Sfruttare il machine learning per esplorare i meccanismi d’influenza nel duplice divario intenzione-comportamento pro-ambientale

Perché le buone intenzioni ecologiche spesso non bastano

Molti di noi dichiarano di preoccuparsi per il clima, eppure dimenticano di differenziare i rifiuti, lasciano le luci accese o usano l’auto quando potrebbero camminare. Questa discrepanza tra ciò che le persone intendono fare per l’ambiente e ciò che effettivamente fanno è al centro di questo studio. I ricercatori hanno voluto capire non solo perché forti intenzioni a volte non si trasformano in azione, ma anche perché, in alcuni casi, le persone agiscono in modo ecologico pur riferendo poca intenzionalità consapevole.

Scelte quotidiane che influenzano il clima

L’articolo si concentra su comportamenti pro-ambientali ordinari come spegnere gli apparecchi, riciclare, usare i mezzi pubblici e incoraggiare amici o familiari a essere più eco-consapevoli. Queste piccole azioni, moltiplicate per milioni di persone, possono ridurre significativamente le emissioni di carbonio e aiutare le società a muoversi verso uno sviluppo a basse emissioni. Tuttavia, ricerche passate si sono concentrate principalmente sui fattori che guidano le intenzioni, non sullo spesso sorprendente divario tra ciò che le persone dicono e ciò che fanno. Questo studio va oltre, esaminando in dettaglio entrambe le facce del divario, usando dati di 2.216 residenti urbani in tutta la Cina.

Quattro tipi di profili di comportamento green

Per comprendere questi scostamenti tra intenzione e azione, gli autori classificano le persone in quattro gruppi usando un modello semplice codificato per colore. Gli individui “verdi” hanno sia alte intenzioni sia frequenti azioni pro-ambientali. Gli individui “rossi” mostrano basse intenzioni e raramente si comportano in modo eco-compatibile. Più intriganti sono i due gruppi “grigi” che rivelano il doppio divario: uno in cui le persone spesso compiono azioni verdi nonostante riportino bassa intenzione (un divario positivo), e un altro in cui le persone esprimono forte intenzionalità ma raramente la mettono in pratica (un divario negativo). Circa una persona su cinque intervistata rientrava in uno di questi gruppi di divario, sottolineando quanto siano comuni queste discrepanze nella vita reale.

Cosa contano la mente e il contesto

I ricercatori esaminano quindi quali tratti personali e condizioni esterne aiutano a spiegare questi quattro schemi. Considerano la conoscenza ambientale delle persone, i sentimenti nei confronti dell’agire in modo ecologico, il senso di responsabilità personale, la fiducia nella propria capacità di fare la differenza e la percezione della pressione sociale. Prendono inoltre in considerazione fattori situazionali come quanto l’infrastruttura green — punti di raccolta per il riciclo o i trasporti pubblici — appaia visibile e conveniente. Invece delle statistiche tradizionali che assumono relazioni semplici e lineari, usano metodi moderni di machine learning e individuano LightGBM, un algoritmo potente, come il migliore per rilevare schemi complessi e non lineari nei dati.

Punti di svolta nascosti e un ruolo sorprendente per le infrastrutture

I risultati del machine learning mostrano che l’atteggiamento verso i comportamenti pro-ambientali è costantemente il fattore più importante, ma non in modo semplice del tipo “di più è sempre meglio”. Per le persone nel gruppo del divario positivo — coloro che agiscono in modo green nonostante basse intenzioni — atteggiamento e senso di responsabilità seguono una curva a U rovesciata: fino a un certo punto favoriscono il comportamento green, ma al di là di una soglia il loro effetto si inverte. Per il gruppo del divario negativo — alte intenzioni ma bassa azione — avere un atteggiamento molto pro-ambientale sembra inizialmente collegato a un divario più ampio, finché l’atteggiamento non diventa così forte da far finalmente recuperare il comportamento. Un alto senso di responsabilità e una forte fiducia in sé riducono il divario negativo, mentre infrastrutture molto visibili possono in realtà ampliarlo, forse perché le persone percepiscono che “il sistema” si occupa delle cose e i loro sforzi personali contano meno.

Cosa significa per l’azione climatica

Per i non esperti, la conclusione è che far vivere le persone in modo più sostenibile richiede più che sensibilizzare o costruire infrastrutture migliori. Lo studio suggerisce che esistono punti di svolta psicologici: atteggiamenti, responsabilità e fiducia in sé devono essere coltivati con cura affinché spingano il comportamento in avanti invece di generare frustrazione o la convinzione che “qualcun altro se ne occuperà”. Strategie su misura possono funzionare meglio: sostenere e amplificare il gruppo già green, abbassare le barriere pratiche per chi fatica ad agire, sfruttare i ruoli domestici e professionali per incoraggiare chi agisce silenziosamente, e progettare sistemi pubblici che invitino all’impegno personale anziché diluirlo. Rivelando questi schemi sfumati, l’articolo offre una mappa più realistica per trasformare la preoccupazione climatica in azioni quotidiane durature.

Citazione: Dong, Z., Zhang, Y., Mao, Y. et al. Harnessing machine learning to explore influencing mechanism in the dual pro-environmental intention-behavior gap. Sci Rep 16, 12082 (2026). https://doi.org/10.1038/s41598-026-42468-1

Parole chiave: comportamento pro-ambientale, divario intenzione–comportamento, machine learning, psicologia ambientale, stile di vita a basse emissioni di carbonio