作为应对日益严重环境污染的手段的环境教育：一种优化的可解释人工智能（XAI）方法

为什么环境教育很重要

在世界各地，污浊的空气、不安全的水源以及日益增长的废弃物正在危害人类与自然。利比亚同时面临这些问题，从受污染的海岸到被石油破坏的沙漠。本文提出了一个简单但有力的问题：更好的环境教育能否扭转局面——以及现代人工智能（AI）能否揭示哪种教学真正有效？

近在咫尺的污染压力

利比亚的环境正受到多方压力。未经处理的污水和工业废水污染河流、地下水和海洋。石油与天然气活动、水泥厂和交通使城市空气质量恶化，而欠缺的垃圾收运使废弃物被倾倒并在露天焚烧。这些趋势威胁海洋生物、饮用水和公共健康，导致呼吸系统疾病、癌症和水传播感染。在此背景下，国家已开始将环境议题纳入中学和大学课程，寄望受过信息洗礼的公民推动更清洁的做法与政策。

倾听下一代

研究者将对象聚焦于两所利比亚大学环境科学与教育专业的学生。超过400名学生完成了一份在线问卷，内容涉及他们的背景，对空气与水污染或气候变化等问题的担忧程度，他们在日常生活中的实际行为——例如回收、参加清洁活动或购买包装更少的产品——以及他们对污染、其成因和解决办法的自我认知。大多数学生表示对空气和水质及气候变化高度关切，且许多人称已践行有利环境的习惯，如分开回收物或参加清洁活动。自报的知识水平也较高：大多数人认为自己理解主要污染物、污染的主要成因以及可行的补救措施。

用智能工具找出真正关键的因素

为了超越简单均值分析，团队采用了先进的AI方法。他们将学生对污染解决方案的知识视为要预测的主要结果，其他问卷答案——担忧程度、愿意采取行动的意愿和自报行为——则作为可能的影响因素。他们构建了若干计算模型，包括神经网络、提升决策树和称为高斯过程回归的方法。随后使用一种称为贝叶斯优化的技术对这些模型进行自动调优，以使预测尽可能准确。在此基础上，他们应用了“可解释AI”方法，为每个调查因素分配贡献评分，显示该因素在多大程度上帮助模型预测学生对污染解决方案的理解。

塑造学生环境认知的因素

可解释AI分析显示，并非所有问题同等重要。与了解如何应对污染最强相关的是几个关键因素：学生是否知道污染的主要成因和主要污染物；是否常规使用分装的回收容器；是否愿意减少自身产生的废弃物；以及是否愿意与致力于环境保护的团体合作。换言之，既有具体知识又有动手的、面向社区的习惯，似乎是更深层理解的核心。当模型仅用这小组有影响力的因素重建时，其表现与使用完整问卷相比相当或更好——尤其是经过优化的高斯过程回归模型，它以极高的精度预测了学生的解决方案知识分数。

从数据到行动，迈向更清洁的未来

对非专业读者来说，主要结论是：教育并非仅通过在教科书中堆砌更多事实来帮助环境。更重要的是将真实的地方问题与日常行动和集体努力相连接的教学，并建立对污染成因的清晰理解。通过使用可解释AI，本研究展示了学校、大学和决策者如何精确识别应当鼓励的态度与行为，从而使学生成为有能力的环境守护者。尽管该研究基于利比亚的大学并依赖自报的问卷数据，但这一方法提供了一个蓝图：将深思熟虑的环境教育与透明的AI分析相结合，设计更智能、更有针对性的项目，帮助将关切转化为有效行动。

引用: 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

关键词: 环境教育, 污染, 利比亚, 人工智能, 学生行为