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
TED2015

Dan Ariely: How equal do we want the world to be? You'd be surprised

Dan Ariely: O quão igual queremos que o mundo seja? Você ficaria surpreso.

Filmed:
1,858,162 views

As notícias sobre a crescente desigualdade social nos incomodam. Mas por quê? Dan Ariely revela algumas pesquisas inéditas e surpreendentes sobre como imaginamos a distribuição justa da riqueza nas sociedades... e depois nos mostra como ela se compara às verdadeiras estatísticas.
- 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.

00:12
It would be nice to be
objective in life,
0
926
2645
Seria bom ser objetivo na vida,
de várias maneiras.
00:15
in many ways.
1
3571
2022
00:17
The problem is that we have
these color-tinted glasses
2
5593
3378
O problema é que usamos óculos coloridos
00:20
as we look at all kinds of situations.
3
8971
4679
quando olhamos para todo tipo de situação.
00:25
For example, think about
something as simple as beer.
4
13650
3716
Por exemplo, pense em algo
tão simples quanto uma cerveja.
00:29
If I gave you a few beers to taste
5
17366
2182
Se eu oferecer algumas
cervejas para você provar
00:31
and I asked you to rate them
on intensity and bitterness,
6
19548
3808
e lhe pedir para avaliar
sua intensidade e amargor,
00:35
different beers would occupy
different space.
7
23356
3697
diferentes cervejas ocupariam
espaços diferentes.
00:39
But what if we tried
to be objective about it?
8
27053
2757
Mas e se tentássemos ser objetivos?
00:41
In the case of beer,
it would be very simple.
9
29810
2160
No caso da cerveja,
isto seria muito simples.
00:43
What if we did a blind taste?
10
31970
2152
E se fizéssemos um teste cego?
00:46
Well, if we did the same thing,
you tasted the same beer,
11
34122
2724
Se fizemos a mesma coisa,
você provou as mesmas cervejas,
00:48
now in the blind taste,
things would look slightly different.
12
36846
3971
mas no teste cego,
o resultado seria um pouco diferente.
00:52
Most of the beers will go into one place.
13
40817
2222
A maioria das cervejas
iria para um só lugar.
00:55
You will basically not
be able to distinguish them,
14
43039
2445
Basicamente você não seria
capaz de diferenciá-las,
00:57
and the exception, of course,
will be Guinness.
15
45484
3089
e a exceção, é claro, seria a Guinness.
01:00
(Laughter)
16
48573
2228
(Risos)
01:02
Similarly, we can think about physiology.
17
50801
2786
Do mesmo modo,
podemos pensar na fisiologia.
01:05
What happens when people expect
something from their physiology?
18
53587
3042
O que acontece quando as pessoas
esperam algo de sua fisiologia?
01:08
For example, we sold people
pain medications.
19
56629
2508
Por exemplo, vendemos às pessoas
remédios para dor.
01:11
Some people, we told them
the medications were expensive.
20
59137
2739
Para algumas, dissemos
que o remédio era caro.
01:13
Some people, we told them it was cheap.
21
61876
1881
Para outras, dissemos que era barato.
01:15
And the expensive
pain medication worked better.
22
63757
2972
E o remédio caro funcionou melhor.
01:18
It relieved more pain from people,
23
66729
2554
Ele aliviou mais a dor das pessoas,
01:21
because expectations
do change our physiology.
24
69283
3504
porque as expectativas
mudam nossa fisiologia.
01:24
And of course, we all know that in sports,
25
72787
2062
E é claro, sabemos que nos esportes,
01:26
if you are a fan of a particular team,
26
74849
1818
se você for fã de um time,
01:28
you can't help but see the game
27
76667
2369
não pode deixar de ver o jogo
a partir da perspectiva do seu time.
01:31
develop from the perspective of your team.
28
79036
3505
Então, todos esses são casos
em que nossas noções preconcebidas
01:34
So all of those are cases in which
our preconceived notions
29
82541
4176
01:38
and our expectations color our world.
30
86717
3440
e expectativas colorem nosso mundo.
01:42
But what happened
in more important questions?
31
90157
3402
Mas o que acontece
com as questões mais importantes?
01:45
What happened with questions
that had to do with social justice?
32
93559
3552
O que acontece com as questões
que têm a ver com a justiça social?
01:49
So we wanted to think about
what is the blind tasting version
33
97111
3405
Então, nós queríamos imaginar
qual seria a versão do teste cego
01:52
for thinking about inequality?
34
100516
3065
ao refletir sobre a desigualdade?
01:55
So we started looking at inequality,
35
103581
2299
Então começamos
a olhar para a desigualdade,
01:57
and we did some large-scale surveys
36
105880
1950
e fizemos pesquisas em larga escala
dentro dos EUA e outros países.
01:59
around the U.S. and other countries.
37
107830
2554
E fizemos duas perguntas:
02:02
So we asked two questions:
38
110384
1951
02:04
Do people know what kind of
level of inequality we have?
39
112335
3366
as pessoas sabem qual é
o nível de desigualdade que temos?
02:07
And then, what level of inequality
do we want to have?
40
115701
4111
E então, qual é o nível de desigualdade
que queremos ter?
02:11
So let's think about the first question.
41
119812
2414
Vamos pensar na primeira pergunta.
02:14
Imagine I took all the people in the U.S.
42
122226
2113
Imagine que eu pegue
todas as pessoas nos EUA
02:16
and I sorted them from
the poorest on the right
43
124339
2925
e as classifique desde
os mais pobres à direita
02:19
to the richest on the left,
44
127264
2392
para os mais ricos, à esquerda,
02:21
and then I divided them into five buckets:
45
129656
2662
e então as separo em cinco grupos:
os 20% mais pobres , os próximos 20%,
02:24
the poorest 20 percent,
the next 20 percent,
46
132318
2298
02:26
the next, the next,
and the richest 20 percent.
47
134616
2856
os próximos, os próximos,
e os 20% mais ricos.
02:29
And then I asked you to tell me
how much wealth do you think
48
137472
2996
Então peço que você me diga
quanta riqueza
02:32
is concentrated in each of those buckets.
49
140468
2949
acha que está concentrada
em cada um destes grupos.
02:35
So to make it simpler,
imagine I ask you to tell me,
50
143417
2461
Para simplificar,
imagine que peço que você me diga,
02:37
how much wealth do you think
is concentrated
51
145878
2260
quanta riqueza acha que está concentrada
02:40
in the bottom two buckets,
52
148138
2260
nos dois grupos mais pobres,
02:42
the bottom 40 percent?
53
150398
2261
nos 40% mais pobres?
02:44
Take a second. Think about it
and have a number.
54
152659
2692
Pense um pouco sobre isso
e ache um número.
02:47
Usually we don't think.
55
155351
1904
Geralmente não pensamos nisso.
02:49
Think for a second,
have a real number in your mind.
56
157255
2485
Pense por um segundo,
ache um número em sua mente.
02:51
You have it?
57
159740
1625
Você achou?
02:53
Okay, here's what lots
of Americans tell us.
58
161365
3065
Aqui está o que muitos americanos dizem.
02:56
They think that the bottom 20 percent
59
164430
1927
Eles acham que os 20% mais pobres
02:58
has about 2.9 percent of the wealth,
60
166357
2322
têm cerca de 2,9% da riqueza,
03:00
the next group has 6.4,
61
168679
2183
e o próximo grupo tem 6,4%.
03:02
so together it's slightly more than nine.
62
170862
2507
E somados, têm um pouco mais do que 9%.
03:05
The next group, they say, has 12 percent,
63
173369
3413
O próximo grupo, dizem, tem 12%, 20%...
03:08
20 percent,
64
176782
1649
E dos 20% mais ricos,
as pessoas acham que têm 58% da riqueza.
03:10
and the richest 20 percent, people think
has 58 percent of the wealth.
65
178431
4644
03:15
You can see how this relates
to what you thought.
66
183075
3135
Você pode ver como isso se compara
com o que você pensou.
03:18
Now, what's reality?
67
186210
1741
Agora, qual é a realidade?
03:19
Reality is slightly different.
68
187951
1811
A realidade é um pouco diferente.
03:21
The bottom 20 percent
has 0.1 percent of the wealth.
69
189762
3813
Os 20% mais pobres têm 0,1% da riqueza.
03:25
The next 20 percent
has 0.2 percent of the wealth.
70
193575
3251
Os próximos 20% têm 0,2% da riqueza.
03:28
Together, it's 0.3.
71
196826
2113
Somados, é igual a 0,3%.
03:30
The next group has 3.9,
72
198939
3529
Os próximos grupos têm 3,9 e 11,3%.
03:34
11.3,
73
202468
2183
03:36
and the richest group
has 84-85 percent of the wealth.
74
204651
5741
O grupo mais rico tem 84 a 85% da riqueza.
03:42
So what we actually have
and what we think we have
75
210392
2966
O que nós realmente temos
e o que pensamos ter é muito diferente.
03:45
are very different.
76
213358
1973
E quanto ao que queremos?
03:47
What about what we want?
77
215331
2090
03:49
How do we even figure this out?
78
217421
1997
Como vamos descobrir isso?
03:51
So to look at this,
79
219418
1411
Para investigar isso,
03:52
to look at what we really want,
80
220829
1578
para descobrir o que queremos,
03:54
we thought about
the philosopher John Rawls.
81
222407
3065
pensamos no filósofo John Rawls.
03:57
If you remember John Rawls,
82
225472
1835
Se você se lembra de John Rawls,
03:59
he had this notion
of what's a just society.
83
227307
3250
ele tinha essa noção
do que é uma sociedade justa.
Ele disse que uma sociedade justa
04:02
He said a just society
84
230557
1482
04:04
is a society that if
you knew everything about it,
85
232039
2715
é aquela que, se soubesse tudo sobre ela,
04:06
you would be willing
to enter it in a random place.
86
234754
2433
você estaria disposto
a entrar num lugar aleatório.
04:09
And it's a beautiful definition,
87
237187
1524
E é uma definição bonita,
04:10
because if you're wealthy,
you might want the wealthy
88
238711
2478
pois se você for rico,
pode querer que os ricos
tenham mais dinheiro e os pobres menos.
04:13
to have more money, the poor to have less.
89
241189
2037
Se você for pobre,
vai querer mais igualdade.
04:15
If you're poor, you might
want more equality.
90
243226
2109
04:17
But if you're going
to go into that society
91
245335
2004
Mas se você entrar numa sociedade
04:19
in every possible situation,
and you don't know,
92
247339
3320
em que toda situação é possível,
e você não sabe qual,
04:22
you have to consider all the aspects.
93
250659
2206
precisa considerar todos os aspectos.
04:24
It's a little bit like blind tasting
in which you don't know
94
252865
2926
É parecido com o teste cego
em que você não sabe
04:27
what the outcome will be
when you make a decision,
95
255791
2670
qual será o resultado
quando toma uma decisão,
04:30
and Rawls called this
the "veil of ignorance."
96
258461
3715
e Rawls chamava isso
de "véu da ignorância".
04:34
So, we took another group,
a large group of Americans,
97
262176
3607
Pegamos outro grupo grande de americanos,
04:37
and we asked them the question
in the veil of ignorance.
98
265783
2755
e fizemos essa pergunta
no véu da ignorância.
04:40
What are the characteristics of a country
that would make you want to join it,
99
268538
4110
Quais são as características de um país
que faria você querer entrar nele,
04:44
knowing that you could end
randomly at any place?
100
272648
3158
sabendo que você pode acabar
em qualquer lugar?
04:47
And here is what we got.
101
275806
1479
E aqui está o que achamos.
O quanto as pessoas queriam dar
ao primeiro grupo, os 20% mais pobres?
04:49
What did people want to give
to the first group,
102
277285
2259
04:51
the bottom 20 percent?
103
279544
2183
Eles queriam dar cerca de 10% da riqueza.
04:53
They wanted to give them
about 10 percent of the wealth.
104
281727
2694
04:56
The next group, 14 percent of the wealth,
105
284421
2600
O grupo seguinte, 14% da riqueza,
04:59
21, 22 and 32.
106
287021
5363
21, 22 e 32.
Ninguém da nossa amostra
quis a igualdade plena,
05:04
Now, nobody in our sample
wanted full equality.
107
292384
3506
05:07
Nobody thought that socialism
is a fantastic idea in our sample.
108
295890
4433
ou pensou que o socialismo
fosse uma ideia fantástica.
O que isso significa?
05:12
But what does it mean?
109
300323
1288
Significa que temos
uma lacuna de conhecimento
05:13
It means that we have this knowledge gap
110
301611
2038
05:15
between what we have
and what we think we have,
111
303649
2658
entre o que temos
e o que pensamos que temos.
05:18
but we have at least as big a gap
between what we think is right
112
306307
3715
E temos uma lacuna igualmente grande
entre o que achamos que é justo
05:22
to what we think we have.
113
310022
2798
e o que pensamos que temos.
05:24
Now, we can ask these questions,
by the way, not just about wealth.
114
312820
3192
Podemos agora fazer outras perguntas,
não apenas sobre a riqueza.
05:28
We can ask it about other things as well.
115
316012
2415
Podemos perguntar
sobre outras coisas também.
05:30
So for example, we asked people
from different parts of the world
116
318427
4203
Por exemplo, fizemos essa pergunta
a pessoas de diferentes partes do mundo,
05:34
about this question,
117
322630
1718
pessoas que são liberais e conservadoras,
e elas nos deram a mesma resposta.
05:36
people who are liberals and conservatives,
118
324348
2343
05:38
and they gave us basically
the same answer.
119
326691
2044
Perguntamos aos ricos e aos pobres,
e nos deram a mesma resposta,
05:40
We asked rich and poor,
they gave us the same answer,
120
328735
2482
05:43
men and women,
121
331217
1301
homens e mulheres,
ouvintes de rádio e leitores da Forbes.
05:44
NPR listeners and Forbes readers.
122
332518
2693
Perguntamos às pessoas
na Inglaterra, Austrália, EUA...
05:47
We asked people in England,
Australia, the U.S. --
123
335211
3229
05:50
very similar answers.
124
338440
1717
respostas muito parecidas.
Perguntamos até em departamentos
diferentes de uma universidade.
05:52
We even asked different
departments of a university.
125
340157
2771
Fomos para Harvard e checamos
quase todos os departamentos,
05:54
We went to Harvard and we checked
almost every department,
126
342928
2758
05:57
and in fact, from Harvard Business School,
127
345686
2012
e de fato, na Harvard Business School,
05:59
where a few people wanted the wealthy
to have more and the [poor] to have less,
128
347698
3712
-- onde algumas pessoas queriam os ricos
mais ricos e os pobres mais pobres --
a semelhança foi surpreendente.
06:03
the similarity was astonishing.
129
351410
2540
06:05
I know some of you went
to Harvard Business School.
130
353950
2824
Sei que alguns de vocês foram
para Harvard Business School.
06:08
We also asked this question
about something else.
131
356774
3346
Também fizemos esta pergunta
sobre outra coisa.
06:12
We asked, what about the ratio
of CEO pay to unskilled workers?
132
360120
4969
Perguntamos sobre a proporção de salário
entre CEOs e trabalhadores comuns.
06:17
So you can see what
people think is the ratio,
133
365089
3157
Você pode ver o que as pessoas
acham da proporção,
06:20
and then we can ask the question,
what do they think should be the ratio?
134
368246
3901
e então perguntamos,
qual deveria ser a proporção?
06:24
And then we can ask, what is reality?
135
372147
2627
E depois perguntamos, qual é a realidade?
06:26
What is reality? And you could say,
well, it's not that bad, right?
136
374774
3278
E podemos dizer que não é tão ruim.
06:30
The red and the yellow
are not that different.
137
378052
2153
O vermelho e o amarelo
não são tão diferentes.
06:32
But the fact is, it's because
I didn't draw them on the same scale.
138
380205
3920
Mas na verdade, é porque
não os coloquei na mesma escala.
06:38
It's hard to see, there's yellow
and blue in there.
139
386105
3910
É difícil ver o amarelo e o azul ali.
O que acontece com os outros
resultados da riqueza?
06:42
So what about other outcomes of wealth?
140
390015
2345
06:44
Wealth is not just about wealth.
141
392360
1695
A riqueza não é apenas riqueza.
06:46
We asked, what about things like health?
142
394055
2624
Perguntamos sobre coisas como a saúde.
06:48
What about availability
of prescription medication?
143
396679
4133
Qual é a disponibilidade
de medicamentos com prescrição?
06:52
What about life expectancy?
144
400812
2020
E a expectativa de vida?
06:54
What about life expectancy of infants?
145
402832
2415
E a expectativa de vida dos bebês?
06:57
How do we want this to be distributed?
146
405247
2345
Como queremos que isto seja distribuído?
06:59
What about education for young people?
147
407592
2809
E a educação para os jovens?
07:02
And for older people?
148
410401
1870
E para as pessoas mais velhas?
07:04
And across all of those things,
what we learned was that people
149
412271
2983
E em todas essas coisas,
o que aprendemos foi que as pessoas
07:07
don't like inequality of wealth,
150
415254
3158
não gostam da desigualdade da riqueza,
mas há outras coisas onde a desigualdade,
que é um resultado da riqueza,
07:10
but there's other things where inequality,
which is an outcome of wealth,
151
418412
3506
07:13
is even more aversive to them:
152
421918
2043
são ainda mais aversivas para elas:
07:15
for example, inequality
in health or education.
153
423961
3971
por exemplo, a desigualdade
na saúde e educação.
Aprendemos também que as pessoas
são especialmente abertas
07:19
We also learned that people
are particularly open
154
427932
2461
07:22
to changes in equality
when it comes to people
155
430393
2554
para mudanças na igualdade
quando se trata de pessoas
07:24
who have less agency --
156
432947
2044
que têm menos ação,
07:26
basically, young kids and babies,
157
434991
2345
basicamente, as crianças jovens e bebês,
07:29
because we don't think of them
as responsible for their situation.
158
437336
4667
pois não as consideramos
responsáveis pela sua situação.
07:34
So what are some lessons from this?
159
442003
2345
Então, quais são as lições de tudo isso?
07:36
We have two gaps:
160
444348
1160
Nós temos duas lacunas:
07:37
We have a knowledge gap
and we have a desirability gap
161
445508
2580
temos lacunas de conhecimento e de desejo.
07:40
And the knowledge gap
is something that we think about,
162
448088
2622
E a lacuna de conhecimento
é algo que pensamos:
07:42
how do we educate people?
163
450710
1370
como educamos as pessoas?
Como fazemos pessoas pensarem
de modo diferente sobre a desigualdade
07:44
How do we get people to think
differently about inequality
164
452080
2716
07:46
and the consequences of inequality
in terms of health, education,
165
454796
3762
e as consequências da desigualdade
em termos de saúde, educação,
inveja, taxa de criminalidade,
e assim por diante?
07:50
jealousy, crime rate, and so on?
166
458558
2391
07:52
Then we have the desirability gap.
167
460949
1881
Então temos a lacuna de desejo.
07:54
How do we get people to think differently
about what we really want?
168
462830
3823
Como fazemos pessoas pensarem
diferente sobre o queremos ?
07:58
You see, the Rawls definition,
the Rawls way of looking at the world,
169
466653
3375
A definição de Rawls,
de como ele via o mundo,
08:02
the blind tasting approach,
170
470028
1742
a abordagem do teste cego,
anula a nossa motivação egoísta.
08:03
takes our selfish motivation
out of the picture.
171
471770
2925
Como vamos implementar isso
para um grau mais elevado
08:06
How do we implement that
to a higher degree
172
474695
2577
08:09
on a more extensive scale?
173
477272
2624
em uma escala mais ampla?
08:11
And finally, we also have an action gap.
174
479896
2856
E finalmente, temos uma lacuna de ação.
08:14
How do we take these things
and actually do something about it?
175
482752
2949
Como vamos abordar essas coisas
e fazer algo de verdade?
08:17
I think part of the answer
is to think about people
176
485701
2902
Eu acho que parte da resposta
é pensar em pessoas
08:20
like young kids and babies
that don't have much agency,
177
488603
3112
como as crianças jovens e bebês
que não têm muita ação,
08:23
because people seem to be
more willing to do this.
178
491715
3808
porque as pessoas parecem ser
mais dispostas a fazer isso.
08:27
To summarize, I would say,
next time you go to drink beer or wine,
179
495523
5270
Para resumir, na próxima vez
que você beber cerveja ou vinho,
08:32
first of all, think about, what is it
in your experience that is real,
180
500793
4087
primeiramente pense sobre isso,
no que é real na sua experiência,
08:36
and what is it in your experience
that is a placebo effect
181
504880
3274
e o que na sua experiência
é um efeito placebo
08:40
coming from expectations?
182
508154
1604
derivado de expectativas?
08:41
And then think about what it also means
for other decisions in your life,
183
509758
3529
Depois, pense sobre o que isso representa
para outras decisões em sua vida,
08:45
and hopefully also for policy questions
184
513287
2075
e talvez também para questões políticas
que afetam a todos nós.
08:47
that affect all of us.
185
515362
1305
Muito obrigado.
08:48
Thanks a lot.
186
516667
1727
08:50
(Applause)
187
518394
2337
(Aplausos)
Translated by Francisco Paulino Dubiela
Reviewed by Silvia Zanetti

▲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