AI不只會算污染，更能教會人們改變

XAI研究揭示：環境教育是從「知道污染」走向「願意行動」的治理關鍵

面對空氣、水體、廢棄物、氣候變遷與化學品使用等複合型環境污染，傳統治理若只仰賴法規管制與工程改善，往往難以真正改變民眾日常行為。近期發表於《Scientific Reports》的研究，以利比亞兩所大學環境科學與環境教育相關學生為對象，透過問卷調查與可解釋人工智慧（XAI）模型，重新檢視「環境教育」如何成為對抗污染的關鍵工具。

研究團隊針對學生的知識、關切程度、行為與行動意願進行量化分析。結果顯示，受訪學生對環境問題已有相當高的警覺：近65%的學生對空氣污染關切程度評為8分以上；對水污染的關切中，評為9分與10分者合計約57.3%；對氣候變遷，67.8%的學生評為8分以上。這些數據代表，年輕世代並非不了解環境危機，而是需要更有效的教育設計，將「關心」轉化為具體行動。

在知識面向上，研究摘要指出，82.2%的學生在「是否知道主要環境污染物」題項中給予5分以上；約45%的學生在「是否知道污染主因」題項中給予9至10分；另有72.2%的受訪者在「是否知道污染解方」題項中給予6分以上。這表示環境教育已能建立基本認知，但政策真正要追求的，應是讓學生知道如何做、願意持續做，並能影響家庭、社區與公共決策。

行為資料同樣值得注意。超過50%的受訪者在「使用不同容器分類回收」題項中給予9分以上；78%的學生在「參與淨灘、清理公園、植樹等親環境行動」中給予6分以上。研究進一步使用SHAP可解釋模型分析，發現最能影響學生理解污染解方的關鍵，包括是否了解污染主因、是否分類回收、是否了解主要污染物、是否願意接受個人廢棄物產生限制、是否購買低包裝或可回收包裝產品，以及是否願意與環保團體合作。換言之，環境教育不能只停留在課堂知識，而必須結合生活消費、廢棄物管理與社會參與。

本研究最具創新性的地方，是將環境教育導入人工智慧分析。團隊比較GPR、BT、ANN等模型，並加入貝氏最佳化（Bayesian Optimization）提升預測能力。結果顯示，GPR-BO-M2模型表現最佳，訓練與測試的R²分別達0.951與0.937，RMSE分別為0.684與0.651，代表模型能以較少但關鍵的變項，精準預測學生對污染解方的理解程度。這對政府與教育單位而言，提供了一個新的方向：未來環境教育可利用資料分析找出最有效的教學重點，而不是平均分配資源。

從教育政策角度看，XAI的價值不只是提高模型準確率，更重要的是「說明為什麼」。過去環境教育成效常以活動場次、參與人數、滿意度問卷呈現，但很難回答：哪一種教材真正有效？哪一類學生最需要加強？哪些生活行為最容易被改變？XAI可將問卷、行為與學習成果轉化成決策線索，協助政府把有限經費投向最能產生行動改變的主題。

這項研究也提示，環境教育應與地方治理議題更緊密結合。例如校園空氣品質、社區廢棄物分類、公共廁所衛生、河川巡守、綠色消費與氣候調適，都可以設計成「知識學習＋現場觀察＋行動任務＋數據回饋」的循環。當學生能看見自身行為與環境數據之間的關係，環境教育就不再只是宣導，而會成為可追蹤的社會改變工程。

不過，研究也提醒，本案屬於橫斷式問卷與自陳資料，能指出統計關聯，不能直接證明教育必然造成實際污染下降。若要進一步驗證政策成效，未來應結合長期追蹤、前後測、行為觀察與實際環境監測數據，才能建立更完整的因果證據。

對台灣而言，這正是環境教育下一階段的挑戰。從中央到地方，環境教育已有法制與多年推動基礎，下一步應從「有沒有辦」走向「是否有效」，從「大家都上一樣的課」走向「依風險、場域與族群設計不同策略」。若能把AI與XAI導入政策評估，將有助於建構更精準的環境素養與行為改變路徑。

TIEQM認為，這項研究對台灣具有高度啟發。台灣推動環境教育多年，未來應從「辦理場次、人次與宣導品」進一步升級為「可量測、可預測、可改善」的治理系統。建議地方政府在校園、社區、公廁、室內空氣品質與淨零綠生活專案中，導入環境教育前後測、行為改變指標與XAI分析，找出真正影響民眾行動的關鍵因素。TIEQM也建議，環境教育應結合即時監測資料、在地污染議題與生活行動任務，讓學生與民眾不只是知道污染存在，更能理解污染來源、選擇改善方法，並參與地方環境治理，讓教育成為環境改善的可驗證力量。

（文章出處：Hamad, O. A. M., Baysen, E., & Usman, A. G. (2026). Environmental education as a means of combating growing environmental pollution: an optimized-explainable artificial intelligence (XAI) approach. Scientific Reports, 16, 12647. https://doi.org/10.1038/s41598-026-42335-z）