Dan Ariely era um dos economistas comportamentais mais famosos do mundo. Professor da Universidade Duke, autor do best-seller do New York Times Previsivelmente Irracional e inspiração para a série The Irrational, da NBC. Sua pesquisa sobre desonestidade era amplamente citada por formuladores de políticas e empresas. Seu artigo de 2012 na PNAS, escrito em coautoria com Francesca Gino e outros, afirmava que fazer as pessoas assinarem um compromisso de honestidade no início de um formulário reduzia o comportamento desonesto. A descoberta foi influente e usada em políticas do mundo real.
Em 17 de agosto de 2021, o blog Data Colada — comandado pelos pesquisadores Uri Simonsohn, Leif Nelson e Joe Simmons — publicou evidências de fraude no artigo de 2012. Os dados brutos mostravam padrões impossíveis, compatíveis com adulteração: sequências idênticas de números entre condições que deveriam ser aleatórias. Os dados pareciam ter sido alterados manualmente para produzir os resultados desejados. O Economist noticiou que o estudo era "baseado em dados fraudulentos". O artigo foi retratado.
A Universidade Duke abriu uma investigação de três anos. Em 2024, o Business Insider noticiou que Duke concluiu que os dados haviam sido falsificados, mas não encontrou evidências de que Ariely tivesse usado dados falsos conscientemente. Duke se recusou a comentar. Ariely disse à imprensa que "sem dúvida cometeu um erro", mas permaneceu professor em Duke. O escândalo não lhe custou o emprego, mas custou-lhe a reputação — e expôs com que facilidade dados fabricados podem sobreviver à revisão por pares quando a descoberta é o que todos querem acreditar.
Um blog, não a revisão por pares, detectou a fraude ao identificar sequências de números idênticas que deveriam ser aleatórias; o artigo foi retratado, mas Ariely manteve o emprego.
A fraude foi descoberta por um blog, não pela revisão por pares nem pela investigação da universidade. O Data Colada viu que os dados eram perfeitos demais — sequências de números idênticas entre condições que deveriam ser aleatórias.
O estudo foi publicado na PNAS — uma das revistas mais prestigiadas do mundo. A revisão por pares não detectou a fabricação porque ninguém verificou os dados brutos.
A descoberta de Ariely era exatamente o que as pessoas queriam acreditar — que uma simples assinatura no topo de um formulário poderia reduzir a desonestidade. O mundo das políticas abraçou a ideia sem questionar as evidências.
A investigação de três anos de Duke concluiu que os dados foram fabricados, mas não encontrou evidências de que Ariely soubesse. O resultado foi um escândalo sem que ninguém fosse responsabilizado — o artigo foi retratado, Ariely manteve o emprego.
A lição
Um estudo que diz a coisa certa e um estudo que usa os dados certos são afirmações diferentes. A primeira é o que constrói uma reputação; a segunda é o que a merece. O Data Colada verificou. Ninguém mais havia verificado.
O caso Ariely tornou-se um marco na crise de replicação — um pesquisador famoso, uma revista prestigiosa e dados descaradamente fabricados. O blog Data Colada tornou-se uma instituição central na detecção de fraudes. O caso envolveu Francesca Gino, a coautora de Harvard, a respeito da qual se constatou posteriormente a fabricação de dados em outros estudos. A relação de nove anos de Ariely com Jeffrey Epstein, revelada nos arquivos de Epstein em 2026, prejudicou ainda mais sua credibilidade. O caso permanece sem solução: os dados foram fabricados, o artigo foi retratado, mas o fabricante nunca foi identificado.
CONFIRA AS EVIDÊNCIAS
As fontes
- Wikipedia — Dan Ariely en.wikipedia.org
- Data Colada #98 — Evidence of fraud in an influential field experiment about dishonesty (17 Aug 2021; Simonsohn, Nelson & Simmons on the Shu/Ariely insurance experiment) datacolada.org
- Retraction Watch — Highly criticized paper on dishonesty retracted (14 Sep 2021; PNAS retracts the 2012 signing paper) retractionwatch.com
- Business Insider — Duke's 3-year fraud investigation into Dan Ariely has ended (Feb 2024; data falsified, no evidence he knowingly used fake data) businessinsider.com