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

Immaginate il mondo come un enorme, disordinato laboratorio dove costruiamo costantemente cose, le usiamo e poi le buttiamo via. Per molto tempo, abbiamo operato come una strada a senso unico: prendiamo risorse, creiamo prodotti e scarichiamo gli avanzi. Ma scienziati ed educatori stanno ora cercando di trasformare questo in un enorme carosello rotante chiamato Economia Circolare. Invece dei rifiuti, tutto viene riciclato, riutilizzato o trasformato in qualcosa di nuovo, mantenendo le risorse in un giro felice invece di farle scomparire in una discarica. Per far sì che ciò accada, dobbiamo insegnare alle persone come pensare in termini di cicli. È qui che entra in gioco l'Educazione allo Sviluppo Sostenibile (ESD). Pensate all'ESD come al programma scolastico che allena i nostri cervelli a vedere il mondo come un sistema connesso dove nulla viene sprecato. Ma ecco la parte complicata: solo perché una scuola dice di insegnare queste idee, non significa che stia effettivamente funzionando. Come facciamo a sapere se le lezioni "circolari" stanno dando i loro frutti? Questa è la grande domanda. Invece di chiedere semplicemente agli insegnanti: "Hai fatto un buon lavoro?", un nuovo studio ha deciso di usare un detective digitale super intelligente chiamato Machine Learning per sbirciare dietro le quinte e vedere cosa rende questi programmi un successo o un fallimento.

---

Il Detective Digitale e il Ciclo Scolastico

Un team di ricercatori indonesiani ha deciso di giocare a fare il detective con un mistero molto specifico: quanto bene le scuole di Giacarta e Banten stanno effettivamente implementando queste idee di "economia circolare"? Non hanno solo tirato a indovinare; hanno riunito un enorme team di 505 persone, tra cui insegnanti, studenti, dirigenti scolastici e decisori politici, per compilare un sondaggio. Volevano vedere se le lezioni "circolari" fossero effettivamente efficaci o se fossero solo parole vuote su una lavagna.

Per risolvere il problema, hanno costruito un modello di Machine Learning. Se immaginate i dati del sondaggio come un enorme mucchio di pezzi di un puzzle, la matematica tradizionale è come cercare di incastrarli guardando un pezzo alla volta. Il Machine Learning, invece, è come un robot che può guardare l'intero mucchio tutto in una volta, trovando schemi nascosti e connessioni che l'occhio umano potrebbe perdere. I ricercatori hanno inserito i loro pezzi di puzzle in tre diversi tipi di robot detective: un Albero di Decisione (che pone una serie di domande sì-o-no), una Random Forest (che è come un'intera foresta di alberi che votano sulla risposta) e una Support Vector Machine (che cerca di tracciare la linea migliore per separare i programmi "buoni" da quelli "cattivi").

Cosa hanno scoperto: È un lavoro di squadra, non un atto solitario

I risultati sono stati un po' sorprendenti. In primo luogo, l' "efficacia" di questi programmi non era un'altalena selvaggia di massimi e minimi. La maggior parte del tempo, i programmi si trovavano proprio nel mezzo — moderata. Non era un disastro, ma non era nemmeno un'utopia perfetta. I punteggi oscillavano intorno a una via di mezzo, suggerendo che, sebbene le scuole ci stiano provando, non hanno ancora padroneggiato l'arte del ciclo circolare.

I ricercatori hanno poi chiesto ai robot: "Cosa fa la differenza?". Si aspettavano forse un unico grande fattore, come avere un nuovo laboratorio informatico all'avanguardia o una politica super rigorosa, che fosse la bacchetta magica. Ma i robot hanno risposto: "No, è un lavoro di squadra".

I modelli hanno scoperto che nessun fattore singolo dominava la scena. Al contrario, molte cose lavoravano insieme:

• Competenza degli Insegnanti: Quanto sono bravi gli insegnanti a spiegare questi concetti.
• Supporto Istituzionale: Se l'amministrazione scolastica sostiene effettivamente il programma.
• Integrazione nel Curriculum: Quanto bene le idee circolari sono incorporate nelle lezioni reali.
• Coinvolgimento degli Studenti: Se i ragazzi prestano effettivamente attenzione e partecipano.
• Allineamento Politico: Se le regole governative corrispondono a ciò che la scuola sta facendo.
• Supporto Tecnologico: Avere gli strumenti e la tecnologia giusti.

Lo studio suggerisce che se si corregge solo la tecnologia ma si ignorano gli insegnanti, o se si hanno ottimi insegnanti ma nessun supporto scolastico, il programma non funzionerà bene. È come cercare di preparare una torta con solo uova e senza farina; servono tutti gli ingredienti per ottenere un buon risultato.

Il Verdetto del Robot

Quando si è trattato di prevedere quanto un programma sarebbe stato efficace, i risultati hanno mostrato che i diversi robot detective hanno operato a livelli relativamente comparabili. Sebbene il modello Random Forest abbia mostrato risultati leggermente più stabili e un piccolo vantaggio in precisione (predicendo l'efficacia circa l'85% delle volte nei test), l'articolo nota che nessun singolo modello ha dimostrato una performance chiaramente dominante in tutte le metriche. Anche l'Albero di Decisione e la Support Vector Machine sono stati molto capaci, suggerendo che i dati sottostanti sono complessi e che diversi strumenti possono offrire intuizioni simili piuttosto che un unico detective "star" che risolve il caso da solo.

Interessante notare che, quando i robot hanno guardato quale fattore fosse il più importante, hanno indicato la Competenza degli Insegnanti come la campionessa del peso massimo, seguita da vicino dal Supporto Istituzionale e dall'Integrazione nel Curriculum. Ciò suggerisce che avere un insegnante esperto che sa come insegnare questi concetti complessi è leggermente più critico rispetto all'avere una politica perfetta o gli ultimi gadget. Tuttavia, la differenza non era enorme; tutti i fattori giocavano un ruolo.

Il Punto Fondamentale

Questo studio non ha trovato un pulsante magico che risolva istantaneamente l'educazione alla sostenibilità. Invece, suggerisce che far funzionare i programmi di economia circolare è un po' come dirigere un'orchestra. Hai bisogno degli insegnanti (i violinisti), dei leader scolastici (i direttori d'orchestra), del curriculum (lo spartito) e degli studenti (il pubblico), tutti che suonano in sincronia. Se una sezione è fuori tempo, l'intera canzone ne soffre.

I ricercatori hanno usato questi strumenti digitali per mostrarci che, sebbene stiamo facendo progressi, c'è ancora molto lavoro da fare. I punteggi "moderati" significano che siamo sulla strada giusta, ma dobbiamo continuare a accordare i nostri strumenti. Utilizzando questi modelli informatici intelligenti, educatori e decisori politici possono ora vedere esattamente dove concentrare le loro energie — probabilmente sulla formazione degli insegnanti e sul supporto alle scuole — invece di tirare a indovinare. È un promemoria del fatto che salvare il pianeta non riguarda solo le grandi idee; riguarda i piccoli, interconnessi dettagli di come insegniamo e apprendiamo.