Przewidywanie wyboru paliwa do gotowania w gospodarstwach domowych w Afryce Subsaharyjskiej za pomocą nadzorowanej analizy uczenia maszynowego danych DHS z 28 krajów

Dlaczego sposób, w jaki rodziny gotują, ma znaczenie

W całej Afryce Subsaharyjskiej większość rodzin wciąż przygotowuje posiłki nad zadymionymi ogniskami, używając drewna, węgla drzewnego lub odpadów rolniczych. Ta codzienna praktyka ma ogromne konsekwencje: szkodzi płucom, przyczynia się do zmian klimatu i odzwierciedla głębokie nierówności w dochodach oraz w dostępie do podstawowych usług, takich jak elektryczność. Streszczone tutaj badanie stawia bardzo praktyczne pytanie: mając informacje o gospodarstwie domowym — jego dochodach, wykształceniu, dostępie do energii i miejscu zamieszkania — czy można wiarygodnie przewidzieć, czy gospodarstwo gotuje przy użyciu paliw czystych czy zanieczyszczających? A jeśli tak, co to mówi o sposobach przyspieszenia przejścia na bezpieczniejsze gotowanie dla setek milionów ludzi?

Przyglądając się codziennemu życiu w 28 krajach

Naukowcy wykorzystali szczegółowe ankiety gospodarstw domowych z 28 krajów Afryki Subsaharyjskiej, obejmujące ponad 430 000 domów w latach 2015–2024. Ankiety pytają, między innymi, jakie paliwo jest głównie używane do gotowania. Zespół sklasyfikował energię elektryczną, skroplony gaz LPG, gaz ziemny i biogaz jako opcje „czyste”, natomiast paliwa takie jak nafta, węgiel, węgiel drzewny, drewno opałowe, pozostałości roślin uprawnych i nawóz zwierzęcy jako „nieczyste”. Uwzględniono także informacje o wieku i płci osoby głowy gospodarstwa, wielkości rodziny, liczbie małych dzieci, wykształceniu, zamożności, posiadaniu elektryczności oraz posiadaniu radia lub telewizora. Razem te dane tworzą szeroki obraz tego, jak rodziny żyją, pracują i korzystają z informacji oraz usług.

Nauczanie komputerów rozpoznawania wzorców paliw

Aby wydobyć wzorce zbyt złożone dla tradycyjnej statystyki, autorzy zastosowali kilka nadzorowanych metod uczenia maszynowego — modeli komputerowych uczących się na podstawie przykładów. Przeszkolili siedem różnych modeli, w tym drzewa decyzyjne, lasy losowe, sztuczne sieci neuronowe oraz wydajną metodę boostingu o nazwie XGBoost, na 80% danych i testowali je na pozostałych 20%. Ponieważ gospodarstwa używające paliw czystych były znacznie rzadsze niż te używające paliw zanieczyszczających, podczas szkolenia zrównoważono dane, aby modele nie uczyły się po prostu przewidywać wyboru większościowego. Modele oceniano pod kątem częstości poprawnych przewidywań, zdolności identyfikowania użytkowników paliw czystych oraz jasności rozdzielenia wyborów czystych i nieczystych. XGBoost okazał się najlepszy, poprawnie przewidując rodzaj paliwa w około czterech przypadkach na pięć i wykazując doskonałą zdolność rozróżniania obu grup.

Co najbardziej wpływa na czystsze gotowanie

Dobre przewidywania są przydatne, ale decydenci potrzebują też wiedzy, co je napędza. Aby otworzyć „czarną skrzynkę”, zespół zastosował technikę nazwaną SHAP, która pokazuje, jak bardzo każdy czynnik przesuwa model w kierunku przewidywania paliw czystych lub nieczystych. Najsilniejszym pojedynczym wpływem był fakt posiadania elektryczności przez gospodarstwo. Domy bez elektryczności znacznie częściej polegały na zadymionych paliwach, szczególnie gdy były również biedne. Inne silne sygnały wskazujące na czystsze gotowanie to życie w mieście zamiast na wsi, wyższy poziom wykształcenia oraz posiadanie telewizora, co często idzie w parze z wyższymi dochodami i lepszym dostępem do informacji. Posiadanie radia, wielkość rodziny, liczba małych dzieci i miejsce gotowania (wewnątrz, w oddzielnej chacie czy na zewnątrz) także miały znaczenie, lecz mniejsze.

Nierówny postęp w regionie

Mimo rosnącej urbanizacji i sieci energetycznych badanie wykazuje, że 84% gospodarstw domowych w 28 krajach wciąż gotuje przy użyciu paliw nieczystych. W niektórych krajach — takich jak Burundi, Madagaskar, Sierra Leone, Malawi, Liberia i Gwinea — ponad 95% domów polega na tradycyjnej biomasie. Tylko nieliczne miejsca, zwłaszcza Republika Południowej Afryki i Gabon, mają większość gospodarstw korzystających z bardziej czystych opcji. W obrębie krajów ten sam podział pojawia się ponownie: bogatsze, miejskie i lepiej wykształcone rodziny z dostępem do elektryczności znacznie częściej przeszły na LPG lub gotowanie elektryczne, podczas gdy biedniejsze gospodarstwa wiejskie wciąż zbierają drewno lub kupują węgiel drzewny. Te wzorce pokazują, że postęp jest możliwy, ale nierównomierny i ściśle związany z pieniędzmi, infrastrukturą i informacją.

Co to oznacza dla ludzi i polityki

Dla osoby niebędącej specjalistą przesłanie jest jasne: mamy teraz oparte na danych narzędzie do identyfikowania społeczności najbardziej narażonych na wdychanie szkodliwego dymu z gotowania i rozumienia przyczyn tego stanu. Badanie pokazuje, że rozszerzenie dostępu do niezawodnej i przystępnej cenowo elektryczności, zmniejszenie różnic między obszarami wiejskimi i miejskimi, poprawa edukacji oraz zwiększanie dochodów gospodarstw domowych są kluczowe dla poprawy stanu gotowania. Dzięki dokładnym narzędziom predykcyjnym rządy i organizacje pomocowe mogą lepiej ukierunkować projekty elektryfikacyjne, subsydia na paliwo i kampanie informacyjne na gospodarstwa, które ich najbardziej potrzebują. Mówiąc prosto, badania zamieniają rozproszone odpowiedzi z ankiet w praktyczną mapę pomagającą milionom rodzin zamienić zadymione ogniska na bezpieczniejsze, czystsze kuchnie.

Cytowanie: Demoze, L., Asnake, A.A., Gebrehana, A.K. et al. Predicting household cooking fuel choice in sub-Saharan Africa using supervised machine learning analysis of DHS data from 28 countries. Sci Rep 16, 14208 (2026). https://doi.org/10.1038/s41598-026-44937-z

Słowa kluczowe: czyste gotowanie, energia w gospodarstwie domowym, Afryka Subsaharyjska, uczenie maszynowe, dostęp do energii elektrycznej