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

Imaginez le monde comme un immense atelier désordonné où nous construisons, utilisons et jetons constamment des choses. Pendant longtemps, nous avons fonctionné comme une rue à sens unique : prendre des ressources, fabriquer des produits, puis jeter les restes. Mais des scientifiques et des éducateurs tentent désormais de transformer cela en un gigantesque carrousel tournant appelé l'Économie Circulaire. Au lieu de déchets, tout est recyclé, réutilisé ou transformé en quelque chose de nouveau, maintenant les ressources dans un cercle joyeux plutôt que de les faire disparaître dans une décharge. Pour que cela se produise, nous devons apprendre aux gens à penser en boucles. C'est là que l'Éducation au Développement Durable (EDD) entre en jeu. Voyez l'EDD comme le programme scolaire qui entraîne nos cerveaux à voir le monde comme un système connecté où rien n'est gaspillé. Mais voici la partie délicate : ce n'est pas parce qu'une école dit enseigner ces idées qu'elle les met réellement en œuvre. Comment savoir si les leçons « circulaires » portent leurs fruits ? C'est la grande question. Au lieu de simplement demander aux enseignants : « Avez-vous fait du bon travail ? », une nouvelle étude a décidé d'utiliser un détective numérique super intelligent appelé l'Apprentissage Automatique (Machine Learning) pour regarder derrière le rideau et voir ce qui fait réellement le succès ou l'échec de ces programmes.

---

Le Détective Numérique et la Boucle Scolaire

Une équipe de chercheurs d'Indonésie a décidé de jouer les détectives sur un mystère très précis : dans quelle mesure les écoles de Jakarta et de Banten mettent-elles réellement en œuvre ces idées d'« économie circulaire » ? Ils ne se sont pas contentés de deviner ; ils ont réuni une équipe massive de 505 personnes, comprenant des enseignants, des élèves, des directeurs d'école et des décideurs politiques, pour remplir un sondage. Ils voulaient voir si les leçons « circulaires » étaient réellement efficaces ou s'il ne s'agissait que de mots à la mode sur un tableau noir.

Pour résoudre ce problème, ils ont construit un modèle d'Apprentissage Automatique. Si vous imaginez les données du sondage comme un immense tas de pièces de puzzle, les mathématiques traditionnelles reviennent à essayer de les assembler en regardant une pièce à la fois. L'Apprentissage Automatique, cependant, est comme un robot capable de regarder tout le tas à la fois, trouvant des motifs cachés et des connexions qu'un œil humain pourrait manquer. Les chercheurs ont injecté leurs pièces de puzzle dans trois types différents de robots détectives : un Arbre de Décision (qui pose une série de questions par oui ou par non), une Forêt Aléatoire (qui est comme une forêt entière d'arbres votant sur la réponse), et une Machine à Vecteurs de Support (qui tente de tracer la meilleure ligne possible pour séparer les bons programmes des mauvais).

Ce Qu'Ils Ont Découvert : C'est un Travail d'Équipe, Pas un Acte Solo

Les résultats ont été un peu surprenants. Premièrement, l'« efficacité » de ces programmes n'était pas des montagnes russes de hauts et de bas extrêmes. La plupart du temps, les programmes se situaient juste au milieu — modérés. Ce n'était pas un désastre, mais ce n'était pas non plus une utopie parfaite. Les scores oscillaient autour d'un niveau intermédiaire, suggérant que bien que les écoles essaient, elles n'ont pas encore maîtrisé l'art de la boucle circulaire.

Les chercheurs ont ensuite demandé aux robots : « Qu'est-ce qui fait la différence ? » Ils s'attendaient peut-être à un facteur majeur, comme avoir un tout nouveau laboratoire informatique ou une politique très stricte, qui serait la baguette magique. Mais les robots ont répondu : « Non, c'est un travail d'équipe. »

Les modèles ont découvert qu'aucun facteur unique ne régnait en maître. Au lieu de cela, un ensemble de facteurs fonctionnait de concert :

• Compétence des Enseignants : À quel point les enseignants sont doués pour expliquer ces concepts.
• Soutien Institutionnel : Si l'administration de l'école soutient réellement le programme.
• Intégration au Curriculum : La manière dont les idées circulaires sont intégrées dans les leçons réelles.
• Engagement des Élèves : Si les enfants sont réellement attentifs et participent.
• Alignement des Politiques : Si les règles gouvernementales correspondent à ce que fait l'école.
• Soutien Technologique : Avoir les bons outils et la bonne technologie.

L'étude suggère que si vous ne réparez que la technologie mais que vous ignorez les enseignants, ou si vous avez de super enseignants mais aucun soutien scolaire, le programme ne fonctionnera pas bien. C'est comme essayer de faire un gâteau avec seulement des œufs et sans farine ; vous avez besoin de tous les ingrédients pour obtenir un bon résultat.

Le Verdict du Robot

En ce qui concerne la prédiction de la réussite d'un programme, les résultats ont montré que les différents robots détectives performaient à des niveaux relativement comparables. Bien que le modèle de la Forêt Aléatoire ait montré des résultats légèrement plus stables et un petit avantage en précision (prédisant l'efficacité environ 85 % du temps lors des tests), l'article note qu'aucun modèle unique n'a démontré une performance clairement dominante sur l'ensemble des mesures. L'Arbre de Décision et la Machine à Vecteurs de Support étaient également très capables, suggérant que les données sous-jacentes sont complexes et que différents outils peuvent offrir des perspectives similaires plutôt qu'un seul détective « star » résolvant l'affaire à lui seul.

Il est intéressant de noter que lorsque les robots ont examiné quel facteur était le plus important, ils ont désigné la Compétence des Enseignants comme le champion poids lourd, suivie de près par le Soutien Institutionnel et l'Intégration au Curriculum. Cela suggère qu'avoir un enseignant qualifié qui sait comment enseigner ces concepts complexes est légèrement plus critique que d'avoir la politique parfaite ou les derniers gadgets. Cependant, la différence n'était pas énorme ; tous les facteurs jouaient un rôle.

L'Essentiel à Retenir

Cette étude n'a pas trouvé de bouton magique qui règle instantanément l'éducation à la durabilité. Au contraire, elle suggère que faire fonctionner les programmes d'économie circulaire ressemble un peu à la direction d'un orchestre. Vous avez besoin des enseignants (les violonistes), des chefs d'établissement (les chefs d'orchestre), du curriculum (la partition) et des élèves (le public), tous jouant en synchronisation. Si une section est désaccordée, toute la chanson en souffre.

Les chercheurs ont utilisé ces outils numériques pour nous montrer que, bien que nous fassions des progrès, il reste encore beaucoup de travail à accomplir. Les scores « modérés » signifient que nous sommes sur la bonne voie, mais que nous devons continuer à accorder nos instruments. En utilisant ces modèles informatiques intelligents, les éducateurs et les décideurs politiques peuvent désormais voir exactement où concentrer leur énergie — probablement sur la formation des enseignants et le soutien aux écoles — plutôt que de deviner. C'est un rappel que sauver la planète ne dépend pas seulement de grandes idées ; cela dépend des petits détails interconnectés de la façon dont nous enseignons et apprenons.