In breve
Queste nove attività insegnano il lato energetico e ambientale dell'IA con carta, dati pubblicati e discussione, per studenti tra i 9 e i 18 anni circa. Per ciascuna sono indicati fascia d'età, durata, obiettivi di apprendimento e materiali, e nessuna richiede software a pagamento o account degli studenti su strumenti di IA.
Punti chiave
- Ogni attività funziona senza che gli studenti usino direttamente strumenti di IA, nel rispetto dei limiti di età fissati da molti strumenti.
- Le attività di stima usano i dati per prompt pubblicati da Google e OpenAI, citati con la loro fonte.
- Le attività si inseriscono nei contenuti già previsti di informatica, scienze, geografia, matematica ed educazione civica, senza richiedere nuove ore di curricolo.
- I collegamenti al curricolo sono indicativi: vanno verificati rispetto al proprio curricolo nazionale o regionale.
Come usare queste idee?
Ne scelga una, adatti i tempi alla classe e citi ogni dato con la sua fonte e il suo anno. Il contesto di ogni attività si trova nella guida per gli insegnanti, e i termini sono definiti nel glossario. Nessuna attività richiede che gli studenti abbiano account su strumenti di IA.
I collegamenti al curricolo usano come esempio l'Inghilterra (KS2 corrisponde ai 7–11 anni, KS3 agli 11–14, KS4 ai 14–16). Sono indicativi, non corrispondenze ufficiali; la maggior parte dei Paesi ha filoni equivalenti su sistemi informatici, energia, risorse naturali e uso responsabile della tecnologia.
Idee per le attività
1. Quanta energia consuma la nostra classe con l'IA?
Età: 11–16 · Durata: 50 minuti · Collegamenti: scienze KS3 (energia, potenza, kWh, costi domestici dell'energia); matematica (stima, unità di misura); informatica (impatto della tecnologia)
Obiettivi: convertire tra Wh e kWh; fare e giustificare una stima di Fermi; spiegare perché piccole quantità si sommano.
Materiali: carta, calcolatrici, i dati pubblicati indicati qui sotto.
Come: gli studenti stimano quanti prompt di testo all'IA fa la classe in una settimana (funziona un'alzata di mano anonima). Usando gli 0,24 Wh di Google per un prompt di testo mediano a Gemini e gli 0,34 Wh di OpenAI per una richiesta media a ChatGPT, calcolano un intervallo. Per esempio, 30 studenti × 10 prompt × 0,24–0,34 Wh danno circa 72–102 Wh a settimana. Poi si passa alla scala della scuola intera, del Paese e del mondo, e si confronta il risultato con elettrodomestici la cui potenza è indicata sull'etichetta. Si conclude discutendo di ciò che i dati non comprendono: immagini, video, addestramento e i dispositivi stessi.
2. I token spiegati con la carta
Età: 9–14 · Durata: 30 minuti · Collegamenti: informatica KS2 e KS3 (rappresentazione dei dati)
Obiettivi: spiegare che cos'è un token; spiegare perché un testo più lungo richiede più calcolo.
Materiali: frasi stampate, forbici, un cronometro.
Come: gli studenti tagliano le frasi in pezzi grandi più o meno come un token. Secondo la regola pratica di OpenAI, un token corrisponde a circa quattro caratteri, o a tre quarti di una parola inglese, quindi le parole lunghe si spezzano. Un "modello" (uno studente) deve leggere tutti i pezzi prima di aggiungere una parola nuova, con il cronometro. Raddoppiando la frase, raddoppia il lavoro. Gli studenti più grandi possono provare al proiettore una dimostrazione gratuita di tokenizer online e notare che le parole insolite e alcune lingue si spezzano in più pezzi.
3. L'IA è lo strumento giusto?
Età: 11–18 · Durata: 40–60 minuti · Collegamenti: informatica KS3 e KS4 (uso responsabile); educazione civica
Obiettivi: soppesare benefici e costi di una tecnologia; argomentare sulla base di prove; capire la sufficienza.
Materiali: carte con compiti (per esempio: controllare l'ortografia di una parola, scrivere una poesia di compleanno, trovare la capitale del Perù, riassumere un rapporto di 40 pagine, individuare un tumore della pelle nelle immagini, creare 25 versioni di un logo).
Come: a gruppi, gli studenti dividono le carte in "l'IA è lo strumento migliore", "basta qualcosa di più semplice" e "dipende", poi difendono una delle scelte davanti alla classe. Si discute che cosa significhi "futile" e chi debba deciderlo.
4. Dove costruire un data center?
Età: 11–16 · Durata: 60 minuti · Collegamenti: geografia KS3 (attività economiche e risorse naturali; interazione tra fattori umani e fisici; mappe e GIS)
Obiettivi: individuare i fattori nelle decisioni di localizzazione; soppesare i compromessi; usare mappe e dati.
Materiali: mappe stampate o gratuite online che mostrino produzione rinnovabile, fiumi, temperature, collegamenti alla rete elettrica e centri abitati.
Come: gli studenti fanno da commissione urbanistica e scelgono tra tre siti immaginari: fresco e ventoso ma isolato; vicino a una città con scarsità d'acqua; accanto a un impianto solare in una regione calda. Assegnano a ciascuno un punteggio per energia, raffreddamento, acqua, territorio, posti di lavoro e impatto locale. Come caso reale si può usare l'Irlanda: nel 2024 i data center hanno consumato il 22% dell'elettricità misurata del Paese, contro il 5% del 2015 (Central Statistics Office).
5. Il gioco dell'efficienza e del rimbalzo
Età: 11–18 · Durata: 40 minuti · Collegamenti: informatica KS4 (impatto della tecnologia); economia; matematica
Obiettivi: spiegare l'effetto rimbalzo e il paradosso di Jevons.
Materiali: gettoni o segnalini, un semplice foglio di regole.
Come: ogni squadra ha un "budget energetico" fisso di gettoni. A ogni turno l'IA diventa due volte più efficiente (un compito costa la metà dei gettoni), ma poi le squadre scelgono quanti compiti eseguire. Si registra l'energia totale a ogni turno. Di solito gli studenti scoprono che il consumo totale aumenta. Si fa il collegamento con l'economista William Stanley Jevons, che nel 1865 sostenne che macchine a vapore più efficienti avrebbero aumentato il consumo di carbone, non ridotto. Domanda finale: quali regole terrebbero basso il consumo totale?
6. Testo, immagine o video?
Età: 13–18 · Durata: 40 minuti · Collegamenti: scienze KS3 (energia); informatica
Obiettivi: confrontare l'energia di diversi compiti dell'IA; leggere con spirito critico un dato di ricerca.
Materiali: i dati indicati qui sotto, stampati.
Come: si presenta un risultato di ricerca: in uno studio del 2024, generare 1.000 immagini con il modello meno efficiente tra quelli provati consumava 11,49 kWh, quanto 522 ricariche di smartphone, mentre il modello di testo più efficiente consumava per 1.000 esecuzioni quanto il 9% di una ricarica (Luccioni, Jernite e Strubell). Gli studenti discutono perché le immagini costano di più, che cosa significhino "più" e "meno efficiente" e come progetterebbero un test equo.
7. Progettare un'etichetta per la green AI
Età: 9–16 · Durata: 50 minuti · Collegamenti: tecnologia; informatica; educazione civica
Obiettivi: capire le etichette energetiche; decidere quali informazioni sono utili e oneste.
Materiali: esempi di etichette energetiche di elettrodomestici e di etichette alimentari, carta, penne.
Come: gli studenti progettano un'etichetta da mostrare accanto a una risposta o a un'app di IA. Che cosa dovrebbe indicare: energia, acqua, carbonio, dove è stato fatto il calcolo? Come si impedirebbe alle aziende di fare affermazioni ingannevoli (greenwashing)? Gli studenti più grandi possono leggere etichette energetiche per l'IA.
8. Prompt golf
Età: 13–18 · Durata: 30 minuti · Collegamenti: informatica; italiano (scrittura concisa)
Obiettivi: scrivere istruzioni chiare e precise; collegare la brevità all'efficienza.
Materiali: carta; facoltativamente una dimostrazione di IA condotta dall'insegnante.
Come: gli studenti riscrivono richieste lunghe e vaghe nel prompt più breve possibile che ottenga comunque esattamente ciò che serve (a chi è destinato, lunghezza, formato). Si contano le parole, poi si stimano i token. L'insegnante può provare dal vivo i due migliori. Si discute perché un prompt chiaro vale più di cinque tentativi.
9. Dibattito: un Paese dovrebbe costruire la propria green AI?
Età: 15–18 · Durata: 60 minuti · Collegamenti: educazione civica; politica; informatica
Obiettivi: costruire argomentazioni sulle politiche tecnologiche; considerare sovranità, costi, energia ed equità.
Materiali: un breve documento informativo, come l'articolo IA sovrana e sostenibilità.
Come: la mozione è "Questa assemblea costruirebbe un servizio di IA nazionale, di proprietà pubblica e alimentato da energia rinnovabile". Le squadre contrappongono equità di accesso e controllo dei dati a costi, energia, infrastrutture e rischio politico. Questa domanda è stata discussa in un sandpit britannico sulla green AI del 2026 (un laboratorio intensivo di più giorni per generare idee di ricerca), con matematici, informatici e aziende, dove le opinioni erano divise: per questo è una buona domanda aperta.
Come valutare l'apprendimento?
Funzionano bene brevi risposte scritte: "Spiega perché un singolo prompt consuma poca energia ma l'IA nel suo insieme ne consuma molta" oppure "Indica un modo per rendere l'uso dell'IA più efficiente e uno per renderlo più sufficiente". Si cerchino ragionamenti sulla scala ed entrambe le metà della green AI.
Cosa fare adesso
- Provare l'attività 2 o 3 in questo periodo; nessuna delle due richiede tecnologia.
- Condividere La green AI spiegata ai ragazzi come lettura preparatoria o compito a casa.
- Verificare dati e idee sbagliate nella guida per gli insegnanti prima della lezione.
- Scrivere il glossario alla lavagna per i termini chiave.
- Raccontarci com'è andata un'attività tramite la pagina dei contatti, così da migliorare queste idee.
Domande frequenti
Queste lezioni richiedono computer?
La maggior parte no. Alcune usano, in via facoltativa, una pagina web gratuita, come una dimostrazione di tokenizer o una mappa online, che l'insegnante può mostrare con il proiettore.
Da quale attività conviene cominciare?
I token di carta (attività 2) è la più rapida: 30 minuti, nessuna tecnologia, e spiega perché prompt e risposte più lunghi richiedono più calcolo. L'IA è lo strumento giusto? (attività 3) funziona bene come seguito.
Sono collegate al curricolo nazionale?
Supportano contenuti già previsti nei programmi di informatica, scienze e geografia del curricolo inglese e filoni simili in altri Paesi, ma non sono risorse ufficiali e non sono legate ad alcun programma d'esame.
Fonti
- Measuring the environmental impact of delivering AI at Google scale, Google (arXiv:2508.15734) (2025)
- The Gentle Singularity, Sam Altman (OpenAI) (2025)
- What are tokens and how to count them?, OpenAI Help Center (2025)
- Energy and AI, International Energy Agency (2025)
- Data centres metered electricity consumption 2024, Central Statistics Office, Ireland (2025)
- Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (arXiv:2311.16863) (2024)
- The coal question (1865), summary and extracts, Yale University, Energy History (1865)
- National curriculum in England: computing programmes of study, Department for Education (2013)
- National curriculum in England: geography programmes of study, Department for Education (2013)
- National curriculum in England: science programmes of study, Department for Education (2013)
Correlati
Green AI: una guida per gli insegnanti
Il contesto in parole semplici sul costo energetico, idrico e di carbonio dell'IA, dati per la classe con fonti, punti per la policy e idee sbagliate comuni.
La green AI spiegata ai ragazzi
Una guida breve e amichevole per ragazze e ragazzi: cos'è la green AI, perché l'IA consuma energia e acqua, buone abitudini e dove saperne di più.
La green AI a scuola
Perché il costo energetico, idrico e di carbonio dell'IA merita spazio in informatica, scienze, geografia ed educazione civica, con guide per docenti e studenti.
Efficienza non è sufficienza: l'effetto rimbalzo nell'IA
Perché un'IA più efficiente non garantisce un minor consumo totale di energia, che cos'è l'effetto rimbalzo o di Jevons e che cosa aiuta a rendere reali i risparmi.