חינוך סביבתי כאמצעי להתמודדות עם הזיהום הסביבתי הגובר: גישה אופטימיזטיבית של בינה מלאכותית מוסברת (XAI)

מדוע חשוב ללמד על הסביבה

בכל רחבי העולם אוויר מזוהם, מים מסוכנים והצטברות פסולת פוגעים באנשים ובטבע. בלוב נתקלים בכל הבעיות הללו בו‑זמנית, מחופים מזוהמים ועד מדבריות מוכתות נפט. המחקר הזה שואל שאלה פשוטה אך חשובה: האם חינוך סביבתי טוב יותר יכול לסייע להטות את הכף — והאם בינה מלאכותית מודרנית יכולה להראות אילו סוגי הדרכה אכן עושים הבדל?

לחצים של זיהום קרוב לבית

הסביבה בלוב נמצאת תחת עומס ממספר כיוונים. שפכים לא מטופלים ושפכים תעשייתיים מזוהמים מזהמים נהרות, מי תהום ואת הים. פעילויות נפט וגז, מפעלי מלט ותנועה מחמירים את איכות האוויר בערים, בעוד שאיסוף פסולת לקוי משאיר אשפה להשלכה ושריפה בשטחים פתוחים. מגמות אלה מאיימות על החיים הימיים, על מי השתייה ועל הבריאות הציבורית, ותורמות למחלות נשימתיות, לסוגי סרטן וזיהומים מועברים במים. על רקע זה החלה המדינה לשלב נושאים סביבתיים בתוכניות בתי הספר והאוניברסיטאות, בתקווה שאזרחים מעודכנים ילחצו לשיטות ומדיניות נקיות יותר.

להקשיב לדור הבא

חוקרי המחקר התמקדו בסטודנטים לתוכניות מדעי הסביבה וחינוך בשתי אוניברסיטאות בלוב. יותר מ‑400 סטודנטים מילאו שאלון מקוון שבדק את הרקע שלהם, עד כמה הם מודאגים מנושאים כמו זיהום אוויר ומים או שינויי אקלים, מה הם עושים בפועל בחיי היומיום — כגון מיחזור, השתתפות בפעילויות ניקיון או קניית מוצרים עם פחות אריזה — וכמה הם מאמינים שהם יודעים על זיהום, גורמיו ופתרונותיו. רוב הסטודנטים דיווחו על דאגה גבוהה לגבי איכות האוויר והמים ועל שינויי אקלים, ורבים ציינו שהם כבר נוקטים בהרגלים תומכי סביבה כגון מיון מיחזור או השתתפות באירועי ניקיון. גם הדיווח העצמי על הידע היה גבוה: רוב גדול אמר שהוא מבין את המזהמים העיקריים, את הגורמים המרכזיים לזיהום ואת אפשרויות הפתרון.

שימוש בכלים חכמים כדי למצוא מה באמת חשוב

כדי להתקדם מעבר לממוצעים פשוטים, הצוות פנה לשיטות מתקדמות של בינה מלאכותית. הם התייחסו לידע של הסטודנטים על פתרונות לזיהום סביבתי כמטרת החיזוי העיקרית, ואת יתר תשובות הסקר — דאגה, נכונות לפעול והתנהגויות מדווחות — כהשפעות אפשריות. הם בנו מספר מודלים ממוחשבים, כולל רשתות נוירונים, עצי החלטה משופרים ושיטה שנקראת רגרסיית תהליכים גאוסיים. לאחר מכן השתמשו בטכניקה הידועה כאופטימיזציה בייזיאנית כדי לכוונן את המודלים באופן אוטומטי כך שהחיזויים יהיו מדויקים ככל האפשר. בנוסף, יישמו גישת "בינה מלאכותית מוסברת" (XAI), שמקצה לכל גורם בסקר ציון תרומה, ומראה עד כמה הוא מסייע למודל לחזות את הבנתו של הסטודנט את פתרונות הזיהום.

מה מעצב את הבנתם הסביבתית של הסטודנטים

ניתוח ה‑XAI חשף שלא כל השאלות היו שוות בחשיבותן. הקשרים החזקים ביותר לידע על טיפול בזיהום נבעו ממספר גורמים מרכזיים: האם הסטודנטים ידעו את הגורמים העיקריים לזיהום ואת המזהמים המרכזיים; האם הם השתמשו באופן שגרתי במכלים נפרדים למיחזור; האם היו מוכנים להפחית את הפסולת הפרטית שלהם; והאם היו מוכנים לשתף פעולה עם קבוצות המוקדשות להגנת הסביבה. במילים אחרות, גם ידע קונקרטי וגם הרגלים מעשיים ומכוונים לקהילה נראים מרכזיים להבנה עמוקה יותר. כאשר המודלים נבנו מחדש באמצעות קבוצה קטנה זו של גורמים משפיעים בלבד, הם עבדו טוב באותה מידה או טוב יותר מאשר כשקיבלו את הסקר כולו — במיוחד מודל רגרסיית התהליכים הגאוסיים המותאם, שחזה את ציוני הידע של הסטודנטים על פתרונות בדיוק גבוה מאוד.

מנתונים לפעולה לעתיד נקי יותר

להמונים שאינם מומחים, המסר המרכזי הוא שחינוך לא מסייע לסביבה רק על‑ידי הוספת עוד עובדות לספרי הלימוד. מה שנראה חשוב יותר הוא הוראה שמחברת בעיות מקומיות אמיתיות לפעולות יומיומיות ומאמצים קולקטיביים, ובונה הבנה ברורה של מה גורם לזיהום מלכתחילה. באמצעות XAI, המחקר מראה כיצד בתי ספר, אוניברסיטאות ומקבלי החלטות יכולים למקד אילו גישות והתנהגויות לעודד אם הם רוצים שהסטודנטים יהפכו למשמרים מוכשרים של סביבתם. אמנם המחקר מתבסס על אוניברסיטאות בלוב ותלוי בנתוני סקר מדווחים עצמית, אך השיטה מציעה אב‑טיפוס: לשלב חינוך סביבתי מושכל עם ניתוח בינה מלאכותית שקוף כדי לעצב תוכניות חכמות וממוקדות יותר שמסייעות להפוך דאגה לפעולה יעילה.

ציטוט: 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

מילות מפתח: חינוך סביבתי, זיהום, לוב, בינה מלאכותית, התנהגות תלמידים