Miljöundervisning som ett medel för att bekämpa växande miljöföroreningar: en optimerad förklarlig artificiell intelligens (XAI)-ansats

Varför undervisning om miljön är viktig

Runt om i världen skadar smutsig luft, osäkert vatten och växande mängder avfall människor och natur. Libyen möter alla dessa problem samtidigt, från förorenade kuster till oljeskadade öknar. Denna studie ställer en enkel men kraftfull fråga: kan förbättrad miljöundervisning hjälpa till att vända utvecklingen — och kan modern artificiell intelligens (AI) visa vilka typer av undervisning som verkligen gör skillnad?

Föroreningspåfrestningar nära hemmet

Libyens miljö är pressad från många håll. Obehandlat avloppsvatten och industriutsläpp förorenar floder, grundvatten och havet. Oljeborrning och gasverksamhet, cementindustrier och trafik försämrar luftkvaliteten i städer, medan bristfällig avfallshantering lämnar sopor att dumpas och eldas i öppna områden. Dessa trender hotar havsliv, dricksvatten och folkhälsa och bidrar till luftvägssjukdomar, cancer och vattenburna infektioner. Mot denna bakgrund har landet börjat väva in miljöfrågor i skol- och universitetsprogram, i förhoppningen att informerade medborgare ska driva på för renare praxis och bättre politik.

Lyssna på nästa generation

Forskarna fokuserade på studenter i miljövetenskap och utbildningsprogram vid två libyska universitet. Mer än 400 studenter fyllde i ett webbenkät som frågade om deras bakgrund, hur oroade de var över frågor som luft- och vattenföroreningar eller klimatförändringar, vad de faktiskt gör i vardagen — såsom återvinning, deltagande i städaevenemang eller att köpa produkter med mindre förpackning — och hur mycket de tror att de vet om föroreningar, deras orsaker och lösningar. De flesta studenter rapporterade hög oro för luft- och vattenkvalitet samt klimatförändringar, och många uppgav att de redan ägnar sig åt miljövänliga vanor som att sortera återvinningsbart material eller delta i städevenemang. Självrapporterad kunskap var också stark: stora majoriteter sade att de förstod de viktigaste föroreningarna, huvudorsakerna till föroreningar och möjliga åtgärder.

Använda smarta verktyg för att hitta vad som verkligen betyder något

För att gå bortom enkla medelvärden tog teamet till avancerade AI-metoder. De behandlade studenternas kunskap om lösningar på miljöföroreningar som det huvudsakliga utfall de ville förutsäga, och alla andra enkätfrågor — oro, vilja att agera och rapporterade beteenden — som möjliga påverkningsfaktorer. De byggde flera datormodeller, inklusive neurala nätverk, förstärkta beslutsträd och en metod kallad Gaussian process regression. De använde sedan en teknik känd som Bayesisk optimering för att automatiskt finjustera dessa modeller så att deras prediktioner blev så exakta som möjligt. Utöver detta tillämpade de en "förklarlig AI"-ansats, som tilldelar varje enkätfaktor en bidragspoäng och visar hur starkt den hjälper modellen att förutsäga en students förståelse av föroreningslösningar.

Vad som formar studenters miljöförståelse

Den förklarliga AI-analysen visade att inte alla frågor var lika viktiga. De starkaste kopplingarna till att veta hur man hanterar föroreningar kom från ett fåtal nyckelfaktorer: om studenterna kände till de huvudsakliga orsakerna till föroreningar och de största föroreningarna; om de rutinemässigt använde separata kärl för återvinningsbart material; om de var villiga att minska sitt eget avfall; och om de var beredda att samarbeta med grupper som arbetar för miljöskydd. Med andra ord verkar både konkret kunskap och praktiska, samhällsorienterade vanor vara centrala för djupare förståelse. När modellerna byggdes om med endast denna lilla uppsättning inflytelserika faktorer presterade de lika bra eller bättre än när de matades med hela enkäten — särskilt den optimerade Gaussian process regression-modellen, som förutsåg studenternas kunskap om lösningar med mycket hög noggrannhet.

Från data till handling för en renare framtid

För icke-specialister är huvudbudskapet att utbildning inte hjälper miljön genom att bara lägga till fler fakta i läroböckerna. Det som verkar spela störst roll är undervisning som kopplar verkliga lokala problem till vardagliga handlingar och kollektiva insatser, och som bygger en klar förståelse för vad som orsakar föroreningar från början. Genom att använda förklarlig AI visar denna studie hur skolor, universitet och beslutsfattare kan identifiera vilka attityder och beteenden som bör uppmuntras om man vill att studenter ska bli kapabla vårdare av sin miljö. Även om arbetet bygger på libyska universitet och förlitar sig på självrapporterade enkätdata, erbjuder ansatsen en ritning: kombinera genomtänkt miljöundervisning med transparent AI-analys för att utforma smartare, mer riktade program som hjälper till att omvandla oro till effektiv handling.

Citering: 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

Nyckelord: miljöundervisning, förorening, Libyen, artificiell intelligens, studentbeteende