التعليم البيئي كوسيلة لمكافحة التلوث البيئي المتزايد: نهج مُحسّن للذكاء الاصطناعي القابل للتفسير (XAI)

لماذا يهم تعليم قضايا البيئة

في أنحاء العالم، الهواء الملوَّث والمياه غير الآمنة وتزايد النفايات يضرّون بالناس والطبيعة. تواجه ليبيا كل هذه المشكلات معًا، من سواحل ملوَّثة إلى صحارى مشوهة ببقع النفط. تطرح هذه الدراسة سؤالًا بسيطًا لكنه قويًا: هل يمكن للتعليم البيئي المحسّن أن يغيّر هذا الاتجاه—وهل يمكن للذكاء الاصطناعي الحديث أن يبيّن أي أنواع التعليم تحدث فرقًا فعليًا؟

ضغوط التلوث قريبة من المنزل

بيئة ليبيا تتعرض لضغوط من جهات عدة. تلوّث المجاري والمخلفات الصناعية الأنهار والمياه الجوفية والبحر. تفاقم أنشطة النفط والغاز ومحطات الأسمنت وحركة المرور من جودة الهواء في المدن، بينما يؤدي ضعف جمع النفايات إلى رميها وحرقها في الأماكن المفتوحة. تهدّد هذه الاتجاهات الحياة البحرية ومياه الشرب والصحة العامة، وتساهم في أمراض الجهاز التنفسي والسرطانات والعدوى الناقلة بالماء. وفي هذا السياق بدأت البلاد تضمين موضوعات بيئية ضمن برامج المدارس والجامعات، على أمل أن يضغط المواطنون المطلعون من أجل ممارسات وسياسات أنظف.

الاستماع إلى الجيل القادم

ركز الباحثون على طلاب في برامج علوم البيئة والتعليم في جامعتيْن ليبيتيْن. أكمل أكثر من 400 طالب استبيانًا إلكترونيًا سأل عن خلفياتهم ومدى قلقهم من قضايا مثل تلوث الهواء والمياه أو تغير المناخ، وعن ما يفعلونه فعليًا في الحياة اليومية—مثل إعادة التدوير أو المشاركة في حملات التنظيف أو شراء منتجات بتغليف أقل—وعما يعتقدون أنهم يعرفونه عن التلوث وأسبابه وحلولِه. أبلغ معظم الطلاب عن قلق كبير بشأن جودة الهواء والمياه وتغير المناخ، وقال كثيرون إنهم يمارسون عادات مؤيدة للبيئة مثل فصل المواد القابلة لإعادة التدوير أو المشاركة في فعاليات التنظيف. كما كان مستوى المعرفة المبلغ عنها ذاتيًا قويًا: أغلبية كبيرة قالت إنها تفهم الملوثات الرئيسية والأسباب الأساسية للتلوث والحلول الممكنة.

استخدام أدوات ذكية لمعرفة ما يهم فعلاً

للتجاوز المتوسطات البسيطة، لجأ الفريق إلى أساليب متقدمة في الذكاء الاصطناعي. اعتبروا معرفة الطلاب بحلول التلوث البيئي النتيجة الرئيسية التي يريدون التنبؤ بها، وجعلوا جميع إجابات الاستبيان الأخرى—القلق، والاستعداد للتصرف، والسلوكيات المبلّغ عنها—عوامل محتملة مؤثرة. بنوا عدة نماذج حاسوبية، بما في ذلك الشبكات العصبية، وأشجار القرار المعززة، وطريقة تسمى الانحدار بعملية غاوسية. ثم استخدموا تقنية تُعرف بالتحسين البايزي لضبط هذه النماذج تلقائيًا بحيث تكون تنبؤاتها دقيقة قدر الإمكان. إضافة إلى ذلك، طبقوا نهجًا للـ«ذكاء الاصطناعي القابل للتفسير»، الذي يمنح كل عامل من عوامل الاستبيان درجة مساهمة، تبين مدى قوة تأثيره في مساعدة النموذج على توقع فهم الطالب لحلول التلوث.

ما الذي يشكّل فهم الطلاب البيئي

أظهرت تحليلات الذكاء الاصطناعي القابل للتفسير أن ليس كل الأسئلة متساوية الأهمية. جاءت أقوى الروابط بمعرفة كيفية مواجهة التلوث من بضعة عوامل رئيسية: ما إذا كان الطلاب يعرفون الأسباب الرئيسية للتلوث والملوثات الكبرى؛ وما إذا كانوا يستخدمون عادة حاويات منفصلة للمواد القابلة لإعادة التدوير؛ وما إذا كانوا مستعدين لتقليل نفاياتهم الشخصية؛ وما إذا كانوا على استعداد للتعاون مع مجموعات مكرَّسة لحماية البيئة. بعبارة أخرى، يبدو أن كلًا من المعرفة الملموسة والعادات العملية والمجتمعية محوريتان لفهم أعمق. عندما أعيد بناء النماذج باستخدام هذه المجموعة الصغيرة من العوامل المؤثرة فقط، أدّت النماذج أداءً مماثلًا أو أفضل مما كان عليه الحال عند تغذيتها بالاستبيان الكامل—وخاصة نموذج الانحدار بعملية غاوسية المحسن، الذي تنبّأ بدرجات معرفة حلول التلوث لدى الطلاب بدقة عالية جدًا.

من البيانات إلى العمل من أجل مستقبل أنظف

بالنسبة لغير المختصين، الرسالة الأساسية هي أن التعليم لا يخدم البيئة بمجرد إضافة المزيد من الحقائق إلى الكتب المدرسية. ما يبدو أنه يهمّ أكثر هو تعليم يربط المشاكل المحلية الحقيقية بالإجراءات اليومية والجهود الجماعية، ويبني فهمًا واضحًا لما يسبب التلوث في المقام الأول. من خلال استخدام الذكاء الاصطناعي القابل للتفسير، تُبيّن هذه الدراسة كيف يمكن للمدارس والجامعات وصانعي السياسات تحديد المواقف والسلوكيات التي ينبغي تشجيعها إذا أرادوا أن يصبح الطلاب وكلاء رعاية قادرين على حماية بيئتهم. ومع أن العمل قائم على جامعات ليبية ويعتمد على بيانات استبيانات معلَنَة ذاتيًا، فإن المنهجية تقدم مخططًا عمليًا: دمج تعليم بيئي مدروس مع تحليل شفاف بالذكاء الاصطناعي لتصميم برامج أكثر ذكاءً واستهدافًا تساعد في تحويل القلق إلى عمل فعّال.

الاستشهاد: Hamad, O.A.M., Baysen, E. & Usman, A.G. Environmental education as a means of combating growing environmental pollution: an optimized- explainable artificial intelligence (XAI) approach. Sci Rep 16, 12647 (2026). https://doi.org/10.1038/s41598-026-42335-z

الكلمات المفتاحية: التعليم البيئي, التلوث, ليبيا, الذكاء الاصطناعي, سلوك الطلاب