Sostenibilità

Traduzione automatica della pagina in inglese, non ancora rivista da una persona di madrelingua.

Sostenibilità — l'intersezione di due preoccupazioni: come l'IA può essere usata per ottenere risultati di sostenibilità nell'istruzione (IA per la sostenibilità, inclusa l'Educazione allo sviluppo sostenibile e l'educazione verde), e come rendere l'IA stessa sostenibile (IA sostenibile, ridurre l'impronta ambientale, etica e sociale dei sistemi di IA nell'istruzione). In quanto sia utenti sia sviluppatori di IA, le istituzioni educative devono perseguire obiettivi ambientali e sociali garantendo al contempo un uso responsabile ed etico dell'IA.

Domande da considerare

• La pagina distingue due percorsi: «IA per la sostenibilità» (usare l'IA per promuovere risultati di sostenibilità) e «IA sostenibile» (ridurre l'impronta ambientale ed etica dell'IA stessa). Riesci a immaginare un modo in cui uno strumento di IA possa promuovere un obiettivo mentre mina l'altro?
• L'addestramento e l'esecuzione di grandi modelli linguistici comporta un'impronta reale di carbonio e di acqua. Quando un'istituzione promuove la sostenibilità come valore e al tempo stesso impiega IA ad alta intensità energetica, quali tensioni emergono — e chi dovrebbe valutarle?
• Prima di continuare la lettura, come definiresti l'«istruzione sostenibile»? La pagina la tratta come un progetto basato sui valori e centrato sull'essere umano, distinto dall'uso dell'istruzione come strumento per la sostenibilità — in cosa differiscono?
• Se ci si aspetta che l'istruzione sviluppi negli studenti una «coscienza della sostenibilità», quale ruolo potrebbe svolgere l'IA in questo — e l'integrazione dell'IA nel curriculum potrebbe insegnare la sostenibilità mentre la sua stessa impronta contraddice silenziosamente la lezione?
• Che cosa significherebbe per un'istituzione educativa essere genuinamente sostenibile nel proprio uso dell'IA, e quali delle sue decisioni (appalti, implementazione, insegnamento) ritieni siano più importanti?

Introduzione

La sostenibilità nell'AIED si articola in tre cornici che si sovrappongono: istruzione sostenibile (un progetto educativo basato sui valori e centrato sull'essere umano), sostenibilità nell'istruzione (uso dell'istruzione come strumento per la sostenibilità) e educazione allo sviluppo sostenibile (ESD, l'agenda politica globale, in particolare Obiettivo di sviluppo sostenibile 4). L'IA interseca ciascuna di queste in modo diverso — e il campo distingue due percorsi fondamentali: IA per la sostenibilità (l'IA come strumento per raggiungere risultati di sostenibilità) e IA sostenibile (ridurre l'impronta ambientale ed etica dell'IA stessa).

La tassonomia in due parti

La copertura della base di conoscenze, ancorata a Daniel et al. (2026), organizza il campo in due percorsi interconnessi ma distinti:

• IA per la sostenibilità — usare l'IA per promuovere risultati di sostenibilità. Nell'istruzione ciò include l'IA per la gestione energetica, il monitoraggio climatico, i programmi di campus verde e i curricoli integrati con l'IA che sviluppano negli studenti la coscienza della sostenibilità (ad es. il framework AI-SEE per la formazione ingegneristica sostenibile). È fondata sull'agenda globale dell'Educazione allo sviluppo sostenibile.
• IA sostenibile — ridurre gli impatti ambientali ed etici diretti dell'IA stessa. Ciò comprende l'impronta di carbonio e di acqua dei grandi modelli linguistici, l'implementazione efficiente dal punto di vista energetico e in sede, e i framework etici e di governance necessari per garantire che l'uso dell'IA nell'istruzione sia esso stesso responsabile e sostenibile.

Usare l'IA per la sostenibilità nell'istruzione

Un corpo di ricerca in crescita tratta l'IA come uno strumento per l'educazione alla sostenibilità e per i suoi risultati:

• Curricoli integrati con l'IA che sviluppano la coscienza della sostenibilità. Liu et al. (2026) propongono il framework AI-SEE (guidato dall'intelligenza, potenziato dal verde, guidato dalla responsabilità, integrato nella pratica), che integra l'IA in tutto il curriculum come impalcatura cognitiva e risorsa per l'analisi della sostenibilità a livello di sistema. In un caso relativo a 144 studenti di ingegneria, ha accresciuto la coscienza della sostenibilità e prodotto un coinvolgimento comportamentale a livello personale, accademico, professionale e sociale, con una diffusione sociale che oltrepassava l'aula.
• IA nell'educazione verde e sostenibile. Talebzadeh (2026) ha rilevato che la progettazione didattica assistita dall'IA, sotto i vincoli della Pedagogia dello sviluppo sostenibile, ha migliorato i flussi di lavoro degli insegnanti e la progettazione pedagogica. Riandi et al. (2026) hanno rilevato che l'uso pratico dell'IA da parte degli insegnanti nella scienza e nell'energia verde e il loro coinvolgimento nello sviluppo di materiali allineati all'ESD — più della conoscenza astratta dell'IA o degli atteggiamenti — prediceva la loro capacità di integrare l'IA nell'educazione all'energia verde.
• La sostenibilità come progetto basato sui valori. Alsuhami & Atallah (2026) sostengono che il contributo dell'IA all'istruzione sostenibile è condizionato e mediato dalla governance: essa supporta la sostenibilità solo quando l'adozione è subordinata a valori educativi espliciti e a scopi centrati sull'essere umano, anziché alla tecnologizzazione e alla mercificazione. Questo collega la sostenibilità all'Etica e alla Pedagogia critica.

Rendere l'IA stessa sostenibile

Il secondo percorso riguarda l'impronta propria dell'IA nei contesti educativi:

• Impatto ambientale dei grandi modelli. Gli studi sull'uso degli LLM documentano l'impronta di carbonio e di acqua dei grandi modelli linguistici, che è significativa dato l'alto tasso di adozione tra gli studenti universitari. Questa è la dimensione ambientale diretta dell'IA sostenibile.
• Implementazione efficiente dal punto di vista energetico e in sede. Shen et al. (2026) dimostrano che gli assistenti basati su basi di conoscenza di IA possono funzionare su hardware di livello consumer con risorse educative aperte, riducendo l'impronta ambientale ed economica dell'IA nell'istruzione — un modello concreto di progettazione per l'IA sostenibile.
• Framework etici e di governance. L'IA sostenibile non è solo ambientale: richiede framework di Governance dell'IA e di Etica che garantiscano trasparenza, responsabilità, supervisione umana e accesso equo, come Daniel et al. (2026) osservano che spesso mancano nelle attuali applicazioni universitarie.

L'apprendimento sostenibile come obiettivo pedagogico

Un filone correlato inquadra la sostenibilità non solo come una preoccupazione ambientale o istituzionale, ma come una proprietà dell'apprendimento stesso. Zhu et al. (2026) sostengono che l'apprendimento assistito dall'IA rischia l'esternalizzazione cognitiva e il distacco dai contesti autentici, e propongono framework (E3-HOT) per l'apprendimento sostenibile — un apprendimento che persiste, si trasferisce e rimane connesso ai problemi reali, anziché essere cortocircuitato dal Offloading cognitivo. Questo collega la sostenibilità all'Agentività di chi apprende e al Pensiero critico.

Connessioni con altri concetti

La sostenibilità e l'IA nell'istruzione si colloca all'intersezione tra Etica, Governance dell'IA, IA in educazione e le scienze ambientali ed energetiche. Attinge alla Sviluppo professionale e al Insegnamento per lo sviluppo delle capacità, alla Progettazione dell'apprendimento per la pedagogia, e si collega al trattamento che la base di conoscenze riserva al Offloading cognitivo e al Pensiero critico attraverso la lente dell'«apprendimento sostenibile». Poiché entrambi i percorsi sono trasversali, la sostenibilità è un tema fondamentale che attraversa l'istruzione superiore, il K-12 e i contesti professionali.

Concetti collegati

• Etica
• Governance dell'IA
• IA in educazione
• Istruzione superiore
• K-12
• Sviluppo professionale
• Insegnamento
• Progettazione dell'apprendimento
• Ingegneria — educazione
• Pensiero critico
• Offloading cognitivo
• Agentività di chi apprende
• Open source

Articoli collegati

• A Scoping Review of AI for Sustainability and Sustainable AI in Higher Education — Scoping review of AI for sustainability and sustainable AI in higher education
• Sustainable Education in the Age of Artificial Intelligence and Digitalization: A Value-Critical Approach — Value-critical approach to sustainable education and AI
• Enhancing Sustainability Consciousness in Higher Education: Impacts of Artificial Intelligence-Integrated Sustainable Engineering Education — AI-SEE framework for sustainable engineering education
• Teacher Involvement in Developing Sustainable Education Materials for AI Integration in Green Energy Education — Teacher involvement in AI integration for green energy education
• The Role of Artificial Intelligence in Green Education: Optimizing Teacher Workflow and Enhancing Pedagogical Design under Sustainable Development Pedagogy (SDP) Constraints — The Role of AI in Green Education
• Towards sustainable AI knowledge-base assistants in computer science education: on-premise deployment and optimization with open educational resources — Sustainable AI knowledge-base assistants
• When LLMs Slow Down: How Environmental Impacts Mediate University Students' LLM Usage — Environmental impacts of LLM use
• Fostering Sustainable Learning via Embodied Intelligence: The E3-HOT Framework for Higher-Order Thinking in the AI Era — Fostering sustainable learning via embodied intelligence
• Preparing Learners and Teachers for an AI-Driven Future: Emerging Trends, Pedagogical Challenges, and Critical Perspectives in Pre-University AI Education: A Systematic Literature Review — SLR of pre-university AI education (SDG 4 framing)