TED2010
Esther Duflo: Social experiments to fight poverty
Esther Duflo: skuteczna walka z ubóstwem dzięki eksperymentom społecznym
Filmed:
Readability: 2.8
1,298,863 views
Obecne sposoby zmniejszania ubóstwa opierają się bardziej na zgadywaniu, niż solidnych podstawach naukowych, zaś brak danych o skuteczności podejmowanych działań pozostawia otwarte pytanie o ich formę. Esther Duflo, laureatka medalu Clarka*, zapewnia, że można sprawdzić, która forma pomocy przynosi poprawę, a która szkodzi, testując rozwiązania za pomocą eksperymentów kontrolowanych. *John Bates Clark Medal - prestiżowa nagroda dla ekonomistów poniżej 40 roku życia, którzy przyczynili się do wzrostu myśli i wiedzy ekonomicznej. Wielu laureatów tej nagrody zdobyło też nagrodę Nobla. [przyp. tłum]
Esther Duflo - Development economist
Esther Duflo takes economics out of the lab and into the field to discover the causes of poverty and means to eradicate it. Full bio
Esther Duflo takes economics out of the lab and into the field to discover the causes of poverty and means to eradicate it. Full bio
Double-click the English transcript below to play the video.
00:18
So here it is. You can check: I am short, I'm French,
0
3000
2000
Jestem niewysoką Francuzką,
00:20
I have a pretty strong French accent,
1
5000
2000
mam silny francuski akcent,
00:22
so that's going to be clear in a moment.
2
7000
3000
o czym się za chwilę przekonacie.
00:26
Maybe a sobering thought
3
11000
2000
Najpierw otrzeźwiająca myśl,
00:28
and something you all know about.
4
13000
2000
coś, o czym wszyscy wiecie.
00:30
And I suspect many of you gave
5
15000
2000
Podejrzewam, że wielu z was
00:32
something to the people of Haiti this year.
6
17000
3000
ofiarowało coś ludziom z Haiti.
00:35
And there is something else
7
20000
2000
Myślę też,
00:37
I believe in the back of your mind
8
22000
2000
że każdy w głębi duszy
00:39
you also know.
9
24000
2000
zdaje sobie sprawę,
00:41
That is, every day,
10
26000
2000
że każdego dnia
00:43
25,000 children die
11
28000
2000
25 tys. dzieci umiera
00:45
of entirely preventable causes.
12
30000
3000
z przyczyn, którym można zapobiec.
00:48
That's a Haiti earthquake every eight days.
13
33000
3000
To jak trzęsienie ziemi na Haiti, co 8 dni.
00:51
And I suspect many of you probably gave something
14
36000
2000
Sądzę, że wielu z was
00:53
towards that problem as well,
15
38000
2000
dało też coś na dzieci,
00:55
but somehow it doesn't happen
16
40000
2000
choć nie z tą samą intensywnością.
00:57
with the same intensity.
17
42000
2000
choć nie z tą samą intensywnością.
00:59
So why is that?
18
44000
2000
Dlaczego?
01:02
Well, here is a thought experiment for you.
19
47000
3000
Przeprowadźmy eksperyment myślowy.
01:05
Imagine you have a few million dollars that you've raised --
20
50000
2000
Załóżmy, że zebraliście parę milionów dolarów,
01:07
maybe you're a politician in a developing country
21
52000
3000
np. jako politycy w kraju rozwijającym się,
01:10
and you have a budget to spend. You want to spend it on the poor:
22
55000
3000
i macie budżet na pomoc biednym.
01:13
How do you go about it?
23
58000
3000
Jak się do tego zabierzecie?
01:16
Do you believe the people who tell you
24
61000
2000
Czy wierzycie, że wystarcza pieniądze?
01:18
that all we need to do is to spend money?
25
63000
2000
Czy wierzycie, że wystarczą pieniądze?
01:20
That we know how to eradicate poverty,
26
65000
3000
Że wiemy, jak walczyć z ubóstwem,
01:23
we just need to do more?
27
68000
2000
a tylko trzeba więcej wydać?
01:25
Or do you believe the people who tell you that
28
70000
2000
A może uważacie,
01:27
aid is not going to help, on the contrary it might hurt,
29
72000
3000
że pomoc nie pomaga, przeciwnie - szkodzi,
01:30
it might exacerbate corruption, dependence, etc.?
30
75000
3000
zwiększając korupcję, brak samodzielności itp.?
01:34
Or maybe you turn to the past.
31
79000
2000
Może spojrzycie wstecz.
01:36
After all, we have spent billions of dollars on aid.
32
81000
3000
Wydaliśmy już na pomoc miliardy dolarów.
01:39
Maybe you look at the past and see.
33
84000
2000
Może zapytacie:
01:41
Has it done any good?
34
86000
2000
"Czy to coś pomogło?"
01:43
And, sadly, we don't know.
35
88000
2000
Niestety, nie wiemy.
01:45
And worst of all, we will never know.
36
90000
3000
Co gorsza, nie dowiemy się nigdy.
01:49
And the reason is that -- take Africa for example.
37
94000
2000
Weźmy np. Afrykę.
01:51
Africans have already got a lot of aid.
38
96000
2000
Otrzymali mnówstwo pomocy,
01:53
These are the blue bars.
39
98000
2000
co pokazują niebieskie słupki.
01:55
And the GDP in Africa is not making much progress.
40
100000
3000
Mimo to PKB Afryki niezbyt się poprawia.
01:58
Okay, fine. How do you know what
41
103000
2000
Skąd mamy wiedzieć,
02:00
would have happened without the aid?
42
105000
2000
co działoby się bez tej pomocy?
02:02
Maybe it would have been much worse,
43
107000
3000
Może byłoby dużo gorzej.
02:05
or maybe it would have been better.
44
110000
2000
A może lepiej.
02:07
We have no idea. We don't know what the counterfactual is.
45
112000
3000
Nie mamy pojęcia, nie znamy alternatyw.
02:10
There's only one Africa.
46
115000
2000
Afryka jest tylko jedna.
02:12
So what do you do?
47
117000
2000
Więc co robić?
02:14
To give the aid, and hope and pray that something comes out of it?
48
119000
3000
Pomagać z nadzieją, że coś z tego wyniknie?
02:18
Or do you focus on your everyday life
49
123000
3000
Czy zająć się codziennymi sprawami,
02:21
and let the earthquake every eight days
50
126000
2000
pozwalając, by trzęsienie ziemi
02:23
continue to happen?
51
128000
2000
powtarzało się co osiem dni?
02:25
The thing is, if we don't know
52
130000
2000
Problem w tym, że nie wiedząc,
02:27
whether we are doing any good,
53
132000
2000
czy w ogóle pomagamy,
02:29
we are not any better
54
134000
2000
nie jesteśmy lepsi
02:31
than the Medieval doctors and their leeches.
55
136000
3000
od średniowiecznych medyków z pijawkami.
02:34
Sometimes the patient gets better, sometimes the patient dies.
56
139000
3000
Czasami pacjent zdrowieje, czasami umiera.
02:37
Is it the leeches? Is it something else?
57
142000
3000
Dzięki pijawkom? Czy przez coś innego?
02:40
We don't know.
58
145000
2000
Nie wiemy.
02:42
So here are some other questions.
59
147000
2000
Są jeszcze inne pytania.
02:44
They're smaller questions,
60
149000
2000
Trochę mniej ważkie,
02:46
but they are not that small.
61
151000
2000
ale nie za bardzo.
02:48
Immunization, that's the cheapest way
62
153000
3000
Szczepienia to najtańszy sposób,
02:51
to save a child's life.
63
156000
2000
na ocalenie życia dziecka.
02:53
And the world has spent a lot of money on it:
64
158000
2000
Świat wydał na ten cel sporo pieniędzy.
02:55
The GAVI and the Gates Foundations
65
160000
2000
Fundacje GAVI i Gates
02:57
are each pledging a lot of money towards it,
66
162000
2000
obiecują znaczne środki.
02:59
and developing countries themselves have been doing a lot of effort.
67
164000
3000
Same biedne kraje bardzo się starają.
03:02
And yet, every year
68
167000
2000
A jednak co roku
03:04
at least 25 million children
69
169000
2000
co najmniej 25 milionów dzieci
03:06
do not get the immunization they should get.
70
171000
3000
nie dostaje koniecznych szczepień.
03:09
So this is what you call a "last mile problem."
71
174000
3000
To tzw. problem "dobiegania do mety".
03:12
The technology is there,
72
177000
2000
Mamy technologię.
03:14
the infrastructure is there,
73
179000
2000
Mamy infrastrukturę.
03:16
and yet it doesn't happen.
74
181000
2000
Mimo to dzieci nie są szczepione.
03:18
So you have your million.
75
183000
2000
Wróćmy do naszego miliona dolarów.
03:20
How do you use your million
76
185000
2000
Jak go użyć,
03:22
to solve this last mile problem?
77
187000
2000
żeby dobiec do mety?
03:24
And here's another question:
78
189000
2000
I kolejne pytanie:
03:26
Malaria. Malaria kills almost
79
191000
3000
Malaria zabija co roku
03:29
900,000 people every year,
80
194000
3000
niemal 900 tys. ludzi,
03:32
most of them in Sub-Saharan Africa,
81
197000
2000
większość na terenie Czarnej Afryki,
03:34
most of them under five.
82
199000
2000
poniżej 5 roku życia.
03:36
In fact, that is the leading cause of under-five mortality.
83
201000
3000
To najczęstsza przyczyna zgonów w tym wieku.
03:39
We already know how to kill malaria,
84
204000
3000
Wiemy, jak walczyć z malarią,
03:42
but some people come to you and say,
85
207000
2000
aż tu ktoś mówi:
03:44
"You have your millions. How about bed nets?"
86
209000
3000
"Macie miliony. Może kupić moskitiery?"
03:47
Bed nets are very cheap.
87
212000
2000
Moskitiery są bardzo tanie.
03:49
For 10 dollars, you can manufacture and ship
88
214000
3000
10 dolarów starczy na produkcję i transport
03:52
an insecticide treated bed net
89
217000
2000
moskitier impregnowanych środkiem owadobójczym
03:54
and you can teach someone to use them.
90
219000
2000
i nauczenie, jak ich używać.
03:56
And, not only do they protect the people who sleep under them,
91
221000
3000
Moskitiery nie tylko chronią śpiących,
03:59
but they have these great contagion benefits.
92
224000
2000
ale też skutecznie zapobiegają zarażaniu.
04:01
If half of a community sleeps under a net,
93
226000
3000
Jeśli pół wioski śpi pod moskitierami,
04:04
the other half also benefits
94
229000
2000
drugie pół też korzysta,
04:06
because the contagion of the disease spread.
95
231000
3000
bo spada liczba zarażeń.
04:09
And yet, only a quarter of kids at risk sleep under a net.
96
234000
3000
Ale tylko ¼ tych dzieci ma moskitiery.
04:12
Societies should be willing to go out
97
237000
2000
Ogranizacje powinny zająć się moskitierami,
04:14
and subsidize the net, give them for free,
98
239000
2000
dofinansować je, rozdawać za darmo,
04:16
or, for that matter, pay people to use them
99
241000
2000
albo wręcz płacić użytkownikom,
04:18
because of those contagion benefits.
100
243000
2000
bo zmniejszą zachorowalność.
04:20
"Not so fast," say other people.
101
245000
2000
"Nie tak szybko", mówią inni.
04:22
"If you give the nets for free,
102
247000
2000
"Jeśli dacie je za darmo,
04:24
people are not going to value them.
103
249000
2000
ludzie nie będą ich cenić.
04:26
They're not going to use them,
104
251000
2000
Nie będą ich używać,
04:28
or at least they're not going to use them as bed nets,
105
253000
2000
a przynajmniej nie jako moskitiery,
04:30
maybe as fishing nets."
106
255000
2000
tylko sieci rybackie."
04:32
So, what do you do?
107
257000
2000
Co więc należy zrobić?
04:34
Do you give the nets for free to maximize coverage,
108
259000
2000
Rozdać, maksymalizując ilość użytkowników,
04:36
or do you make people pay
109
261000
2000
czy kazać zapłacić,
04:38
in order to make sure that they really value them?
110
263000
2000
by stały się cenne?
04:40
How do you know?
111
265000
2000
Skąd mamy wiedzieć?
04:42
And a third question: Education.
112
267000
2000
I trzecie pytanie: edukacja.
04:44
Maybe that's the solution, maybe we should send kids to school.
113
269000
2000
Może to rozwiązanie. Wyślijmy dzieci do szkół.
04:46
But how do you do that?
114
271000
2000
Ale jak to zrobić?
04:48
Do you hire teachers? Do you build more schools?
115
273000
2000
Zatrudnić nauczycieli? Zbudować więcej szkół?
04:50
Do you provide school lunch?
116
275000
2000
Zapewnić dzieciom obiady?
04:52
How do you know?
117
277000
2000
Skąd mamy to wiedzieć?
04:54
So here is the thing.
118
279000
2000
Sprawy mają się tak.
04:56
I cannot answer the big question,
119
281000
2000
Nie potrafię odpowiedzieć na duże pytanie,
04:58
whether aid did any good or not.
120
283000
2000
czy pomoc przydała się, czy nie;
05:00
But these three questions, I can answer them.
121
285000
3000
ale umiem odpowiedzieć na trzy mniejsze.
05:04
It's not the Middle Ages anymore,
122
289000
2000
Średniowiecze już się skończyło.
05:06
it's the 21st century.
123
291000
2000
Mamy XXI wiek.
05:08
And in the 20th century,
124
293000
2000
W wieku XX
05:10
randomized, controlled trials
125
295000
2000
randomizowane badania kontrolowane
05:12
have revolutionized medicine
126
297000
2000
zrewolucjonizowały medycynę,
05:14
by allowing us to distinguish
127
299000
2000
pozwalając odróżnić
05:16
between drugs that work
128
301000
2000
leki, które działają
05:18
and drugs that don't work.
129
303000
2000
od tych, które nie działają.
05:20
And you can do the same
130
305000
2000
Takim samym badaniom
05:22
randomized, controlled trial for social policy.
131
307000
3000
możemy poddać formy pomocy społecznej.
05:25
You can put social innovation to the same
132
310000
2000
Nowe rozwiązania można poddać
05:27
rigorous, scientific tests
133
312000
2000
rygorystycznym testom naukowym,
05:29
that we use for drugs.
134
314000
2000
których używamy przy lekach.
05:31
And in this way, you can take the guesswork
135
316000
3000
Dzięki temu możemy usunąć zgadywanie
05:34
out of policy-making
136
319000
2000
z procesu kształtowania polityki społecznej,
05:36
by knowing what works,
137
321000
2000
gdyż będziemy wiedzieć, co jest skuteczne,
05:38
what doesn't work and why.
138
323000
2000
a co nie, i dlaczego.
05:40
And I'll give you some examples with those three questions.
139
325000
3000
Podam przykłady.
05:44
So I start with immunization.
140
329000
2000
Zacznijmy od szczepień.
05:46
Here's Udaipur District, Rajasthan. Beautiful.
141
331000
3000
Oto region Udaipur w Radżastanie, piękne miejsce.
05:49
Well, when I started working there,
142
334000
2000
Gdy zaczynałam tam pracę,
05:51
about one percent of children
143
336000
2000
tylko 1% dzieci
05:53
were fully immunized.
144
338000
2000
dostawał pełne szczepienia.
05:55
That's bad, but there are places like that.
145
340000
3000
Bardzo źle, ale takie miejsca istnieją.
05:58
Now, it's not because the vaccines are not there --
146
343000
2000
Nie dlatego, że brakuje szczepionek.
06:00
they are there and they are free --
147
345000
2000
Są, i to na dodatek za darmo.
06:02
and it's not because parents do not care about their kids.
148
347000
3000
I nie dlatego, że rodzice nie dbają o dzieci.
06:05
The same child that is not immunized against measles,
149
350000
3000
Jeśli to samo, niezaszczepione dziecko
06:08
if they do get measles, parents will spend
150
353000
2000
zachoruje na odrę, rodzice wydadzą
06:10
thousands of rupees to help them.
151
355000
2000
tysiące rupii na leczenie.
06:12
So you get these empty village subcenters
152
357000
2000
Efekt: puste przychodnie wiejskie
06:14
and crowded hospitals.
153
359000
2000
i zatłoczone szpitale.
06:16
So what is the problem?
154
361000
2000
W czym leży problem?
06:18
Well, part of the problem, surely, is people do not fully understand.
155
363000
3000
Po części chodzi o brak zrozumienia.
06:21
After all, in this country as well,
156
366000
2000
Przecież nawet w USA
06:23
all sorts of myths and misconceptions
157
368000
2000
wokół kwestii szczepień
06:25
go around immunization.
158
370000
3000
krąży wiele mitów i nieporozumień.
06:28
So if that's the case, that's difficult,
159
373000
2000
To dużo komplikuje,
06:30
because persuasion is really difficult.
160
375000
3000
bo przekonywanie jest bardzo trudne.
06:33
But maybe there is another problem as well.
161
378000
2000
Ale może mamy inny problem.
06:35
It's going from intention to action.
162
380000
3000
Przejście od zamiarów do czynów.
06:38
Imagine you are a mother
163
383000
2000
Matka w regionie Udaipur w Radżastanie
06:40
in Udaipur District, Rajasthan.
164
385000
2000
Matka w regionie Udaipur w Radżastanie
06:42
You have to walk a few kilometers to get your kids immunized.
165
387000
3000
musi iść kilka kilometrów, by zaszczepić dzieci.
06:45
And maybe when you get there, what you find is this:
166
390000
2000
Może zastała przychodnię zamkniętą,
06:47
The subcenter is closed. Ao you have to come back,
167
392000
2000
więc wróciła do domu.
06:49
and you are so busy and you have so many other things to do,
168
394000
3000
Ma mnóstwo pracy, tyle do zrobienia,
06:52
you will always tend to postpone and postpone,
169
397000
2000
wciąż odkłada i odkłada,
06:54
and eventually it gets too late.
170
399000
2000
aż w końcu jest za późno.
06:56
Well, if that's the problem, then that's much easier.
171
401000
3000
Taki problem łatwiej rozwiązać,
06:59
Because A, we can make it easy,
172
404000
3000
bo, A. możemy proces ułatwić,
07:02
and B, we can maybe
173
407000
2000
i B. możemy zachęcić
07:04
give people a reason to act today,
174
409000
2000
do działania dziś,
07:06
rather than wait till tomorrow.
175
411000
2000
zamiast czekać do jutra.
07:08
So these are simple ideas, but we didn't know.
176
413000
2000
To prosty pomysł.
07:10
So let's try them.
177
415000
2000
Sprawdźmy go.
07:12
So what we did is we did a randomized, controlled trial
178
417000
3000
Przeprowadziliśmy kontrolowany eksperyment
07:15
in 134 villages in Udaipur Districts.
179
420000
2000
w 134 wioskach w regionie Udaipur.
07:17
So the blue dots
180
422000
2000
Niebieskie punkty
07:19
are selected randomly.
181
424000
2000
zostały wybrane losowo.
07:21
We made it easy -- I'll tell you how in a moment.
182
426000
3000
Ułatwiliśmy szczepienia. Zaraz opowiem jak.
07:24
In the red dots, we made it easy
183
429000
2000
W czerwonych punktach ułatwialiśmy
07:26
and gave people a reason to act now.
184
431000
2000
i zachęcaliśmy do natychmiastowego działania.
07:28
The white dots are comparisons, nothing changed.
185
433000
3000
Białe kropki to grupa kontrolna, żadnych zmian.
07:31
So we make it easy by organizing
186
436000
2000
Ułatwiliśmy dostęp organizując
07:33
this monthly camp where people can
187
438000
2000
comiesięczne obozy, podczas których
07:35
get their kids immunized.
188
440000
2000
można było zaszczepić dzieci.
07:37
And then you make it easy
189
442000
2000
Tu wprowadziliśmy obozy
07:39
and give a reason to act now
190
444000
2000
i zachętę do działania,
07:41
by adding a kilo of lentils for each immunization.
191
446000
3000
dając kilogram fasoli przy każdym szczepieniu.
07:44
Now, a kilo of lentils is tiny.
192
449000
3000
Kilo fasoli to nic wielkiego.
07:47
It's never going to convince anybody
193
452000
2000
Nie przekona nikogo
07:49
to do something that they don't want to do.
194
454000
2000
do działania wbrew przekonaniom.
07:51
On the other hand, if your problem is you tend to postpone,
195
456000
3000
Ale jeśli problemem jest zwlekanie,
07:54
then it might give you a reason to act today
196
459000
2000
może zmotywować do działania
07:56
rather than later.
197
461000
2000
od razu, a nie później.
07:58
So what do we find?
198
463000
2000
I co się okazało?
08:00
Well, beforehand, everything is the same.
199
465000
2000
Z początku wszędzie było tak samo.
08:02
That's the beauty of randomization.
200
467000
2000
To zaleta doboru losowego.
08:04
Afterwards,
201
469000
2000
Później, w miejscach gdzie
08:06
the camp -- just having the camp --
202
471000
2000
tylko ułatwiono dostęp,
08:08
increases immunization from six percent to 17 percent.
203
473000
2000
liczba szczepień wzrosła z 6 do 17%.
08:10
That's full immunization.
204
475000
2000
Mówimy o pełnych szczepieniach.
08:12
That's not bad, that's a good improvement.
205
477000
2000
Całkiem niezły wynik, widoczna poprawa.
08:14
Add the lentils and you reach to 38 percent.
206
479000
3000
Dodajemy fasolę i dochodzimy do 38%.
08:17
So here you've got your answer.
207
482000
2000
I mamy odpowiedź:
08:19
Make it easy and give a kilo of lentils,
208
484000
2000
łatwiejszy dostęp plus kilo fasoli
08:21
you multiply immunization rate by six.
209
486000
3000
zwiększają liczbę szczepień 6-krotnie.
08:24
Now, you might say, "Well, but it's not sustainable.
210
489000
2000
Powiecie: "Ale to więcej kosztuje.
08:26
We cannot keep giving lentils to people."
211
491000
2000
Nie możemy wciąż rozdawać fasoli."
08:28
Well, it turns out it's wrong economics,
212
493000
2000
Okazuje się, że to błędne rozumowanie,
08:30
because it is cheaper
213
495000
2000
gdyż fasola wychodzi taniej,
08:32
to give lentils than not to give them.
214
497000
2000
niż jej brak. Skoro i tak
08:34
Since you have to pay for the nurse anyway,
215
499000
2000
trzeba płacić pielęgniarkom,
08:36
the cost per immunization
216
501000
2000
to koszt szczepień spada
08:38
ends up being cheaper if you give incentives than if you don't.
217
503000
3000
przy zachęcie, nie bez niej.
08:42
How about bed nets?
218
507000
2000
Wróćmy do moskitier:
08:44
Should you give them for free, or should you ask people to pay for them?
219
509000
3000
Dawać za darmo, czy kazać płacić?
08:47
So the answer hinges
220
512000
2000
Odpowiedź zależy
08:49
on the answer to three simple questions.
221
514000
2000
od odpowiedzi na 3 proste pytania.
08:51
One is: If people must pay for a bed net,
222
516000
3000
1. Jeśli ludzie będą musieli zapłacić
08:54
are they going to purchase them?
223
519000
2000
to czy ją kupią?
08:56
The second one is:
224
521000
2000
2. Jeśli rozdamy moskitiery
08:58
If I give bed nets for free,
225
523000
2000
za darmo, czy ludzie
09:00
are people going to use them?
226
525000
2000
będą ich używać?
09:02
And the third one is:
227
527000
2000
3. Czy darmowe moskitiery
09:04
Do free bed nets discourage future purchase?
228
529000
2000
zniechęcą do zakupu moskitier w przyszłości?
09:06
The third one is important
229
531000
2000
Trzecie pytanie jest istotne,
09:08
because if we think people get used to handouts,
230
533000
3000
bo przyzwyczajanie ludzi do darowizn
09:11
it might destroy markets to distribute free bed nets.
231
536000
3000
może zniszczyć rynek zbytu.
09:14
Now this is a debate that has generated
232
539000
2000
Ta debata wywołała wiele emocji
09:16
a lot of emotion and angry rhetoric.
233
541000
3000
i gniewnej retoryki,
09:19
It's more ideological than practical,
234
544000
2000
bardziej ideologicznej niż praktycznej,
09:21
but it turns out it's an easy question.
235
546000
2000
choć samo pytanie jest proste.
09:23
We can know the answer to this question.
236
548000
2000
Możemy poznać odpowiedź
09:25
We can just run an experiment.
237
550000
2000
poprzez eksperyment.
09:27
And many experiments have been run, and they all have the same results,
238
552000
2000
Różne eksperymenty dały te same wyniki,
09:29
so I'm just going to talk to you about one.
239
554000
3000
więc opiszę tylko jeden z nich.
09:32
And this one that was in Kenya,
240
557000
2000
Przeprowadzono go w Kenii.
09:34
they went around and distributed to people
241
559000
2000
Prowadzący rozdawali
09:36
vouchers, discount vouchers.
242
561000
2000
kupony zniżkowe na zakup moskitier.
09:38
So people with their voucher
243
563000
2000
Można było wymienić kupon
09:40
could get the bed net in the local pharmacy.
244
565000
2000
na moskitierę w miejscowej aptece.
09:42
And some people get 100 percent discount,
245
567000
3000
Jedni dostali 100% zniżki,
09:45
and some people get 20 percent discounts,
246
570000
2000
inni 20% zniżki,
09:47
and some people get 50 percent discount, etc.
247
572000
3000
kolejni 50% zniżki, i tak dalej.
09:50
And now we can see what happens.
248
575000
2000
Zobaczmy, co się stało.
09:52
So, how about the purchasing?
249
577000
2000
Co z zakupami?
09:54
Well, what you can see is that
250
579000
2000
Otóż okazało się, że
09:56
when people have to pay for their bed nets,
251
581000
2000
gdy ludzie muszą płacić za moskitiery,
09:58
the coverage rate really falls down a lot.
252
583000
3000
stopień ich rozpowszechnienia znacznie spada.
10:01
So even with partial subsidy,
253
586000
2000
Nawet z dofinansowaniem,
10:03
three dollars is still not the full cost of a bed net,
254
588000
3000
bo 3 dolary to mniej niż koszt moskitiery.
10:06
and now you only have 20 percent of the people with the bed nets,
255
591000
2000
Tylko 20% osób kupuje moskitiery;
10:08
you lose the health immunity, that's not great.
256
593000
3000
tracimy korzyści zdrowotne, niedobrze.
10:11
Second thing is, how about the use?
257
596000
2000
Po drugie: co z wykorzystaniem?
10:13
Well, the good news is, people, if they have the bed nets,
258
598000
2000
Na plus: właściciel moskitiery
10:15
will use the bed nets regardless of how they got it.
259
600000
3000
używa jej, niezależnie od sposobu zdobycia.
10:18
If they get it for free, they use it.
260
603000
2000
Używają darmowych.
10:20
If they have to pay for it, they use it.
261
605000
2000
Używają kupionych.
10:22
How about the long term?
262
607000
2000
A na dłuższą metę?
10:24
In the long term,
263
609000
2000
Na dłuższą metę,
10:26
people who got the free bed nets,
264
611000
2000
właścicielom darmowych moskitier
10:28
one year later, were offered the option
265
613000
2000
po roku proponowano
10:30
to purchase a bed net at two dollars.
266
615000
3000
kupno kolejnej za 2 dolary.
10:33
And people who got the free one
267
618000
2000
Właściciele darmowych moskitier
10:35
were actually more likely to purchase the second one
268
620000
3000
częściej kupowali kolejną,
10:38
than people who didn't get a free one.
269
623000
2000
niż ci, którzy musieli za nią zapłacić.
10:40
So people do not get used to handouts; they get used to nets.
270
625000
3000
Przyzwyczaili się do moskitier, nie do prezentów.
10:43
Maybe we need to give them a little bit more credit.
271
628000
3000
Może powinniśmy bardziej im zaufać.
10:48
So, that's for bed nets. So you will think, "That's great.
272
633000
2000
Pewnie pomyślicie: "Wspaniale.
10:50
You know how to immunize kids, you know how to give bed nets."
273
635000
3000
Wiecie, jak szczepić i rozdawać moskitiery."
10:53
But what politicians need is a range of options.
274
638000
3000
Ale politycy potrzebują wielu opcji.
10:56
They need to know: Out of all the things I could do,
275
641000
3000
Chcą wiedzieć, która opcja
10:59
what is the best way to achieve my goals?
276
644000
3000
najlepiej zaprowadzi ich do celu.
11:02
So suppose your goal is to get kids into school.
277
647000
3000
Może chcemy wysłać dzieci do szkoły.
11:05
There are so many things you could do. You could pay for uniforms,
278
650000
3000
Jest wiele sposobów: kupić mundurki,
11:08
you could eliminate fees, you could build latrines,
279
653000
2000
znieść opłaty, zbudować latryny,
11:10
you could give girls sanitary pads, etc., etc.
280
655000
3000
rozdawać dziewczętom artykuły higieniczne, itp.
11:13
So what's the best?
281
658000
2000
Która metoda jest najlepsza?
11:15
Well, at some level, we think
282
660000
2000
Sądzimy, że na pewnym poziomie
11:17
all of these things should work.
283
662000
2000
zadziałają wszystkie.
11:19
So, is that sufficient? If we think they should work intuitively,
284
664000
2000
Ale czy sama intuicja
11:21
should we go for them?
285
666000
2000
wystarcza, by którąś wybrać?
11:23
Well, in business, that's certainly not the way we would go about it.
286
668000
3000
W świecie biznesu nikt by tak nie zrobił.
11:27
Consider for example
287
672000
2000
Weźmy np. przewóz towarów.
11:29
transporting goods.
288
674000
2000
Weźmy np. przewóz towarów.
11:31
Before the canals were invented
289
676000
2000
Zanim wymyślono kanały w Wielkiej Brytanii,
11:33
in Britain before the Industrial Revolution,
290
678000
3000
przed rewolucją przemysłową,
11:36
goods used to go on horse carts.
291
681000
2000
towary przewoziły konne wozy.
11:38
And then canals were built,
292
683000
2000
Potem zbudowano kanały
11:40
and with the same horseman and the same horse,
293
685000
3000
i ten sam woźnica i koń
11:43
you could carry ten times as much cargo.
294
688000
3000
mogli przewieźć 10 razy tyle.
11:46
So should they have continued
295
691000
2000
Czy mieliby
11:48
to carry the goods on the horse carts, on the ground,
296
693000
3000
nadal przewozić towary lądem,
11:51
that they would eventually get there?
297
696000
2000
starym, sprawdzonym sposobem?
11:53
Well, if that had been the case,
298
698000
2000
Wtedy nie mielibyśmy
11:55
there would have been no Industrial Revolution.
299
700000
2000
rewolucji przemysłowej.
11:57
So why shouldn't we do the same with social policy?
300
702000
3000
Czemu nie potraktować tak polityki społecznej?
12:00
In technology, we spend so much time
301
705000
2000
W technologii spędza się tyle czasu
12:02
experimenting, fine-tuning,
302
707000
2000
na eksperymentach, ulepszaniu,
12:04
getting the absolute cheapest way to do something,
303
709000
2000
zmniejszaniu kosztów.
12:06
so why aren't we doing that with social policy?
304
711000
3000
Dlaczego nie w polityce społecznej?
12:09
Well, with experiments, what you can do
305
714000
2000
Eksperymenty pozwalają
12:11
is answer a simple question.
306
716000
2000
odpowiedzieć na proste pytania.
12:13
Suppose you have 100 dollars to spend
307
718000
2000
Załóżmy, że mamy 100 dolarów
12:15
on various interventions.
308
720000
2000
do wydania na różne interwencje.
12:17
How many extra years of education
309
722000
2000
Ile dodatkowych lat edukacji
12:19
do you get for your hundred dollars?
310
724000
2000
dostaniemy za 100 dolarów?
12:21
Now I'm going to show you
311
726000
2000
Zademonstruję wyniki
12:23
what we get with various education interventions.
312
728000
3000
różnych interwencji w szkołach.
12:27
So the first ones are if you want the usual suspects,
313
732000
2000
Najpierw rzeczy oczywiste:
12:29
hire teachers, school meals,
314
734000
2000
zatrudnienie nauczycieli, szkolne posiłki,
12:31
school uniforms, scholarships.
315
736000
2000
mundurki i stypendia.
12:33
And that's not bad. For your hundred dollars,
316
738000
2000
Nieźle. 100 dolarów zapewni
12:35
you get between one and three extra years of education.
317
740000
3000
od roku do 3 lat dodatkowej edukacji.
12:39
Things that don't work so well is bribing parents,
318
744000
2000
Nie działa przekupywanie rodziców,
12:41
just because so many kids are already going to school
319
746000
3000
gdyż do szkoły chodzi już tyle dzieci,
12:44
that you end up spending a lot of money.
320
749000
2000
że wydatki byłby olbrzymie.
12:46
And here are the most surprising results.
321
751000
3000
Oto najbardziej zaskakujące wyniki.
12:49
Tell people the benefits of education,
322
754000
3000
Informowanie o korzyściach z edukacji.
12:52
that's very cheap to do.
323
757000
2000
Bardzo tani sposób.
12:54
So for every hundred dollars you spend doing that,
324
759000
3000
100 dolarów na ten cel
12:57
you get 40 extra years of education.
325
762000
3000
daje nam dodatkowe 40 lat edukacji.
13:00
And, in places where there are worms,
326
765000
2000
W miejscach występowania pasożytów,
13:02
intestinal worms,
327
767000
2000
głównie przewodu pokarmowego,
13:04
cure the kids of their worms.
328
769000
2000
wystarczy wyleczyć dzieci.
13:06
And for every hundred dollars,
329
771000
2000
Każde 100 dolarów na odrobaczanie
13:08
you get almost 30 extra years of education.
330
773000
3000
daje prawie 30 lat edukacji więcej.
13:11
So this is not your intuition,
331
776000
2000
Te rozwiązania nie wzięły się z intuicji.
13:13
this is not what people would have gone for,
332
778000
2000
Mało kto by na to wpadł, a jednak
13:15
and yet, these are the programs that work.
333
780000
3000
właśnie te programy są najbardziej skuteczne.
13:18
We need that kind of information, we need more of it,
334
783000
2000
Potrzebujemy więcej takich informacji.
13:20
and then we need to guide policy.
335
785000
2000
Potem trzeba pokierować polityką.
13:24
So now, I started from the big problem, and I couldn't answer it.
336
789000
3000
Nie znałam rozwiązania dla dużego problemu.
13:27
And I cut it into smaller questions,
337
792000
3000
Podzieliłam go więc na mniejsze pytania
13:30
and I have the answer to these smaller questions.
338
795000
2000
i znalazłam na nie odpowiedzi.
13:32
And they are good, scientific, robust answers.
339
797000
3000
Dobre, naukowe, solidne odpowiedzi.
13:36
So let's go back to Haiti for a moment.
340
801000
2000
Wróćmy na moment do Haiti.
13:39
In Haiti, about 200,000 people died --
341
804000
3000
Zginęło tam około 200 000 ludzi,
13:43
actually, a bit more by the latest estimate.
342
808000
2000
może nawet więcej.
13:45
And the response of the world was great:
343
810000
2000
Świat zareagował wspaniale.
13:47
Two billion dollars got pledged just last month,
344
812000
3000
Miesiąc temu obiecano 2 miliardy dolarów.
13:51
so that's about 10,000 dollars per death.
345
816000
2000
Czyli 10 tys. dolarów na ofiarę śmiertelną.
13:53
That doesn't sound like that much when you think about it.
346
818000
3000
Nie wydaje się to jakoś specjalnie dużo.
13:56
But if we were willing to spend 10,000 dollars
347
821000
3000
Gdybyśmy przeznaczyli 10 tys. dolarów
13:59
for every child under five who dies,
348
824000
3000
na każde umierające dziecko poniżej 5 lat,
14:02
that would be 90 billion per year
349
827000
3000
wyszłoby 90 miliardów rocznie
14:05
just for that problem.
350
830000
2000
tylko na ten cel.
14:07
And yet it doesn't happen.
351
832000
2000
A jednak tak się nie dzieje.
14:09
So, why is that?
352
834000
2000
Dlaczego?
14:11
Well, I think what part of the problem is that,
353
836000
2000
Myślę, że częściowo przyczyną jest fakt,
14:13
in Haiti, although the problem is huge,
354
838000
2000
że problem Haiti, jakkolwiek ogromny,
14:15
somehow we understand it, it's localized.
355
840000
2000
jest lokalny i możemy go ogarnąć umysłem.
14:17
You give your money to Doctors Without Borders,
356
842000
2000
Damy pieniądze Lekarzom Bez Granic,
14:19
you give your money to Partners In Health,
357
844000
2000
damy pieniądze organizacji Partners in Health,
14:21
and they'll send in the doctors, and they'll send in the lumber,
358
846000
3000
i oni wyślą na Haiti lekarzy, środki budowlane,
14:24
and they'll helicopter things out and in.
359
849000
3000
zapewnią transport helikopterami.
14:27
And the problem of poverty is not like that.
360
852000
2000
Natomiast problem ubóstwa jest inny.
14:29
So, first, it's mostly invisible;
361
854000
2000
Po pierwsze: jest w większości niewidoczny.
14:31
second, it's huge;
362
856000
2000
Po drugie: jest ogromny.
14:33
and third, we don't know whether we are doing the right thing.
363
858000
3000
Po trzecie: nie wiemy, czy działamy prawidłowo.
14:36
There's no silver bullet.
364
861000
2000
Nie istnieje idealne rozwiązanie.
14:38
You cannot helicopter people out of poverty.
365
863000
2000
Nie wyciągniemy ludzi z ubóstwa helikopterem.
14:40
And that's very frustrating.
366
865000
2000
To bardzo zniechęca.
14:42
But look what we just did today.
367
867000
3000
Ale spójrzmy na to, co dziś zrobiliśmy.
14:45
I gave you three simple answers to three questions:
368
870000
3000
Dałam trzy proste odpowiedzi na trzy pytania:
14:48
Give lentils to immunize people,
369
873000
2000
fasola zwiększająca ilość szczepień,
14:50
provide free bed nets, deworm children.
370
875000
2000
darmowe moskitiery, odrobaczanie dzieci.
14:52
With immunization or bed nets,
371
877000
2000
Szczepienia i moskitiery
14:54
you can save a life for 300 dollars per life saved.
372
879000
3000
pozwalają ocalić jedno życie za 300 dolarów.
14:57
With deworming, you can get
373
882000
2000
Odrobaczanie daje dodatkowy
14:59
an extra year of education for three dollars.
374
884000
2000
rok edukacji za trzy dolary.
15:02
So we cannot eradicate poverty just yet,
375
887000
3000
Jeszcze nie możemy zlikwidować ubóstwa,
15:05
but we can get started.
376
890000
2000
ale możemy zacząć.
15:07
And maybe we can get started small
377
892000
2000
Na małą skalę, stosując rozwiązania,
15:09
with things that we know are effective.
378
894000
3000
których skuteczność znamy.
15:12
Here's an example of how this can be powerful.
379
897000
2000
Oto przykład olbrzymiego sukcesu:
15:14
Deworming.
380
899000
2000
Odrobaczanie.
15:16
Worms have a little bit of a problem grabbing the headlines.
381
901000
2000
Ten temat rzadko trafia na nagłówki.
15:18
They are not beautiful and don't kill anybody.
382
903000
3000
Pasożyty są brzydkie i nikogo nie zabijają.
15:21
And yet, when the young global leader in Davos
383
906000
2000
Jednak gdy młody przywódca światowy w Davos
15:23
showed the numbers I gave you,
384
908000
2000
przedstawił liczby, które dziś pokazałam,
15:25
they started Deworm the World.
385
910000
2000
rozpoczęto akcję Deworm the World
15:27
And thanks to Deworm the World,
386
912000
2000
(Odrobaczyć Świat). Dzięki niej
15:29
and the effort of many country governments and foundations,
387
914000
2000
oraz wysiłkom wielu rządów i fundacji,
15:31
20 million school-aged children got dewormed in 2009.
388
916000
3000
w 2009 r. odrobaczono 20 milionów uczniów.
15:34
So this evidence is powerful.
389
919000
2000
To bardzo mocne dowody.
15:36
It can prompt action.
390
921000
2000
Motywują do działania.
15:38
So we should get started now.
391
923000
2000
Powinniśmy zacząć już teraz.
15:40
It's not going to be easy.
392
925000
2000
Na pewno nie będzie łatwo.
15:42
It's a very slow process.
393
927000
2000
To bardzo powolny proces.
15:44
You have to keep experimenting, and sometimes ideology
394
929000
2000
Musimy nadal eksperymentować. Czasem ideologia
15:46
has to be trumped by practicality.
395
931000
2000
musi ustąpić miejsca praktyce.
15:48
And sometimes what works somewhere doesn't work elsewhere.
396
933000
3000
Coś, co działa w jednym miejscu, nie działa w innym.
15:51
So it's a slow process,
397
936000
2000
Jest to więc powolny proces,
15:53
but there is no other way.
398
938000
2000
ale nie ma innego sposobu.
15:55
These economics I'm proposing,
399
940000
2000
Ekonomia, którą proponuję,
15:57
it's like 20th century medicine.
400
942000
2000
jest jak medycyna XX wieku:
15:59
It's a slow, deliberative process
401
944000
2000
powolny, uważny proces odkrywania.
16:01
of discovery.
402
946000
2000
powolny, uważny proces odkrywania.
16:03
There is no miracle cure,
403
948000
2000
Nie ma cudownego lekarstwa,
16:05
but modern medicine is saving
404
950000
2000
a jednak nowoczesna medycyna ratuje
16:07
millions of lives every year,
405
952000
2000
miliony istnień każdego roku.
16:09
and we can do the same thing.
406
954000
2000
My możemy zrobić to samo.
16:13
And now, maybe, we can go back to the bigger question
407
958000
3000
Teraz wróćmy do większego pytania,
16:16
that I started with at the beginning.
408
961000
3000
które padło na samym początku.
16:19
I cannot tell you
409
964000
2000
Nie potrafię powiedzieć,
16:21
whether the aid we have spent in the past has made a difference,
410
966000
3000
czy dotychczasowa pomoc poprawiła sytuację.
16:24
but can we come back here in 30 years
411
969000
3000
Ale czy za 30 lat,
16:27
and say, "What we have done,
412
972000
3000
będziemy mogli powiedzieć: "Nasza praca
16:30
it really prompted a change for the better."
413
975000
3000
naprawdę przyniosła zmiany na lepsze"?
16:33
I believe we can and I hope we will.
414
978000
2000
Wierzę, że tak.
16:35
Thank you.
415
980000
2000
Dziękuję.
16:37
(Applause)
416
982000
2000
(Oklaski)
ABOUT THE SPEAKER
Esther Duflo - Development economistEsther Duflo takes economics out of the lab and into the field to discover the causes of poverty and means to eradicate it.
Why you should listen
2009 MacArthur fellow Esther Duflo is pushing the field of development economics by studying specific causal relationships that lead to or perpetuate poverty. She looks at close-to-home issues: household behavior, education, access to finance and health.
At MIT, she's the founder and director of the Jameel Poverty Action Lab (J-PAL), a research network that evaluates social programs. It's concerned less with wide-ranging policy than with specific questions. Sample: If schoolkids could get their uniforms for free, would attendance go up? What's an effective way to reward mothers for immunizing their babies? Randomized trials offer new insights toward creating global equity and prosperity. Her work may blur the lines between economics and activism, but it's a role Duflo not only considers comfortable but vital.
Her new book is Poor Economics, with Abhijit W. Banerjee.
Esther Duflo | Speaker | TED.com