# Como incluo a IA verde num curso universitário?

> Formas de levar a IA verde ao ensino superior: um módulo curto sobre pegadas, medição de energia nos trabalhos, métodos eficientes e relatórios honestos.

Source: https://greenai.guide/pt/como/como-incluo-a-ia-verde-num-curso-universitario/  
Updated: 2026-11-19

## 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.

## Steps

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? {#what-could-the-strand-include}

- **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](/pt/como/como-informo-o-uso-de-energia-da-minha-pesquisa-em-ia/).
- **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? {#which-frameworks-help}

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 {#what-makes-the-biggest-difference}

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 {#common-mistakes}

- 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](/pt/artigos/letramento-em-ia-nas-universidades-incluindo-sua-pegada/) e explore os [cursos](/pt/cursos/)
para encontrar material reutilizável.

## Fontes

- [Student generative AI survey 2026](https://www.hepi.ac.uk/reports/student-generative-ai-survey-2026/), Higher Education Policy Institute (HEPI) (2026)
- [AI competency framework for students](https://unesdoc.unesco.org/ark:/48223/pf0000391105), UNESCO (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [GREENER principles for environmentally sustainable computational science](https://doi.org/10.1038/s43588-023-00461-y), Lannelongue et al., Nature Computational Science (2023)
