Использование машинного обучения для исследования механизмов, влияющих на двойной разрыв между проэкологическими намерениями и поведением

Почему хорошие экологические намерения часто не оправдываются

Многие из нас говорят, что заботятся о климате, но всё равно забывают сортировать мусор, оставляют включенными свет или садятся в машину, когда можно пройтись пешком. Это несоответствие между тем, что люди намерены делать для окружающей среды, и тем, что они фактически делают, лежит в основе этого исследования. Исследователи поставили цель понять не только почему сильные намерения иногда не превращаются в действие, но и почему в некоторых случаях люди действуют экологично, хотя декларируют мало осознанного намерения.

Ежедневные выборы, формирующие климат

Статья фокусируется на обычных проэкологических действиях — таких как выключение приборов, переработка отходов, пользование общественным транспортом и побуждение друзей или семьи к экологичному поведению. Эти небольшие действия, умноженные на миллионы людей, могут существенно сократить выбросы углерода и помочь обществам перейти к низкоуглеродному развитию. Тем не менее предыдущие исследования в основном изучали факторы, формирующие намерения, а не часто неожиданное расхождение между словами и делами. Это исследование идет дальше, подробно рассматривая обе стороны разрыва, опираясь на данные 2 216 городских жителей по всей Китаю.

Четыре типа моделей экологического поведения

Чтобы понять эти несоответствия между намерением и действием, авторы разделяют людей на четыре группы, используя простую цветовую модель. «Зеленые» — это люди с высокими намерениями и частыми проэкологическими действиями. «Красные» демонстрируют низкие намерения и редко действуют экологично. Более интригующими являются две «серые» группы, которые выявляют двойной разрыв: одна группа часто совершает экологичные поступки при низко декларируемых намерениях (положительный разрыв), а другая выражает сильные намерения, но редко доводит их до действий (отрицательный разрыв). Примерно каждый пятый респондент попал в одну из этих групп-разрывов, что подчеркивает распространенность таких несоответствий в реальной жизни.

Что влияют внутренние установки и окружение

Затем исследователи изучают, какие личные черты и внешние условия помогают объяснить эти четыре модели. Они рассматривают экологические знания, отношение к экологическим действиям, чувство личной ответственности, уверенность в собственной способности что-то изменить и восприятие социального давления. Также учитываются ситуативные факторы, такие как видимость и удобство экологической инфраструктуры — точек переработки или общественного транспорта. Вместо традиционной статистики, предполагающей простые прямые связи, авторы используют современные методы машинного обучения и определяют LightGBM, мощный алгоритм, как наилучший для выявления сложных нелинейных зависимостей в данных.

Скрытые точки перелома и неожиданный эффект инфраструктуры

Результаты машинного обучения показывают, что отношение к проэкологическому поведению стабильно имеет наибольшее значение, но не в простом «чем больше, тем лучше» смысле. Для людей из группы с положительным разрывом — тех, кто действует экологично при низких намерениях — отношение и чувство ответственности имеют форму перевернутой U: до определенного момента они поддерживают поведение, но за пределом некой границы их влияние меняется на обратное. Для группы с отрицательным разрывом — при высоких намерениях и низкой активности — очень сильное проэкологическое отношение сначала связано с увеличением разрыва, пока отношение не становится настолько сильным, что поведение наконец начинает догонять намерения. Высокое чувство ответственности и сильная уверенность в себе помогают сократить отрицательный разрыв, тогда как высокая видимость инфраструктуры может фактически его увеличивать, возможно потому, что люди чувствуют: «система» обо всем позаботится, и их собственные усилия кажутся менее значимыми.

Что это значит для климатических действий

Для неспециалистов вывод таков: добиться более устойчивого образа жизни людей можно не только повышая осведомленность или строя лучшую инфраструктуру. Исследование показывает, что существуют психологические точки перелома: отношения, чувство ответственности и уверенность в себе нужно аккуратно развивать, чтобы они продвигали поведение вперед, а не вызывали разочарование или ощущение, что «кто-то другой это решит». Наилучшие стратегии, вероятно, будут адаптированы под разные группы: поддерживать и усиливать уже «зеленых», снижать практические барьеры для тех, кто затрудняется действовать, использовать роли в семье и на работе для поощрения тихих исполнителей и проектировать общественные системы так, чтобы они приглашали к личному участию, а не размывали его. Раскрывая эти тонкие закономерности, статья предлагает более реалистичную дорожную карту для превращения озабоченности климатом в устойчивые повседневные действия.

Цитирование: 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

Ключевые слова: проэкологическое поведение, разрыв между намерением и поведением, машинное обучение, экологическая психология, низкоуглеродный образ жизни