TED2009
Dan Ariely: Our buggy moral code
Dan Ariely: O nosso código moral defeituoso
Filmed:
Readability: 3.2
3,509,395 views
O economista comportamental Dan Ariely estuda os defeitos no nosso código moral: as razões ocultas que nos levam a pensar que, em determinadas circunstâncias, é correto fazer batota ou roubar. Estudos inteligentes ajudam-no a demonstrar que somos previsivelmente irracionais — e que podemos ser influenciados de formas de que não nos apercebemos.
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.
Hoje queria falar-vos um pouco
00:16
I want to talk to you today a little bit
0
1000
2000
00:18
about predictable irrationality.
1
3000
3000
sobre irracionalidade previsível.
00:21
And my interest in irrational behavior
2
6000
4000
O meu interesse
em comportamento irracional
em comportamento irracional
00:25
started many years ago in the hospital.
3
10000
3000
começou há muitos anos, no hospital.
00:28
I was burned very badly.
4
13000
4000
Eu estava gravemente queimado.
00:32
And if you spend a lot of time in hospital,
5
17000
3000
E, quando se passa muito tempo
num hospital,
num hospital,
00:35
you'll see a lot of types of irrationalities.
6
20000
3000
observam-se muitos tipos
de irracionalidades.
de irracionalidades.
00:38
And the one that particularly bothered me in the burn department
7
23000
5000
Aquela que realmente me incomodava
na Unidade de Queimados
na Unidade de Queimados
00:43
was the process by which the nurses took the bandage off me.
8
28000
4000
era o processo que as enfermeiras usavam
para me retirarem os pensos.
para me retirarem os pensos.
Todos vocês já retiraram
um "penso rápido", a certa altura,
um "penso rápido", a certa altura,
00:48
Now, you must have all taken a Band-Aid off at some point,
9
33000
2000
00:50
and you must have wondered what's the right approach.
10
35000
3000
e devem ter imaginado qual o melhor
método para o fazer.
método para o fazer.
00:53
Do you rip it off quickly -- short duration but high intensity --
11
38000
4000
Arrancá-lo rapidamente
— curta duração mas alta intensidade —
— curta duração mas alta intensidade —
00:57
or do you take your Band-Aid off slowly --
12
42000
2000
ou retirá-lo lentamente
00:59
you take a long time, but each second is not as painful --
13
44000
4000
— demora-se mais tempo,
mas cada segundo é menos doloroso.
mas cada segundo é menos doloroso.
01:03
which one of those is the right approach?
14
48000
3000
Qual deles é o melhor método?
01:06
The nurses in my department thought that the right approach
15
51000
4000
As enfermeiras, na minha Unidade,
achavam que o melhor método
era arrancá-lo.
era arrancá-lo.
01:10
was the ripping one, so they would grab hold and they would rip,
16
55000
3000
Então, elas agarravam e arrancavam,
01:13
and they would grab hold and they would rip.
17
58000
2000
agarravam e arrancavam.
01:15
And because I had 70 percent of my body burned, it would take about an hour.
18
60000
4000
Como 70 % do meu corpo estava queimado,
isso demorava cerca de uma hora.
isso demorava cerca de uma hora.
01:19
And as you can imagine,
19
64000
3000
Como podem imaginar,
01:22
I hated that moment of ripping with incredible intensity.
20
67000
4000
eu odiava aquele momento de arrancar
com grande intensidade.
com grande intensidade.
01:26
And I would try to reason with them and say,
21
71000
2000
Tentava argumentar com elas dizendo:
"Podíamos tentar outra coisa.
01:28
"Why don't we try something else?
22
73000
1000
01:29
Why don't we take it a little longer --
23
74000
2000
"Porque é que não demoramos um pouco mais
01:31
maybe two hours instead of an hour -- and have less of this intensity?"
24
76000
5000
"— talvez duas horas em vez de uma —
e a coisa ser mais suave?"
e a coisa ser mais suave?"
01:36
And the nurses told me two things.
25
81000
2000
As enfermeiras disseram-me duas coisas:
01:38
They told me that they had the right model of the patient --
26
83000
4000
Disseram-me que tinham
um modelo certo de paciente
um modelo certo de paciente
01:42
that they knew what was the right thing to do to minimize my pain --
27
87000
3000
— sabiam qual a melhor maneira
de minimizar a minha dor —
de minimizar a minha dor —
01:45
and they also told me that the word patient doesn't mean
28
90000
3000
e disseram-me também
que a palavra "paciente"
que a palavra "paciente"
não significava fazer sugestões
nem interferir.
nem interferir.
01:48
to make suggestions or to interfere or ...
29
93000
2000
01:50
This is not just in Hebrew, by the way.
30
95000
3000
(Risos)
A propósito, isto não é apenas em hebreu,
01:53
It's in every language I've had experience with so far.
31
98000
3000
é em todas as línguas com
que tive contacto até hoje.
que tive contacto até hoje.
01:56
And, you know, there's not much -- there wasn't much I could do,
32
101000
4000
Evidentemente, não havia
muito que eu pudesse fazer
muito que eu pudesse fazer
02:00
and they kept on doing what they were doing.
33
105000
3000
e elas continuaram a fazer o que faziam.
Cerca de três anos depois,
quando saí do hospital,
quando saí do hospital,
02:03
And about three years later, when I left the hospital,
34
108000
2000
02:05
I started studying at the university.
35
110000
3000
comecei a estudar na universidade.
02:08
And one of the most interesting lessons I learned
36
113000
3000
Uma das lições mais interessantes
que aprendi
que aprendi
foi que existe um método experimental
02:11
was that there is an experimental method
37
116000
2000
02:13
that if you have a question you can create a replica of this question
38
118000
4000
com o qual, tendo uma questão, podemos
criar uma réplica dessa questão
criar uma réplica dessa questão
02:17
in some abstract way, and you can try to examine this question,
39
122000
4000
de uma forma abstrata, podemos
tentar examinar essa questão,
tentar examinar essa questão,
02:21
maybe learn something about the world.
40
126000
2000
e talvez aprender algo sobre o mundo.
02:23
So that's what I did.
41
128000
2000
E foi isso que eu fiz.
02:25
I was still interested
42
130000
1000
Continuava interessado na questão
02:26
in this question of how do you take bandages off burn patients.
43
131000
2000
de como retirar pensos
a pacientes queimados.
a pacientes queimados.
02:28
So originally I didn't have much money,
44
133000
3000
No princípio, não tinha muito dinheiro,
02:31
so I went to a hardware store and I bought a carpenter's vice.
45
136000
4000
por isso fui a uma loja de ferramentas
e comprei um torno de carpinteiro.
e comprei um torno de carpinteiro.
02:35
And I would bring people to the lab and I would put their finger in it,
46
140000
4000
Levava pessoas para o meu laboratório,
colocava-lhes um dedo lá dentro
colocava-lhes um dedo lá dentro
02:39
and I would crunch it a little bit.
47
144000
2000
e apertava-o um bocado.
02:41
(Laughter)
48
146000
2000
(Risos)
02:43
And I would crunch it for long periods and short periods,
49
148000
3000
Apertava-o por períodos longos
e períodos curtos,
e períodos curtos,
02:46
and pain that went up and pain that went down,
50
151000
2000
com a dor a aumentar e a diminuir,
02:48
and with breaks and without breaks -- all kinds of versions of pain.
51
153000
4000
com intervalos e sem intervalos
— todos os tipos de versões de dor.
— todos os tipos de versões de dor.
Depois de magoar um pouco
as pessoas, perguntava-lhes:
as pessoas, perguntava-lhes:
02:52
And when I finished hurting people a little bit, I would ask them,
52
157000
2000
02:54
so, how painful was this? Or, how painful was this?
53
159000
2000
"Doeu muito? Até que ponto doeu?
02:56
Or, if you had to choose between the last two,
54
161000
2000
"Se tivesse de escolher entre
as últimas duas, qual escolheria?"
as últimas duas, qual escolheria?"
02:58
which one would you choose?
55
163000
2000
03:00
(Laughter)
56
165000
3000
(Risos)
03:03
I kept on doing this for a while.
57
168000
3000
Continuei a fazer isto durante uns tempos.
03:06
(Laughter)
58
171000
2000
(Risos)
03:08
And then, like all good academic projects, I got more funding.
59
173000
4000
Depois, como todos os bons projetos
académicos, consegui mais financiamento.
académicos, consegui mais financiamento.
03:12
I moved to sounds, electrical shocks --
60
177000
2000
Passei para sons, choques elétricos —
03:14
I even had a pain suit that I could get people to feel much more pain.
61
179000
5000
até tinha um fato de dor com que conseguia
fazer as pessoas sentir muito mais dor.
fazer as pessoas sentir muito mais dor.
03:19
But at the end of this process,
62
184000
4000
Mas, no fim deste processo,
03:23
what I learned was that the nurses were wrong.
63
188000
3000
aquilo que aprendi foi
que as enfermeiras estavam erradas.
que as enfermeiras estavam erradas.
03:26
Here were wonderful people with good intentions
64
191000
3000
Eram pessoas maravilhosas,
com boas intenções
com boas intenções
03:29
and plenty of experience, and nevertheless
65
194000
2000
e muita experiência e, mesmo assim,
03:31
they were getting things wrong predictably all the time.
66
196000
4000
estavam, previsivelmente,
sempre a agir de forma errada.
sempre a agir de forma errada.
03:35
It turns out that because we don't encode duration
67
200000
3000
Acontece que,
como não interpretamos a duração
como não interpretamos a duração
03:38
in the way that we encode intensity,
68
203000
2000
da mesma forma
que interpretamos a intensidade,
que interpretamos a intensidade,
03:40
I would have had less pain if the duration would have been longer
69
205000
4000
eu teria sentido menos dor
se a duração fosse maior
e a intensidade menor.
e a intensidade menor.
03:44
and the intensity was lower.
70
209000
2000
03:46
It turns out it would have been better to start with my face,
71
211000
3000
Teria sido melhor começar pela minha cara,
que era muito mais doloroso,
e continuar na direção das pernas,
e continuar na direção das pernas,
03:49
which was much more painful, and move toward my legs,
72
214000
2000
03:51
giving me a trend of improvement over time --
73
216000
3000
dando-me uma sensação
de melhoria ao longo do tempo
de melhoria ao longo do tempo
03:54
that would have been also less painful.
74
219000
1000
o que também seria menos doloroso.
03:55
And it also turns out that it would have been good
75
220000
2000
Também teria sido bom
03:57
to give me breaks in the middle to kind of recuperate from the pain.
76
222000
2000
fazerem intervalos a meio,
para recuperar da dor.
para recuperar da dor.
03:59
All of these would have been great things to do,
77
224000
2000
Tudo isto seriam ótimas coisas para fazer,
04:01
and my nurses had no idea.
78
226000
3000
e as minhas enfermeiras não faziam ideia.
A partir desse momento comecei a pensar
04:04
And from that point on I started thinking,
79
229000
1000
04:05
are the nurses the only people in the world who get things wrong
80
230000
3000
se eram só as enfermeiras
que erram neste tipo de decisão,
que erram neste tipo de decisão,
04:08
in this particular decision, or is it a more general case?
81
233000
3000
ou se seria um caso mais generalizado?
04:11
And it turns out it's a more general case --
82
236000
2000
Verifica-se que é um caso
mais generalizado.
mais generalizado.
04:13
there's a lot of mistakes we do.
83
238000
3000
Cometemos muitos erros.
04:16
And I want to give you one example of one of these irrationalities,
84
241000
5000
Quero dar-vos um exemplo
de uma destas irracionalidades.
de uma destas irracionalidades.
04:21
and I want to talk to you about cheating.
85
246000
3000
Quero falar-vos da fraude.
04:24
And the reason I picked cheating is because it's interesting,
86
249000
2000
Escolhi a fraude porque é interessante,
mas também porque penso
que nos revela qualquer coisa,
que nos revela qualquer coisa,
04:26
but also it tells us something, I think,
87
251000
2000
04:28
about the stock market situation we're in.
88
253000
3000
sobre a situação que vivemos
na Bolsa de Valores.
na Bolsa de Valores.
04:31
So, my interest in cheating started
89
256000
3000
O meu interesse na fraude surgiu
04:34
when Enron came on the scene, exploded all of a sudden,
90
259000
2000
quando a Enron surgiu em cena
e explodiu de repente.
e explodiu de repente.
04:36
and I started thinking about what is happening here.
91
261000
3000
Eu comecei a pensar
no que estava a acontecer.
no que estava a acontecer.
04:39
Is it the case that there was kind of
92
264000
1000
Seria um caso em que umas maçãs podres
são capazes de fazer estas coisas,
são capazes de fazer estas coisas,
04:40
a few apples who are capable of doing these things,
93
265000
3000
04:43
or are we talking a more endemic situation,
94
268000
2000
ou estamos a falar de uma situação
mais endémica,
mais endémica,
04:45
that many people are actually capable of behaving this way?
95
270000
4000
em que muitas pessoas são capazes
de se comportar desta forma?
de se comportar desta forma?
04:49
So, like we usually do, I decided to do a simple experiment.
96
274000
4000
Como fazemos normalmente,
decidi fazer uma experiência simples.
decidi fazer uma experiência simples.
04:53
And here's how it went.
97
278000
1000
Eis o que se passou.
04:54
If you were in the experiment, I would pass you a sheet of paper
98
279000
3000
Se vocês fizessem parte da experiência,
recebiam uma folha de papel
recebiam uma folha de papel
04:57
with 20 simple math problems that everybody could solve,
99
282000
4000
com 20 problemas matemáticos simples,
que qualquer um consegue resolver,
que qualquer um consegue resolver,
mas não tinham tempo suficiente.
05:01
but I wouldn't give you enough time.
100
286000
2000
Ao fim de cinco minutos, eu dizia:
05:03
When the five minutes were over, I would say,
101
288000
2000
"Devolvam-me as folhas,
e eu pago-vos um dólar por resposta".
e eu pago-vos um dólar por resposta".
05:05
"Pass me the sheets of paper, and I'll pay you a dollar per question."
102
290000
3000
05:08
People did this. I would pay people four dollars for their task --
103
293000
4000
As pessoas faziam-no
e eu pagava quatro dólares pela tarefa
e eu pagava quatro dólares pela tarefa
— em média as pessoas
resolviam quatro problemas.
resolviam quatro problemas.
05:12
on average people would solve four problems.
104
297000
2000
05:14
Other people I would tempt to cheat.
105
299000
3000
A outros, tentei-os
para que fizessem batota.
para que fizessem batota.
Dava-lhes a folha de papel.
05:17
I would pass their sheet of paper.
106
302000
1000
05:18
When the five minutes were over, I would say,
107
303000
2000
Quando os cinco minutos acabavam, dizia:
05:20
"Please shred the piece of paper.
108
305000
1000
"Por favor, rasguem as folhas.
05:21
Put the little pieces in your pocket or in your backpack,
109
306000
3000
"Coloquem os pedacinhos
no bolso ou na mochila
no bolso ou na mochila
05:24
and tell me how many questions you got correctly."
110
309000
3000
"e digam-me quantos problemas
conseguiram resolver corretamente."
conseguiram resolver corretamente."
05:27
People now solved seven questions on average.
111
312000
3000
As pessoas agora resolviam,
em média, sete problemas.
em média, sete problemas.
05:30
Now, it wasn't as if there was a few bad apples --
112
315000
5000
(Risos)
Mas não eram apenas
algumas maçãs podres
algumas maçãs podres
05:35
a few people cheated a lot.
113
320000
3000
— poucas pessoas a fazer muita batota.
Em vez disso, o que observámos
05:38
Instead, what we saw is a lot of people who cheat a little bit.
114
323000
3000
foram muitas pessoas
a mentir apenas um pouco.
a mentir apenas um pouco.
05:41
Now, in economic theory,
115
326000
3000
Na teoria económica,
05:44
cheating is a very simple cost-benefit analysis.
116
329000
3000
a batota é uma análise
de custo-benefício muito simples.
de custo-benefício muito simples.
05:47
You say, what's the probability of being caught?
117
332000
2000
Dizemos: "Qual a probabilidade
de ser apanhado?
de ser apanhado?
05:49
How much do I stand to gain from cheating?
118
334000
3000
"Quanto é que posso ganhar com a mentira?
05:52
And how much punishment would I get if I get caught?
119
337000
2000
"Qual será o castigo se for apanhado?"
05:54
And you weigh these options out --
120
339000
2000
Pesamos estas opções,
fazemos uma simples
análise custo-benefício,
análise custo-benefício,
05:56
you do the simple cost-benefit analysis,
121
341000
2000
05:58
and you decide whether it's worthwhile to commit the crime or not.
122
343000
3000
e decidimos se vale a pena
ou não praticar o crime.
ou não praticar o crime.
06:01
So, we try to test this.
123
346000
2000
Então tentámos testar isto.
06:03
For some people, we varied how much money they could get away with --
124
348000
4000
Com algumas pessoas, variámos a quantidade
de dinheiro que podiam ganhar
de dinheiro que podiam ganhar
— quanto dinheiro é que podiam roubar.
06:07
how much money they could steal.
125
352000
1000
06:08
We paid them 10 cents per correct question, 50 cents,
126
353000
3000
Pagávamos 10 cêntimos
por resposta correta,
por resposta correta,
50 cêntimos, um dólar, cinco dólares,
10 dólares por resposta correta.
10 dólares por resposta correta.
06:11
a dollar, five dollars, 10 dollars per correct question.
127
356000
3000
06:14
You would expect that as the amount of money on the table increases,
128
359000
4000
Seria de esperar que,
aumentando o dinheiro disponível,
aumentando o dinheiro disponível,
06:18
people would cheat more, but in fact it wasn't the case.
129
363000
3000
as pessoas fizessem mais batota,
mas não foi isso que aconteceu.
mas não foi isso que aconteceu.
06:21
We got a lot of people cheating by stealing by a little bit.
130
366000
3000
Houve muitas pessoas a fazer batota,
mas roubando apenas um pouco.
mas roubando apenas um pouco.
06:24
What about the probability of being caught?
131
369000
3000
E quanto à probabilidade
de serem apanhados?
de serem apanhados?
06:27
Some people shredded half the sheet of paper,
132
372000
2000
Algumas pessoas rasgaram a folha ao meio,
06:29
so there was some evidence left.
133
374000
1000
portanto restaram algumas provas.
06:30
Some people shredded the whole sheet of paper.
134
375000
2000
Algumas pessoas rasgaram a folha toda.
06:32
Some people shredded everything, went out of the room,
135
377000
3000
Algumas pessoas rasgavam tudo,
saíam da sala
saíam da sala
e pagavam-se com o dinheiro que havia
numa taça que tinha mais de 100 dólares.
numa taça que tinha mais de 100 dólares.
06:35
and paid themselves from the bowl of money that had over 100 dollars.
136
380000
3000
06:38
You would expect that as the probability of being caught goes down,
137
383000
3000
Seria de esperar que, diminuindo
a probabilidade de serem apanhadas,
a probabilidade de serem apanhadas,
06:41
people would cheat more, but again, this was not the case.
138
386000
3000
as pessoas fizessem mais batota
mas isso não aconteceu.
mas isso não aconteceu.
06:44
Again, a lot of people cheated by just by a little bit,
139
389000
3000
Mais uma vez, houve muita gente
a mentir mas só um pouco,
a mentir mas só um pouco,
06:47
and they were insensitive to these economic incentives.
140
392000
3000
e não foram sensíveis
àqueles incentivos económicos.
àqueles incentivos económicos.
06:50
So we said, "If people are not sensitive
141
395000
1000
Então pensámos:
06:51
to the economic rational theory explanations, to these forces,
142
396000
5000
"Se as pessoas não são sensíveis
às explicações da teoria económica
racional, a estas forças,
racional, a estas forças,
06:56
what could be going on?"
143
401000
3000
"o que estaria a acontecer?"
Pensámos que o que estava a acontecer
talvez fosse existirem duas forças.
talvez fosse existirem duas forças.
06:59
And we thought maybe what is happening is that there are two forces.
144
404000
3000
07:02
At one hand, we all want to look at ourselves in the mirror
145
407000
2000
Por um lado, todos queremos
olhar-nos ao espelho
olhar-nos ao espelho
07:04
and feel good about ourselves, so we don't want to cheat.
146
409000
3000
e sentir-nos bem connosco,
por isso não queremos fazer batota.
por isso não queremos fazer batota.
07:07
On the other hand, we can cheat a little bit,
147
412000
2000
Mas podemos fazer alguma batota,
07:09
and still feel good about ourselves.
148
414000
2000
e continuar a sentirmo-nos bem.
07:11
So, maybe what is happening is that
149
416000
1000
Então, talvez o que acontece
07:12
there's a level of cheating we can't go over,
150
417000
2000
é que há um nível de fraude
que não podemos ultrapassar,
que não podemos ultrapassar,
07:14
but we can still benefit from cheating at a low degree,
151
419000
4000
mas ainda podemos beneficiar
da batota a um nível baixo,
da batota a um nível baixo,
07:18
as long as it doesn't change our impressions about ourselves.
152
423000
3000
desde que não altere a nossa opinião
sobre nós próprios.
sobre nós próprios.
07:21
We call this like a personal fudge factor.
153
426000
3000
Chamamos a isto
o coeficiente pessoal de batota.
o coeficiente pessoal de batota.
(Risos)
07:25
Now, how would you test a personal fudge factor?
154
430000
4000
Como testar
um coeficiente pessoal de batota?
um coeficiente pessoal de batota?
07:29
Initially we said, what can we do to shrink the fudge factor?
155
434000
4000
Inicialmente pensámos: "Como podemos
encolher o coeficiente de batota?"
encolher o coeficiente de batota?"
07:33
So, we got people to the lab, and we said,
156
438000
2000
Levámos pessoas
para o laboratório e dissemos:
para o laboratório e dissemos:
07:35
"We have two tasks for you today."
157
440000
2000
"Hoje temos duas tarefas para vocês."
07:37
First, we asked half the people
158
442000
1000
Primeiro, pedimos a metade das pessoas
07:38
to recall either 10 books they read in high school,
159
443000
2000
para recordarem 10 livros
que leram na escola
que leram na escola
07:40
or to recall The Ten Commandments,
160
445000
3000
ou para recordarem os Dez Mandamentos.
07:43
and then we tempted them with cheating.
161
448000
2000
Em seguida, tentámo-los com a batota.
07:45
Turns out the people who tried to recall The Ten Commandments --
162
450000
3000
As pessoas que tentaram recordar
os Dez Mandamentos
os Dez Mandamentos
07:48
and in our sample nobody could recall all of The Ten Commandments --
163
453000
2000
— na nossa amostra, ninguém conseguiu
lembrar-se de todos os Dez Mandamentos —
lembrar-se de todos os Dez Mandamentos —
07:51
but those people who tried to recall The Ten Commandments,
164
456000
4000
as que tentaram lembrar-se
dos Dez Mandamentos,
dos Dez Mandamentos,
07:55
given the opportunity to cheat, did not cheat at all.
165
460000
3000
perante a oportunidade de fazer batota,
não mentiram nada.
não mentiram nada.
Não foi porque as que recordaram
mais Mandamentos
mais Mandamentos
07:58
It wasn't that the more religious people --
166
463000
2000
08:00
the people who remembered more of the Commandments -- cheated less,
167
465000
1000
— mais religiosas —
fizessem menos batota,
fizessem menos batota,
08:01
and the less religious people --
168
466000
2000
e as que não conseguiram recordar
quase nenhum Mandamento
quase nenhum Mandamento
08:03
the people who couldn't remember almost any Commandments --
169
468000
1000
08:04
cheated more.
170
469000
2000
— menos religiosas —
fizessem mais batota.
fizessem mais batota.
08:06
The moment people thought about trying to recall The Ten Commandments,
171
471000
4000
Na altura em que as pessoas tentaram
recordar os Dez Mandamentos,
recordar os Dez Mandamentos,
08:10
they stopped cheating.
172
475000
1000
deixaram de fazer batota.
08:11
In fact, even when we gave self-declared atheists
173
476000
2000
Quando demos a ateus confessos
a tarefa, jurando sobre a Bíblia
a tarefa, jurando sobre a Bíblia
08:13
the task of swearing on the Bible and we give them a chance to cheat,
174
478000
4000
e lhes demos hipótese para fazer batota,
08:17
they don't cheat at all.
175
482000
2000
eles não mentiram nada.
Os Dez Mandamentos são uma coisa
08:21
Now, Ten Commandments is something that is hard
176
486000
2000
difícil de meter no sistema de ensino,
por isso dissemos:
por isso dissemos:
08:23
to bring into the education system, so we said,
177
488000
2000
08:25
"Why don't we get people to sign the honor code?"
178
490000
2000
"Porque é que as pessoas
não assinam um código de honra?"
não assinam um código de honra?"
08:27
So, we got people to sign,
179
492000
2000
Pusemos as pessoas a assinar:
08:29
"I understand that this short survey falls under the MIT Honor Code."
180
494000
4000
"Entendo que este estudo está
ao abrigo do código de honra do MIT".
ao abrigo do código de honra do MIT".
08:33
Then they shredded it. No cheating whatsoever.
181
498000
3000
Depois rasgaram as folhas.
Não houve qualquer batota.
Não houve qualquer batota.
08:36
And this is particularly interesting,
182
501000
1000
Isto é particularmente interessante,
08:37
because MIT doesn't have an honor code.
183
502000
2000
porque o MIT não tem
nenhum código de honra.
nenhum código de honra.
08:39
(Laughter)
184
504000
5000
(Risos)
08:44
So, all this was about decreasing the fudge factor.
185
509000
4000
Isto tudo foi para diminuir
o coeficiente de batota.
o coeficiente de batota.
08:48
What about increasing the fudge factor?
186
513000
3000
E então para aumentar
o coeficiente de batota?
o coeficiente de batota?
08:51
The first experiment -- I walked around MIT
187
516000
2000
Na primeira experiência, passeei pelo MIT
08:53
and I distributed six-packs of Cokes in the refrigerators --
188
518000
3000
e distribuí seis pacotes
de Coca-Cola pelos frigoríficos
de Coca-Cola pelos frigoríficos
08:56
these were common refrigerators for the undergrads.
189
521000
2000
que eram usados pelos universitários.
08:58
And I came back to measure what we technically call
190
523000
3000
E voltei lá para medir aquilo
a que tecnicamente
a que tecnicamente
chamamos a meia-vida da Coca-Cola
09:01
the half-lifetime of Coke -- how long does it last in the refrigerators?
191
526000
4000
— quanto tempo é que duram
nos frigoríficos?
nos frigoríficos?
09:05
As you can expect it doesn't last very long; people take it.
192
530000
3000
Como seria de esperar, não duram
muito tempo; as pessoas levam-nos.
muito tempo; as pessoas levam-nos.
09:08
In contrast, I took a plate with six one-dollar bills,
193
533000
4000
Por outro lado, levei pratos
com seis notas de um dólar,
com seis notas de um dólar,
e deixei-os nos mesmos frigoríficos.
09:12
and I left those plates in the same refrigerators.
194
537000
3000
09:15
No bill ever disappeared.
195
540000
1000
Não desapareceu nenhuma nota.
09:16
Now, this is not a good social science experiment,
196
541000
3000
Isto não é uma boa experiência
de ciência social.
de ciência social.
09:19
so to do it better I did the same experiment
197
544000
3000
Portanto, para o fazer melhor,
fiz a mesma experiência
fiz a mesma experiência
09:22
as I described to you before.
198
547000
2000
tal como descrevi antes.
09:24
A third of the people we passed the sheet, they gave it back to us.
199
549000
3000
Um terço das pessoas a quem demos
a folha, devolveram-na outra vez.
a folha, devolveram-na outra vez.
09:27
A third of the people we passed it to, they shredded it,
200
552000
3000
Um terço das pessoas a quem
a demos, rasgaram-na,
a demos, rasgaram-na,
vieram ter connosco e disseram:
09:30
they came to us and said,
201
555000
1000
09:31
"Mr. Experimenter, I solved X problems. Give me X dollars."
202
556000
3000
"Sr. Investigador, resolvi x problemas.
Dê-me x dólares."
Dê-me x dólares."
09:34
A third of the people, when they finished shredding the piece of paper,
203
559000
3000
Um terço das pessoas,
depois de rasgar as folhas,
depois de rasgar as folhas,
09:37
they came to us and said,
204
562000
2000
vieram ter connosco e disseram:
09:39
"Mr Experimenter, I solved X problems. Give me X tokens."
205
564000
6000
"Sr. Investigador, resolvi x problemas.
Dê-me x fichas."
Dê-me x fichas."
09:45
We did not pay them with dollars; we paid them with something else.
206
570000
3000
Não lhes pagávamos com dólares,
pagávamos-lhes com outra coisa.
pagávamos-lhes com outra coisa.
09:48
And then they took the something else, they walked 12 feet to the side,
207
573000
3000
Eles levavam as fichas,
andavam quase 4 metros,
andavam quase 4 metros,
09:51
and exchanged it for dollars.
208
576000
2000
e trocavam-na por dólares.
09:53
Think about the following intuition.
209
578000
2000
Pensem sobre a seguinte intuição:
09:55
How bad would you feel about taking a pencil from work home,
210
580000
3000
Sentir-se-iam tão mal em levar
para casa um lápis do trabalho
para casa um lápis do trabalho
09:58
compared to how bad would you feel
211
583000
2000
como se sentiriam mal
10:00
about taking 10 cents from a petty cash box?
212
585000
2000
se tirassem 10 cêntimos
da caixa do dinheiro?
da caixa do dinheiro?
10:02
These things feel very differently.
213
587000
3000
Estas coisas sentem-se
de forma muito diferente.
de forma muito diferente.
10:05
Would being a step removed from cash for a few seconds
214
590000
3000
Será que estar afastado do dinheiro,
por uns segundos,
por uns segundos,
10:08
by being paid by token make a difference?
215
593000
3000
por ser pago com fichas, faria diferença?
10:11
Our subjects doubled their cheating.
216
596000
2000
Os nossos sujeitos duplicaram a batota.
10:13
I'll tell you what I think
217
598000
2000
Daqui a pouco, vou dizer-vos
o que penso sobre isso
o que penso sobre isso
10:15
about this and the stock market in a minute.
218
600000
2000
sobre isto e sobre a Bolsa de Valores.
10:18
But this did not solve the big problem I had with Enron yet,
219
603000
4000
Mas isto não resolvia o grande
problema que eu tinha com a Enron,
problema que eu tinha com a Enron,
10:22
because in Enron, there's also a social element.
220
607000
3000
porque na Enron, também há
um elemento social.
um elemento social.
As pessoas veem o comportamento
umas das outras.
umas das outras.
10:25
People see each other behaving.
221
610000
1000
10:26
In fact, every day when we open the news
222
611000
2000
Todos os dias, quando abrimos o jornal,
10:28
we see examples of people cheating.
223
613000
2000
vemos exemplos de pessoas a mentir.
10:30
What does this cause us?
224
615000
3000
O que é que isto nos provoca?
Então fizemos outra experiência.
10:33
So, we did another experiment.
225
618000
1000
10:34
We got a big group of students to be in the experiment,
226
619000
3000
Arranjámos um grande grupo de alunos
para participarem na experiência
para participarem na experiência
10:37
and we prepaid them.
227
622000
1000
e pagámos-lhes antecipadamente.
10:38
So everybody got an envelope with all the money for the experiment,
228
623000
3000
Todos os alunos receberam
dinheiro para a experiência,
dinheiro para a experiência,
10:41
and we told them that at the end, we asked them
229
626000
2000
e dissemos-lhes que, no final,
10:43
to pay us back the money they didn't make. OK?
230
628000
4000
tinham que nos devolver
o dinheiro que não ganhassem.
o dinheiro que não ganhassem.
Aconteceu a mesma coisa.
10:47
The same thing happens.
231
632000
1000
10:48
When we give people the opportunity to cheat, they cheat.
232
633000
2000
Perante a oportunidade
de fazer batota, eles fizeram,
de fazer batota, eles fizeram,
10:50
They cheat just by a little bit, all the same.
233
635000
3000
apenas um bocado, mas na mesma.
10:53
But in this experiment we also hired an acting student.
234
638000
3000
Mas, nesta experiência, também
contratámos um aluno de teatro.
contratámos um aluno de teatro.
10:56
This acting student stood up after 30 seconds, and said,
235
641000
4000
Este aluno levantou-se
após 30 segundos e disse:
após 30 segundos e disse:
11:00
"I solved everything. What do I do now?"
236
645000
3000
"Resolvi tudo. O que é que faço agora?"
11:03
And the experimenter said, "If you've finished everything, go home.
237
648000
4000
O investigador disse:
"Se já terminou tudo, vá para casa.
"Se já terminou tudo, vá para casa.
11:07
That's it. The task is finished."
238
652000
1000
"É isso. A tarefa está acabada."
11:08
So, now we had a student -- an acting student --
239
653000
4000
Agora tínhamos um aluno
— um estudante de teatro —
— um estudante de teatro —
11:12
that was a part of the group.
240
657000
2000
que fazia parte do grupo.
Ninguém sabia que era um ator.
11:14
Nobody knew it was an actor.
241
659000
2000
11:16
And they clearly cheated in a very, very serious way.
242
661000
4000
E, claramente, tinha feito batota
duma forma muito, muito séria.
duma forma muito, muito séria.
11:20
What would happen to the other people in the group?
243
665000
3000
O que iria acontecer
com as outras pessoas do grupo?
com as outras pessoas do grupo?
Fariam mais batota, ou menos?
11:23
Will they cheat more, or will they cheat less?
244
668000
3000
11:26
Here is what happens.
245
671000
2000
Eis o que aconteceu.
11:28
It turns out it depends on what kind of sweatshirt they're wearing.
246
673000
4000
Acontece que depende do tipo de camisola
que eles estavam a usar.
que eles estavam a usar.
(Risos)
11:32
Here is the thing.
247
677000
2000
A coisa é esta.
11:34
We ran this at Carnegie Mellon and Pittsburgh.
248
679000
3000
Fizemos isto em Carnegie Mellon
e em Pittsburgh.
e em Pittsburgh.
11:37
And at Pittsburgh there are two big universities,
249
682000
2000
Em Pittsburgh, há duas
grandes universidades,
grandes universidades,
11:39
Carnegie Mellon and University of Pittsburgh.
250
684000
3000
Carnegie Mellon
e a Universidade de Pittsburgh.
e a Universidade de Pittsburgh.
11:42
All of the subjects sitting in the experiment
251
687000
2000
Todos os sujeitos da experiência
11:44
were Carnegie Mellon students.
252
689000
2000
eram alunos do Carnegie Mellon.
11:46
When the actor who was getting up was a Carnegie Mellon student --
253
691000
4000
Quando o ator era um aluno
da Universidade Carnegie Mellon
da Universidade Carnegie Mellon
11:50
he was actually a Carnegie Mellon student --
254
695000
2000
— era mesmo um aluno
da Universidade Carnegie Mellon —
da Universidade Carnegie Mellon —
11:52
but he was a part of their group, cheating went up.
255
697000
4000
que fazia parte do seu grupo,
a batota aumentou.
a batota aumentou.
11:56
But when he actually had a University of Pittsburgh sweatshirt,
256
701000
4000
Mas, quando ele usou uma camisola
da Universidade de Pittsburgh,
da Universidade de Pittsburgh,
a batota diminuiu.
12:00
cheating went down.
257
705000
2000
(Risos)
12:02
(Laughter)
258
707000
3000
12:05
Now, this is important, because remember,
259
710000
3000
Isto é importante porque,
12:08
when the moment the student stood up,
260
713000
2000
na altura em que o aluno se levantou,
12:10
it made it clear to everybody that they could get away with cheating,
261
715000
3000
deixou claro para todos que não seriam
apanhados a fazer batota,
apanhados a fazer batota,
12:13
because the experimenter said,
262
718000
2000
porque o investigador dissera:
"Já terminou tudo, vá para casa",
e ele foi com o dinheiro.
e ele foi com o dinheiro.
12:15
"You've finished everything. Go home," and they went with the money.
263
720000
2000
12:17
So it wasn't so much about the probability of being caught again.
264
722000
3000
Portanto, não era tanto
pela probabilidade de ser apanhado.
pela probabilidade de ser apanhado.
12:20
It was about the norms for cheating.
265
725000
3000
Era sobre as normas de fazer batota.
12:23
If somebody from our in-group cheats and we see them cheating,
266
728000
3000
Se alguém do nosso grupo
faz batota e nós vemos,
faz batota e nós vemos,
12:26
we feel it's more appropriate, as a group, to behave this way.
267
731000
4000
sentimos que é mais apropriado,
enquanto grupo, portarmo-nos dessa forma.
enquanto grupo, portarmo-nos dessa forma.
12:30
But if it's somebody from another group, these terrible people --
268
735000
2000
Mas, se é alguém de outro grupo,
dessas pessoas terríveis
dessas pessoas terríveis
12:32
I mean, not terrible in this --
269
737000
2000
— quer dizer, não terríveis nisso —
12:34
but somebody we don't want to associate ourselves with,
270
739000
2000
mas alguém com quem
não nos queremos associar,
não nos queremos associar,
12:36
from another university, another group,
271
741000
2000
de outra Universidade, de outro grupo,
12:38
all of a sudden people's awareness of honesty goes up --
272
743000
3000
de repente, a consciência de honestidade
das pessoas sobe
das pessoas sobe
12:41
a little bit like The Ten Commandments experiment --
273
746000
2000
— um pouco como a experiência
dos Dez Mandamentos —
dos Dez Mandamentos —
12:43
and people cheat even less.
274
748000
4000
e as pessoas ainda fazem menos batota.
12:47
So, what have we learned from this about cheating?
275
752000
4000
O que aprendemos sobre a batota
a partir disto?
a partir disto?
12:51
We've learned that a lot of people can cheat.
276
756000
3000
Aprendemos que há muita gente
que faz batota,
que faz batota,
12:54
They cheat just by a little bit.
277
759000
3000
mas fazem-na apenas um pouco.
Quando recordamos às pessoas a sua
moral, elas fazem menos batota.
moral, elas fazem menos batota.
12:57
When we remind people about their morality, they cheat less.
278
762000
4000
13:01
When we get bigger distance from cheating,
279
766000
3000
Quando temos uma maior distância
13:04
from the object of money, for example, people cheat more.
280
769000
4000
entre a batota e o objeto do dinheiro,
por exemplo,
por exemplo,
as pessoas enganam mais.
13:08
And when we see cheating around us,
281
773000
2000
E quando vemos a batota à nossa volta,
13:10
particularly if it's a part of our in-group, cheating goes up.
282
775000
4000
especialmente se for uma parte
do nosso grupo, a batota aumenta.
do nosso grupo, a batota aumenta.
13:14
Now, if we think about this in terms of the stock market,
283
779000
3000
Se pensarmos nisto
em termos da Bolsa de Valores,
em termos da Bolsa de Valores,
13:17
think about what happens.
284
782000
1000
pensem no que acontece.
13:18
What happens in a situation when you create something
285
783000
3000
O que acontecerá numa situação
em que vocês criam algo
em que vocês criam algo
13:21
where you pay people a lot of money
286
786000
2000
em que pagam muito dinheiro às pessoas
13:23
to see reality in a slightly distorted way?
287
788000
3000
para verem a realidade de uma
forma um pouco distorcida?
forma um pouco distorcida?
13:26
Would they not be able to see it this way?
288
791000
3000
Será que elas não seriam capazes
de a ver dessa forma?
de a ver dessa forma?
Claro que seriam.
13:29
Of course they would.
289
794000
1000
13:30
What happens when you do other things,
290
795000
1000
O que acontece quando fazem outras coisas,
como afastar as coisas do dinheiro?
como afastar as coisas do dinheiro?
13:31
like you remove things from money?
291
796000
2000
13:33
You call them stock, or stock options, derivatives,
292
798000
3000
Chamamos-lhes ações,
ou opções de ações, derivativos,
ou opções de ações, derivativos,
13:36
mortgage-backed securities.
293
801000
1000
hipotecas com títulos garantidos.
13:37
Could it be that with those more distant things,
294
802000
3000
Será que com essas coisas mais distantes
13:40
it's not a token for one second,
295
805000
2000
— não é uma ficha por um segundo,
13:42
it's something that is many steps removed from money
296
807000
2000
é algo que está muito afastado
do dinheiro, por muito mais tempo —
do dinheiro, por muito mais tempo —
13:44
for a much longer time -- could it be that people will cheat even more?
297
809000
4000
será que as pessoas
vão enganar ainda mais?
vão enganar ainda mais?
13:48
And what happens to the social environment
298
813000
2000
E o que acontece ao ambiente social
13:50
when people see other people behave around them?
299
815000
3000
quando as pessoas veem
o comportamento dos outros à sua volta?
o comportamento dos outros à sua volta?
13:53
I think all of those forces worked in a very bad way
300
818000
4000
Acho que todas essas forças trabalharam
de uma forma muito prejudicial
de uma forma muito prejudicial
13:57
in the stock market.
301
822000
2000
na Bolsa de Valores.
13:59
More generally, I want to tell you something
302
824000
3000
No geral, quero dizer-vos uma coisa
14:02
about behavioral economics.
303
827000
3000
sobre a economia comportamental.
14:05
We have many intuitions in our life,
304
830000
4000
Temos muitas intuições na nossa vida,
14:09
and the point is that many of these intuitions are wrong.
305
834000
3000
e o problema é que muitas dessas
intuições estão erradas.
intuições estão erradas.
14:12
The question is, are we going to test those intuitions?
306
837000
3000
A questão é, será que vamos
testar essas intuições?
testar essas intuições?
14:15
We can think about how we're going to test this intuition
307
840000
2000
Podemos pensar
em como testar esta intuição
em como testar esta intuição
14:17
in our private life, in our business life,
308
842000
2000
na nossa vida privada,
na nossa vida empresarial,
na nossa vida empresarial,
14:19
and most particularly when it goes to policy,
309
844000
3000
e, em particular,
quando se vai para a política,
quando se vai para a política,
quando pensamos em coisas como
Nenhuma Criança Deixada para Trás,
Nenhuma Criança Deixada para Trás,
14:22
when we think about things like No Child Left Behind,
310
847000
3000
14:25
when you create new stock markets, when you create other policies --
311
850000
3000
quando se criam novos mercados de valores,
quando se criam outras políticas
quando se criam outras políticas
14:28
taxation, health care and so on.
312
853000
3000
— tributação, saúde, etc.
E a dificuldade de testar a nossa intuição
14:31
And the difficulty of testing our intuition
313
856000
2000
14:33
was the big lesson I learned
314
858000
2000
foi a grande lição que aprendi
14:35
when I went back to the nurses to talk to them.
315
860000
2000
quando voltei a falar com as enfermeiras.
14:37
So I went back to talk to them
316
862000
2000
Voltei, para falar com elas
e dizer-lhes o que tinha descoberto
sobre a remoção dos pensos.
sobre a remoção dos pensos.
14:39
and tell them what I found out about removing bandages.
317
864000
3000
14:42
And I learned two interesting things.
318
867000
2000
E aprendi duas coisas interessantes.
14:44
One was that my favorite nurse, Ettie,
319
869000
2000
Uma foi que a minha enfermeira
preferida, Ettie,
preferida, Ettie,
14:46
told me that I did not take her pain into consideration.
320
871000
4000
disse-me que eu não tinha tido
em consideração a dor dela:
em consideração a dor dela:
14:50
She said, "Of course, you know, it was very painful for you.
321
875000
2000
"Claro, sabes, foi muito doloroso para ti.
14:52
But think about me as a nurse,
322
877000
2000
"Mas pensa em mim enquanto enfermeira,
"tirar os pensos a uma pessoa
de quem eu gostava,
de quem eu gostava,
14:54
taking, removing the bandages of somebody I liked,
323
879000
2000
14:56
and had to do it repeatedly over a long period of time.
324
881000
3000
"e ter de o fazer repetidamente,
durante tanto tempo.
durante tanto tempo.
14:59
Creating so much torture was not something that was good for me, too."
325
884000
3000
"Causar tanta tortura também
não foi bom para mim"
não foi bom para mim"
15:02
And she said maybe part of the reason was it was difficult for her.
326
887000
5000
Ela disse que, em parte, talvez fosse
porque era difícil para ela.
porque era difícil para ela.
15:07
But it was actually more interesting than that, because she said,
327
892000
3000
Mas ainda foi mais interessante,
porque ela disse:
porque ela disse:
15:10
"I did not think that your intuition was right.
328
895000
5000
"Eu não achei
que a tua intuição estivesse certa.
que a tua intuição estivesse certa.
"Senti que a minha intuição
estava correta."
estava correta."
15:15
I felt my intuition was correct."
329
900000
1000
15:16
So, if you think about all of your intuitions,
330
901000
2000
Se pensarem em todas as vossas intuições,
15:18
it's very hard to believe that your intuition is wrong.
331
903000
4000
é muito difícil acreditar
que estão erradas.
que estão erradas.
15:22
And she said, "Given the fact that I thought my intuition was right ..." --
332
907000
3000
Ela disse: "Dado eu ter pensado
que a minha intuição estava certa..."
que a minha intuição estava certa..."
15:25
she thought her intuition was right --
333
910000
2000
Ela achava que a sua intuição estava certa.
15:27
it was very difficult for her to accept doing a difficult experiment
334
912000
5000
Para ela era muito complicado
aceitar fazer uma experiência difícil
aceitar fazer uma experiência difícil
15:32
to try and check whether she was wrong.
335
917000
2000
para verificar se estava errada.
15:34
But in fact, this is the situation we're all in all the time.
336
919000
4000
Mas a verdade é que esta é a situação
em que nos encontramos a todo o momento.
em que nos encontramos a todo o momento.
15:38
We have very strong intuitions about all kinds of things --
337
923000
3000
Temos intuições muito fortes sobre
todo o tipo de coisas
todo o tipo de coisas
15:41
our own ability, how the economy works,
338
926000
3000
— a nossa própria capacidade,
como funciona a economia,
como funciona a economia,
15:44
how we should pay school teachers.
339
929000
2000
como devemos pagar
aos professores da escola.
aos professores da escola.
15:46
But unless we start testing those intuitions,
340
931000
3000
Mas, se não começarmos
a testar essas intuições,
a testar essas intuições,
15:49
we're not going to do better.
341
934000
2000
não vamos fazer melhor.
Basta pensar como
a minha vida teria sido melhor
a minha vida teria sido melhor
15:51
And just think about how better my life would have been
342
936000
2000
se estas enfermeiras estivessem
dispostas a verificar a sua intuição,
dispostas a verificar a sua intuição,
15:53
if these nurses would have been willing to check their intuition,
343
938000
2000
15:55
and how everything would have been better
344
940000
1000
e como tudo teria sido melhor
15:56
if we just start doing more systematic experimentation of our intuitions.
345
941000
5000
se começássemos a fazer experiências
mais sistemáticas das nossas intuições.
mais sistemáticas das nossas intuições.
16:01
Thank you very much.
346
946000
2000
Muito obrigado.
(Aplausos)
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