Rethinking Higher Education/es/Chapter 11
Educación digital verde: sostenibilidad, sobriedad digital y conciencia ambiental en las universidades de la UE y China
Martin Woesler
Universidad Normal de Hunan
Resumen
La transformación digital de la educación superior conlleva un coste ambiental oculto que rara vez se reconoce en el discurso de la política educativa. Los centros de datos consumieron 415 teravatios-hora de electricidad en 2024 —el 1,5 por ciento de la demanda eléctrica mundial— y se proyecta que alcancen los 945 TWh para 2030, creciendo cuatro veces más rápido que cualquier otro sector. El entrenamiento de un único modelo de lenguaje de gran tamaño como GPT-3 produce aproximadamente 552 toneladas métricas de CO2 equivalente, comparable a las emisiones anuales de 121 hogares estadounidenses promedio. El consumo anual de contenido digital genera 229 kg de CO2 equivalente por usuario, aproximadamente el 3-4 por ciento de las emisiones antropogénicas de gases de efecto invernadero per cápita. Sin embargo, el sector de la tecnología educativa ha escapado en gran medida al escrutinio por su huella ambiental, incluso mientras las universidades amplían su infraestructura digital bajo las banderas de la innovación y la accesibilidad. Este artículo examina la tensión entre la educación digital y la sostenibilidad ambiental a través de una comparación sistemática de los enfoques de la Unión Europea y China. La UE ha desarrollado el marco GreenComp para las competencias en sostenibilidad y está comenzando a abordar la «sobriedad digital» —el principio de minimizar el consumo digital innecesario— como un objetivo educativo. China ha impulsado la «educación para la civilización ecológica» como un marco que integra la conciencia ambiental con objetivos civilizatorios más amplios, al tiempo que emprende simultáneamente la mayor expansión del mundo de infraestructura educativa digital. Sostenemos que ambos sistemas enfrentan una «paradoja energética de la IA» —el despliegue de la inteligencia artificial en la educación promete simultáneamente mejorar la conciencia sobre la sostenibilidad y contribuye sustancialmente a la degradación ambiental— y que ninguno ha desarrollado aún una respuesta adecuada.
Palabras clave: educación digital verde, sostenibilidad, sobriedad digital, civilización ecológica, huella de carbono, centros de datos, paradoja energética de la IA, GreenComp, educación superior, comparación UE-China
1. Introducción
La sostenibilidad ambiental de la educación digital es un tema que la mayoría de los tecnólogos educativos preferirían no discutir. La transformación digital de la educación superior ha sido impulsada por poderosas narrativas de progreso: aprendizaje personalizado por IA, realidad virtual inmersiva, conectividad global y eficiencia institucional. Estas narrativas no son erróneas —los capítulos complementarios de esta antología documentan beneficios educativos genuinos de las tecnologías digitales (Woesler, en este volumen)—. Pero son incompletas, porque ignoran sistemáticamente la base material de la educación digital: los servidores, redes, dispositivos y sistemas energéticos que la hacen posible, y las consecuencias ambientales de operarlos a escala.
Las cifras son preocupantes. La Agencia Internacional de la Energía informa de que los centros de datos consumieron 415 teravatios-hora de electricidad en 2024, representando el 1,5 por ciento de la demanda eléctrica mundial. Esta cifra se proyecta que alcance los 945 TWh para 2030 —más que el consumo eléctrico total de Japón— con tasas de crecimiento de aproximadamente el 15 por ciento anual, cuatro veces más rápido que todos los demás sectores combinados (AIE 2025). Las emisiones de carbono de las principales empresas tecnológicas han aumentado en paralelo: las emisiones de gases de efecto invernadero de Google aumentaron un 48 por ciento entre 2019 y 2024, mientras que las de Microsoft crecieron un 29 por ciento desde 2020, siendo el consumo energético de los centros de datos el principal impulsor (NPR 2024). Un análisis de los informes de sostenibilidad corporativos sugiere que las emisiones reales de los centros de datos pueden ser 7,62 veces superiores a las declaradas, debido a prácticas contables que cuentan los certificados de energía renovable como equivalentes al consumo real de energía renovable (Le Goff 2025).
Para la educación superior, estas cifras tienen relevancia directa. Las universidades se encuentran entre los mayores consumidores institucionales de infraestructura digital, operando sistemas de gestión del aprendizaje, clusters de computación para investigación, plataformas de videoconferencia y —cada vez más— herramientas educativas potenciadas por IA. Sin embargo, la huella ambiental de esta infraestructura digital casi nunca se incluye en las evaluaciones de sostenibilidad universitarias. Williamson, Hogan y Selwyn (2025) argumentan que el impacto ambiental de las plataformas de tecnología educativa está «persistentemente ignorado» en los cálculos de carbono universitarios.
2. La huella de carbono de la tecnología educativa
2.1 Centros de datos y entrenamiento de IA
El consumo energético de la infraestructura digital tiene dos componentes principales: la energía operativa de los centros de datos (incluida la refrigeración, que puede representar el 30-40 por ciento del consumo energético total) y la energía incorporada en la producción y eliminación de hardware. Para los sistemas de IA específicamente, un tercer componente —la energía consumida durante el entrenamiento de modelos— se ha vuelto cada vez más significativo.
Patterson y colegas (2021) estimaron que el entrenamiento de GPT-3 produjo aproximadamente 552 toneladas métricas de CO2 equivalente y consumió 1.287 megavatios-hora de electricidad. Strubell, Ganesh y McCallum (2019) demostraron que el entrenamiento de un único modelo grande de PNL puede emitir tanto carbono como cinco automóviles durante toda su vida útil.
La huella hídrica de la IA es igualmente preocupante. Li y colegas (2023) estiman que el entrenamiento de GPT-3 en los centros de datos de Microsoft en EE. UU. evaporó directamente 700.000 litros de agua dulce. Se proyecta que la demanda global de agua de la IA alcance los 4.200-6.600 millones de metros cúbicos para 2027 —más que la extracción total anual de agua de cuatro a seis Dinamarcas—.
2.2 Consumo de contenido digital
Más allá del entrenamiento de IA, las actividades digitales rutinarias de la educación conllevan sus propios costes ambientales. Istrate y colegas (2024) estiman que el consumo medio anual global de contenido digital genera 229 kg de CO2 equivalente por usuario por año, aproximadamente el 3-4 por ciento de las emisiones antropogénicas de gases de efecto invernadero per cápita.
2.3 Residuos electrónicos y el ciclo de vida del hardware
El coste ambiental de la educación digital se extiende más allá del consumo energético para incluir los dispositivos físicos de los que depende. El ritmo acelerado de reemplazo de hardware en las instituciones educativas —impulsado por los requisitos de software, los ciclos de adquisición institucional y la obsolescencia programada de la electrónica de consumo— genera un flujo creciente de residuos electrónicos que rara vez se incluye en las discusiones sobre educación sostenible.
3. La sobriedad digital como objetivo educativo
3.1 Orígenes y definición
El concepto de «sobriedad digital» (sobriété numérique) se originó con el grupo de reflexión francés The Shift Project, cuyo informe de 2019 «Lean ICT: Towards Digital Sobriety» lo definió como el principio de comprar los equipos menos potentes posibles, cambiar de dispositivos lo más raramente posible y reducir los usos digitales innecesarios que consumen mucha energía.
En educación, la sobriedad digital ha ganado reconocimiento a través de la decisión de la UNESCO en 2024 de otorgar el Premio Rey Hamad Bin Isa Al-Khalifa para las TIC en la Educación a la iniciativa belga EducoNetImpact, que promueve prácticas digitales sostenibles en las escuelas. Aproximadamente 1.000 docentes utilizan ahora sus materiales (UNESCO 2024).
3.2 El marco de la UE: DigComp y GreenComp
El enfoque de la UE sobre la sostenibilidad en la educación digital se basa en dos marcos complementarios. El marco DigComp 2.2 (Vuorikari, Kluzer y Punie 2022) incorpora ejemplos relacionados con la sostenibilidad dentro de sus cinco áreas de competencia. Sin embargo, la sobriedad digital no se nombra explícitamente como una dimensión de competencia dentro de DigComp 2.2 —una laguna que sugiere que el desarrollo del marco no se ha puesto completamente al día con las preocupaciones ambientales emergentes—.
El marco GreenComp (Bianchi, Pisiotis y Cabrera Giraldez 2022), publicado por el Centro Común de Investigación de la UE, proporciona un marco complementario con cuatro áreas de competencia: encarnar los valores de la sostenibilidad, abrazar la complejidad en la sostenibilidad, imaginar futuros sostenibles y actuar por la sostenibilidad.
Calis y colegas (2025), en un estudio de 896 docentes en formación, encontraron solo un «nivel moderado» de conciencia sobre la huella de carbono digital. Los participantes mostraron una mayor comprensión de los impactos de los dispositivos electrónicos que de los impactos de la transmisión de datos —es decir, entendían que fabricar un portátil tiene costes ambientales, pero eran menos conscientes de que la transmisión de una videoconferencia o el uso de una herramienta de IA en la nube también genera emisiones—. Este hallazgo es particularmente preocupante: si los propios docentes desconocen los costes ambientales de la tecnología digital, no se puede esperar que cultiven esa conciencia en sus estudiantes.
4. El enfoque de China: educación para la civilización ecológica
4.1 La civilización ecológica como marco educativo
El enfoque de China sobre la educación ambiental se enmarca no a través de la «sostenibilidad» en el sentido occidental sino a través del concepto de «civilización ecológica» (生态文明, shengtai wenming) —un marco integral que integra la protección ambiental con el desarrollo económico, la gobernanza social y la identidad civilizatoria—. La educación para la civilización ecológica difiere de la educación europea en sostenibilidad en varios aspectos importantes. Primero, es explícitamente política: el concepto fue consagrado en la constitución del Partido Comunista Chino en 2012 e incorporado a la constitución nacional en 2018. Segundo, es integral en su alcance: la civilización ecológica abarca no meramente la protección ambiental sino una transformación de la relación entre la civilización humana y el mundo natural. Tercero, es dirigida por el Estado en lugar de orientada al ciudadano.
4.2 Los objetivos de doble carbono de China y la educación superior
Una característica distintiva del enfoque de China es la integración directa de los objetivos climáticos nacionales en la política de educación superior. En 2022, el Ministerio de Educación emitió un «Programa de Trabajo para la Construcción de un Sistema Sólido de Formación de Talento en Educación Superior para el Pico de Carbono y la Neutralidad de Carbono», mandatando a las universidades a establecer nuevas facultades, cursos y programas profesionales alineados con los objetivos de doble carbono de China de alcanzar el pico de emisiones para 2030 y la neutralidad de carbono para 2060. Para 2022, 21 programas de grado estaban directamente relacionados con los compromisos de doble carbono, cubriendo energías nuevas, redes inteligentes, almacenamiento de carbono, energía del hidrógeno y macrodatos para recursos ambientales.
Wang y colegas (2023) desarrollaron una metodología híbrida LEAP-LCA novedosa para evaluar la huella de carbono de un campus universitario chino de tamaño medio. Encontraron que el consumo de electricidad causaba el 77 por ciento del total de las emisiones de carbono del campus y que las medidas propuestas de reducción de carbono —fotovoltaica, mejoras de eficiencia energética, electrificación— podrían reducir las emisiones en un 97 por ciento para 2060.
5. La paradoja energética de la IA
La tensión más aguda en la educación digital verde es lo que denominamos la «paradoja energética de la IA». La inteligencia artificial es simultáneamente el componente más intensivo en energía de la educación digital y la tecnología más frecuentemente invocada como solución a los desafíos ambientales. Los sistemas de IA prometen optimizar el consumo energético, modelar el cambio climático, personalizar la educación en sostenibilidad e identificar patrones en los datos ambientales que el análisis humano no puede detectar. Sin embargo, la energía requerida para entrenar y operar estos sistemas está creciendo a un ritmo que amenaza con superar las ganancias de eficiencia que producen.
Esta paradoja se manifiesta en una forma reconocida en economía como «efecto rebote» o paradoja de Jevons: las mejoras en la eficiencia conducen a un mayor consumo en lugar de a un uso reducido de recursos. Un estudio de 2025 en Frontiers in Energy Research revisó sistemáticamente 150 artículos sobre el efecto rebote en el desarrollo sostenible impulsado por IA, encontrando que la eficiencia impulsada por IA reduce la energía por unidad de producción pero a menudo conduce a un mayor consumo total, potencialmente anulando los beneficios ambientales.
Para las universidades, la paradoja es inmediata. Desplegar un sistema de aprendizaje adaptativo potenciado por IA puede mejorar los resultados educativos, pero también aumenta el consumo energético digital de la universidad. Los marcos de sostenibilidad de la Comisión Europea y la educación para la civilización ecológica de China carecen ambos de mecanismos para sopesar estas compensaciones: los costes ambientales de la tecnología educativa simplemente no forman parte del cálculo.
Selwyn (2021) propone un enfoque «Ed-Tech dentro de los límites» que requiere cambios fundamentales en el pensamiento sobre la tecnología educativa. En lugar de preguntarse cómo la tecnología puede mejorar la educación, Selwyn argumenta que deberíamos preguntarnos qué nivel de tecnología es compatible con la sostenibilidad ambiental —y aceptar que la respuesta puede implicar menos, no más, infraestructura digital—.
5.1 IA verde como respuesta parcial
El campo emergente de la «IA verde» ofrece enfoques técnicos para reducir el coste ambiental de la inteligencia artificial, aunque no puede eliminar la paradoja por completo. Tabbakh y colegas (2024) revisan técnicas que incluyen la poda de modelos, la cuantización y la destilación de conocimiento que pueden reducir sustancialmente el consumo energético de la inferencia de IA.
Paula y colegas (2025) demuestran que aplicar técnicas de compresión de modelos a modelos basados en transformer puede lograr una reducción del 32 por ciento en el consumo energético para modelos como BERT. Sin embargo, las técnicas de IA verde abordan solo la eficiencia de los sistemas individuales, no el crecimiento agregado del despliegue de IA. Si cada aplicación de IA se vuelve un 32 por ciento más eficiente pero el número de aplicaciones de IA se duplica, el consumo energético total sigue aumentando —una ilustración de manual de la paradoja de Jevons—.
6. Análisis comparativo
La UE y los enfoques chinos de la educación digital verde reflejan sus filosofías de gobernanza más amplias y revelan fortalezas y debilidades complementarias.
El enfoque basado en marcos de la UE —GreenComp, DigComp 2.2, el Pacto Verde, el proyecto GreenSCENT— proporciona claridad conceptual y empoderamiento ciudadano pero lucha con la implementación. La sobriedad digital se reconoce como concepto pero aún no se ha integrado en la práctica educativa a escala.
El enfoque dirigido por el Estado de China logra un despliegue rápido tanto de infraestructura digital como de educación para la civilización ecológica, pero las dos corrientes operan en gran medida en paralelo. La Plataforma Nacional de Educación Inteligente y el Programa de Escuelas Verdes coexisten sin un marco para abordar sus posibles contradicciones.
7. Recomendaciones
Basándonos en nuestro análisis comparativo, proponemos siete recomendaciones para las universidades que buscan integrar la sostenibilidad ambiental en sus estrategias de educación digital.
Primera, incluir la infraestructura digital en la contabilidad de carbono institucional.
Segunda, adoptar la sobriedad digital como principio de diseño para la tecnología educativa. Las decisiones de adquisición deben incluir evaluaciones de impacto ambiental junto con la funcionalidad y el coste.
Tercera, integrar la conciencia ambiental en la educación en alfabetización digital. Los costes ambientales de las actividades digitales deben formar parte del currículo de competencia digital.
Cuarta, desarrollar métricas institucionales para la paradoja energética de la IA. Las universidades que despliegan IA en la educación deben demostrar que los beneficios educativos justifican los costes ambientales.
Quinta, abordar los residuos electrónicos a través de la gestión del ciclo de vida institucional.
Sexta, apoyar la investigación sobre tecnología educativa sostenible.
Séptima, crear un diálogo UE-China sobre educación digital verde. Los marcos conceptuales de la UE (GreenComp, sobriedad digital) y la capacidad de implementación de China (mandatos de doble carbono, reforma curricular rápida) son fortalezas complementarias.
8. Conclusión
La transformación digital de la educación superior no es ambientalmente neutra. Los centros de datos consumen 415 TWh de electricidad anualmente y en aumento. El entrenamiento de IA genera cientos de toneladas métricas de CO2 y evapora cientos de miles de litros de agua dulce. El consumo de contenido digital representa el 3-4 por ciento de las emisiones per cápita. Los residuos electrónicos de la tecnología educativa se proyecta que crezcan un 50 por ciento en una década. Estos hechos no son argumentos contra la educación digital —los beneficios documentados en esta antología son reales y significativos—. Pero son argumentos a favor de la honestidad ambiental: reconocer los costes junto con los beneficios, y diseñar sistemas de tecnología educativa que minimicen el daño ambiental en lugar de ignorarlo.
La UE y China aportan recursos diferentes a este desafío. La UE ha desarrollado marcos conceptuales sofisticados que proporcionan un lenguaje para discutir los costes ambientales de la educación digital. China ha demostrado la capacidad de reforma curricular rápida a nivel de todo el sistema a través de su mandato de educación para el doble carbono y ha integrado la civilización ecológica en sus marcos constitucionales y educativos.
Sin embargo, ninguno de los dos sistemas ha desarrollado una respuesta adecuada a la paradoja energética de la IA —la incómoda realidad de que las tecnologías educativas más potentes son también las más costosas ambientalmente—. Desarrollar una respuesta adecuada a estos desafíos se encuentra entre las tareas más importantes que enfrenta la educación superior en la próxima década. Requiere no menos tecnología sino una tecnología más inteligente —y la voluntad institucional de preguntarse, antes de cada despliegue digital, si el beneficio educativo justifica el coste ambiental—.
Agradecimientos
Esta investigación se realizó en el marco del Centro de Excelencia Jean Monnet «EUSC-DEC» (Subvención de la UE 101126782, 2023-2026).
Referencias
Bianchi, G. et al. (2022). GreenComp: The European sustainability competence framework. JRC128040.
Calis, S. et al. (2025). Determining the digital carbon footprint awareness of pre-service teachers. HSSC, 12, 1678.
De Vries, A. (2026). The carbon and water footprints of data centers and AI. Patterns, 7(1), 101430.
IEA. (2025). Energy and AI. IEA, Paris.
Istrate, R. et al. (2024). The environmental sustainability of digital content consumption. Nature Communications, 15, 3724.
Le Goff, T. (2025). Not greenwashing, but still... Internet Policy Review.
Li, P. et al. (2023). Making AI Less "Thirsty". Communications of the ACM.
Ministry of Education of PRC. (2022). Work Program for Carbon Peak Carbon Neutral Higher Education.
NPR. (2024, July 12). AI brings soaring emissions for Google and Microsoft.
Patterson, D. et al. (2021). Carbon Emissions and Large Neural Network Training. arXiv:2104.10350.
Paula, E. et al. (2025). Comparative analysis of model compression for carbon efficient AI. Scientific Reports, 15, 23461.
Selwyn, N. (2021). Ed-Tech Within Limits. E-Learning and Digital Media, 18(5), 496–510.
Strubell, E. et al. (2019). Energy and Policy Considerations for Deep Learning in NLP. ACL 2019.
Tabbakh, A. et al. (2024). Towards sustainable AI. Discover Sustainability, 5, 408.
The Shift Project. (2019). Lean ICT: Towards Digital Sobriety. Paris.
UNESCO. (2024). UNESCO Prize for ICT in education steers digital learning for greening.
Vuorikari, R. et al. (2022). DigComp 2.2. EUR 31006 EN.
Wang, C. et al. (2023). Carbon neutrality of a university campus in China. J. Cleaner Production, 414, 137521.
Wang, Y. et al. (2025). Ecological Civilization Education in China. In: Handbook of Ecological Civilization. Springer.
Williamson, B. et al. (2025). Digital Emissions: Edtech Platforms. In: Critical EdTech Studies. Springer.
Xiao, T. et al. (2025). Environmental impact of sustainable AI servers in the USA. Nature Sustainability, 8(12), 1541–1553.