AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

可持续性

创建 2026-08-28 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

可持续性 — 两种关切的交汇：AI 如何被用于教育中的可持续性成果（AI 服务于可持续性，包括可持续发展教育与绿色教育），以及如何使 AI 本身可持续（可持续 AI，减少教育中 AI 系统的环境、伦理与社会足迹）。作为 AI 的使用者与开发者，教育机构必须在推进环境与社会目标的同时，确保负责任、合乎伦理地使用 AI。

值得思考的问题

  • 本页区分两条路径："AI 服务于可持续性"（用 AI 推进可持续性成果）与"可持续 AI"（减少 AI 自身的环境与伦理足迹）。你能想到一种 AI 工具，在推进一个目标的同时却损害另一个目标吗？
  • 训练与运行大型语言模型会带来真实的碳足迹与水足迹。当一个机构一面宣扬可持续性价值，一面部署高能耗的 AI，会产生什么张力——又该由谁来权衡？
  • 在读下去之前，你会如何定义"可持续教育"？本页把它视为一个以价值为基础、以人为本的事业，与把教育当作实现可持续性的工具有所不同——两者的区别在哪里？
  • 如果教育被期望培养学习者的"可持续性意识"，AI 可能在其中扮演什么角色——课程中的 AI 整合会不会一边讲授可持续性，一边用它自己的足迹悄悄否定了这堂课？
  • 一所教育机构在 AI 使用上真正做到"可持续"意味着什么？在它的各项决定（采购、部署、教学）中，你认为哪些最要紧？

引言

AIED 中的可持续性横跨三种相互重叠的框定：可持续教育（以价值为基础、以人为本的教育事业）、教育中的可持续性（把教育当作实现可持续性的工具）以及可持续发展教育（ESD，全球政策议程，尤其是 可持续发展目标 4）。AI 与这三者的交集各不相同——本领域区分两条核心路径：AI 服务于可持续性（把 AI 当作实现可持续性成果的工具）与可持续 AI（减少 AI 自身的环境与伦理足迹）。

两部分分类体系

知识库的覆盖范围以 Daniel 等（2026）为锚，把该领域组织成两条相互关联却彼此不同的路径：

  • AI 服务于可持续性 — 用 AI 推进可持续性成果。在教育中，这包括用于能源管理的 AI、气候监测、绿色校园计划，以及培养学习者可持续性意识的 AI 整合课程（例如面向可持续 工程教育的 AI-SEE 框架）。它以可持续发展教育的全球议程为基础。
  • 可持续 AI — 减少 AI 本身的直接环境与伦理影响。这涵盖大型语言模型的碳足迹与水足迹、高能效与本地部署，以及确保 AI 在教育中的使用本身负责任且可持续所需的伦理与治理框架。

在教育中用 AI 服务于可持续性

越来越多的文献把 AI 当作服务于可持续性教育与成果的工具：

  • 培养可持续性意识的 AI 整合课程。 Liu 等（2026）提出 AI-SEE 框架（智能驱动、绿色赋能、责任引领、实践融合），把 AI 整合进 课程，作为认知 支架与系统性可持续性分析的资源。在一个 144 名工科学生的案例中，它增强了可持续性意识，并在个人、学术、职业与社会层面产生了行为上的 参与，还带来了课堂之外的社会扩散。
  • AI 与绿色及可持续教育。 Talebzadeh（2026）发现，在可持续发展教学法约束下，AI 辅助的 教学设计改善了教师工作流与 教学法设计。Riandi 等（2026）发现，教师对 AI 在科学/绿色能源中的实际使用，以及他们参与开发与 ESD 对齐的材料——比抽象的 AI 知识或态度更能预测他们把 AI 整合进 绿色能源教育的能力。
  • 可持续性作为以价值为基础的事业。 Alsuhami 与 Atallah（2026）论证，AI 对可持续教育的贡献是有条件的、由治理中介的：只有当采纳服从于明确的教育价值与以人为本的目的，而非服从于技术化与商品化时，它才支持可持续性。这把可持续性与 伦理 及 批判教育学 联系起来。

使 AI 本身可持续

第二条路径关注 AI 自身在教育场景中的足迹：

  • 大型模型的环境影响。 对 LLM 使用的研究记录了大型语言模型的碳足迹与水足迹；考虑到大学生中的高采纳率，这一影响相当可观。这是可持续 AI 的直接环境维度。
  • 高能效与本地部署。 Shen 等（2026）证明，AI 知识库助手可以在消费级硬件上配合 开放教育资源运行，降低教育中 AI 的环境与成本足迹——一个具体的可持续 AI 设计模式。
  • 伦理与治理框架。 可持续 AI 不只是环境问题：它还需要 AI 治理 与 伦理 框架来确保透明、问责、人类监督与 公平的获取——正如 Daniel 等（2026）指出的，这恰恰是当前大学应用中常常缺失的。

可持续学习作为教学目标

一条相关的脉络把可持续性不只框定为环境或机构关切，而是框定为学习本身的一种属性。Zhu 等（2026）论证，AI 辅助学习有认知外包、脱离真实情境的风险，并提出（E3-HOT）框架以实现可持续学习——能够持续、能够迁移、始终与真实问题相连的学习，而不是被 认知外包 短路的学习。这把可持续性与 学习者自主性 和 批判性思维 联系起来。

与其他概念的关联

可持续性与教育中的 AI 位于 伦理、AI 治理、教育中的人工智能 以及环境/能源科学的交叉点上。它借助 教师教育 与 教学 进行能力建设，借助 学习设计 进行教学，并通过"可持续学习"这一透镜，连接到知识库对 认知外包 和 批判性思维 的处理。由于两条路径都是横向的，可持续性是一条基础主题，贯穿 高等教育、K-12 和职业情境。

关联概念

关联文章

元数据

层次Higher Ed, K 12, Teacher Education
技术与方法生成式人工智能
机构与政策教育人工智能政策, AI 治理
公平、伦理与负责任使用伦理, 可持续性
教育中的人工智能基础教育中的人工智能
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。