Een docentenhandleiding voor AI-duurzaamheid

Leer AI-duurzaamheid als een bewijsvraag, niet als een regel dat elke prompt goed of slecht is. AI-diensten gebruiken elektriciteit, koelwater en fysieke apparatuur, maar een ‘query’ heeft geen vaste voetafdruk. Modelgrootte, taak, responslengte, hardware, datacenteroverhead en elektriciteitsbron zijn allemaal van belang.

Leerlingen moeten in staat zijn energie van koolstof en water te onderscheiden, een claim tot de bron ervan te traceren, onzekerheid uit te leggen en een proportioneel instrument te kiezen. Zorg ervoor dat jongeren zich niet verantwoordelijk voelen voor infrastructuurbeslissingen die worden gecontroleerd door aanbieders en instellingen. Persoonlijke keuzes kunnen verspilling verminderen; aanbestedingen, productontwerp en overheidsbeleid vormen het grotere systeem. Het doel van de klas is ‘informed agency’: gebruik AI wanneer het het leren ondersteunt, bevraag niet-ondersteunde milieumarketing en herken wanneer gewone software voldoende is.

Zorg voor een duidelijk gedeeld model

Begin met een fysieke beschrijving. Een prompt reist naar een datacenter, wordt omgezet in tokens en verwerkt door gespecialiseerde chips. Het model leest de invoer en genereert uitvoer, meestal één token tegelijk. Netwerken, geheugen, koeling en stroomconversie ondersteunen die werken. Wat er gebeurt als je een AI-bericht verzendt geeft een studentvriendelijke volgorde.

Scheid vervolgens drie termen op het bord. Energie is de verbruikte elektriciteit. Operationele koolstof hangt af van hoe die elektriciteit wordt opgewekt; een bredere koolstofboekhouding kan productie en constructie omvatten. Water kan worden gebruikt voor koeling, energieopwekking en chipproductie, met lokale effecten die afhankelijk zijn van schaarste en timing.

Het Internationale Energieagentschap Energie- en AI-rapport is een sterke bron op systeemniveau. Het behandelt datacenters in plaats van te doen alsof elke watt netjes aan één klasvraag kan worden toegewezen. Dit onderscheid helpt leerlingen twee ideeën bij elkaar te houden: een gewone tekstprompt kan klein zijn, terwijl de snel groeiende totale vraag er nog steeds toe kan doen.

Leer onzekerheid zonder hulpeloosheid aan te leren

Getallen zijn het daar niet mee eens omdat hun grenzen het niet eens zijn. Eén bron kan de versneller meten tijdens actieve berekeningen; een andere kan inactieve machines, CPU's, geheugen, koeling en stroomverliezen omvatten. Een providergemiddelde kan vele modellen en verzoeklengtes combineren. Een onderzoeksschatting kan hardware modelleren die deze niet direct kan waarnemen.

Geef leerlingen een bronkaart met vier kolommen: product en datum; gemeten of geschat; opgenomen grens; ontbrekende informatie. Vraag hen labels als ‘mediaan’, ‘gemiddeld’ en ‘scenario’ te behouden. Ze mogen nooit het gemiddelde nemen van tegenstrijdige cijfers alleen maar om tot een netjes antwoord te komen.

Google’s eerste onderzoek naar Gemini Apps zijn handig omdat het De methode omvat actieve chips, inactieve capaciteit, hostsystemen en overhead van datacenters. Het is ook beperkt tot Google’s product, tijdsperiode en gekozen grens. Die combinatie – nuttig en beperkt – is de toon om te modelleren.

Treechat's methodologie beschrijft eveneens een op modellen gebaseerde operationele schatting, en niet een directe meterstand of claim over de volledige levenscyclus.

Gebruik discussieaanwijzingen die compromissen blootleggen

De volgende aanwijzingen werken in paren, seminars of een schriftelijk uitrijbewijs:

• Een klein model geeft tweemaal een zwak antwoord; een groter model antwoordt één keer correct. Welke is de duurzamere keuze en welk bewijs ontbreekt?
• Moet een school de voorkeur geven aan een tool met een lage per-prompt-schatting of aan een tool die een lagere totale jaarlijkse uitstoot publiceert? Kunnen beide statistieken ertoe doen?
• Is het gebruik van water voor koeling altijd schadelijk, of veranderen bron, seizoen, schaarste en alternatieve koelmethoden het oordeel?
• Als een bedrijf het planten van bomen financiert, wat zou je dan nodig hebben voordat je zijn AI ‘koolstofneutraal’ kunt noemen?
• Wie heeft meer controle over de voetafdruk van AI: een student, een leraar, een schoolinkoper, een cloudprovider of een elektriciteitsregulator?
• Wanneer voegt een door AI gegenereerde uitleg voldoende educatieve waarde toe om het gebruik ervan in plaats van zoeken of een leerboek te rechtvaardigen?

Beoordeel leerlingen niet op basis van één goedgekeurd moreel antwoord. Beoordeel de kwaliteit van de grens, het bewijsmateriaal en de redenering. De Veelgestelde vragen over de impact van AI op het milieu kan dienen als startreferentie, niet als antwoordblad.

Probeer twee eerlijke klassikale activiteiten

Geef groepen voor een claimaudit een sociale post of kop over AI-water, energie of bomen. De leerlingen lokaliseren de oorspronkelijke bron en identificeren het product, het jaar, de eenheid, de noemer en de uitsluitingen. Ze herschrijven de kop zodat deze accuraat blijft. Hierdoor wordt mediageletterdheid geleerd zonder dat er toegang nodig is tot gegevens van particuliere aanbieders.

Stel voor een taakontwerpoefening één leerdoel vast, bijvoorbeeld het uitleggen van fotosynthese aan een jongere leerling. Groepen ontwerpen drie routes: geen generatieve AI, een klein tekstmodel en een assistent met veel functies. Ze voorspellen welke stappen waarde toevoegen, welke gegevens worden verzonden en welke onderdelen waarschijnlijk meer berekeningen vergen. Vervolgens beoordelen ze de antwoordkwaliteit en herzien ze hun voorspelling.

Presenteer de responstijd, het uitlezen van de batterij van een apparaat of het interfacepictogram van een provider niet als directe energiemeting. Als er geen vergelijkbare openbaarmaking bestaat, is ‘we kunnen de winnaar niet bepalen’ een succesvolle bevinding. UNESCO's AI-competentiekader voor leraren plaatst duurzaamheid naast menselijke keuzevrijheid, ethiek, grondslagen en pedagogie; de activiteit moet deze doelstellingen bij elkaar houden.

Zorg voor een evenredige klaspraktijk

Een werkbare norm is: gebruik het minst complexe goedgekeurde instrument dat aansluit bij het leerdoel. Zoek naar bronnen. Gebruik een rekenmachine voor rekenen. Gebruik een klein model voor routinematige taalondersteuning. Reserveer grotere redeneer-, beeld- of onderzoekssystemen voor taken waarbij hun capaciteiten relevant zijn.

Vraag om beknopte output, verwijder irrelevante context en vermijd het genereren van veel wegwerpvarianten. Maar verander het tellen van tokens niet in een gedragsdiagram en straf een leerling niet die ondersteunende technologie nodig heeft. Toegankelijkheid, taalondersteuning en veiligheid kunnen berekeningen rechtvaardigen. Duurzaamheid is een overweging binnen goede pedagogie, en geen rantsoeneringswedstrijd.

Wees expliciet over privacy en beoordeling. Volg het beleid van de instelling, vermijd het uploaden van persoonlijke studentinformatie en vertel studenten wanneer AI-ondersteuning is toegestaan ​​en hoe deze moet worden erkend. UNESCO's begeleiding voor generatieve AI in onderwijs en onderzoek beveelt leeftijdsadequaat, mensgericht gebruik en aandacht voor gegevensbescherming aan.

Stel betere vragen aan uw instelling

Van leraren mag niet worden verwacht dat zij alleen een wereldwijde clouddienst controleren. Vraag inkoopteams of leveranciers modelkeuzes, taakspecifieke energie, datacenteroverhead, watergrenzen en absolute jaarlijkse impact openbaar maken. Vraag of de interface gebruikers een kleiner model laat kiezen en of tooloproepen zichtbaar worden.

Betrek studenten bij dit onderzoek. Ze kunnen vragen opstellen, antwoorden van leveranciers vergelijken en vaststellen waar marketingclaims het bewijsmateriaal overtreffen. Onze studentengids over de impact van AI op het milieu geeft ze een parallelle checklist, terwijl een AI-assistent kiezen op basis van energieverbruik verklaart waarom modelnamen alleen onvoldoende zijn.

Bewaar de antwoorden en bekijk ze wanneer contracten, tools of informatie over leveranciers veranderen.

Eindig op basis van keuzevrijheid in plaats van alarm. Een verantwoordelijke klasse kan AI doordacht gebruiken, duidelijkere openbaarmaking eisen en toch onzekerheid erkennen. De les is niet ‘nooit vragen’. Het is “het werk begrijpen, het juiste gereedschap gebruiken en het bewijsmateriaal bij elke claim voegen”.