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

想象一下，世界就像一个巨大的、杂乱无章的工作室，我们不断地制造东西、使用它们，然后把它们丢弃。长期以来，我们的运作方式就像一条单行道：获取资源、制造产品，然后倾倒残余物。但科学家和教育工作者现在正试图将其转变为一个巨大的、循环往复的旋转木马，即循环经济。在这里，不再有垃圾，一切都被回收、重复利用或转化为新的事物，让资源在快乐的圆圈中旋转，而不是消失在填埋场中。为了实现这一目标，我们需要教会人们如何进行“环形思维”。这就是可持续发展教育 (ESD) 发挥作用的地方。把 ESD 想象成一种学校课程，它训练我们的头脑将世界视为一个互联的系统，其中没有任何东西是被浪费的。但棘手的部分在于：仅仅因为一所学校“声称”正在教授这些理念，并不意味着它真的奏效了。我们如何知道这些“循环”课程是否真正扎根？这就是那个大问题。研究人员没有仅仅询问老师们“你们做得好吗？”，而是决定使用一个超级聪明的数字侦探——机器学习，来窥探幕后，看看究竟是什么让这些项目成功或失败。

---

数字侦探与学校循环

来自印度尼西亚的一个研究小组决定扮演侦探，去破解一个非常具体的谜题：雅加达和万丹的学校在落实这些“循环经济”理念方面表现究竟如何？他们并没有凭空猜测；他们组织了一个由 505 人组成的大型团队，包括教师、学生、学校管理者和政府决策者，来填写一份调查问卷。他们想看看这些“循环”课程是真的有效，还是仅仅是黑板上的流行词汇。

为了解决这个问题，他们构建了一个机器学习模型。如果你把调查中的数据想象成一大堆拼图碎片，传统的数学就像是试图一次只看一片来拼凑它们。然而，机器学习就像是一个机器人，它可以同时观察整堆碎片，寻找人类肉眼可能会忽略的隐藏模式和联系。研究人员将他们的拼图碎片输入到三种不同类型的机器人侦探中：决策树（它会提出一系列是或否的问题）、随机森林（它就像是一整片通过投票来决定答案的森林）以及支持向量机（它试图画出一条最佳的线，将“好”项目与“坏”项目区分开来）。

他们的发现：这是一场团队协作，而非独角戏

结果有点令人惊讶。首先，这些项目的“有效性”并不是在高低起伏间剧烈波动。大多数时候，这些项目都处于中间水平——中等。这算不上是一场灾难，但也并非完美的乌托邦。分数一直徘徊在中等水平，这表明虽然学校正在努力尝试，但尚未完全掌握循环艺术。

研究人员随后询问机器人：“是什么造成了差异？”他们原本以为可能有一个巨大的因素，比如拥有一间时髦的新电脑室或一项极其严格的政策，会成为那根魔杖。但机器人说：“不，这是一场团队协作。”

模型发现，没有任何单一因素能主宰全局。相反，许多因素在共同发挥作用：

• 教师能力： 教师解释这些概念的能力如何。
• 机构支持： 学校管理层是否真正支持该项目。
• 课程整合： 循环理念如何被融入到实际课程中。
• 学生参与度： 孩子们是否真的在关注并参与其中。
• 政策一致性： 政府规则是否与学校的做法相匹配。
• 技术支持： 是否拥有正确的工具和技术。

研究表明，如果你只改进技术而忽视教师，或者你有优秀的教师却缺乏学校的支持，那么项目就不会运作良好。这就像试图只用鸡蛋而不加面粉来烤蛋糕；你需要所有的食材才能得到好的结果。

机器人的判决

当涉及到预测一个项目的表现如何时，结果显示不同的机器人侦探表现水平相对相当。虽然随机森林模型确实表现出略微更稳定的结果和稍高的准确度（在测试中约 85% 的时间内能预测有效性），但论文指出，没有任何单一模型在所有指标上都表现出明显的统治地位。决策树和支持向量机也同样出色，这表明底层数据是复杂的，不同的工具可以提供类似的见解，而不是靠一个“明星”侦探独自解决案件。

有趣的是，当机器人观察哪个因素是最重要的时，它们指向了教师能力作为重量级冠军，紧随其后的是机构支持和课程整合。这表明，拥有一位懂得如何教授这些复杂理念的熟练教师，比拥有完美的政策或最新的设备稍微重要一些。然而，这种差异并不巨大；所有因素都发挥了作用。

底线结论

这项研究并没有找到一个能瞬间修复可持续发展教育的魔法按钮。相反，它表明让循环经济项目奏效有点像指挥一场交响乐。你需要教师（小提琴手）、学校领导（指挥）、课程（乐谱）以及学生（观众）全都保持同步演奏。如果其中一个声部走调了，整首曲子就会受损。

研究人员利用这些数字工具向我们展示了，虽然我们正在取得进展，但仍有很多工作要做起来。“中等”的分数意味着我们正走在正确的道路上，但我们需要不断调试我们的乐器。通过使用这些智能计算机模型，教育工作者和决策者现在可以清楚地看到他们应该在哪里投入精力——很可能是转向培训教师和支持学校，而不是盲目猜测。这提醒我们，拯救地球不仅仅关乎宏大的理念；它还关乎我们如何教与学这些细微且相互关联的细节。