Machine Learning-Based Prediction of Circular Economy Implementation Effectiveness in Education for Sustainable Development (ESD) Programs: Empirical Evidence from Indonesia

تخيل العالم كورشة عمل ضخمة وفوضوية، حيث نبني الأشياء باستمرار، ونستخدمها، ثم نتخلص منها. لفترة طويلة، عملنا كطريق ذي اتجاه واحد: نأخذ الموارد، نصنع المنتجات، ثم نلقي بالمخلفات. ولكن العلماء والتربويين يحاولون الآن تحويل هذا إلى دوامة ضخمة تسمى الاقتصاد الدائري. فبدلاً من النفايات، يتم إعادة تدوير كل شيء، أو إعادة استخدامه، أو تحويله إلى شيء جديد، مما يبقي الموارد تدور في دائرة سعيدة بدلاً من أن تختفي في مكبات النفايات. ولتحقيق ذلك، نحتاج إلى تعليم الناس كيفية التفكير في حلقات. وهنا يأتي دور التعليم من أجل التنمية المستدامة (ESD). فكر في هذا التعليم كمنهج دراسي يدرب عقولنا على رؤية العالم كنظام مترابط حيث لا يضيع فيه شيء. ولكن الجزء الصعب هنا هو: مجرد قول المدرسة إنها تدرس هذه الأفكار لا يعني أنها تطبقها بالفعل. كيف نعرف ما إذا كانت الدروس "الدائرية" قد استقرت في الأذهان؟ هذا هو السؤال الكبير. وبدلاً من مجرد سؤال المعلمين: "هل قمت بعمل جيد؟"، قررت دراسة جديدة استخدام محقق رقمي فائق الذكاء يسمى تعلم الآلة للتلصص خلف الستار ومعرفة ما الذي يجعل هذه البرامج تنجح أو تفشل حقاً.

---

المحقق الرقمي وحلقة المدرسة

قرر فريق من الباحثين من إندونيسيا لعب دور المحقق في لغز محدد للغاية: ما مدى جودة تطبيق المدارس في جاكرتا وباتين لهذه الأفكار المتعلقة بـ "الاقتصاد الدائري"؟ لم يكتفوا بالتخمين؛ بل جمعوا فريقاً ضخماً مكوناً من 505 شخص، بما في ذلك المعلمون والطلاب ومديرو المدارس وصناع السياسات الحكومية، لتعبئة استطلاع رأي. أرادوا معرفة ما إذا كانت الدروس "الدائرية" فعالة حقاً أم أنها مجرد كلمات رنانة مكتوبة على السبورة.

ولحل هذه المعضلة، قاموا ببناء نموذج تعلم آلة. إذا تخيلت البيانات الناتمة عن الاستطلاع ككومة ضخمة من قطع الأحجية، فإن الرياضيات التقليدية تشبه محاولة تركيب هذه القطع عبر النظر إلى قطعة واحدة في كل مرة. أما تعلم الآلة، فهو يشبه روبوتاً يمكنه النظر إلى الكومة بأكملها دفعة واحدة، ليجد أنماطاً واتصالات خفية قد تخفى على العين البشرية. قام الباحثون بتغذية قطع الأحجية هذه في ثلاثة أنواع مختلفة من المحققين الروبوتيين: شجرة القرار (التي تطرح سلسلة من الأسئلة بنعم أو لا)، والغابة العشوائية (التي تشبه غابة كاملة من الأشجار التي تصوت على الإجابة)، وآلة متجه الدعم (التي تحاول رسم أفضل خط ممكن للفصل بين البرامج "الجيدة" والبرامج "السيئة").

ما وجدوه: إنه جهد جماعي، وليس عملاً فردياً

كانت النتائج مفاجئة نوعاً ما. أولاً، لم تكن "فعالية" هذه البرامج عبارة عن أفعوانية جامحة من الارتفاعات والانخفاضات الحادة. في معظم الأوقات، كانت البرامج تقبع في المنتصف تماماً—أي بمستوى متوسط. لم يكن الأمر كارثياً، لكنه لم يكن يوتوبيا مثالية أيضاً. كانت الدرجات تحوم حول مستوى متوسط، مما يشير إلى أنه بينما تحاول المدارس، إلا أنها لم تتقن فن الحلقة الدائرية بعد.

ثم سأل الباحثون الروبوتات: "ما الذي يصنع الفارق؟". توقعوا وجود عامل واحد كبير، مثل امتلاك مختبر كمبيوتر متطور أو سياسة صارمة للغاية، ليكون هو العصا السحرية. لكن الروبوتات قالت: "كلا، إنه جهد جماعي".

وجدت النماذج أنه لا يوجد عامل واحد يهيمن على المشهد. بدلاً من ذلك، هناك مجموعة من الأشياء تعمل معاً:

• كفاءة المعلم: مدى براعة المعلمين في شرح هذه المفاهيم.
• الدعم المؤسسي: ما إذا كانت إدارة المدرسة تدعم البرنامج بالفعل.
• دمج المناهج الدراسية: مدى دمج الأفكار الدائرية في الدروس الفعلية.
• مشاركة الطلاب: ما إذا كان الأطفال ينتبهون ويشاركون بالفعل.
• التوافق مع السياسات: ما إذا كانت القواعد الحكومية تتوافق مع ما تفعله المدرسة.
• الدعم التكنولوجي: امتلاك الأدوات والتقنيات المناسبة.

تشير الدراسة إلى أنه إذا قمت بإصلاح التكنولوجيا فقط وتجاهلت المعلمين، أو إذا كان لديك معلمون رائعون ولكن دون دعم مدرسي، فلن يعمل البرنامج بشكل جيد. الأمر يشبه محاولة خبز كعكة بالبيض فقط دون دقيق؛ فأنت بحاجة إلى جميع المكونات للحصول على نتيجة جيدة.

حكم الروبوت

عندما تعلق الأمر بالتنبؤ بمدى نجاح برنامج ما، أظهرت النتائج أن المحققين الروبوتيين المختلفين قدموا أداءً متشابهاً نسبياً. وبينما أظهر نموذج الغابة العشوائية نتائج أكثر استقراراً وتفوقاً طفيفاً في الدقة (حيث تنبأ بالفعالية بنسبة 85% تقريباً في الاختبارات)، إلا أن الورقة البحثية تشير إلى أنه لا يوجد نموذج واحد أظهر أداءً مهيمناً بشكل واضح عبر جميع المقاييس. كما كان "شجرة القرار" و"آلة متجه الدعم" قادرين تماماً أيضاً، مما يشير إلى أن البيانات الأساسية معقدة وأن الأدوات المختلفة يمكن أن تقدم رؤى متشابهة بدلاً من وجود محقق "نجم" واحد يحل القضية بمفرده.

ومن المثير للاهتمام، عندما نظرت الروبوتات في أي عامل هو الأكثر أهمية، أشارت إلى كفاءة المعلم باعتبارها البطل الثقيل، يليه مباشرة الدعم المؤسسي ودمج المناهج الدراسية. وهذا يشير إلى أن امتلاك معلم ماهر يعرف كيفية تدريس هذه الأفكار المعقدة هو أمر أكثر حيوية قليلاً من امتلاك السياسة المثالية أو أحدث الأجهزة. ومع ذلك، لم يكن الفرق كبيراً؛ فكل العوامل لعبت دوراً.

الخلاصة

لم تجد هذه الدراسة زراً سحرياً يصلح تعليم الاستدامة فوراً. بدلاً من ذلك، تقترح أن جعل برامج الاقتصاد الدائري تنجح يشبه قيادة أوركسترا. فأنت بحاجة إلى المعلمين (عازفي الكمان)، وقادة المدارس (المايسترو)، والمناهج الدراسية (النوتة الموسيقية)، والطلاب (الجمهور) ليعزف الجميع في تناغم. إذا لم يكن أحد الأقسام مضبوط الإيقاع، فإن الأغنية بأكملها ستعاني.

لقد استخدم الباحثون هذه الأدوات الرقمية ليظهروا لنا أنه بينما نحرز تقدماً، لا يزال هناك الكثير من العمل للقيام به. تعني الدرجات "المتوسطة" أننا على الطريق الصحيح، ولكننا بحاجة إلى مواصلة ضبط آلاتنا. ومن خلال استخدام هذه النماذج الحاسوبية الذكية، يمكن للمعلمين وصناع السياسات الآن معرفة أين يوجهون طاقتهم بالضبط—غالباً من خلال تدريب المعلمين ودعم المدارس—بدلاً من التخمين. إنه تذكير بأن إنقاذ الكوكب لا يتعلق فقط بالأفكار الكبيرة؛ بل يتعلق بالتفاصيل الصغيرة المترابطة لكيفية التدريس والتعلم.