greenai.guide

Início › Como faço para…? › Como incluo a IA verde num curso universitário?

Como faço para…?

Como incluo a IA verde num curso universitário?

Atualizado · 1 min de leitura

Em resumo

Acrescente uma vertente curta e prática em vez de um curso novo inteiro: explique para onde vai a energia da IA, peça aos alunos que meçam a energia do seu próprio código ou das execuções dos seus modelos e que informem a computação e a energia junto com a precisão. Nos cursos técnicos, ensine métodos eficientes, como modelos menores, quantização e reutilização; nos outros, concentre-se no uso sensato e na avaliação de alegações.

Passos

  1. Acrescente uma aula curta sobre a origem da pegada de energia, água e hardware da IA.
  2. Peça aos alunos que meçam a energia de pelo menos uma execução de um trabalho com uma ferramenta como o CodeCarbon.
  3. Exija que a computação e a energia sejam informadas junto com a precisão nos trabalhos técnicos.
  4. Ensine métodos eficientes, como modelos pequenos, quantização e reutilização de modelos pré-treinados.
  5. Inclua um exercício de verificação de uma alegação publicada sobre o uso de energia da IA.

Uma vertente prática e curta dentro dos cursos existentes alcança mais alunos do que uma nova disciplina optativa. Quase todos os alunos já usam IA: a pesquisa de 2026 do Higher Education Policy Institute concluiu que 95% dos estudantes de graduação do Reino Unido disseram usá-la.

O que essa vertente poderia incluir?

  • O básico da pegada. Treino versus inferência, por que imagens e entradas longas custam mais e por que os números publicados diferem.
  • Medir alguma coisa. Peça aos alunos que envolvam uma execução de treino ou de inferência no CodeCarbon e informem o resultado com o hardware, o tempo de execução e a localização.
  • Relatar como um pesquisador. Peça a computação e a energia ao lado da precisão, incluindo as execuções de ajuste; veja como relatar a energia em pesquisas.
  • Métodos eficientes para cursos técnicos: modelos menores e específicos para a tarefa, quantização, destilação e reutilização de modelos pré-treinados.
  • Avaliar alegações em qualquer curso: quem mediu, por qual unidade e o que ficou de fora.

Que referenciais ajudam?

O referencial de competências em IA para estudantes da UNESCO inclui a IA ambientalmente sustentável. Para grupos de pesquisa e departamentos, os princípios GREENER, de Lannelongue e colegas, oferecem um referencial de governança, estimativa e educação em ciência computacional sustentável.

O que faz mais diferença

Fazer da energia parte da avaliação. Quando os critérios de correção premiam a precisão por quilowatt-hora, além da precisão, os alunos começam a projetar pensando nisso.

Erros comuns

  • Tratar o tema como uma aula isolada de ética, sem nenhuma tarefa prática.
  • Penalizar os alunos que usam IA em vez de ensiná-los a usá-la bem.
  • Usar números por consulta desatualizados.

Leia letramento em IA nas universidades e explore os cursos para encontrar material reutilizável.

Fontes

  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)

Junte-se a nós

Ajude a reduzir o impacto da IA no planeta

Receba novos guias, editais de financiamento e listagens dos diretórios por e-mail, cerca de uma vez por mês. Ou adicione seu produto, curso, doutorado ou pesquisa aos diretórios.

Sem rastreamento. Cancele a inscrição com um clique. Outras formas de participar · Privacidade