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

दुनिया की कल्पना एक विशाल, अस्त-व्यस्त कार्यशाला (workshop) के रूप में करें जहाँ हम लगातार चीजें बनाते हैं, उनका उपयोग करते हैं, और फिर उन्हें फेंक देते हैं। लंबे समय तक, हमने एक एकतरफा सड़क की तरह काम किया है: संसाधन लें, उत्पाद बनाएं, और बचे हुए कचरे को फेंक दें। लेकिन वैज्ञानिक और शिक्षक अब इसे एक विशाल, घूमते हुए हिंडोले (carousel) में बदलने की कोशिश कर रहे हैं जिसे सर्कुलर इकोनॉमी (Circular Economy) कहा जाता है। कचरे के बजाय, हर चीज़ को रीसायकल, पुन: उपयोग या किसी नई चीज़ में बदला जाता है, जिससे संसाधन लैंडफिल में गायब होने के बजाय एक सुखद चक्र में घूमते रहते हैं। इसे सफल बनाने के लिए, हमें लोगों को 'लूप्स' (loops) में सोचना सिखाना होगा। यहीं पर सतत विकास के लिए शिक्षा (Education for Sustainable Development - ESD) काम आती है। ESD को एक ऐसे स्कूल पाठ्यक्रम के रूप में सोचें जो हमारे मस्तिष्क को यह देखने के लिए प्रशिक्षित करता है कि दुनिया एक जुड़े हुए सिस्टम के रूप में है जहाँ कुछ भी बर्बाद नहीं होता। लेकिन यहाँ पेचीदा बात यह है: सिर्फ इसलिए कि कोई स्कूल इन विचारों को पढ़ाने का दावा करता है, इसका मतलब यह नहीं है कि यह वास्तव में काम कर रहा है। हम कैसे जान सकते हैं कि "सर्कुलर" सबक वास्तव में असर कर रहे हैं या नहीं? यही बड़ा सवाल है। केवल शिक्षकों से यह पूछने के बजाय कि, "क्या आपने अच्छा काम किया?", एक नए अध्ययन ने एक बहुत ही स्मार्ट डिजिटल जासूस, मशीन लर्निंग (Machine Learning) का उपयोग करने का फैसला किया, ताकि पर्दे के पीछे झाँका जा सके और यह देखा जा सके कि वास्तव में क्या इन कार्यक्रमों को सफल या विफल बनाता है।

---

डिजिटल जासूस और स्कूल का लूप

इंडोनेशिया के शोधकर्ताओं की एक टीम ने एक बहुत ही विशिष्ट रहस्य सुलझाने के लिए जासूसी करने का निर्णय लिया: जकार्ता और बंटन के स्कूल वास्तव में इन "सर्कुलर इकोनॉमी" विचारों को कितनी अच्छी तरह लागू कर रहे हैं? उन्होंने केवल अनुमान नहीं लगाया; उन्होंने शिक्षकों, छात्रों, स्कूल के अधिकारियों और सरकारी नीति निर्माताओं सहित 505 लोगों की एक विशाल टीम जुटाई ताकि एक सर्वेक्षण भरा जा सके। वे यह देखना चाहते थे कि क्या "सर्कुलर" सबक वास्तव में प्रभावी थे या वे केवल ब्लैकबोर्ड पर लिखे कुछ शब्द मात्र थे।

इसे हल करने के लिए, उन्होंने एक मशीन लर्निंग मॉडल बनाया। यदि आप सर्वेक्षण के डेटा को पहेली के टुकड़ों के एक विशाल ढेर के रूप में कल्पना करें, तो पारंपरिक गणित एक समय में एक टुकड़े को देखने की कोशिश करने जैसा है। हालाँकि, मशीन लर्निंग एक ऐसे रोबोट की तरह है जो पूरे ढेर को एक साथ देख सकता है, और छिपे हुए पैटर्न और संबंध खोज सकता है जिन्हें मानवीय आँखें मिस कर सकती हैं। शोधकर्ताओं ने अपने पहेली के टुकड़ों को तीन अलग-अलग प्रकार के रोबोट जासूसों में डाला: एक डिसीजन ट्री (Decision Tree) (जो हाँ या ना के प्रश्नों की एक श्रृंखला पूछता है), एक रैंडम फॉरेस्ट (Random Forest) (जो उत्तर पर वोट देने वाले पेड़ों के एक पूरे जंगल की तरह है), और एक सपोर्ट वेक्टर मशीन (Support Vector Machine) (जो "अच्छे" कार्यक्रमों को "बुरे" कार्यक्रमों से अलग करने के लिए सबसे अच्छी रेखा खींचने की कोशिश करता है)।

उन्होंने क्या पाया: यह एक टीम वर्क है, एकल प्रदर्शन नहीं

परिणाम थोड़े आश्चर्यजनक थे। पहला, इन कार्यक्रमों की "प्रभावशीलता" उतार-चढ़ाव वाला कोई रोमांचक सफर नहीं था। अधिकांश समय, कार्यक्रम बिल्कुल बीच में थे—मध्यम (moderate)। यह कोई आपदा नहीं थी, लेकिन यह कोई आदर्श स्थिति भी नहीं थी। स्कोर मध्यम स्तर के आसपास रहे, जिससे पता चलता है कि हालांकि स्कूल प्रयास कर रहे हैं, लेकिन उन्होंने अभी तक सर्कुलर लूप की कला में महारत हासिल नहीं की है।

शोधकर्ताओं ने रोबोट से पूछा: "अंतर क्या पैदा करता है?" उन्हें उम्मीद थी कि शायद कोई एक बड़ा कारक होगा, जैसे कि एक शानदार नया कंप्यूटर लैब या एक बहुत सख्त नीति, जो जादू की छड़ी साबित होगा। लेकिन रोबोट ने कहा, "नहीं, यह एक टीम का प्रयास है।"

मॉडल्स ने पाया कि कोई भी एक कारक पूरी तरह से हावी नहीं था। इसके बजाय, कई चीजें मिलकर काम करती थीं:

• शिक्षक सक्षमता (Teacher Competence): शिक्षक इन अवधारणाओं को समझाने में कितने कुशल हैं।
• संस्थागत समर्थन (Institutional Support): क्या स्कूल प्रशासन वास्तव में कार्यक्रम का समर्थन करता है।
• पाठ्यक्रम एकीकरण (Curriculum Integration): सर्कुलर विचार वास्तविक पाठों में कितनी अच्छी तरह समाहित हैं।
• छात्र सहभागिता (Student Engagement): क्या बच्चे वास्तव में ध्यान दे रहे हैं और भाग ले रहे हैं।
• नीति संरेखण (Policy Alignment): क्या सरकारी नियम स्कूल के कार्यों से मेल खाते हैं।
• तकनीकी सहायता (Technological Support): सही उपकरण और तकनीक का होना।

अध्ययन बताता है कि यदि आप केवल तकनीक को ठीक करते हैं लेकिन शिक्षकों को अनदेखा कर देते हैं, या यदि आपके पास बेहतरीन शिक्षक हैं लेकिन कोई स्कूल समर्थन नहीं है, तो कार्यक्रम अच्छी तरह से काम नहीं करेगा। यह केवल अंडे और बिना आटे के केक बनाने की कोशिश करने जैसा है; अच्छे परिणाम प्राप्त करने के लिए आपको सभी सामग्रियों की आवश्यकता होती है।

रोबोट का फैसला

जब कार्यक्रम के प्रदर्शन की भविष्यवाणी करने की बात आई, तो परिणामों ने दिखाया कि विभिन्न रोबोट जासूस तुलनात्मक रूप से समान स्तर पर प्रदर्शन कर रहे थे। जबकि रैंडम फॉरेस्ट मॉडल ने थोड़ा अधिक स्थिर परिणाम और सटीकता में मामूली बढ़त दिखाई (परीक्षणों में लगभग 85% बार प्रभावशीलता की भविष्यवाणी की), पेपर में उल्लेख किया गया है कि किसी भी एक मॉडल ने सभी मेट्रिक्स में स्पष्ट रूप से प्रभुत्वशाली प्रदर्शन नहीं दिखाया। डिसीजन ट्री और सपोर्ट वेक्टर मशीन भी काफी सक्षम थे, जो यह सुझाव देता है कि अंतर्निहित डेटा जटिल है और विभिन्न उपकरण एक "स्टार" जासूस के बजाय समान अंतर्दृष्टि प्रदान कर सकते हैं।

दिलचस्प बात यह है कि जब रोबोटों ने देखा कि कौन सा कारक सबसे महत्वपूर्ण था, तो उन्होंने शिक्षक सक्षमता को 'हेवीवेट चैंपियन' के रूप में बताया, जिसके ठीक बाद संस्थागत समर्थन और पाठ्यक्रम एकीकरण का स्थान रहा। यह सुझाव देता है कि एक कुशल शिक्षक होना, जो इन जटिल विचारों को पढ़ाना जानता हो, एक आदर्श नीति या नवीनतम गैजेट्स होने की तुलना में थोड़ा अधिक महत्वपूर्ण है। हालाँकि, अंतर बहुत बड़ा नहीं था; सभी कारकों ने अपनी भूमिका निभाई।

निष्कर्ष

इस अध्ययन ने कोई ऐसा जादुई बटन नहीं पाया जो स्थिरता शिक्षा को तुरंत ठीक कर दे। इसके बजाय, यह सुझाव देता है कि सर्कुलर इकोनॉमी कार्यक्रमों को सफल बनाना एक ऑर्केस्ट्रा संचालित करने जैसा है। आपको शिक्षकों (वायलिन वादकों), स्कूल लीडरों (कंडक्टर्स), पाठ्यक्रम (शीट संगीत) और छात्रों (दर्शकों) को एक साथ तालमेल में बजाने की आवश्यकता है। यदि एक भी हिस्सा बेसुरा है, तो पूरा संगीत बिगड़ जाएगा।

शोधकर्ताओं ने इन डिजिटल उपकरणों का उपयोग यह दिखाने के लिए किया कि हालांकि हम प्रगति कर रहे हैं, लेकिन अभी भी बहुत काम करना बाकी है। "मध्यम" स्कोर का अर्थ है कि हम सही रास्ते पर हैं, लेकिन हमें अपने वाद्ययंत्रों को ट्यून करना जारी रखने की आवश्यकता है। इन स्मार्ट कंप्यूटर मॉडल्स का उपयोग करके, शिक्षक और नीति निर्माता अब देख सकते हैं कि उन्हें अपनी ऊर्जा कहाँ केंद्रित करनी चाहिए—संभवतः शिक्षकों को प्रशिक्षित करने और स्कूलों को सहायता देने पर—बजाय इसके कि वे केवल अनुमान लगाएं। यह हमें याद दिलाता है कि ग्रह को बचाना केवल बड़े विचारों के बारे में नहीं है; यह इस बारे में भी है कि हम कैसे सिखाते और सीखते हैं, उसके छोटे, परस्पर जुड़े हुए विवरणों के बारे में है।