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), en un capítulo para un volumen de Springer sobre estudios críticos de EdTech, argumentan que el impacto ambiental de las plataformas de tecnología educativa está «persistentemente ignorado» en los cálculos de carbono universitarios, llamando la atención sobre la infraestructura informática globalmente distribuida e intensiva en energía en la que las universidades están inmersas a través de sus asociaciones de EdTech.
Este artículo examina cómo la Unión Europea y China —los dos mayores sistemas de educación superior por matrícula— están abordando (o dejando de abordar) la dimensión ambiental de sus estrategias de educación digital. Comparamos el marco emergente de la UE de competencias en sostenibilidad y sobriedad digital con la educación para la civilización ecológica de China, evaluando cada uno por su capacidad para confrontar los costes ambientales de la infraestructura digital de la que depende cada vez más la educación moderna.
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), en un estudio de investigadores de Google y UC Berkeley, 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), en el artículo que primero atrajo amplia atención sobre el coste en carbono del entrenamiento de grandes modelos de lenguaje, demostraron que el entrenamiento de un único modelo grande de PNL puede emitir tanto carbono como cinco automóviles durante toda su vida útil. Estas cifras han crecido sustancialmente con el desarrollo de modelos más grandes: GPT-4 y sus sucesores consumen órdenes de magnitud más energía, aunque las cifras precisas no se divulgan públicamente.
La huella hídrica de la IA es igualmente preocupante. Li y colegas (2023), en un estudio publicado en Communications of the ACM, 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—. De Vries (2025), escribiendo en la revista Patterns de Cell Press, estima la huella de carbono de la industria de la IA en 2025 en 32,6-79,7 millones de toneladas métricas de CO2, comparable a las emisiones totales de la ciudad de Nueva York, con una huella hídrica de 312.500-764.600 millones de litros.
Para las universidades, estas cifras agregadas se traducen en responsabilidad institucional. Cada vez que un estudiante utiliza un asistente de escritura basado en la nube, envía un trabajo a un detector de plagio potenciado por IA o interactúa con un sistema de tutoría de IA, la infraestructura digital de la universidad genera emisiones que son invisibles para el usuario pero acumulativamente significativas. Xiao y colegas (2025), escribiendo en Nature Sustainability, argumentan que la industria de IA de EE. UU. es improbable que alcance los objetivos de cero neto para 2030 sin una dependencia sustancial de «mecanismos altamente inciertos de compensación de carbono y restauración de agua».
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), en un estudio publicado en Nature Communications, estiman que el consumo medio anual global de contenido digital —navegación web, redes sociales, transmisión de vídeo y música, y videoconferencia— 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. Bajo un escenario de calentamiento de 1,5 grados Celsius, esto podría representar aproximadamente el 40 por ciento del presupuesto de carbono per cápita.
Para las universidades, las implicaciones son significativas. Un solo semestre de entrega de cursos en línea para miles de estudiantes implica una transmisión de vídeo, un intercambio de archivos y una interacción con plataformas sustanciales. Caird y Lane (2024), escribiendo en el Future Healthcare Journal, señalan que, si bien el aprendizaje digital generalmente tiene una huella de carbono menor que la instrucción presencial cuando se tiene en cuenta el desplazamiento —el viaje a conferencias presenciales puede producir 1.000 veces más CO2 que las alternativas virtuales—, la comparación es menos favorable cuando se incluyen los costes completos del ciclo de vida de la infraestructura digital.
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.
Valai Ganesh y colegas (2025), en un estudio publicado en Scientific Reports, examinaron 452 productos eléctricos en instituciones académicas de la India y encontraron que el 32,1 por ciento tenía más de cinco años y el 34,1 por ciento necesitaba reparación o reemplazo. Su marco propuesto de gestión sostenible de residuos electrónicos demostró que el reciclaje in situ puede lograr una tasa de recuperación de materiales del 90 por ciento —pero tales marcos requieren inversión y compromiso institucional que la mayoría de las universidades aún no han realizado—. Thao, Hanh y Huy (2025), en un estudio de la Universidad de Tecnología de Ho Chi Minh City, proyectan que los residuos electrónicos de un solo campus universitario aumentarán 1,5 veces, de 16.792 kg en 2024 a 25.230 kg en 2034, reflejando la creciente intensidad de hardware de la educación digital.
Para las universidades chinas y europeas por igual, el problema de los residuos electrónicos se agrava por la tendencia hacia programas institucionales de tabletas y portátiles, iniciativas de un dispositivo por alumno y el reemplazo regular de equipamiento de aulas inteligentes. Cuando una universidad despliega miles de tabletas para una iniciativa de aprendizaje digital, el beneficio educativo puede ser genuino —pero el coste ambiental de fabricar, operar y eventualmente desechar esos dispositivos rara vez se calcula—. El concepto de sobriedad digital, discutido en la siguiente sección, ofrece un marco para abordar esta laguna.
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. El informe estimó que el consumo energético de las TIC estaba aumentando a un 9 por ciento anual y argumentó que un enfoque de sobriedad podría limitar el crecimiento al 1,5 por ciento (The Shift Project 2019).
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). Este reconocimiento señala que la comunidad educativa internacional está comenzando a reconocer la dimensión ambiental de la tecnología educativa —aunque la escala de la respuesta sigue siendo modesta en relación con la escala del problema—.
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, abordando las implicaciones ambientales del uso de la tecnología digital. 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. Sus 12 competencias están diseñadas como puntos de referencia no prescriptivos para los esquemas de aprendizaje en la educación formal e informal.
El proyecto GreenSCENT (Horizonte 2020, 2021-2024) ha probado la aplicación práctica de los temas del Pacto Verde en aproximadamente 45 escuelas y universidades de la UE, creando el ECCEL —un «permiso de conducir» europeo para las competencias climáticas y ambientales (Comisión Europea 2021-2024)—. El volumen editado por McDonagh, Caforio y Pollini (2024), «The European Green Deal in Education», publicado por Routledge, proporciona estudios de caso del proyecto, documentando las primeras aplicaciones publicadas de los temas del Pacto Verde en entornos de aula.
Calis y colegas (2025), en un estudio de 896 docentes en formación publicado en Humanities and Social Sciences Communications, 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—. Las participantes femeninas tenían niveles de conciencia significativamente más altos que los masculinos. 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.
A nivel institucional, el informe de 2023 de la Asociación de Universidades Europeas «A Green Deal Roadmap for Universities», basado en una encuesta a casi 400 instituciones de 56 sistemas de educación superior, encontró que una gran mayoría de las universidades europeas han incorporado la sostenibilidad en su estrategia institucional principal o han desarrollado estrategias específicas de sostenibilidad. Sin embargo, la mayoría de las instituciones pidieron una financiación mejorada y más oportunidades de aprendizaje entre pares (EUA 2023). Las recomendaciones del informe abarcan el compromiso público, la investigación, la enseñanza y las operaciones del campus —pero el coste ambiental de la infraestructura digital no recibe un tratamiento dedicado, lo que sugiere que incluso las instituciones comprometidas con la sostenibilidad aún no han integrado la sobriedad digital en sus estrategias ambientales—.
La creciente importancia de la presentación de informes de sostenibilidad en la educación superior se refleja en la expansión del THE Impact Rankings, que midió las contribuciones de las universidades a los Objetivos de Desarrollo Sostenible de la ONU. Urbano y colegas (2025), en un análisis publicado en el Journal of Cleaner Production, encontraron que los rankings de 2024 contaron con 1.963 instituciones participantes —un aumento del 23 por ciento respecto al año anterior— demostrando un creciente compromiso institucional con la presentación de informes de sostenibilidad. Sin embargo, la metodología de los rankings no incluye métricas específicas para las emisiones de infraestructura digital, creando un punto ciego significativo en un marco de evaluación por lo demás integral.
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—. Wang y colegas (2025), en un capítulo para el Handbook of Ecological Civilization de Springer, trazan la evolución de la educación para la civilización ecológica como un proyecto clave para el desarrollo sostenible de China, señalando su integración en la política educativa a todos los niveles.
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, otorgándole un estatus jurídico del que carecen los marcos europeos de sostenibilidad. 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: mientras que GreenComp empodera a los ciudadanos individuales para tomar decisiones sostenibles, la educación para la civilización ecológica posiciona a los individuos dentro de un proyecto colectivo de transformación nacional.
Zhou (2024), en un estudio publicado en Social Inclusion, examina la transición de la Educación para el Desarrollo Sostenible (EDS) a la civilización ecológica en China a través de un marco de justicia climática. El análisis encuentra que la civilización ecológica es marcadamente política, está limitada principalmente a la sostenibilidad ambiental (descuidando las dimensiones sociales y económicas), y que los actores educativos están subrepresentados en los procesos de toma de decisiones. Estos hallazgos sugieren que, si bien el marco es ambicioso en su alcance, su implementación descendente puede limitar su capacidad para fomentar el tipo de compromiso ambiental crítico y participativo que prevé el marco GreenComp.
Tian y colegas (2024), en una revisión bibliométrica publicada en Humanities and Social Sciences Communications que analiza 25 años de investigación china en EDS mediante modelado temático LDA y análisis de redes sociales, identifican un patrón de publicación «tendencia-declive» con amplio espacio para expansión. El cambio de objetivos de sostenibilidad alineados internacionalmente a un marco localizado y politizado bajo el concepto de civilización ecológica de Xi Jinping se identifica como una característica definitoria de la EDS china —una trayectoria que tiene tanto fortalezas (compromiso político, respaldo institucional) como limitaciones (compromiso crítico reducido, comparabilidad internacional limitada)—.
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» (加强碳达峰碳中和高等教育人才培养体系建设工作方案), 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 (Ministerio de Educación 2022).
Esta política representa una intervención más directa en el diseño curricular que cualquier intento realizado en la UE, donde la educación en sostenibilidad sigue siendo en gran medida voluntaria y liderada por las instituciones. El mandato de educación para el doble carbono refleja la filosofía de gobernanza más amplia de China: cuando el Estado identifica una prioridad estratégica, se espera que las universidades alineen sus programas en consecuencia. Si este enfoque descendente produce un compromiso ambiental más profundo que el marco ascendente de desarrollo de competencias de la UE sigue siendo una cuestión empírica abierta.
Wang y colegas (2023), en un estudio publicado en el Journal of Cleaner Production, 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, contribuyendo solo la descarbonización eléctrica con el 64,7 por ciento de la reducción. Estos hallazgos sugieren que las universidades chinas tienen un potencial significativo de reducción de carbono, pero que realizar este potencial requiere inversión en infraestructura y compromiso institucional que no puede lograrse solo mediante la reforma curricular.
4.3 Iniciativas de campus verde
El enfoque de China sobre la educación digital verde encarna una tensión distintiva. Por un lado, el gobierno está llevando a cabo la mayor expansión de infraestructura educativa digital del mundo —la Plataforma Nacional de Educación Inteligente que atiende a 293 millones de estudiantes, banda ancha escolar casi universal, educación en IA obligatoria a partir de septiembre de 2025—. Por otro lado, está promoviendo simultáneamente la educación para la civilización ecológica y las iniciativas de campus verde.
Yuan y colegas (2024), en un estudio publicado en el International Journal of Chinese Education, examinan el Programa de Escuelas Verdes de Pekín a través de un estudio de 98 escuelas primarias y secundarias, documentando el papel del programa como herramienta de EDS para el logro de los ODS. Zou y colegas (2024), escribiendo en el Journal of Cleaner Production, proponen un marco de cuatro dimensiones —educación verde, investigación verde, campus verde y vida verde— para la digitalización de las iniciativas de universidades verdes, argumentando que las tecnologías digitales pueden facilitar el compromiso comunitario, apoyar la innovación verde, reducir las huellas de carbono del campus y cultivar la conciencia de sostenibilidad.
Estas iniciativas son reales y valiosas, pero no abordan directamente el coste ambiental de la propia infraestructura digital. La tensión entre la expansión digital y la sostenibilidad ambiental se reconoce en el discurso político chino pero aún no se ha resuelto en la práctica. Más de 200 universidades chinas han implementado Sistemas de Gestión Energética del Campus, reflejando una creciente conciencia institucional del consumo energético —pero estos sistemas típicamente no incluyen la energía consumida por las plataformas educativas basadas en la nube, que se genera en centros de datos que pueden estar a miles de kilómetros del campus—.
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 (como se documenta en los capítulos complementarios sobre la IA en el aprendizaje de lenguas y la universidad del futuro), 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), en lo que sigue siendo el tratamiento académico más directo de esta cuestión, 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), en un marco integral publicado en Discover Sustainability, 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 —el coste operativo continuo de ejecutar modelos entrenados—. También revisan herramientas como CodeCarbon y Carbontracker que permiten a los investigadores medir y comunicar la huella de carbono de sus experimentos de IA.
Paula y colegas (2025), en un análisis comparativo publicado en Scientific Reports, 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. Los modelos grandes comprimidos pueden igualar o aproximarse a la eficiencia de los modelos pequeños construidos para un propósito específico, lo que sugiere que las aplicaciones educativas de IA no necesitan depender de las arquitecturas más intensivas en recursos. Para las universidades que despliegan sistemas de tutoría de IA o herramientas de evaluación automatizada, estos hallazgos indican que elegir arquitecturas de modelos eficientes —o insistir en que los proveedores demuestren la eficiencia energética de sus productos— podría reducir significativamente la huella ambiental de la educación potenciada por IA.
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—. Las soluciones técnicas de la IA verde son necesarias pero no suficientes; deben combinarse con la disciplina institucional de la sobriedad digital.
6. Análisis comparativo
Los enfoques de la UE y de China sobre la educación digital verde reflejan sus filosofías de gobernanza más amplias y revelan fortalezas y debilidades complementarias que merecen una comparación sistemática.
6.1 Gobernanza e implementación
El enfoque basado en marcos de la UE —GreenComp, DigComp 2.2, el Pacto Verde, el proyecto GreenSCENT, la Hoja de Ruta del Pacto Verde de la EUA— 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. Los costes ambientales de las plataformas de EdTech se reconocen en la literatura académica pero no en los marcos de políticas o las decisiones de adquisición. El enfoque de la UE es ascendente: empodera a las instituciones e individuos para tomar decisiones sostenibles pero no puede obligarles a hacerlo.
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. El programa de trabajo de 2022 del Ministerio de Educación para el doble carbono demuestra la capacidad de reforma curricular rápida a nivel de todo el sistema —21 nuevos programas de grado creados en un único ciclo de política— pero se centra en formar a los estudiantes para la economía verde, no en reducir la huella ambiental del propio sistema educativo. El énfasis en la civilización ecológica como cosmovisión integral proporciona un recurso filosófico del que carecen los marcos europeos —el lenguaje de la transformación civilizatoria— pero su implementación descendente limita la innovación ascendente y el compromiso crítico.
6.2 La paradoja de la sostenibilidad
Un estudio de 2026 en Humanities and Social Sciences Communications identifica una «paradoja de la sostenibilidad» en la educación digital: ambientalmente, la educación digital puede reducir los impactos del desplazamiento y los materiales pero aumenta la demanda energética; socialmente, puede ampliar el acceso pero profundizar las desigualdades. Esta paradoja bidimensional está presente en ambos contextos europeo y chino, aunque manifestada de manera diferente en cada uno.
En la UE, la paradoja se manifiesta principalmente como una tensión entre las aspiraciones verdes y las realidades del mercado. Las universidades europeas adoptan cada vez más estrategias de sostenibilidad, pero sus decisiones de adquisición de EdTech están impulsadas por la funcionalidad y el coste en lugar del impacto ambiental.
En China, la paradoja se manifiesta como una tensión entre los compromisos simultáneos del Estado con la expansión digital y la civilización ecológica. La ambición de construir el sistema educativo más avanzado digitalmente del mundo está en tensión directa con la ambición de alcanzar la neutralidad de carbono para 2060. El hallazgo de Wang y colegas (2023) de que la electricidad representa el 77 por ciento de las emisiones de carbono del campus subraya la escala de este desafío: a medida que la infraestructura digital se expande, también lo hace la demanda de electricidad que impulsa las emisiones del campus.
6.3 Trayectorias de investigación
Los panoramas de investigación en ambas regiones reflejan estas diferencias de gobernanza. El análisis bibliométrico de Tian y colegas (2024) de la investigación china en EDS revela un campo cada vez más configurado por marcos políticos nacionales más que por el discurso internacional de sostenibilidad. La investigación europea, por el contrario, permanece más internacionalmente conectada pero menos políticamente integrada —produciendo análisis sofisticados que pueden no traducirse en cambio de políticas—. Ninguna tradición de investigación ha producido aún un marco integral para integrar la sobriedad digital con los objetivos más amplios de sostenibilidad en la educación superior.
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. El coste ambiental de la computación en la nube, los servicios de IA y las suscripciones a plataformas debe calcularse y comunicarse junto con las métricas tradicionales de consumo energético. Los THE Impact Rankings y marcos de evaluación similares deben desarrollar indicadores específicos para las emisiones de infraestructura digital. El hallazgo de Urbano y colegas (2025) de que 1.963 instituciones participan ahora en los rankings de impacto demuestra la voluntad institucional de comprometerse con las métricas de sostenibilidad —pero las propias métricas deben ampliarse para incluir la dimensión digital—.
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. El consumo digital innecesario —políticas obligatorias de vídeo encendido durante las conferencias, asignación excesiva de almacenamiento en la nube, suscripciones redundantes a plataformas, y el despliegue rutinario de herramientas de IA para tareas que no las requieren— debe identificarse y reducirse. La recomendación original de The Shift Project de «comprar los equipos menos potentes posibles y cambiar de dispositivos lo más raramente posible» se aplica directamente a la adquisición de tecnología educativa.
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, no un módulo separado de sostenibilidad. El hallazgo de Calis y colegas (2025) de que los docentes en formación tienen solo una conciencia moderada de las huellas de carbono digitales sugiere que los programas de formación docente necesitan urgentemente incorporar esta dimensión. Los estudiantes que aprenden sobre IA también deberían aprender sobre el consumo energético e hídrico de la IA; los estudiantes que usan plataformas de aprendizaje basadas en la nube deberían comprender la infraestructura que las hace posibles.
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 —o al mínimo, que los costes ambientales se han calculado y minimizado—. Las técnicas de IA verde como la compresión de modelos (Paula et al. 2025) y las arquitecturas eficientes (Tabbakh et al. 2024) deben ser criterios en las decisiones de adquisición de IA, no reflexiones tardías.
Quinta, abordar los residuos electrónicos a través de la gestión del ciclo de vida institucional. La creciente intensidad de hardware de la educación digital genera residuos electrónicos que son típicamente invisibles en las evaluaciones de sostenibilidad. La demostración de Valai Ganesh y colegas (2025) de que el reciclaje in situ puede lograr tasas de recuperación de materiales del 90 por ciento sugiere que las universidades podrían reducir significativamente su huella de residuos electrónicos con una inversión institucional relativamente modesta. Extender la vida útil de los dispositivos mediante programas de reparación y elegir hardware duradero y actualizable reduciría aún más el impacto ambiental.
Sexta, apoyar la investigación sobre tecnología educativa sostenible. La comunidad académica debería invertir en investigación sobre tecnologías de aprendizaje de bajo consumo energético, arquitecturas de IA eficientes para aplicaciones educativas, y enfoques pedagógicos que logren resultados equivalentes con menos infraestructura digital. La metodología LEAP-LCA de Wang y colegas (2023) para la evaluación del carbono del campus podría adaptarse para incluir las emisiones de infraestructura digital, proporcionando a las universidades una herramienta integral para la contabilidad ambiental.
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. Un diálogo estructurado —potencialmente dentro del marco del Centro de Excelencia Jean Monnet— podría acelerar el desarrollo de enfoques prácticos para los desafíos ambientales que enfrentan ambos sistemas. La experiencia de China con la reforma curricular obligatoria para los objetivos de doble carbono podría informar los esfuerzos europeos para escalar la educación en sostenibilidad, mientras que el marco de sobriedad digital de la UE podría ayudar a China a abordar los costes ambientales de su expansión de la educación digital.
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 —GreenComp, DigComp 2.2, sobriedad digital— que proporcionan un lenguaje para discutir los costes ambientales de la educación digital, y su integración del Pacto Verde en la educación a través de proyectos como GreenSCENT representa un paso genuino, aunque todavía modesto, hacia la práctica. 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 —proporcionando una profundidad de compromiso político que los enfoques voluntarios europeos no pueden igualar—.
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—. Las técnicas de IA verde ofrecen una mitigación parcial, pero la paradoja de Jevons sugiere que las ganancias de eficiencia serán consumidas por la creciente demanda a menos que la disciplina institucional limite el despliegue. Los docentes en formación encuestados por Calis y colegas (2025) —los educadores del mañana— tienen solo una conciencia moderada de las huellas de carbono digitales, lo que sugiere que el problema persistirá sin una intervención curricular deliberada.
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—. La comparación UE-China sugiere que la respuesta requerirá tanto sofisticación conceptual como capacidad de implementación —las fortalezas que cada sistema puede aportar a un desafío global compartido—.
Agradecimientos
Esta investigación se realizó en el marco del Centro de Excelencia Jean Monnet «EUSC-DEC» (Subvención de la UE 101126782, 2023-2026). El autor agradece a los miembros de los Grupos de Investigación 1 y 5 por sus contribuciones al análisis comparativo de la política de sostenibilidad y educación digital.
Referencias
Bianchi, G., Pisiotis, U. & Cabrera Giraldez, M. (2022). GreenComp: The European sustainability competence framework. Publications Office of the European Union, Luxembourg. JRC128040. DOI: 10.2760/13286
Calis, S., Kahraman, N., Zeren Ozer, D. & Ergul, N. R. (2025). Determining the digital carbon footprint awareness of pre-service teachers. Humanities and Social Sciences Communications, 12, Article 1678. DOI: 10.1057/s41599-025-05944-z
Caird, S. & Lane, A. (2024). Digital learning, face-to-face learning and climate change. Future Healthcare Journal, 11(3), 100156. DOI: 10.1016/j.fhj.2024.100156
De Vries, A. (2026). The carbon and water footprints of data centers and AI. Patterns, 7(1), 101430. DOI: 10.1016/j.patter.2025.101430
European Commission. (2021–2024). GreenSCENT — Smart Citizen Education for a Green Future. Horizon 2020 Project ID: 101036480.
European University Association. (2023). A Green Deal Roadmap for Universities. Brussels: EUA.
IEA. (2025). Energy and AI. IEA, Paris.
Istrate, R. et al. (2024). The environmental sustainability of digital content consumption. Nature Communications, 15, Article 3724. DOI: 10.1038/s41467-024-47621-w
Le Goff, T. (2025). Not greenwashing, but still... Internet Policy Review.
Li, P., Yang, J., Islam, M. A. & Ren, S. (2023). Making AI Less "Thirsty". Communications of the ACM. DOI: 10.1145/3724499
McDonagh, S. A., Caforio, A. & Pollini, A. (Eds.) (2024). The European Green Deal in Education. Routledge. DOI: 10.4324/9781003492597
Ministry of Education of the PRC. (2022). Work Program for Carbon Peak Carbon Neutral Higher Education Talent Training System. Beijing.
NPR. (2024, July 12). AI brings soaring emissions for Google and Microsoft. NPR.
Patterson, D. et al. (2021). Carbon Emissions and Large Neural Network Training. arXiv:2104.10350. DOI: 10.48550/arXiv.2104.10350
Paula, E. et al. (2025). Comparative analysis of model compression for carbon efficient AI. Scientific Reports, 15, Article 23461. DOI: 10.1038/s41598-025-07821-w
Selwyn, N. (2021). Ed-Tech Within Limits. E-Learning and Digital Media, 18(5), 496–510. DOI: 10.1177/20427530211022951
Strubell, E., Ganesh, A. & McCallum, A. (2019). Energy and Policy Considerations for Deep Learning in NLP. ACL 2019. DOI: 10.18653/v1/P19-1355
Tabbakh, A. et al. (2024). Towards sustainable AI. Discover Sustainability, 5, Article 408. DOI: 10.1007/s43621-024-00641-4
Thao, T. Q., Hanh, T. H. & Huy, N. N. (2025). Sustainable e-waste management in higher education. International Journal of Environmental Science and Technology, 22, 6423–6434. DOI: 10.1007/s13762-024-06012-w
The Shift Project. (2019). Lean ICT: Towards Digital Sobriety. Paris.
Tian, W. et al. (2024). Understanding the landscape of ESD in China. Humanities and Social Sciences Communications, 11, Article 1213. DOI: 10.1057/s41599-024-03713-y
UNESCO. (2024). UNESCO Prize for ICT in education steers digital learning for greening.
Urbano, V. M. et al. (2025). Sustainable development in higher education: THE Impact Rankings. Journal of Cleaner Production, 501, 145302. DOI: 10.1016/j.jclepro.2025.145302
Valai Ganesh, S. et al. (2025). Sustainable e-waste management framework for academic institutions. Scientific Reports, 15, Article 40550. DOI: 10.1038/s41598-025-24278-z
Vuorikari, R., Kluzer, S. & Punie, Y. (2022). DigComp 2.2. EUR 31006 EN, Publications Office of the EU. DOI: 10.2760/115376
Wang, C. et al. (2023). Carbon neutrality of a university campus in China. Journal of Cleaner Production, 414, 137521. DOI: 10.1016/j.jclepro.2023.137521
Wang, Y. et al. (2025). Ecological Civilization Education in China. In: Handbook of Ecological Civilization. Springer. DOI: 10.1007/978-981-97-8101-0_43-1
Williamson, B., Hogan, A. & Selwyn, N. (2025). Digital Emissions: Edtech Platforms. In: Critical EdTech Studies. Springer. DOI: 10.1007/978-3-031-88173-2_9
Xiao, T. et al. (2025). Environmental impact of sustainable AI servers in the USA. Nature Sustainability, 8(12), 1541–1553. DOI: 10.1038/s41893-025-01681-y
Yuan, X. et al. (2024). Promoting ESD through the green school program. International Journal of Chinese Education, 13(2). DOI: 10.1177/2212585X241259192
Zhou, R. K. (2024). From ESD to Ecological Civilization in China. Social Inclusion, 12, Article 7421. DOI: 10.17645/si.7421
Zou, Y. et al. (2024). Bridging digitalization and sustainability in universities. Journal of Cleaner Production, 467, 142924. DOI: 10.1016/j.jclepro.2024.142924