База знань AIEdAIEd KB
На цій сторінці

Ця сторінка перекладена українською. Сторінки статей досі написані англійською. Читати цю сторінку англійською

Концепції

Екологічна освіта

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Питання для роздумів

  • «ШІ та екологічна освіта» може означати дві кардинально різні речі: використання ШІ для викладання про клімат і сталий розвиток, а також зменшення екологічної ціни використання ШІ в аудиторіях. Який з цих змістів лунає у вашому закладі — і до якого з них прив’язана стаття бюджету?
  • Якщо університет викладає кліматичні науки за допомогою енергоємної великої мовної моделі на ноутбуку кожного студента, чи сприяє він екологічній освіті, чи їй шкодить? Що має бути правдою, щоб відповіддю було «і те, й інше»?
  • Один експеримент виявив, що дослідницька діяльність із підтримкою ШІ покращувала прийняття кліматичних рішень порівняно з виключно дослідницькою діяльністю, причому здобутки концентрувалися на найслабших кроках. Чи довіряли б ви вивченню клімату з підтримкою ШІ у своїй аудиторії, і що вам знадобилося б побачити перед цим?
  • Майже жодна стаття з AIED не повідомляє про власні обчислювальні витрати або вуглецевий слід. Чи є неврахований вплив на Сталий розвиток проблемою дослідження, проблемою закупівель, проблемою викладання — чи жодною з них?

Вступ

Екологічна освіта розвиває розуміння здобувачами екологічних систем, клімату та взаємозалежності людини й довкілля разом із установками та компетентностями, необхідними для дій щодо них — в інституційному вимірі її часто подають як освіту для сталого розвитку (ESD) або «зелену освіту». У контексті ШІ в освіті цей термін несе напругу, на яку корпус натрапляє, не завжди її називаючи: ШІ як інструмент екологічної освіти (викладання кліматичного контенту та контенту сталого розвитку за допомогою генеративних інструментів) і власний екологічний слід ШІ (вуглецеві, водні та енергетичні витрати моделей, які розгортають установи). Це різні питання з різними доказами, акторами й засобами виправлення; їх змішування — як це роблять декілька статей і більшість стратегічних документів — унеможливлює сказати, хто за що відповідальний.(A Scoping Review of AI for Sustainability and Sustainable AI in Higher Education)(The Environmental Cost of LLMs in AIED: Reporting and Practices)

Дві речі під назвою «екологічна освіта зі ШІ»

  • ШІ для екологічної освіти — використання ШІ для викладання екологічного контенту, формування свідомості щодо сталого розвитку або підтримки зелених навичок. У цій половині є рамкові концепції, дослідження-опитування викладачів і один аудиторний експеримент.
  • Слід ШІ в освіті — викиди та використання ресурсів моделями та інфраструктурою, що застосовуються у викладанні, якої б теми воно не стосувалося. У цій половині є один огляд практики звітування, один інженерний Бенчмарк і одне невелике дослідження інтерфейсу — і зовсім нічого про слід ШІ, застосовуваного саме для екологічної освіти.

Третій, слабкіший напрям трактує «стале навчання» як педагогічну властивість, а не як екологічну: навчання, яке зберігається й переноситься, а не підривається Розвантаження когніції. Воно спільне з лексикою сталого розвитку, але не є твердженням про довкілля.(Fostering Sustainable Learning via Embodied Intelligence: The E3-HOT Framework for Higher-Order Thinking in the AI Era)

Викладання екологічних та кліматичних тем за допомогою ШІ

Найсильнішими доказами є квазіексперимент із трьома групами, у якому зміна клімату використовувалася як соціально-наукова проблема (socio-scientific issue). Студенти, які працювали з партнером-ШІ всередині структурованого завдання дослідницького типу, перевершили однокурсників, які працювали лише в дослідницькому режимі (d = 0,69), і однокурсників із традиційного навчання (d = 1,88) за рубрикою прийняття рішень, із найбільшими здобутками на тих кроках, які студенти проходили найслабше — моніторинг і адаптивне управління, а також генерація альтернатив. Умова зі ШІ була додатковою до дослідницької діяльності, а не її заміною, а збір даних і аналіз взагалі не розділяли групи, що свідчить про те, що ШІ підтримував міркування щодо компромісів, а не збирання доказів.(Can AI-Assisted Inquiry Enhance Students' Decision-Making Skills in Socio-Scientific Issues? A Three-Group Experimental Study on Climate Change)

На рівні навчального плану рамкова концепція AI-SEE інтегрує ШІ в інженерний навчальний план на чотирьох опорах (орієнтованість на інтелект, зелене розширення можливостей, лідерство у відповідальності, інтегрованість із практикою), а не як доданий ззовні модуль сталого розвитку; пілотний проєкт із 144 студентами повідомив про здобутки в свідомості сталого розвитку та поведінковій залученості на особистому, академічному, професійному та соціальному рівнях. Автори застерігають, що це докази однієї установи, самозвітні, отримані в один момент часу на основі інтерв’ю з однієї китайської транспортної програми.(Enhancing Sustainability Consciousness in Higher Education: Impacts of Artificial Intelligence-Integrated Sustainable Engineering Education)

Два менші дослідження стосуються дизайнерського боку. AI-підтримане проєктування навчання в межах обмежень педагогіки сталого розвитку (Sustainable Development Pedagogy) покращило плани занять майбутніх викладачів із неправдоподібно великим ефектом (d = 2,80; 28 команд, без контрольної групи). Окрельно структурно-рівнянове дослідження 122 діючих викладачів виявило, що практичне використання ШІ на завданнях з науки та зеленої енергетики плюс залученість до розробки матеріалів, узгоджених із ESD, передбачали здатність до інтеграції ШІ, тоді як абстрактні знання про ШІ та установки — ні; хоч дихотомічний опитувальник і слабкий конструкт знань обмежують поширення цього результату.(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)

Екологічний слід ШІ в освіті

Ця половинка — там, де корпус найбідніший. Огляд усіх 396 статей зі збірника AIED 2025 виявив «впровадження LLM без розкриття інформації»: більшість проєктів використовує LLM, 85 статей повідомили про будь-які обчислювальні витрати, і лише 57 згадали вплив на довкілля — використовуючи несумісні метрики, тож галузь не може агрегувати власні докази. Автори стверджують, що нездатність повідомляти про екологічні витрати сама по собі є етичною проблемою, і пропонують Відкритий код метод (CodeCarbon плюс оцінка FLOPs за двома параметрами для пропрієтарних моделей).(The Environmental Cost of LLMs in AIED: Reporting and Practices)

На боці здобувача інтерфейс із екологічним зворотним зв’язком, що показує компроміс між затримкою та вуглецевим слідом під час живого використання LLM, вивчався з 89 студентами-інформатиками на курсі етики обчислювань: студенти обирали режим із меншим вуглецевим слідом приблизно в 45% випадків взаємодій із малою затримкою, але менш ніж у 5% при великій затримці, а обізнаність щодо сталого розвитку значно підвищувала цей вибір. Вибірка мала й незвично високо обізнана в технічному плані, але це єдиний прямий доказ у корпусі, що інформація про слід взагалі впливає на здобувачів — і він свідчить, що обмежувальним чинником є терпеливість, а не цінності.(When LLMs Slow Down: How Environmental Impacts Mediate University Students' LLM Usage)

Докази щодо пом’якшення наслідків надходять від локального асистента інформатики із базою знань на одному споживчому GPU (12 ГБ відеопам’яті) із відкрито ліцензованим контентом: 1,8 мВт·год на запит у найкращому разі — приблизно 0,54 Вт·год для класу з 30 студентів, які надсилають по десять запитів кожен, — причому точне налаштування з урахуванням квантування стримувало і втрату точності, і зростання галюцинацій, спричинене самим стисненням. Це інженерний бенчмарк, а не навчальне дослідження, але воно показує, що питання сліду має дизайнерські важелі (грунтування, квантування, місце розгортання), а не лише важелі дисципліни використання.(Towards sustainable AI knowledge-base assistants in computer science education: on-premise deployment and optimization with open educational resources)

Зелені навички, свідомість сталого розвитку та потенціал викладачів

Разом ці дослідження описують порядок денний зелених навичок, реалізований нерівномірно: свідомість сталого розвитку як освітній результат, розробку матеріалів, узгоджених із ESD, як механізм потенціалу викладачів і прийняття кліматичних рішень як вимірювану навичку міркування. Ціннісно-критичний напрям дає цю застерегу: концептуальний аналіз стверджує, що внесок ШІ в сталу освіту є умовним і опосередкованим управлінням, підтримуючи сталий розвиток лише тоді, коли впровадження підпорядковане явним освітнім цінностям і людяним цілям, — що розміщує Урядування ШІ і критичну педагогіку всередині екологічної освіти, а не поруч із нею.(Sustainable Education in the Age of Artificial Intelligence and Digitalization: A Value-Critical Approach)

Скопінг-огляд, що систематизує цю літературу, дає власний вердикт галузі щодо масштабу: застосування концентруються навколо управління енергією, моніторингу клімату та програм «зеленого кампусу», але обмежені в масштабі, часто не мають етичних чи екологічних настанов, і значна частина досліджень залишається концептуальною або невеликим пілотом. Покриття перекошене на північну Америку та Європу, майже без нічого з Глобального Півдня крім кількох південноафриканських досліджень.(A Scoping Review of AI for Sustainability and Sustainable AI in Higher Education)

Чого докази ще не встановлюють

  • Немає доказів щодо сліду саме для екологічної освіти. Вуглецеві та енергетичні показники надходять від загальних досліджень LLM і бенчмарку в контексті інформатики; ніщо не вимірює екологічну ціну навчального плану зі ШІ-підтримкою клімату чи ESD.
  • Немає доказів про навчальні здобутки від інтервенцій щодо сліду. Екологічний зворотний зв’язок змінював вибір у дослідженні, близькому до лабораторного; ніщо не показує, що він змінює звички, результати оцінювання чи закупівлі.
  • Немає причинних доказів для рамкових концепцій навчального плану. AI-SEE — одиничний випадок самозвіту на одній локації, а E3-HOT — дизайнерський начерк без реалізованого дослідження; результат проєктування занять за SDP не має контрольної групи.
  • Немає великомасштабних або міжконтекстних доказів. Кожен емпіричний результат тут отримано в одній локації, а дослідження викладачів спираються на малі цілеспрямовані вибірки зі слабкими інструментами.
  • Дві половинки рідко досліджуються разом, хоч обидві стосуються однієї й тієї ж аудиторії.

Наслідки для ШІ в освіті

  1. Назвіть, на яке питання ви відповідаєте. Стратегії, які використовують «сталий розвиток» і для ШІ-для-кліматичного-викладання, і для власного сліду ШІ, приховують прогалину у відповідальності, яку виявляють Daniel та співавт. (2026); тримайте ці порядки денні окремо, з окремими власниками.
  2. Розглядайте розкриття сліду як інфраструктуру галузі. Повідомлення обчислювальних витрат і вуглецю поряд із точністю — зі заявою про сталий розвиток навіть тоді, коли вимірювання недосконале — є єдиним виходом із проблеми несумісних метрик.
  3. Проєктуйте для нетерплячого здобувача. Якщо варіант із меншим вуглецевим слідом коштує відчутної затримки, більшість студентів його не обере: тримайте затримку низькою, відкривайте елементи керування й описуйте вплив у конкретних термінах результатів, а не в абстрактних одиницях вуглецю.
  4. Надавайте перевагу легшому розгортанню там, де це дозволяє педагогіка. Ґрунтування моделі в ліцензованому локальному корпусі та квантування з точним налаштуванням дало придатну точність за частку енергії — переймайте цей шаблон, перш ніж масштабувати хмарний інференс.
  5. Будуйте потенціал викладачів через розробку матеріалів, а не через інформаційні кампанії, і заповнюйте прогалину Глобального Півдня, а не імпортуючи докази з північноамериканських та європейських контекстів.

Пов’язані поняття

Пов’язані статті

Метадані

ДисциплінаEnvironmental Education
Навчання та викладанняНавчання на основі дослідження, Ситуативне навчання, Критична педагогіка
Технології та методиГенеративний ШІ, Великі мовні моделі (LLM), Відкритий код
Установи та політикаПолітика щодо ШІ в освіті, Урядування ШІ
Справедливість, етика та відповідальне використанняСталий розвиток, Етика, Глобальний Південь
Основи ШІ в освітіШІ в освіті
SourceHistoryEditChat

Вставити цю сторінку

Скопіюйте наведений нижче код, щоб вставити цю сторінку в систему управління навчанням або на інший вебсайт. Вбудована версія показує лише вміст сторінки — вона приховує заголовок сайту, навігацію та колонтитул.