Устойчивое развитие

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Устойчивое развитие — точка пересечения двух проблем: как ИИ может использоваться для достижения результатов в области устойчивого развития в образовании (ИИ для устойчивого развития, включая образование в интересах устойчивого развития и «зелёное» образование), и как сделать сам ИИ устойчивым (устойчивый ИИ, сокращение экологического, этического и социальческого следа систем ИИ в образовании). Будучи одновременно пользователями и разработчиками ИИ, образовательные организации должны продвигать экологические и социальные цели, обеспечивая при этом ответственное и этичное использование ИИ.

Вопросы для размышления

• Страница различает два пути: «ИИ для устойчивого развития» (использование ИИ для достижения результатов в области устойчивого развития) и «устойчивый ИИ» (сокращение собственного экологического и этического следа ИИ). Можете ли вы представить, как инструмент ИИ мог бы продвигать одну цель, подрывая при этом другую?
• Обучение и эксплуатация больших языковых моделей создают реальный углеродный и водный след. Когда организация продвигает устойчивое развитие как ценность, внедряя при этом энергоёмкие ИИ-решения, какие напряжения возникают — и кому следует их взвешивать?
• Прежде чем читать дальше, как бы вы определили «устойчивое образование»? Страница трактует его как ценностно ориентированный, человекоцентрированный проект, отличный от использования образования как инструмента устойчивого развития — в чём состоит это различие?
• Если от образования ожидают формирования у учащихся «осознания устойчивости», какую роль мог бы сыграть в этом ИИ — и могла бы интеграция ИИ в учебный план преподавать устойчивость, пока его собственный след тихо противоречит уроку?
• Что означало бы для образовательной организации быть подлинно устойчивой в своём использовании ИИ, и какие из её решений (закупки, внедрение, преподавание), по-вашему, важнее всего?

Введение

Устойчивое развитие в AIED охватывает три пересекающихся трактовки: устойчивое образование (ценностно ориентированный, человекоцентрированный образовательный проект), устойчивость в образовании (использование образования как инструмента устойчивого развития) и образование в интересах устойчивого развития (ОУР, глобальная повестка политики, особенно Цель 4 в области устойчивого развития). ИИ по-разному пересекается с каждой из них — и область выделяет два ключевых пути: ИИ для устойчивого развития (ИИ как инструмент достижения результатов в области устойчивого развития) и устойчивый ИИ (сокращение собственного экологического и этического следа ИИ).

Двухчастная таксономия

Освещение в базе знаний, опирающееся на Daniel et al. (2026), организует область в два взаимосвязанных, но различных пути:

• ИИ для устойчивого развития — использование ИИ для достижения результатов в области устойчивого развития. В образовании это включает ИИ для управления энергопотреблением, мониторинга климата, программ «зелёного» кампуса и интегрированных в учебный план курсов ИИ, формирующих у учащихся осознание устойчивости (например, рамки AI-SEE для устойчивого инженерного образования). В своей основе он опирается на глобальную повестку образования в интересах устойчивого развития.
• Устойчивый ИИ — сокращение прямых экологических и этических воздействий самого ИИ. Сюда относятся углеродный и водный след больших языковых моделей, энергоэффективное и локальное (on-premise) развёртывание, а также этические рамки и рамки управления, необходимые для того, чтобы использование ИИ в образовании само было ответственным и устойчивым.

Использование ИИ для устойчивого развития в образовании

Растущий корпус работ рассматривает ИИ как инструмент для образования в области устойчивого развития и его результатов:

• Интегрированные в учебный план курсы ИИ, формирующие осознание устойчивости. Liu et al. (2026) предлагают рамки AI-SEE (управляемые интеллектом, зелёно-расширенные, ведущие ответственность, интегрированные в практику), которые интегрируют ИИ по всему учебному плану как познавательный скаффолдинг — опору, постепенно снимаемую поддержку, — и ресурс для анализа устойчивости на системном уровне. В инженерном кейсе со 144 студентами они повысили осознание устойчивости и привели к поведенческой вовлечённости (engagement) на личном, академическом, профессиональном и социальном уровнях, с социальной диффузией за пределы аудитории.
• ИИ в «зелёном» образовании и образовании в области устойчивого развития. Talebzadeh (2026) обнаружила, что ИИ-поддерживаемый дизайн обучения в условиях ограничений педагогики устойчивого развития улучшил рабочие процессы преподавателей и педагогический дизайн. Riandi et al. (2026) обнаружили, что практическое использование преподавателями ИИ в преподавании науки / «зелёной» энергетики и их участие в разработке материалов, согласованных с ОУР, — в большей степени, чем абстрактные знания об ИИ или установки, — предсказывали их способность интегрировать ИИ в преподавание «зелёной» энергетики.
• Устойчивость как ценностно ориентированный проект. Alsuhami & Atallah (2026) утверждают, что вклад ИИ в устойчивое образование обусловлен и опосредован управлением: он поддерживает устойчивость только тогда, когда внедрение подчинено явным образовательным ценностям и человекоцентрированным целям, а не технологизации и коммерциализации. Это связывает устойчивость с Этика и Критическая педагогика.

Как сделать сам ИИ устойчивым

Второй путь касается собственного следа ИИ в образовательных условиях:

• Экологическое воздействие больших моделей. Исследования использования LLM документируют углеродный и водный след больших языковых моделей, который значителен с учётом высокой степени внедрения среди университетских студентов. Это прямое экологическое измерение устойчивого ИИ.
• Энергоэффективное и локальное развёртывание. Shen et al. (2026) демонстрируют, что ИИ-ассистенты на базе знаний могут работать на потребительском оборудовании с открытыми образовательными ресурсами, сокращая экологический и стоимостный след ИИ в образовании — конкретный паттерн проектирования устойчивого ИИ.
• Этические рамки и рамки управления. Устойчивый ИИ — это не только экология: он требует рамок Управление ИИ и Этика, обеспечивающих прозрачность, подотчётность, человеческий контроль и равный доступ, которые, как отмечают Daniel et al. (2026), часто отсутствуют в современных университетских приложениях.

Устойчивое обучение как педагогическая цель

Смежное направление рассматривает устойчивость не только как экологическую или институциональную проблему, но и как свойство самого обучения. Zhu et al. (2026) утверждают, что ИИ-поддерживаемое обучение рискует привести к когнитивному аутсорсингу и отрыву от аутентичных контекстов, и предлагают рамки (E3-HOT) для устойчивого обучения — обучения, которое сохраняется, переносится в новые ситуации и остаётся связанным с реальными проблемами, а не коротко замыкается Когнитивный оффлоадинг. Это связывает устойчивость с Автономность учащегося и Критическое мышление.

Связи с другими концепциями

Устойчивое развитие и ИИ в образовании находится на пересечении Этика, Управление ИИ, ИИ в образовании и экологических / энергетических наук. Опирается на Профессиональное развитие преподавателей и Преподавание в части наращивания потенциала, на Дизайн обучения — в части педагогики, и связано с трактовкой в базе знаний Когнитивный оффлоадинг и Критическое мышление через призму «устойчивого обучения». Поскольку оба пути являются сквозными, устойчивость — это базовая тема, которая проявляется в контекстах высшего образования, K-12 и профессиональных контекстах.

Связанные концепции

• Этика
• Управление ИИ
• ИИ в образовании
• Высшее образование
• K-12
• Профессиональное развитие преподавателей
• Преподавание
• Дизайн обучения
• Инженерное образование (Engineering Education)
• Критическое мышление
• Когнитивный оффлоадинг
• Автономность учащегося
• Открытый код

Связанные статьи

• 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)