or will they cheatoszustwo lessmniej?
244
668000
3000
Będą oszukiwać mniej czy więcej?
11:26
Here is what happensdzieje się.
245
671000
2000
Oto co się stało.
11:28
It turnsskręca out it dependszależy on what kinduprzejmy of sweatshirtBluza dresowa they're wearingma na sobie.
246
673000
4000
Wszystko zależało od bluzy aktora.
11:32
Here is the thing.
247
677000
2000
Muszę tu coś dodać.
11:34
We ranpobiegł this at CarnegieCarnegie MellonMellon and PittsburghPittsburgh.
248
679000
3000
Działaliśmy w Carnegie Mellon i Pittsburghu.
11:37
And at PittsburghPittsburgh there are two bigduży universitiesuniwersytety,
249
682000
2000
Pittsburgh ma dwa duże uniwersytety:
11:39
CarnegieCarnegie MellonMellon and UniversityUniwersytet of PittsburghPittsburgh.
250
684000
3000
Carnegie Mellon i Uniwersytet Pittsburski.
11:42
All of the subjectstematy sittingposiedzenie in the experimenteksperyment
251
687000
2000
Uczestnicy eksperymentu
11:44
were CarnegieCarnegie MellonMellon studentsstudenci.
252
689000
2000
byli studentami Carnegie Mellon.
11:46
When the actoraktor who was gettinguzyskiwanie up was a CarnegieCarnegie MellonMellon studentstudent --
253
691000
4000
Kiedy aktor miał bluzę Carnegie Mellon,
11:50
he was actuallytak właściwie a CarnegieCarnegie MellonMellon studentstudent --
254
695000
2000
skądinąd własną,
11:52
but he was a partczęść of theirich groupGrupa, cheatingoszukiwanie wentposzedł up.
255
697000
4000
grupa oszukiwała więcej.
11:56
But when he actuallytak właściwie had a UniversityUniwersytet of PittsburghPittsburgh sweatshirtBluza dresowa,
256
701000
4000
Ale kiedy wkładał bluzę Uniwesytetu Pittsburskiego,
12:00
cheatingoszukiwanie wentposzedł down.
257
705000
2000
oszustwa malały.
12:02
(LaughterŚmiech)
258
707000
3000
(Śmiech)
12:05
Now, this is importantważny, because rememberZapamiętaj,
259
710000
3000
To ważne, bo pamiętajmy,
12:08
when the momentza chwilę the studentstudent stoodstał up,
260
713000
2000
że kiedy aktor wstawał,
12:10
it madezrobiony it clearjasny to everybodywszyscy that they could get away with cheatingoszukiwanie,
261
715000
3000
wszyscy widzieli, że można oszukiwać,
12:13
because the experimentereksperymentator said,
262
718000
2000
bo eksperymentator pozwalał mu
12:15
"You've finishedskończone everything. Go home," and they wentposzedł with the moneypieniądze.
263
720000
2000
iść do domu z pieniędzmi.
12:17
So it wasn'tnie było so much about the probabilityprawdopodobieństwo of beingistota caughtzłapany again.
264
722000
3000
Nie tyle chodziło tu o ryzyko wpadki,
12:20
It was about the normsnormy for cheatingoszukiwanie.
265
725000
3000
co o normy regulujące oszustwo.
12:23
If somebodyktoś from our in-groupSławmy cheatsKody and we see them cheatingoszukiwanie,
266
728000
3000
Jeżeli oszukuje ktoś z naszego grona,
12:26
we feel it's more appropriatewłaściwy, as a groupGrupa, to behavezachować się this way.
267
731000
4000
oszustwo wydaje się do przyjęcia.
12:30
But if it's somebodyktoś from anotherinne groupGrupa, these terriblestraszny people --
268
735000
2000
Jeżeli natomiast
12:32
I mean, not terriblestraszny in this --
269
737000
2000
oszukuje ktoś z innej grupy,
12:34
but somebodyktoś we don't want to associateskojarzyć ourselvesmy sami with,
270
739000
2000
z którą nie chcemy się utożsamiać,
12:36
from anotherinne universityUniwersytet, anotherinne groupGrupa,
271
741000
2000
np. z innego uniwersytetu, klanu,
12:38
all of a suddennagły people'sludzie awarenessświadomość of honestyuczciwość goesidzie up --
272
743000
3000
wzrasta nagle poczucie uczciwości,
12:41
a little bitkawałek like The TenDziesięć CommandmentsPrzykazania experimenteksperyment --
273
746000
2000
podobnie jak w eksperymencie z dekalogiem.
12:43
and people cheatoszustwo even lessmniej.
274
748000
4000
i ludzie oszukują mniej niż zwykle.
12:47
So, what have we learnednauczyli from this about cheatingoszukiwanie?
275
752000
4000
Czego więc dowiedzieliśmy się o oszustwie?
12:51
We'veMamy learnednauczyli that a lot of people can cheatoszustwo.
276
756000
3000
Wielu ludzi potrafi oszukiwać.
12:54
They cheatoszustwo just by a little bitkawałek.
277
759000
3000
Oszukują w niewielkim stopniu.
12:57
When we remindprzypominać people about theirich moralitymoralność, they cheatoszustwo lessmniej.
278
762000
4000
Po refleksji nad moralnością, oszukują mniej.
13:01
When we get biggerwiększy distancedystans from cheatingoszukiwanie,
279
766000
3000
Im większy dystans od obiektu oszustwa,
13:04
from the objectobiekt of moneypieniądze, for exampleprzykład, people cheatoszustwo more.
280
769000
4000
na przykład pieniędzy, tym oszukują więcej.
13:08
And when we see cheatingoszukiwanie around us,
281
773000
2000
Będąc świadkiem oszustwa,
13:10
particularlyszczególnie if it's a partczęść of our in-groupSławmy, cheatingoszukiwanie goesidzie up.
282
775000
4000
zwłaszcza we własnej grupie, oszukują więcej.
13:14
Now, if we think about this in termswarunki of the stockZbiory marketrynek,
283
779000
3000
Weźmy teraz rynek papierów wartościowych.
13:17
think about what happensdzieje się.
284
782000
1000
Zauważmy, co się dzieje w chwili,
13:18
What happensdzieje się in a situationsytuacja when you createStwórz something
285
783000
3000
Zauważmy, co się dzieje w chwili,
13:21
where you payzapłacić people a lot of moneypieniądze
286
786000
2000
gdy komuś dużo płacą
13:23
to see realityrzeczywistość in a slightlynieco distortedzniekształcony way?
287
788000
3000
za zniekształcone postrzeganie rzeczywistości?
13:26
Would they not be ablezdolny to see it this way?
288
791000
3000
Czy będzie w stanie tak patrzeć?
13:29
Of coursekurs they would.
289
794000
1000
Jasne, że tak.
13:30
What happensdzieje się when you do other things,
290
795000
1000
A jeśli zwiększymy jeszcze dystans do pieniędzy?
13:31
like you removeusunąć things from moneypieniądze?
291
796000
2000
A jeśli zwiększymy jeszcze dystans do pieniędzy?
13:33
You call them stockZbiory, or stockZbiory optionsopcje, derivativespochodne,
292
798000
3000
Wprowadzimy akcje, opcje, pochodne
13:36
mortgage-backedhipoteką securitiespapierów wartościowych.
293
801000
1000
zastawy hipoteczne.
13:37
Could it be that with those more distantodległy things,
294
802000
3000
Jeśli okaże się,
13:40
it's not a tokentoken for one seconddruga,
295
805000
2000
że to już nawet nie żetony,
13:42
it's something that is manywiele stepskroki removedUsunięto from moneypieniądze
296
807000
2000
ale coś zupełnie oderwanego od pieniędzy
13:44
for a much longerdłużej time -- could it be that people will cheatoszustwo even more?
297
809000
4000
i to od dawna - czy wtedy oszukiwano by więcej?
13:48
And what happensdzieje się to the socialspołeczny environmentśrodowisko
298
813000
2000
Jak wpływa na społeczność to,
13:50
when people see other people behavezachować się around them?
299
815000
3000
że widzi, jak inni oszukują?
13:53
I think all of those forcessiły workedpracował in a very badzły way
300
818000
4000
Uważam, że to wszystko źle wpływa
13:57
in the stockZbiory marketrynek.
301
822000
2000
na rynek papierów wartościowych.
13:59
More generallyogólnie, I want to tell you something
302
824000
3000
Chcę coś dodać na temat
14:02
about behavioralbehawioralne economicsEkonomia.
303
827000
3000
ekonomii behawioralnej.
14:05
We have manywiele intuitionsintuicje in our life,
304
830000
4000
W życiu kierujemy się przeczuciami,
14:09
and the pointpunkt is that manywiele of these intuitionsintuicje are wrongźle.
305
834000
3000
które często okazują się błędne.
14:12
The questionpytanie is, are we going to testtest those intuitionsintuicje?
306
837000
3000
Czy zechcemy wystawiać je na próbę?
14:15
We can think about how we're going to testtest this intuitionintuicja
307
840000
2000
Zastanówmy się, jak je badać
14:17
in our privateprywatny life, in our businessbiznes life,
308
842000
2000
w życiu prywatnym, zawodowym,
14:19
and mostwiększość particularlyszczególnie when it goesidzie to policypolityka,
309
844000
3000
a zwłaszcza w polityce,
14:22
when we think about things like No ChildDziecko Left BehindZa,
310
847000
3000
przy projektach typu No Child Left Behind,
14:25
when you createStwórz newNowy stockZbiory marketsrynki, when you createStwórz other policieszasady --
311
850000
3000
przy tworzeniu nowych giełd, regulacji
14:28
taxationopodatkowania, healthzdrowie careopieka and so on.
312
853000
3000
systemów podatkowych, służby zdrowia itd.
14:31
And the difficultytrudność of testingtestowanie our intuitionintuicja
313
856000
2000
Trudno jest badać przeczucia,
14:33
was the bigduży lessonlekcja I learnednauczyli
314
858000
2000
czego doświadczyłem
14:35
when I wentposzedł back to the nursespielęgniarki to talk to them.
315
860000
2000
odwiedzając moje pielęgniarki.
14:37
So I wentposzedł back to talk to them
316
862000
2000
Wróciłem powiedzieć im,
14:39
and tell them what I founduznany out about removingusuwanie bandagesBandaże.
317
864000
3000
czego nauczyłem się o zdejmowaniu bandaży.
14:42
And I learnednauczyli two interestingciekawy things.
318
867000
2000
Dowiedziałem się dwóch ważnych rzeczy.
14:44
One was that my favoriteulubiony nursepielęgniarka, EttieEttie,
319
869000
2000
Po pierwsze Ettie, moja ulubiona pielęgniarka,
14:46
told me that I did not take her painból into considerationwynagrodzenie.
320
871000
4000
powiedziała, że nie wziąłem pod uwagę jej bólu.
14:50
She said, "Of coursekurs, you know, it was very painfulbolesny for you.
321
875000
2000
"Jasne, że cię bolało,
14:52
But think about me as a nursepielęgniarka,
322
877000
2000
ale pomyśl o mnie.
14:54
takingnabierający, removingusuwanie the bandagesBandaże of somebodyktoś I likedlubiany,
323
879000
2000
Zmieniam bandaże komuś, kogo lubię
14:56
and had to do it repeatedlywielokrotnie over a long periodokres of time.
324
881000
3000
w kółko, przez wiele tygodni.
14:59
CreatingTworzenie so much torturetorturować was not something that was good for me, too."
325
884000
3000
Przedłużanie tortur nie było też dobre dla mnie”.
15:02
And she said maybe partczęść of the reasonpowód was it was difficulttrudny for her.
326
887000
5000
Czyli częściowo robiła to dla siebie.
15:07
But it was actuallytak właściwie more interestingciekawy than that, because she said,
327
892000
3000
Co ważniejsze, dodała:
15:10
"I did not think that your intuitionintuicja was right.
328
895000
5000
"Twoje argumenty mnie nie przekonywały.
15:15
I feltczułem my intuitionintuicja was correctpoprawny."
329
900000
1000
Uważałam, że mam rację".
15:16
So, if you think about all of your intuitionsintuicje,
330
901000
2000
Myśląc o własnej intuicji,
15:18
it's very hardciężko to believe that your intuitionintuicja is wrongźle.
331
903000
4000
trudno nam uwierzyć, że możemy się mylić.
15:22
And she said, "GivenBiorąc pod uwagę the factfakt that I thought my intuitionintuicja was right ..." --
332
907000
3000
Dodała też, że ponieważ wierzyła
15:25
she thought her intuitionintuicja was right --
333
910000
2000
że ma rację,
15:27
it was very difficulttrudny for her to acceptzaakceptować doing a difficulttrudny experimenteksperyment
334
912000
5000
ciężko jej było zgodzić się na trudny eksperyment,
15:32
to try and checkczek whetherczy she was wrongźle.
335
917000
2000
aby sprawdzić, czy się myli.
15:34
But in factfakt, this is the situationsytuacja we're all in all the time.
336
919000
4000
Wszyscy doświadczamy tego co dzień.
15:38
We have very strongsilny intuitionsintuicje about all kindsrodzaje of things --
337
923000
3000
Mocno wierzymy własnym przeczuciom
15:41
our ownwłasny abilityzdolność, how the economygospodarka worksPrace,
338
926000
3000
w sprawach własnych zdolności, działania gospodarki,
15:44
how we should payzapłacić schoolszkoła teachersnauczyciele.
339
929000
2000
płac dla nauczycieli.
15:46
But unlesschyba że we startpoczątek testingtestowanie those intuitionsintuicje,
340
931000
3000
Jeżeli nie zaczniemy wystawiać ich na próbę,
15:49
we're not going to do better.
341
934000
2000
nie ruszymy z miejsca.
15:51
And just think about how better my life would have been
342
936000
2000
O ile lżejsze miałbym życie,
15:53
if these nursespielęgniarki would have been willingskłonny to checkczek theirich intuitionintuicja,
343
938000
2000
gdyby pielęgniarki poddały próbie swoje przeczucia,
15:55
and how everything would have been better
344
940000
1000
i o ile lepszy będzie świat,
15:56
if we just startpoczątek doing more systematicsystematyczne experimentationeksperymenty of our intuitionsintuicje.
345
941000
5000
jeśli zaczniemy systematycznie testować intuicje.
16:01
Thank you very much.
346
946000
2000
Dziękuję.
Translated by Alicja Szatkowska
Reviewed by Rysia Wand

▲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