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

Stellen Sie sich die Welt als eine riesige, unordentliche Werkstatt vor, in der wir ständig Dinge bauen, benutzen und dann wegwerfen. Lange Zeit haben wir wie auf einer Einbahnstraße operiert: Ressourcen nehmen, Produkte herstellen und die Überreste entsorgen. Doch Wissenschaftler und Pädagogen versuchen nun, dies in ein riesiges, kreisendes Karussell namens Kreislaufwirtschaft zu verwandeln. Anstatt Müll zu produzieren, wird alles recycelt, wiederverwendet oder in etwas Neues umgewandelt, wodurch die Ressourcen in einem glücklichen Kreislauf bleiben, anstatt auf einer Deponie zu verschwinden. Um dies zu erreichen, müssen wir Menschen lehren, in Kreisläufen zu denken. Hier kommt die Bildung für nachhaltige Entwicklung (BSE) ins Spiel. Betrachten Sie die BSE als den Lehrplan, der unser Gehirn darauf trainiert, die Welt als ein vernetztes System zu sehen, in dem nichts verschwendet wird. Aber hier liegt der Knackpunkt: Nur weil eine Schule behauptet, diese Ideen zu lehren, bedeutet das nicht, dass es tatsächlich funktioniert. Woher wissen wir, ob die „kreislauforientierten“ Lektionen wirklich hängen bleiben? Das ist die große Frage. Anstatt Lehrer einfach nur zu fragen: „Haben Sie einen guten Job gemacht?“, entschied sich eine neue Studie für den Einsatz eines superintelligenten digitalen Detektivs namens Maschinelles Lernen, um hinter die Kulissen zu blicken und zu sehen, was diese Programme wirklich erfolgreich oder erfolglos macht.

---

Der digitale Detektiv und die Schulschleife

Ein Forscherteam aus Indonesien beschloss, ein ganz spezifisches Rätsel zu lösen: Wie gut setzen Schulen in Jakarta und Banten diese „Kreislaufwirtschafts“-Ideen tatsächlich um? Sie haben nicht nur geraten; sie stellten ein riesiges Team von 505 Personen zusammen, darunter Lehrer, Schüler, Schulleiter und politische Entscheidungsträger, um eine Umfrage auszufüllen. Sie wollten sehen, ob die „kreislaufförmigen“ Lektionen tatsächlich effektiv waren oder ob sie nur Schlagworte an einer Tafel waren.

Um dieses Problem zu lösen, entwickelten sie ein Maschinelles Lernmodell. Wenn Sie sich die Daten aus der Umfrage als einen riesigen Haufen Puzzleteile vorstellen, ist die traditionelle Mathematik wie der Versuch, sie zusammenzufügen, indem man sich nur ein Teil nach dem anderen ansieht. Maschinelles Lernen hingegen ist wie ein Roboter, der den gesamten Haufen auf einmal betrachten kann und dabei verborgene Muster und Verbindungen findet, die dem menschlichen Auge entgehen könnten. Die Forscher fütterten ihre Puzzleteile in drei verschiedene Arten von Roboter-Detektiven: einen Entscheidungsbaum (der eine Serie von Ja-oder-Nein-Fragen stellt), einen Random Forest (der wie ein ganzer Wald aus Bäumen ist, die über die Antwort abstimmen) und eine Support Vector Machine (die versucht, die beste mögliche Linie zu ziehen, um „gute“ von „schlechten“ Programmen zu trennen).

Was sie fanden: Es ist eine Teamleistung, kein Solospiel

Die Ergebnisse waren etwas überraschend. Erstens war die „Effektivität“ dieser Programme keine wilde Achterbahnfahrt mit extremen Höhen und Tiefen. Meistens befanden sich die Programme genau in der Mitte – im moderaten Bereich. Es war kein Desaster, aber auch kein perfektes Utopia. Die Werte schwankten in einem mittleren Bereich, was darauf hindeutet, dass die Schulen zwar versuchen, aber die Kunst des Kreislaufs noch nicht ganz gemeistert haben.

Die Forscher fragten die Roboter dann: „Was macht den Unterschied?“ Sie hatten erwartet, dass vielleicht ein einziger großer Faktor, wie etwa ein schicker neuer Computerraum oder eine sehr strenge Richtlinie, der magische Zauberstab sein würde. Aber die Roboter sagten: „Nö, es ist eine Teamleistung.“

Die Modelle fanden heraus, dass kein einzelner Faktor das Sagen hatte. Stattdessen arbeiteten viele Dinge zusammen:

• Lehrerkompetenz: Wie gut die Lehrer diese Konzepte erklären können.
• Institutionelle Unterstützung: Ob die Schulleitung das Programm tatsächlich unterstützt.
• Integration in den Lehrplan: Wie gut die Kreislaufideen in die eigentlichen Lektionen eingebettet sind.
• Engagement der Schüler: Ob die Kinder tatsächlich aufpassen und mitmachen.
• Politische Übereinstimmung: Ob die staatlichen Regeln mit dem übereinstimmen, was die Schule tut.
• Technologische Unterstützung: Das Verfügen über die richtigen Werkzeuge und Technologien.

Die Studie legt nahe, dass es nicht viel bringt, wenn man nur die Technologie verbessert, aber die Lehrer ignoriert, oder wenn man großartige Lehrer hat, aber keine Unterstützung durch die Schule erhält – das Programm wird dann nicht gut funktionieren. Es ist wie der Versuch, einen Kuchen nur mit Eiern und ohne Mehl zu backen; man braucht alle Zutaten, um ein gutes Ergebnis zu erzielen.

Das Urteil der Roboter

Was die Vorhersage des Erfolgs eines Programms betraf, zeigten die Ergebnisse, dass die verschiedenen Roboter-Detektive eine relativ vergleichbare Leistung erbrachten. Obwohl das Random Forest-Modell etwas stabilere Ergebnisse zeigte und einen kleinen Vorsprung bei der Genauigkeit aufwies (es sagte die Effektivität in Tests zu etwa 85 % voraus), merkt die Arbeit an, dass kein einzelnes Modell eine eindeutig dominante Leistung über alle Metriken hinweg gezeigt hat. Der Entscheidungsbaum und die Support Vector Machine waren ebenfalls sehr leistungsfähig, was darauf hindeutet, dass die zugrunde liegenden Daten komplex sind und verschiedene Werkzeuge ähnliche Erkenntnisse liefern können, anstatt dass ein einziger „Star-Detektiv“ den Fall allein löst.

Interessanterweise wiesen die Roboter, als sie untersuchten, welcher Faktor der wichtigste war, auf die Lehrerkompetenz als Schwergewicht hin, dicht gefolgt von der institutionellen Unterstützung und der Integration in den Lehrplan. Dies deutet darauf an, dass es etwas kritischer ist, eine geschulte Lehrkraft zu haben, die diese komplexen Ideen vermitteln kann, als eine perfekte Richtlinie oder die neuesten Gadgets zu besitzen. Der Unterschied war jedoch nicht riesig; alle Faktoren spielten eine Rolle.

Das Fazhrgebnis

Diese Studie fand keinen magischen Knopf, der Nachhaltigkeitsbildung sofort repariert. Stattdessen legt sie nahe, dass das Funktionieren von Kreislaufwirtschaftsprogrammen ein wenig wie das Dirigieren eines Orchesters ist. Man braucht die Lehrer (die Geiger), die Schulleiter (die Dirigenten), den Lehrplan (die Noten) und die Schüler (das Publikum), die alle im Einklang spielen. Wenn eine Sektion verstimmt ist, leidet das ganze Lied.

Die Forscher nutzten diese digitalen Werkzeuge, um uns zu zeigen, dass wir zwar Fortschritte machen, aber noch viel zu tun haben. Die „moderaten“ Werte bedeuten, dass wir auf dem richtigen Weg sind, aber wir müssen unsere Instrumente weiterhin stimmen. Durch die Nutzung dieser intelligenten Computermodelle können Pädagogen und politische Entscheidungsträger nun genau sehen, wo sie ihre Energie investieren müssen – wahrscheinlich in die Ausbildung von Lehrern und die Unterstützung von Schulen – anstatt nur zu raten. Es ist eine Erinnerung daran, dass es bei der Rettung des Planeten nicht nur um große Ideen geht, sondern um die kleinen, miteinander vernetzten Details der Art und Weise, wie wir lehren und lernen.