Educação ambiental como meio de combater a crescente poluição ambiental: uma abordagem otimizada de inteligência artificial explicável (XAI)

Por que ensinar sobre o meio ambiente importa

Em todo o mundo, ar poluído, água insegura e o acúmulo de resíduos estão prejudicando pessoas e a natureza. A Líbia enfrenta todos esses problemas ao mesmo tempo, desde costas contaminadas até desertos marcados por petróleo. Este estudo faz uma pergunta simples, porém poderosa: uma educação ambiental melhor pode ajudar a reverter essa tendência — e a inteligência artificial (IA) moderna pode nos mostrar quais tipos de ensino realmente fazem diferença?

Pressões da poluição próximas de casa

O meio ambiente na Líbia está sob pressão por muitos lados. Esgotos não tratados e efluentes industriais contaminam rios, lençóis freáticos e o mar. Atividades de petróleo e gás, fábricas de cimento e o tráfego agravam a qualidade do ar nas cidades, enquanto a coleta de resíduos deficiente deixa lixo a ser despejado e queimado em áreas abertas. Essas tendências ameaçam a vida marinha, a água potável e a saúde pública, contribuindo para doenças respiratórias, cânceres e infecções transmitidas pela água. Nesse cenário, o país começou a incorporar temas ambientais em programas escolares e universitários, na esperança de que cidadãos informados pressionem por práticas e políticas mais limpas.

Ouvindo a próxima geração

Os pesquisadores concentraram‑se em estudantes de cursos de ciências ambientais e de educação em duas universidades líbias. Mais de 400 estudantes responderam a um questionário online que perguntava sobre seu histórico, o grau de preocupação com questões como poluição do ar e da água ou mudança climática, o que fazem no dia a dia — como reciclar, participar de mutirões de limpeza ou comprar produtos com menos embalagens — e quanto acreditam saber sobre poluição, suas causas e soluções. A maioria dos estudantes relatou grande preocupação com a qualidade do ar e da água e com a mudança climática, e muitos disseram já adotar hábitos pró‑ambientais, como separar recicláveis ou participar de eventos de limpeza. O conhecimento autoatribuído também foi elevado: grandes maiorias disseram entender os principais poluentes, as causas principais da poluição e possíveis soluções.

Usando ferramentas inteligentes para descobrir o que realmente importa

Para ir além de médias simples, a equipe recorreu a métodos avançados de IA. Tratou o conhecimento dos estudantes sobre soluções para a poluição ambiental como o resultado principal a ser previsto, e todas as outras respostas do questionário — preocupação, disposição para agir e comportamentos relatados — como possíveis influências. Construíram vários modelos computacionais, incluindo redes neurais, árvores de decisão com boosting e um método chamado regressão por processo gaussiano. Em seguida, utilizaram uma técnica conhecida como otimização bayesiana para ajustar automaticamente esses modelos e tornar suas previsões o mais precisas possível. Além disso, aplicaram uma abordagem de “IA explicável”, que atribui a cada fator do questionário uma pontuação de contribuição, mostrando quão fortemente ele auxilia o modelo a prever o entendimento do estudante sobre soluções para a poluição.

O que molda a compreensão ambiental dos estudantes

A análise de IA explicável revelou que nem todas as perguntas tinham a mesma importância. As ligações mais fortes com o conhecimento sobre como enfrentar a poluição vieram de alguns fatores-chave: se os estudantes conheciam as principais causas da poluição e os poluentes mais importantes; se rotineiramente usavam recipientes separados para recicláveis; se estavam dispostos a reduzir seus próprios resíduos; e se estavam prontos para colaborar com grupos dedicados à proteção ambiental. Em outras palavras, tanto o conhecimento concreto quanto hábitos práticos e orientados à comunidade parecem centrais para uma compreensão mais profunda. Quando os modelos foram refeitos usando apenas esse pequeno conjunto de fatores influentes, eles tiveram desempenho igual ou superior ao obtido com o questionário completo — especialmente o modelo otimizado de regressão por processo gaussiano, que previu com alta precisão as pontuações de conhecimento sobre soluções dos estudantes.

Dos dados à ação por um futuro mais limpo

Para quem não é especialista, a mensagem principal é que a educação não ajuda o meio ambiente apenas ao acrescentar mais fatos aos livros didáticos. O que parece importar mais é um ensino que conecte problemas locais reais a ações cotidianas e esforços coletivos, e que construa uma compreensão clara do que causa a poluição desde o início. Ao usar IA explicável, este estudo mostra como escolas, universidades e formuladores de políticas podem identificar quais atitudes e comportamentos incentivar se quiserem que os estudantes se tornem gestores competentes do ambiente. Embora o trabalho seja baseado em universidades líbias e dependa de dados de pesquisa auto‑relatados, a abordagem oferece um roteiro: combine educação ambiental pensada com análise de IA transparente para projetar programas mais inteligentes e direcionados que ajudem a transformar preocupação em ação efetiva.

Citação: 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

Palavras-chave: educação ambiental, poluição, Líbia, inteligência artificial, comportamento estudantil