利用机器学习探究双重亲环境意图—行为差距的影响机制

为何美好的环保意愿常常落空

我们中许多人都声称关心气候，但仍会忘记分类垃圾、开着灯离开房间，或在可以步行时选择开车。人们对环保的意图与实际行为之间的这种不一致，是本研究的核心。研究者不仅试图弄清为何强烈的意图有时无法转化为行动，还探究为何在某些情况下，人们即便自述缺乏明确意图，仍会表现出环保行为。

塑造气候的日常选择

论文关注的是日常的亲环境行为，例如关闭电器、回收利用、乘坐公共交通以及鼓励亲友更有环保意识。这些小行动在数百万人中重复发生时，可显著减少碳排放，帮助社会迈向低碳发展。然而，以往研究多聚焦于意图的驱动因素，而非人们所说与所做之间常常令人惊讶的差距。本研究通过对来自中国2166名城市居民的数据进行细致分析，进一步考察了这一差距的双方。

四种绿色行为模式

为解释这些意图—行动不匹配，作者用一个简单的颜色编码模型将人群分为四类。“绿色”群体既有较高的意图，也常常采取亲环境行动。“红色”群体意图低且很少采取环保行为。更耐人寻味的是两类“灰色”群体，展现出双重差距：一类虽然自述意图低但经常实施环保行动（正向差距），另一类则表明意图强但很少付诸行动（负向差距）。大约五分之一的受访者属于这两类差距群体，凸显了现实生活中这种不一致的普遍性。

心理与环境因素如何发挥作用

研究者随后考察了哪些个人特质和外部条件能解释这四种模式。他们关注受访者的环境知识、对环保行为的态度、个人责任感、对自己能否产生影响的信念以及对社会压力的感知。同时也考虑情境因素，例如回收点或公共交通等绿色基础设施在可见性与便利性上的感受。研究并非采用假设简单线性关系的传统统计方法，而是使用现代机器学习技术，并确定LightGBM这一强大算法最擅长在数据中识别复杂、非线性的模式。

隐秘的转折点与基础设施的意外作用

机器学习结果显示，对亲环境行为的态度始终是最重要的因素，但其作用并非简单的“越多越好”。对于正向差距群体——那些在意图低时仍会采取绿色行动的人——态度和责任感呈现倒U形关系：在某个程度上它们有助于绿色行为，但超过某一阈值后，其影响反而逆转。对于负向差距群体——意图高但行动少的人——非常强烈的亲环境态度最初似乎与差距扩大相关，直到态度强到一定程度，行为才开始追赶上来。较高的责任感和强烈的自我效能感有助于缩小负向差距，而高度可见的基础设施反而可能扩大差距，可能是因为人们觉得“系统”在替他们处理问题，自己的努力显得不那么重要。

对气候行动的启示

对非专业读者而言，结论是：促使更多人过上可持续生活，需要的不仅仅是提高意识或建设更好的基础设施。研究表明存在心理学上的临界点：态度、责任感和自信心需要被精心培养，以便推动行为向前，而不是造成挫败感或“别人会去做”的心理。差异化策略可能更为有效：支持并放大已表现绿色的群体、降低那些难以付诸行动者的实际障碍、利用家庭和工作中的角色来鼓励低调的实践者、以及设计能激发个人参与而非削弱参与感的公共系统。通过揭示这些微妙的模式，论文为将气候关切转化为持久的日常行动提供了更现实的路径图。

引用: 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

关键词: 亲环境行为, 意图—行为差距, 机器学习, 环境心理学, 低碳生活方式