La educación ambiental como medio para combatir la creciente contaminación: un enfoque optimizado de inteligencia artificial explicable (XAI)

Por qué importa enseñar sobre el medio ambiente

En todo el mundo, el aire sucio, el agua insegura y la acumulación de residuos están dañando a las personas y a la naturaleza. Libia afronta todos estos problemas a la vez, desde costas contaminadas hasta desiertos marcados por el petróleo. Este estudio plantea una pregunta sencilla pero potente: ¿puede una mejor educación ambiental ayudar a cambiar la situación—y puede la inteligencia artificial moderna mostrarnos qué tipos de enseñanza realmente marcan la diferencia?

Presiones de la contaminación cerca de casa

El medio ambiente de Libia está bajo tensión por muchos frentes. Las aguas residuales sin tratar y los efluentes industriales contaminan ríos, aguas subterráneas y el mar. Las actividades petroleras y gasíferas, las plantas de cemento y el tráfico empeoran la calidad del aire en las ciudades, mientras que la recolección deficiente de residuos deja basura que se arroja y quema al aire libre. Estas tendencias amenazan la vida marina, el agua potable y la salud pública, contribuyendo a enfermedades respiratorias, cánceres e infecciones de origen hídrico. En este contexto, el país ha empezado a integrar temas ambientales en los programas escolares y universitarios, con la esperanza de que ciudadanos informados impulsen prácticas y políticas más limpias.

Escuchando a la próxima generación

Los investigadores se centraron en estudiantes de programas de ciencias ambientales y educación en dos universidades libias. Más de 400 estudiantes completaron un cuestionario en línea que preguntaba sobre su formación, cuánto les preocupan asuntos como la contaminación del aire y del agua o el cambio climático, qué hacen en la vida diaria—como reciclar, participar en actividades de limpieza o comprar productos con menos embalaje—y cuánto creen saber sobre la contaminación, sus causas y sus soluciones. La mayoría de los estudiantes manifestó gran preocupación por la calidad del aire y del agua y por el cambio climático, y muchos dijeron que ya practican hábitos proambientales como separar los reciclables o participar en jornadas de limpieza. El conocimiento autodeclarado también fue elevado: amplias mayorías afirmaron entender los principales contaminantes, las causas más comunes de la contaminación y las posibles soluciones.

Usar herramientas inteligentes para hallar lo que realmente cuenta

Para ir más allá de los promedios simples, el equipo recurrió a métodos avanzados de IA. Consideraron el conocimiento de los estudiantes sobre las soluciones a la contaminación ambiental como el resultado principal que querían predecir, y todas las demás respuestas de la encuesta—preocupación, disposición a actuar y conductas reportadas—como posibles influencias. Construyeron varios modelos informáticos, incluidas redes neuronales, árboles de decisión potenciados y un método llamado regresión de procesos Gaussianos. Luego emplearon una técnica conocida como optimización bayesiana para ajustar automáticamente estos modelos de modo que sus predicciones fuesen lo más precisas posible. Además, aplicaron un enfoque de “IA explicable”, que asigna a cada factor de la encuesta una puntuación de contribución, mostrando qué tanto ayuda cada factor al modelo a predecir la comprensión de un estudiante sobre las soluciones a la contaminación.

Qué moldea la comprensión ambiental de los estudiantes

El análisis de IA explicable reveló que no todas las preguntas eran igualmente importantes. Los vínculos más fuertes con el conocimiento sobre cómo abordar la contaminación procedían de algunos factores clave: si los estudiantes conocían las principales causas de la contaminación y los contaminantes más importantes; si utilizaban rutinariamente contenedores separados para reciclables; si estaban dispuestos a reducir sus propios residuos; y si estaban dispuestos a colaborar con grupos dedicados a la protección ambiental. En otras palabras, tanto el conocimiento concreto como los hábitos prácticos y orientados a la comunidad parecen centrales para una comprensión más profunda. Cuando los modelos se reconstruyeron usando solo este pequeño conjunto de factores influyentes, funcionaron igual o mejor que cuando se alimentaron con la encuesta completa—especialmente el modelo optimizado de regresión de procesos Gaussianos, que predijo con muy alta exactitud las puntuaciones de conocimiento sobre soluciones de los estudiantes.

De los datos a la acción por un futuro más limpio

Para los no especialistas, el mensaje principal es que la educación no ayuda al medio ambiente simplemente añadiendo más hechos a los libros. Lo que parece importar más es una enseñanza que conecte problemas locales reales con acciones cotidianas y esfuerzos colectivos, y que construya una comprensión clara de qué causa la contaminación en primer lugar. Al usar IA explicable, este estudio muestra cómo escuelas, universidades y responsables de políticas pueden identificar qué actitudes y comportamientos fomentar si desean que los estudiantes se conviertan en gestores capacitados de su entorno. Aunque el trabajo se basa en universidades libias y se apoya en datos autoinformados de encuestas, el enfoque ofrece un plan: combinar una educación ambiental bien pensada con análisis de IA transparentes para diseñar programas más inteligentes y focalizados que conviertan la preocupación en acción eficaz.

Cita: 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

Palabras clave: educación ambiental, contaminación, Libia, inteligencia artificial, comportamiento estudiantil