greenai.guide

Home › Come faccio a…? › Come inserisco l'IA verde in un corso universitario?

Come faccio a…?

Come inserisco l'IA verde in un corso universitario?

Aggiornato · 1 min di lettura

In breve

Aggiunga un breve filone pratico invece di un corso completamente nuovo: spieghi dove va l'energia dell'IA, faccia misurare agli studenti l'energia del proprio codice o delle proprie esecuzioni di modelli e chieda loro di riportare calcolo ed energia accanto all'accuratezza. Nei corsi tecnici, insegni metodi efficienti come modelli più piccoli, quantizzazione e riuso; negli altri, si concentri su un uso sensato e sulla valutazione delle affermazioni.

Passaggi

  1. Aggiunga una breve lezione su da dove provengono l'impronta energetica, idrica e hardware dell'IA.
  2. Chieda agli studenti di misurare l'energia di almeno un'esecuzione del loro elaborato con uno strumento come CodeCarbon.
  3. Richieda che calcolo ed energia siano riportati accanto all'accuratezza negli elaborati tecnici.
  4. Insegni metodi efficienti come modelli piccoli, quantizzazione e riuso di modelli pre-addestrati.
  5. Includa un esercizio di verifica di un'affermazione pubblicata sul consumo energetico dell'IA.

Un breve filone pratico nei corsi esistenti raggiunge più studenti di un nuovo insegnamento a scelta. Ormai quasi tutti gli studenti usano l'IA: l'indagine 2026 dell'Higher Education Policy Institute ha rilevato che il 95% degli studenti universitari britannici di primo livello dichiarava di usarla.

Che cosa potrebbe includere il filone?

  • Basi dell'impronta. Addestramento e inferenza a confronto, perché immagini e input lunghi costano di più e perché i dati pubblicati differiscono.
  • Misurare qualcosa. Faccia avvolgere agli studenti un'esecuzione di addestramento o di inferenza in CodeCarbon e riportare il risultato con hardware, durata e località.
  • Riportare i dati come un ricercatore. Chieda calcolo ed energia accanto all'accuratezza, comprese le esecuzioni di messa a punto; veda riportare l'energia nella ricerca.
  • Metodi efficienti per i corsi tecnici: modelli più piccoli e specifici, quantizzazione, distillazione e riuso di modelli pre-addestrati.
  • Valutare le affermazioni in qualsiasi corso: chi ha misurato, per quale unità e che cosa è stato escluso.

Quali quadri di riferimento aiutano?

Il quadro delle competenze sull'IA per gli studenti dell'UNESCO comprende l'IA sostenibile dal punto di vista ambientale. Per gruppi di ricerca e dipartimenti, i principi GREENER di Lannelongue e colleghi offrono un quadro per governance, stima e formazione nella scienza computazionale sostenibile.

Che cosa fa la differenza maggiore

Rendere l'energia parte della valutazione. Quando una griglia di valutazione premia l'accuratezza per chilowattora oltre all'accuratezza, gli studenti iniziano a progettare tenendone conto.

Errori comuni

  • Trattare l'argomento come una lezione di etica una tantum, senza un compito pratico.
  • Penalizzare gli studenti che usano l'IA invece di insegnare loro a usarla bene.
  • Usare dati per richiesta ormai superati.

Legga l'alfabetizzazione sull'IA nelle università e consulti i corsi per materiale da riutilizzare.

Fonti

  1. Student generative AI survey 2026, Higher Education Policy Institute (HEPI) (2026)
  2. AI competency framework for students, UNESCO (2024)
  3. CodeCarbon, CodeCarbon (2026)
  4. GREENER principles for environmentally sustainable computational science, Lannelongue et al., Nature Computational Science (2023)

Si unisca a noi

Aiuti a ridurre l'impatto dell'IA sul pianeta

Riceva per email nuove guide, bandi di finanziamento e schede delle directory, circa una volta al mese. Oppure aggiunga il suo prodotto, corso, dottorato o ricerca alle directory.

Nessun tracciamento. Disiscrizione con un clic. Altri modi per partecipare · Privacy