Att utnyttja maskininlärning för att utforska påverkansmekanismer i den dubbla intention–beteende-klyftan för pro-miljöbeteenden

Varför goda gröna intentioner ofta faller kort

Många av oss säger att vi bryr oss om klimatet, men glömmer ändå att sortera sopor, lämnar lampor tända eller kör bil när vi kunde gått. Detta missförhållande mellan vad människor avser att göra för miljön och vad de faktiskt gör står i centrum för denna studie. Forskarna försökte förstå inte bara varför starka intentioner ibland misslyckas med att bli handling, utan också varför människor i vissa fall agerar miljövänligt även när de rapporterar lite medveten avsikt att göra det.

Vardagliga val som formar klimatet

Artikeln fokuserar på vardagliga pro-miljöbeteenden som att stänga av apparater, återvinna, använda kollektivtrafik och uppmuntra vänner eller familj att bli mer miljömedvetna. Dessa små handlingar, multiplicerade över miljontals människor, kan avsevärt minska koldioxidutsläpp och hjälpa samhällen mot lågkoldioxidutveckling. Tidigare forskning har dock huvudsakligen undersökt vad som driver intentioner, inte den ofta överraskande klyftan mellan vad människor säger och vad de gör. Denna studie går längre genom att detaljgranska båda sidor av den klyftan, med data från 2 216 stadsbor i Kina.

Fyra typer av gröna beteendemönster

För att förstå dessa intention–handlingsmismatchar grupperar författarna människor i fyra kategorier med en enkel färgkodad modell. "Gröna" individer har både höga intentioner och frekventa pro-miljöhandlingar. "Röda" individer visar låga intentioner och agerar sällan miljövänligt. Mer intressant finns två "grå" grupper som avslöjar den dubbla klyftan: en där människor ofta utför gröna handlingar trots att de rapporterar låg avsikt (en positiv klyfta), och en annan där människor uttrycker stark avsikt men sällan följer upp den (en negativ klyfta). Ungefär en av fem respondenter hamnade i någon av dessa klyftgrupper, vilket understryker hur vanligt förekommande sådana mismatchar är i verkliga livet.

Vad sinne och omgivning har att göra med det

Forskarna undersöker sedan vilka personliga egenskaper och yttre förhållanden som hjälper till att förklara dessa fyra mönster. De ser på människors miljökunskap, känslor inför att agera grönt, känsla av personligt ansvar, tro på sin egen förmåga att göra skillnad och uppfattningar om socialt tryck. De beaktar också situationsfaktorer som hur synlig och bekväm grön infrastruktur — som återvinningsstationer eller kollektivtrafik — framstår som. Istället för traditionell statistik som antar enkla, linjära samband använder de moderna maskininlärningsmetoder och identifierar LightGBM, en kraftfull algoritm, som bäst på att upptäcka komplexa, icke-linjära mönster i data.

Dolda vändpunkter och en överraskande roll för infrastruktur

Maskininlärningsresultaten visar att attityd till pro-miljöbeteende konsekvent spelar störst roll, men inte på ett enkelt "ju mer desto bättre"-sätt. För personer i den positiva klyftgruppen — de som agerar grönt trots låga intentioner — följer attityd och ansvarskänsla en inverterad U-form: upp till en viss punkt stödjer de grönt beteende, men bortom en viss tröskel vänder deras inflytande. För den negativa klyftgruppen — höga intentioner men lågt agerande — verkar en mycket stark pro-miljöattityd initialt kopplas till en större klyfta, tills att attityderna blir så starka att beteendet slutligen börjar komma i kapp. En hög ansvarskänsla och starkt självförtroende hjälper till att minska den negativa klyftan, medan mycket synlig infrastruktur faktiskt kan förstora den, möjligen därför att människor känner att "systemet" tar hand om saker och att deras egna insatser betyder mindre.

Vad detta betyder för klimatåtgärder

För icke-specialister är slutsatsen att få människor att leva mer hållbart kräver mer än att öka medvetenheten eller bygga bättre infrastruktur. Studien antyder att det finns psykologiska vändpunkter: attityder, ansvar och självtillit behöver vårdas omsorgsfullt så att de driver beteendet framåt snarare än skapar frustration eller en känsla av att "någon annan tar hand om det". Skräddarsydda strategier kan fungera bäst: stödja och förstärka den redan gröna gruppen, sänka praktiska hinder för dem som har svårt att agera, använda roller i hemmet och på jobbet för att uppmuntra tysta aktörer, och utforma offentliga system som inbjuder till personligt engagemang istället för att utspäda det. Genom att avslöja dessa nyanserade mönster erbjuder artikeln en mer realistisk färdplan för att omvandla klimatengagemang till bestående vardagliga handlingar.

Citering: 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

Nyckelord: pro-miljöbeteende, intention–beteende-klyfta, maskininlärning, miljöpsykologi, lågutsläppslevnad