AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

Madhana

Elimu ya Mazingira

Imeundwa 2026-10-13

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Maswali ya Kuzingatia

  • "Elimu ya mazingira na AI" inaweza kumaanisha mambo mawili tofauti sana: kutumia AI kufundisha kuhusu hali ya hewa na uendelevu, na kupunguza gharama ya mazingira ya kutumia AI katika madarasa. Unaisikia ipi katika taasisi yako — na ipi ina mstari wa bajeti?
  • Ikiwa chuo kikuu kinapofundisha sayansi ya hali ya hewa kwa mfumo mkubwa wa lugha unaotumia nishati kubwa kwenye kila laptop ya mwanafunzi, je, limeendeleza elimu ya mazingira au imedhoofisha? Nini kingekuwa kweli ili jibu liwe "zote mbili"?
  • Jaribio moja lilipata kwamba uchunguzi unaosaidiwa na AI liliboresha kufanya maamuzi ya hali ya hewa kuliko uchunguzi peke yake, zikiwa na faida zilizokusanyika kwenye hatua dhaifu zaidi. Je, ungeaminia kitengo cha hali ya hewa kinachoungwa mkono na AI katika darasa lako, na ungehitaji kuona nini kwanza?
  • Karibu hakuna AIED karatasi zinazoripoti uwiano wao wa kompyuta au kaboni. Je, athari isiyoripotiwa ya Uendelevu ni tatizo la utafiti, tatizo ya ununuzi, tatizo la kufundisha, au hakuna kati ya hizi?

Utangulizi

Elimu ya mazingira huendeleza uelewa wa wanafunzi wa mifumo ya kiolojia, hali ya hewa, na utegemezi wa binadamu–mazingira, pamoja na mienendo na uwezo wa kuchukua hatua juu yake — mara nyingi ikiwekwa kitaasisi kama Elimu kwa Maendeleo Endelevu (ESD) au "elimu ya kijani." Katika muktadha wa AI katika elimu, neno huleta mvutano ambao maudhui hukutana bila siku zote kulitaja: AI kama zana ya elimu ya mazingira (kufundisha maudhui ya hali ya hewa na uendelevu kwa zana zinazozalisha) na athari ya mazingira ya AI yenyewe (gharama ya kaboni, maji, na nishati ya miundo ambayo taasisi hutumia). Hizi ni maswali tofauti yenye ushahidi, wazalishaji, na dawa tofauti; kuzichanganya — kama karatasi kadhaa na hati nyingi za mkakati hufanya — hufanya haiwezekani kusema ni nani anayewajibika kwa nini.(A Scoping Review of AI for Sustainability and Sustainable AI in Higher Education)(The Environmental Cost of LLMs in AIED: Reporting and Practices)

Mambo mawili yanayoitwa "elimu ya mazingira na AI"

  • AI kwa elimu ya mazingira — kutumia AI kufundisha maudhui ya mazingira, kujenga ufahamu wa uendelevu, au kuunga mkono ujuzi wa kijani. Nusu hii ina mifumo, utafiti wa mwalimu-survey, na jaribio moja la darasa.
  • Athari ya AI katika elimu — emissio na matumizi ya rasilimali ya miundo na miundombinu inayotumika kwa kufundisha, bila kujali somo. Nusu hii ina mapitio moja ya mazoezi ya kuripoti, Kigezo cha Kupima moja ya uhandisi, na utafiti mdogo mmoja wa interface — na hakuna kitu juu ya athari ya AI inayotumika kwa elimu ya mazingira mahususi.

Nyuzi ya tatu, dhaifu zaidi, inachukulia "kujifunza endelevu" kama sifa ya kielimu badala ya sifa ya mazingira: kujifunza kinachodumu na kuhamia badala ya kupunguzwa na Kupunguza Mzigo wa Kiakili. Inashiriki msamiati wa uendelevu lakini si madai ya mazingira.(Fostering Sustainable Learning via Embodied Intelligence: The E3-HOT Framework for Higher-Order Thinking in the AI Era)

Kufundisha mada za mazingira na hali ya hewa kwa AI

Ushahidi thabiti zaidi ni majaribio ya pande tatu kwa kiasi yanayotumia mabadiliko ya hali ya hewa kama suala la kisayansi-kijamii. Wanafunzi wanaofanya kazi na mshirika wa AI ndani ya kazi ya uchunguzi iliyopangwa walipata wanafunzi wanaofanya uchunguzi peke yake (d = 0.69) na mafunzo ya jadi (d = 1.88) kwenye rubric ya kufanya maamuzi, zikiwa na faida kubwa zaidi kwenye hatua ambazo wanafunzi waliingia dhaifu zaidi — ufuatiliaji na usimamizi unaobadilika, na kuzalisha mbadala. Hali ya AI ilikuwa nyongeza ya uchunguzi badala ya kubadilishwa, na ukusanyaji wa data na uchanganuzi haukutenganisha vikundi kabisa, zikipendekeza kwamba AI iliunga mkono mawazo kuhusu biashara badala ya ukusanyaji wa ushahidi.(Can AI-Assisted Inquiry Enhance Students' Decision-Making Skills in Socio-Scientific Issues? A Three-Group Experimental Study on Climate Change)

Katika kiwango cha mtaala, mfumo wa AI-SEE unaunganisha AI katika mtaala wa uhandisi juu ya nguzo nne (inayoendeshwa na akili, inayowezeshwa kijani, inayoongoza uwajibikaji, iliyounganishwa na mazoezi) badala ya moduli ya uendelevu iliyoambatanishwa; jaribio la wanafunzi 144 liliripoti faida katika ufahamu wa uendelevu na kushiriki kwa tabia katika viwango vya kibinafsi, kitaaluma, kitaaluma, na kijamii. Waandishi wanatahadharisha kwamba hii ni ushahidi wa taasisi moja, wa kujitegulia, wa wakati mmoja wa mahojiano kutoka mpango mmoja wa usafiri wa China.(Enhancing Sustainability Consciousness in Higher Education: Impacts of Artificial Intelligence-Integrated Sustainable Engineering Education)

Masomo mawili madogo yanashughulikia upande wa ubunifu. Ubunifu wa kielimu unaosaidiwa na AI chini ya vikomo vya Padagogia ya Maendeleo Endelevu uliboresha mipango ya somo ya walimu wa huduma ya awali kwa athari kubwa isiyoweza kuelewewa (d = 2.80, timu 28, hakuna kundi la kudhibiti). Kando, utafiti wa equation-msimu wa walimu 122 wa huduma ulipata kwamba matumizi ya AI ya vitendo katika kazi za sayansi na nishati ya kijani pamoja na kushiriki katika kutengeneza nyenzo zinazolingana na ESD zilitabiri uwezo wa kuunganisha AI, wakati maarifa ya AI ya kina na mitazamo hawakufanya — ingawa questionnaire ya binary na dhana dhaifu ya maarifa zinazuia jinsi inavyosafiri.(The Role of Artificial Intelligence in Green Education: Optimizing Teacher Workflow and Enhancing Pedagogical Design under Sustainable Development Pedagogy (SDP) Constraints)(Teacher Involvement in Developing Sustainable Education Materials for AI Integration in Green Energy Education)

Athari ya mazingira ya AI katika elimu

Nusu hii ni ambapo maudhui ni nyembamba zaidi. Mapitio ya karatasi zote 396 za maandishi ya AIED 2025 yalipata "kukubalika kwa LLM bila ufichuzi": miradi mingi inatumia LLM, karatasi 85 ziliripoti gharama yoyote ya kompyuta, na 57 tu zilitaja athari ya mazingira — zikitumia vipimo visivyounganika, kwa hivyo uwanja hauwezi kukusanya ushahidi wake wenyewe. Waandishi wanahesabu kwamba kushindwa kuripoti gharama ya mazingira yenyewe ni wasiwasi wa maadili, na wanapendekeza njia ya Chanzo Huria (CodeCarbon pamoja na kadirio la FLOPs la vigezo viwili kwa miundo ya umiliki).(The Environmental Cost of LLMs in AIED: Reporting and Practices)

Upande wa mwanafunzi, interface ya maoni ya ikolojia inayoonyesha biashara ya ucheleweshaji–kaboni wakati wa matumizi ya moja kwa moja ya LLM ilichunguzwa na wanafunzi 89 wa sayansi ya kompyuta katika kozi ya maadili ya kompyuta: wanafunzi walichagua hali ya kaboni ya chini katika takribani 45% ya mwingiliano wa ucheleweshaji wa chini lakini chini ya 5% katika ucheleweshaji wa juu, na ufahamu wa uendelevu uliongeza chaguo hilo kwa kiasi kikubwa. Sampuli ni ndogo na yenye ufahamu wa kiufundi usio wa kawaida, lakini ni ushahidi wa moja kwa moja tu katika maudhui kwamba taarifa za athari zinasogeza wanafunzi kabisa — na inapendekeza kwamba kikomo kinachofunga ni uvumilivu, si thamani.(When LLMs Slow Down: How Environmental Impacts Mediate University Students' LLM Usage)

Ushahidi wa kupunguza unakuja kutoka msaidizi wa hifadhi ya maarifa ya CS ya on-premise kwenye GPU moja ya watumiaji (12 GB VRAM) yenye maudhui yaliyoidhinishwa wazi: 1.8 mWh kwa kila swali kwa bora — takribani 0.54 Wh kwa darasa la wanafunzi 30 wanaowasilisha maswali kumi kila mmoja — zikiwa na fine-tuning inayofahamu quantization ikizuia upotevu wa usahihi na ongezeko la hallucination ambayo compression pekee ilisababisha. Ni benchmark ya uhandisi, si somo la kujifunza, lakini inaonyesha kwamba swali la athari lina vigezo vya ubunifu (uwekezaji, quantization, eneo la utekelezaji), si vigezo vya nidhamu ya matumizi pekee.(Towards sustainable AI knowledge-base assistants in computer science education: on-premise deployment and optimization with open educational resources)

Ujuzi wa kijani, ufahamu wa uendelevu, na uwezo wa mwalimu

Pamoja, masomo haya yanatazaja ratiba ya ujuzi wa kijani inayotolewa kwa usawa: ufahamu wa uendelevu kama matokeo ya mtaala, maendeleo ya nyenzo zinazolingana na ESD kama mbinu ya uwezo wa mwalimu, na kufanya maamuzi ya hali ya hewa kama ujuzi wa mantiki unaopimika. Nyuzi ya thamani-muhimu hutoa dawa: uchanganuzi wa dhana unahesabu kwamba mchango wa AI kwa elimu endelevu ni wa masharti na unasimamiwa na utawala, unaounga mkono uendelevu tu wakati kukubalika kunadhoofishwa na thamani zilizo wazi za elimu na malengo yanayozingatia binadamu — ambayo huweka Utawala wa AI na padagogia ya kina ndani ya elimu ya mazingira badala ya kando yake.(Sustainable Education in the Age of Artificial Intelligence and Digitalization: A Value-Critical Approach)

Mapitio ya upeo yanayopanga maandishi haya hutoa hukumu ya uwanza juu ya kiwango: programu zinakusanyika kuzunguka usimamizi wa nishati, ufuatiliaji wa hali ya hewa, na miundo ya kampasi ya kijani, lakini yana vikomo vya kiwango, mara nyingi hayana miongozo ya maadili au mazingira, na utafiti mwingi unabaki kuwa wa dhana au jaribio dogo. Ufikiaji unaegemea kuelekea Amerika ya Kaskazini na Ulaya, zikiwa na karibu hakuna kitu kutoka Global South zaidi ya masomo machache ya Afrika Kusini.(A Scoping Review of AI for Sustainability and Sustainable AI in Higher Education)

Kile ushahidi haujaweka bado

  • Hakuna ushahidi wa athari kwa elimu ya mazingira mahususi. Namba za kaboni na nishati zinakuja kutoka masomo ya jumla ya LLM na benchmark ya muktadha wa CS; hakuna kinachopima gharama ya mazingira ya mtaala wa hali ya hewa au ESD unaoungwa mkono na AI.
  • Hakuna ushahidi wa faida za kujifunza kwa mabadiliko ya athari. Maoni ya ikolojia yalibadilisha chaguo katika somo la lab; hakuna kinachoonyesha linabadilisha tabia, matokeo ya tathmini, au ununuzi.
  • Hakuna ushahidi wa sababu kwa mifumo ya mtaala. AI-SEE ni kesi moja ya kujitegulia ya tovuti moja na E3-HOT ni mchoro wa ubunifu bila somo lililotekelezwa; matokeo ya ubunifu wa somo la SDP hayana kundi la kudhibiti.
  • Hakuna ushahidi wa kiwango kikubwa au wa muktadha mbalimbali. Kila matokeo ya kitaalamu hapa ni ya tovuti moja, na masomo ya walimu yanategemea sampuli ndogo za kusudi na vifaa dhaifu.
  • Nusu mbili zinasomwa pamoja mara chache, ingawa zote zinahusiana na darasa lilelile.

Mabadiliko kwa AI katika elimu

  1. Taja swali unalojibu. Mkakati unaotumia "uendelevu" kwa AI-kwa-kufundisha-hali-ya-hewa na athari ya AI yenyewe huficha pengo la uwajibikaji Daniel na wenzake (2026) wanatazama; weka ratiba tofauti, zikiwa na wamiliki tofauti.
  2. Chukulia ufichuzi wa athari kama miundombinu ya uwanza. Kuripoti kompyuta na kaboni kando ya usahihi — zikiwa na taarifa ya uendelevu hata wakati upimaji ni mbaya — ni njia pekee ya kutoka kwenye tatizo la vipimo visivyounganika.
  3. Buni kwa mwanafunzi asiye na uvumilivu. Ikiwa chaguo la kaboni ya chini inagharimu ucheleweshaji unaoonekana, wanafunzi wengi hawataichukua: weka ucheleweshaji chini, onyesha vidhibiti, na eleza athari katika maneno ya matokeo ya kweli, si vitengo vya kaboni vya kina.
  4. Pendelea utekelezaji hafifu zaidi pale padagogia inaporuhusu. Kuweka mfumo kwenye maudhui ya ndani yaliyoidhinishwa na quantization na fine-tuning ilitoa usahihi unaotumika kwa sehemu ndogo ya nishati — tumia mfumo huo kabla ya kupima inference ya wingu.
  5. Jenga uwezo wa mwalimu kupitia maendeleo ya nyenzo, si kampeni za ufahamu, na ujaze pengo la Global South badala ya kuleta ushahidi kutoka miktadha ya Amerika ya Kaskazini na Ulaya.

Dhana Zilizounganishwa

Makala Zilizounganishwa

Metadata

FaniEnvironmental Education
Kujifunza na UfundishajiKujifunza kwa Uchunguzi, Mafunzo ya Hali Halisi, Mbinu za Kufundisha za Ujuzi Mahususi
Teknolojia na MbinuAkili Bandia ya Kizazi, Mifano Mikubwa ya Lugha (LLM), Chanzo Huria
Taasisi na SeraSera ya AI katika Elimu, Utawala wa AI
Usawa, Maadili, na Matumizi ya UwajibikajiUendelevu, Maadili, Kusini ya Dunia
Misingi ya Akili Bandia katika ElimuAI katika Elimu
SourceHistoryEditChat

Pachika ukurasa huu

Nakili msimbo ulio hapa chini ili kupachika ukurasa huu katika mfumo wa usimamizi wa kujifunza au tovuti nyingine. Toleo lililopachikwa linaonyesha maudhui ya ukurasa tu — linaficha kichwa cha tovuti, urambazaji, na kijachini.