Экологическое образование как средство борьбы с растущим загрязнением окружающей среды: оптимизированный объяснимый подход на базе искусственного интеллекта (XAI)

Почему важно преподавать экологию

Во всем мире грязный воздух, небезопасная вода и нарастающие объёмы отходов вредят людям и природе. Ливия сталкивается со всеми этими проблемами одновременно — от загрязнённого побережья до пустынь, испятнанных нефтью. В этом исследовании задаётся простой, но значимый вопрос: может ли более качественное экологическое образование изменить ситуацию — и сможет ли современный искусственный интеллект показать, какие виды обучения действительно имеют эффект?

Давление загрязнений рядом с домом

Окружающая среда Ливии испытывает нагрузку с нескольких сторон. Сточные воды без очистки и промышленные сбросы отравляют реки, грунтовые воды и море. Деятельность в нефтегазовой отрасли, цементные заводы и транспорт ухудшают качество воздуха в городах, а ненадлежащий сбор отходов приводит к их сбросу и сжиганию на открытых территориях. Эти тенденции угрожают морской жизни, питьевой воде и общественному здоровью, способствуя заболеваниям дыхательных путей, онкологическим болезням и инфекциям, передающимся через воду. На этом фоне в стране начали внедрять экологические темы в школьные и университетские программы, рассчитывая, что информированные граждане будут добиваться более чистых практик и политики.

Услышьте следующее поколение

Исследователи сосредоточились на студентах программ по экологической науке и образованию в двух ливийских университетах. Более 400 студентов заполнили онлайн‑анкеты, в которых спрашивали об их биографии, уровне тревоги по поводу таких проблем, как загрязнение воздуха и воды или изменение климата, о повседневных действиях — например, сортировке отходов, участии в уборках или покупке товаров с меньшей упаковкой — и об уровне их знаний о загрязнении, его причинах и возможных решениях. Большинство студентов сообщили о высокой озабоченности качеством воздуха и воды и изменением климата, и многие отметили, что уже придерживаются проэкологических привычек, таких как раздельный сбор вторсырья или участие в очистительных акциях. Самооценка знаний также была высокой: значительное большинство заявило, что понимает основные загрязнители, главные причины загрязнения и возможные меры по их устранению.

Использование умных инструментов для выявления действительно важных факторов

Чтобы выйти за рамки простых средних значений, команда применила современные методы ИИ. Они рассматривали знание студентами способов решения проблемы загрязнения как основную прогнозируемую переменную, а все остальные ответы анкеты — уровень беспокойства, готовность действовать и сообщённые привычки — как возможные влияющие факторы. Были построены несколько компьютерных моделей, включая нейронные сети, бустированные деревья решений и метод гауссовской регресии (Gaussian process regression). Затем использовали технику, известную как байесовская оптимизация, чтобы автоматически настроить эти модели так, чтобы их прогнозы были максимально точными. Кроме того, применили подход «объяснимого ИИ» (XAI), который присваивает каждому фактору анкеты вкладовую оценку, показывая, насколько сильно он помогает модели предсказывать понимание студентом способов борьбы с загрязнением.

Что формирует экологическое понимание студентов

Анализ с помощью объяснимого ИИ показал, что не все вопросы одинаково важны. Самые сильные связи с пониманием способов борьбы с загрязнением связаны с несколькими ключевыми факторами: знанием студентами основных причин загрязнения и главных загрязнителей; привычкой использовать отдельные контейнеры для вторсырья; готовностью сокращать собственные отходы; и готовностью сотрудничать с организациями, посвящёнными охране окружающей среды. Иными словами, как конкретные знания, так и практические, ориентированные на сообщество привычки кажутся центральными для глубокого понимания. Когда модели перестроили, используя только этот небольшой набор влиятельных факторов, их работа была не хуже, а иногда и лучше, чем при использовании полной анкеты — особенно оптимизированная модель гауссовской регрессии, которая очень точно предсказывала показатели знаний студентов о решениях проблем загрязнения.

От данных к действиям ради более чистого будущего

Для неспециалистов главный вывод таков: образование помогает окружающей среде не просто путём добавления фактов в учебники. Важнее всего обучение, которое связывает реальные местные проблемы с повседневными действиями и коллективными усилиями, а также формирует ясное понимание причин загрязнения. Используя объяснимый ИИ, это исследование показывает, как школы, университеты и политики могут точно определить, какие установки и поведения следует поощрять, чтобы студенты стали компетентными хранителями своей среды. Хотя работа основана на ливийских университетах и опирается на самооценочные данные анкет, подход предлагает рабочую схему: сочетать продуманное экологическое образование с прозрачным анализом ИИ, чтобы проектировать более умные, целенаправленные программы, которые помогут превратить озабоченность в эффективные действия.

Цитирование: 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

Ключевые слова: экологическое образование, загрязнение, Ливия, искусственный интеллект, поведение студентов