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

Imagina el mundo como un taller gigante y desordenado donde constantemente construimos cosas, las usamos y luego las desechamos. Durante mucho tiempo, hemos operado como una calle de un solo sentido: tomamos recursos, fabricamos productos y tiramos los sobrantes. Pero científicos y educadores están intentando convertir esto en un carrusel gigante y circular llamado Economía Circular. En lugar de basura, todo se recicla, se reutiliza o se convierte en algo nuevo, manteniendo los recursos girando en un círculo feliz en lugar de desaparecer en un vertedero. Para que esto suceda, necesitamos enseñar a la gente cómo pensar en bucles. Aquí es donde entra la Educación para el Desarrollo Sostenible (EDS). Piensa en la EDS como el currículo escolar que entrena nuestros cerebros para ver el mundo como un sistema conectado donde nada se desperdicia. Pero aquí está la parte difícil: el hecho de que una escuela diga que está enseñando estas ideas no significa que realmente esté funcionando. ¿Cómo sabemos si las lecciones "circulares" están calando? Esa es la gran pregunta. En lugar de solo preguntar a los profesores: "¿Hizo un buen trabajo?", un nuevo estudio decidió usar un detective digital superinteligente llamado Aprendizaje Automático (Machine Learning) para mirar detrás de la cortina y ver qué es lo que realmente hace que estos programas tengan éxito o fracasen.

---

El detective digital y el bucle escolar

Un equipo de investigadores de Indonesia decidió jugar a ser detective con un misterio muy específico: ¿Qué tan bien están implementando las escuelas en Yakarta y Banten estas ideas de "economía circular"? No solo adivinaron; reunieron un equipo masivo de 505 personas, incluyendo profesores, estudiantes, directivos escolares y responsables de políticas gubernamentales, para completar una encuesta. Querían ver si las lecciones "circulares" eran realmente efectivas o si solo eran palabras de moda en una pizarra.

Para resolver esto, construyeron un modelo de Aprendizaje Automático. Si imaginas los datos de la encuesta como un montón gigante de piezas de rompecabezas, la matemática tradicional es como intentar encajarlas mirando una pieza a la vez. El Aprendizaje Automático, sin embargo, es como un robot que puede mirar todo el montón a la vez, encontrando patrones ocultos y conexiones que el ojo humano podría pasar por alto. Los investigadores introdujeron sus piezas de rompecabezas en tres tipos diferentes de robots detectives: un Árbol de Decisión (que hace una serie de preguntas de sí o no), un Bosque Aleatorio (que es como un bosque entero de árboles votando la respuesta) y una Máquina de Vectores de Soporte (que intenta trazar la mejor línea posible para separar los programas "buenos" de los "malos").

Lo que encontraron: Es un esfuerzo en equipo, no un acto solitario

Los resultados fueron un poco sorprendentes. Primero, la "efectividad" de estos programas no fue una montaña rusa salvaje de altibajos. La mayoría de las veces, los programas se situaban justo en el medio: moderados. No era un desastre, pero tampoco era una utopía perfecta. Las puntuaciones rondaban un punto medio, lo que sugiere que, si bien las escuelas lo están intentando, aún no han dominado el arte del bucle circular.

Luego, los investigadores preguntaron a los robots: "¿Qué marca la diferencia?". Esperaban quizás un gran factor, como tener un laboratorio de computación nuevo y sofisticado o una política súper estricta, que fuera la varita mágica. Pero los robots dijeron: "No, es un esfuerzo en equipo".

Los modelos descubrieron que ningún factor individual dominaba la escena. En su lugar, un grupo de elementos trabajaba en conjunto:

• Competencia Docente: Qué tan buenos son los profesores explicando estos conceptos.
• Apoyo Institucional: Si la administración escolar realmente respalda el programa.
• Integración Curricular: Qué tan bien se integran las ideas circulares en las lecciones reales.
• Compromiso Estudiantil: Si los niños están realmente prestando atención y participando.
• Alineación de Políticas: Si las reglas del gobierno coinciden con lo que la escuela está haciendo.
• Apoyo Tecnológico: Tener las herramientas y la tecnología adecuadas.

El estudio sugiere que si solo arreglas la tecnología pero ignoras a los profesores, o si tienes grandes profesores pero sin apoyo escolar, el programa no funcionará bien. Es como intentar hornear un pastel con solo huevos y sin harina; necesitas todos los ingredientes para obtener un buen resultado.

El veredicto del robot

Cuando se trató de predecir qué tan bien funcionaría un programa, los resultados mostraron que los diferentes robots detectives se desempeñaron en niveles relativamente comparables. Aunque el modelo de Bosque Aleatorio mostró resultados ligeramente más estables y una pequeña ventaja en precisión (prediciendo la efectividad aproximadamente el 85% de las veces en las pruebas), el documento señala que ningún modelo demostró un desempeño claramente dominante en todas las métricas. El Árbol de Decisión y la Máquina de Vectores de Soporte también fueron bastante capaces, lo que sugiere que los datos subyacentes son complejos y que diferentes herramientas pueden ofrecer perspectivas similares en lugar de un único detective "estrella" resolviendo el caso por sí solo.

Curiosamente, cuando los robots analizaron qué factor era el más importante, señalaron la Competencia Docente como el campeón de peso pesado, seguida de cerca por el Apoyo Institucional y la Integración Curricular. Esto sugiere que tener un profesor capacitado que sepa enseñar estas ideas complejas es ligeramente más crítico que tener la política perfecta o los últimos dispositivos tecnológicos. Sin embargo, la diferencia no fue enorme; todos los factores jugaron un papel.

La conclusión

Este estudio no encontró un botón mágico que arregle instantáneamente la educación sobre la sostenibilidad. En su lugar, sugiere que hacer que los programas de economía circular funcionen es un poco como dirigir una orquesta. Necesitas a los profesores (los violinistas), a los líderes escolares (los directores de orquesta), el currículo (la partitura) y a los estudiantes (el público), todos tocando en sincronía. Si una sección está desafinada, toda la canción sufre.

Los investigadores utilizaron estas herramientas digitales para mostrarnos que, si bien estamos progresando, aún queda mucho trabajo por hacer. Las puntuaciones "moderadas" significan que estamos en el camino correcto, pero necesitamos seguir afinando nuestros instrumentos. Al utilizar estos modelos computacionales inteligentes, los educadores y los responsables de políticas pueden ver ahora exactamente dónde concentrar su energía —probablemente en la formación de los docentes y el apoyo a las escuelas— en lugar de simplemente adivinar. Es un recordatorio de que salvar el planeta no se trata solo de grandes ideas; se trata de los detalles pequeños e interconectados de cómo enseñamos y aprendemos.