L'educazione ambientale come mezzo per combattere l'aumento dell'inquinamento ambientale: un approccio ottimizzato e spiegabile di intelligenza artificiale (XAI)

Perché insegnare l'ambiente è importante

In tutto il mondo aria sporca, acqua non sicura e rifiuti in aumento stanno danneggiando persone e natura. La Libia affronta tutti questi problemi contemporaneamente, dalle coste inquinate ai deserti segnati dal petrolio. Questo studio pone una domanda semplice ma potente: una migliore educazione ambientale può invertire la tendenza — e l'intelligenza artificiale moderna può indicarci quali tipi di insegnamento fanno davvero la differenza?

Pressioni inquinanti vicino a casa

L'ambiente libico è sotto stress da molte parti. Acque reflue non trattate e scarichi industriali contaminano fiumi, falde acquifere e mare. Attività legate a petrolio e gas, cementifici e traffico peggiorano la qualità dell'aria nelle città, mentre una cattiva raccolta dei rifiuti lascia immondizia da scaricare e bruciare in aree aperte. Queste tendenze minacciano la vita marina, l'acqua potabile e la salute pubblica, contribuendo a malattie respiratorie, tumori e infezioni di origine idrica. In questo contesto, il paese ha iniziato a inserire temi ambientali nei programmi scolastici e universitari, sperando che cittadini informati promuovano pratiche e politiche più pulite.

Ascoltare la prossima generazione

I ricercatori si sono concentrati su studenti di corsi di scienze ambientali e formazione presso due università libiche. Oltre 400 studenti hanno compilato un questionario online che chiedeva del loro background, quanto siano preoccupati per problemi come inquinamento di aria e acqua o cambiamento climatico, cosa fanno nella vita quotidiana — come riciclare, partecipare a pulizie collettive o acquistare prodotti con meno imballaggi — e quanto credono di sapere sull'inquinamento, le sue cause e le possibili soluzioni. La maggior parte degli studenti ha dichiarato elevata preoccupazione per la qualità dell'aria e dell'acqua e per il cambiamento climatico, e molti hanno riferito di adottare già abitudini pro‑ambientali come la separazione dei riciclabili o la partecipazione a eventi di pulizia. Anche la conoscenza auto‑riferita è risultata elevata: ampie maggioranze hanno detto di comprendere i principali inquinanti, le cause principali dell'inquinamento e i possibili rimedi.

Usare strumenti intelligenti per trovare ciò che conta davvero

Per andare oltre le semplici medie, il team ha impiegato metodi avanzati di IA. Ha trattato la conoscenza degli studenti sulle soluzioni all'inquinamento ambientale come l'esito principale da prevedere, e tutte le altre risposte del sondaggio — preoccupazione, disponibilità ad agire e comportamenti segnalati — come possibili influenze. Sono stati costruiti diversi modelli computazionali, tra cui reti neurali, alberi di decisione potenziati e un metodo chiamato Gaussian process regression. Successivamente è stata utilizzata una tecnica nota come Bayesian optimization per ottimizzare automaticamente questi modelli in modo che le loro previsioni fossero il più accurate possibile. Inoltre è stato applicato un approccio di “explainable AI”, che assegna a ciascun fattore del sondaggio un punteggio di contributo, mostrando quanto fortemente aiuta il modello a prevedere la comprensione da parte dello studente delle soluzioni all'inquinamento.

Cosa forma la comprensione ambientale degli studenti

L'analisi con XAI ha rivelato che non tutte le domande avevano la stessa importanza. I legami più forti con la conoscenza su come affrontare l'inquinamento derivavano da alcuni fattori chiave: se gli studenti conoscevano le cause principali dell'inquinamento e i principali inquinanti; se usavano regolarmente contenitori separati per i riciclabili; se erano disposti a ridurre i propri rifiuti; e se erano pronti a collaborare con gruppi dedicati alla protezione ambientale. In altre parole, sia la conoscenza concreta sia le abitudini pratiche e orientate alla comunità sembrano centrali per una comprensione più profonda. Quando i modelli sono stati ricostruiti usando solo questo piccolo insieme di fattori influenti, hanno reso altrettanto bene o meglio rispetto all'uso dell'intero questionario — in particolare il modello ottimizzato di Gaussian process regression, che ha previsto i punteggi di conoscenza delle soluzioni degli studenti con elevata accuratezza.

Dai dati all'azione per un futuro più pulito

Per i non specialisti, il messaggio principale è che l'educazione non aiuta l'ambiente semplicemente aggiungendo più fatti ai libri di testo. Ciò che sembra contare di più è un insegnamento che collega problemi locali reali ad azioni quotidiane e sforzi collettivi, e che costruisce una chiara comprensione di cosa causa l'inquinamento in primo luogo. Utilizzando l'XAI, questo studio mostra come scuole, università e decisori politici possano individuare quali atteggiamenti e comportamenti incoraggiare se vogliono che gli studenti diventino custodi competenti del loro ambiente. Pur essendo basato su università libiche e su dati auto‑riferiti, l'approccio offre un modello: combinare un'educazione ambientale pensata con analisi IA trasparenti per progettare programmi più intelligenti e mirati che trasformino la preoccupazione in azione efficace.

Citazione: 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

Parole chiave: educazione ambientale, inquinamento, Libia, intelligenza artificiale, comportamento degli studenti