Rethinking Higher Education/it/Chapter 11
Educazione digitale verde: sostenibilità, sobrietà digitale e consapevolezza ambientale nelle università dell'UE e della Cina
Martin Woesler
Università Normale dello Hunan
Riassunto
La trasformazione digitale dell'istruzione superiore comporta un costo ambientale nascosto che è raramente riconosciuto nel discorso sulla politica educativa. I data center hanno consumato 415 terawattora di elettricità nel 2024 — l'1,5 percento della domanda globale di elettricità — e si prevede che raggiungano 945 TWh entro il 2030, crescendo quattro volte più velocemente di qualsiasi altro settore. L'addestramento di un singolo grande modello linguistico come GPT-3 produce circa 552 tonnellate metriche di CO2 equivalente, paragonabili alle emissioni annuali di 121 famiglie americane medie. Il consumo annuale di contenuti digitali genera 229 kg di CO2 equivalente per utente, circa il 3–4 percento delle emissioni antropogeniche pro capite di gas serra. Eppure il settore della tecnologia educativa è in gran parte sfuggito allo scrutinio per la sua impronta ambientale, anche mentre le università espandono le loro infrastrutture digitali sotto le bandiere dell'innovazione e dell'accessibilità. Il presente articolo esamina la tensione tra l'istruzione digitale e la sostenibilità ambientale attraverso un confronto sistematico degli approcci dell'Unione Europea e della Cina. L'UE ha sviluppato il quadro GreenComp per le competenze di sostenibilità e sta iniziando ad affrontare la „sobrietà digitale" — il principio di minimizzare il consumo digitale non necessario — come obiettivo educativo. La Cina ha perseguito l'„educazione alla civiltà ecologica" come quadro che integra la consapevolezza ambientale con obiettivi civilizzazionali più ampi, promuovendo al contempo la più grande espansione al mondo di infrastrutture educative digitali. Sosteniamo che entrambi i sistemi affrontano un „paradosso energetico dell'IA" — l'implementazione dell'intelligenza artificiale nell'istruzione promette simultaneamente di migliorare la consapevolezza della sostenibilità e contribuisce sostanzialmente al degrado ambientale — e che nessuno dei due ha ancora sviluppato una risposta adeguata.
Parole chiave: educazione digitale verde, sostenibilità, sobrietà digitale, civiltà ecologica, impronta di carbonio, data center, paradosso energetico dell'IA, GreenComp, istruzione superiore, confronto UE-Cina
1. Introduzione
La sostenibilità ambientale dell'istruzione digitale è un tema che la maggior parte dei tecnologi educativi preferirebbe non discutere. La trasformazione digitale dell'istruzione superiore è stata guidata da potenti narrative di progresso: apprendimento personalizzato con l'IA, realtà virtuale immersiva, connettività globale ed efficienza istituzionale. Queste narrative non sono errate — i capitoli complementari di questa antologia documentano genuini benefici educativi delle tecnologie digitali (Woesler, in questo volume). Ma sono incomplete, perché ignorano sistematicamente la base materiale dell'istruzione digitale: i server, le reti, i dispositivi e i sistemi energetici che la rendono possibile, e le conseguenze ambientali del loro funzionamento su larga scala.
I numeri sono preoccupanti. L'Agenzia Internazionale dell'Energia riporta che i data center hanno consumato 415 terawattora di elettricità nel 2024, rappresentando l'1,5 percento della domanda globale di elettricità. Questa cifra è prevista raggiungere 945 TWh entro il 2030 — più del consumo totale di elettricità del Giappone — con tassi di crescita di circa il 15 percento annuo, quattro volte più veloci di tutti gli altri settori combinati (IEA 2025). Le emissioni di carbonio delle principali aziende tecnologiche sono aumentate di pari passo: le emissioni di gas serra di Google sono cresciute del 48 percento tra il 2019 e il 2024, mentre quelle di Microsoft sono cresciute del 29 percento dal 2020, con il consumo energetico dei data center identificato come il driver principale (NPR 2024). Un'analisi dei rapporti di sostenibilità aziendali suggerisce che le emissioni effettive dei data center possano essere 7,62 volte superiori a quelle dichiarate, a causa di pratiche contabili che equiparano i certificati di energia rinnovabile al consumo effettivo di energia rinnovabile (Le Goff 2025).
Per l'istruzione superiore, queste cifre hanno una rilevanza diretta. Le università sono tra i maggiori consumatori istituzionali di infrastruttura digitale, gestendo sistemi di gestione dell'apprendimento, cluster di calcolo per la ricerca, piattaforme di videoconferenza e — sempre più — strumenti educativi basati sull'IA. Eppure l'impronta ambientale di questa infrastruttura digitale non è quasi mai inclusa nelle valutazioni di sostenibilità delle università. Williamson, Hogan e Selwyn (2025), in un capitolo per un volume Springer sugli studi critici di EdTech, sostengono che l'impatto ambientale delle piattaforme di tecnologia educativa è „persistentemente trascurato" nei calcoli del carbonio universitario, attirando l'attenzione sull'infrastruttura IT globalmente distribuita e ad alta intensità energetica in cui le università sono immerse attraverso i loro partenariati EdTech.
Il presente articolo esamina come l'Unione Europea e la Cina — i due più grandi sistemi di istruzione superiore per iscrizioni — stiano affrontando (o non riuscendo ad affrontare) la dimensione ambientale delle loro strategie di istruzione digitale. Confrontiamo il quadro emergente dell'UE per le competenze di sostenibilità e la sobrietà digitale con l'educazione alla civiltà ecologica della Cina, valutando ciascuno per la sua capacità di confrontarsi con i costi ambientali dell'infrastruttura digitale da cui l'istruzione moderna dipende sempre più.
2. L'impronta di carbonio della tecnologia educativa
2.1 Data center e addestramento dell'IA
Il consumo energetico dell'infrastruttura digitale ha due componenti principali: l'energia operativa dei data center (incluso il raffreddamento, che può rappresentare il 30–40 percento del consumo energetico totale) e l'energia incorporata nella produzione e nello smaltimento dell'hardware. Per i sistemi di IA in particolare, una terza componente — l'energia consumata durante l'addestramento del modello — è diventata sempre più significativa.
Patterson e colleghi (2021), in uno studio di ricercatori di Google e UC Berkeley, hanno stimato che l'addestramento di GPT-3 ha prodotto circa 552 tonnellate metriche di CO2 equivalente e ha consumato 1.287 megawattora di elettricità. Strubell, Ganesh e McCallum (2019), nell'articolo che per primo ha attirato ampia attenzione sul costo in termini di carbonio dell'addestramento di grandi modelli linguistici, hanno dimostrato che l'addestramento di un singolo grande modello NLP può emettere tanto carbonio quanto cinque automobili nell'intero arco della loro vita. Queste cifre sono cresciute sostanzialmente con lo sviluppo di modelli più grandi: GPT-4 e i suoi successori consumano ordini di grandezza più energia, sebbene le cifre precise non siano divulgate pubblicamente.
L'impronta idrica dell'IA è altrettanto preoccupante. Li e colleghi (2023), in uno studio pubblicato su Communications of the ACM, stimano che l'addestramento di GPT-3 nei data center Microsoft negli Stati Uniti ha direttamente fatto evaporare 700.000 litri di acqua dolce. La domanda globale di acqua per l'IA è prevista raggiungere 4,2–6,6 miliardi di metri cubi entro il 2027 — più del prelievo idrico annuale totale di quattro-sei Danimarca. De Vries (2025), scrivendo sulla rivista Patterns di Cell Press, stima l'impronta di carbonio del settore IA nel 2025 a 32,6–79,7 milioni di tonnellate metriche di CO2, paragonabile alle emissioni totali della città di New York, con un'impronta idrica di 312,5–764,6 miliardi di litri.
Per le università, queste cifre aggregate si traducono in responsabilità istituzionale. Ogni volta che uno studente utilizza un assistente di scrittura IA basato sul cloud, presenta un lavoro a un rilevatore di plagio basato sull'IA o interagisce con un sistema di tutoraggio IA, l'infrastruttura digitale dell'università genera emissioni che sono invisibili all'utente ma cumulativamente significative. Xiao e colleghi (2025), scrivendo su Nature Sustainability, sostengono che il settore IA statunitense difficilmente raggiungerà gli obiettivi di zero emissioni nette entro il 2030 senza un sostanziale ricorso a „meccanismi di compensazione del carbonio e ripristino idrico altamente incerti".
2.2 Consumo di contenuti digitali
Oltre all'addestramento dell'IA, le attività digitali ordinarie dell'istruzione comportano i propri costi ambientali. Istrate e colleghi (2024), in uno studio pubblicato su Nature Communications, stimano che il consumo medio annuale globale di contenuti digitali — navigazione web, social media, streaming video e musicale e videoconferenze — genera 229 kg di CO2 equivalente per utente all'anno, circa il 3–4 percento delle emissioni antropogeniche pro capite di gas serra. In uno scenario di riscaldamento di 1,5 gradi Celsius, questo potrebbe rappresentare circa il 40 percento del bilancio di carbonio pro capite.
Per le università, le implicazioni sono significative. Un singolo semestre di erogazione di corsi online per migliaia di studenti implica un sostanziale streaming video, condivisione di file e interazione con le piattaforme. Caird e Lane (2024), scrivendo nel Future Healthcare Journal, notano che sebbene l'apprendimento digitale abbia generalmente un'impronta di carbonio inferiore rispetto all'istruzione in presenza quando si tiene conto dei trasporti — i viaggi per conferenze in presenza possono produrre 1.000 volte più CO2 delle alternative virtuali — il confronto è meno favorevole quando si includono i costi dell'intero ciclo di vita dell'infrastruttura digitale.
2.3 Rifiuti elettronici e ciclo di vita dell'hardware
Il costo ambientale dell'istruzione digitale si estende oltre il consumo energetico per includere i dispositivi fisici da cui dipende. Il ritmo accelerante della sostituzione dell'hardware nelle istituzioni educative — guidato dai requisiti software, dai cicli di approvvigionamento istituzionale e dall'obsolescenza programmata dell'elettronica di consumo — genera un flusso crescente di rifiuti elettronici che è raramente incluso nelle discussioni sull'istruzione sostenibile.
Valai Ganesh e colleghi (2025), in uno studio pubblicato su Scientific Reports, hanno esaminato 452 prodotti elettrici in istituzioni accademiche in India e hanno riscontrato che il 32,1 percento aveva più di cinque anni e il 34,1 percento necessitava di riparazione o sostituzione. Il loro quadro proposto di gestione sostenibile dei rifiuti elettronici ha dimostrato che il riciclaggio in loco può raggiungere un tasso di recupero dei materiali del 90 percento — ma tali quadri richiedono investimento e impegno istituzionale che la maggior parte delle università non ha ancora assunto. Thao, Hanh e Huy (2025), in uno studio sull'Università di Tecnologia di Ho Chi Minh City pubblicato sull'International Journal of Environmental Science and Technology, prevedono che i rifiuti elettronici in un singolo campus universitario aumenteranno di 1,5 volte da 16.792 kg nel 2024 a 25.230 kg nel 2034, riflettendo la crescente intensità hardware dell'istruzione digitale.
Per le università cinesi ed europee allo stesso modo, il problema dei rifiuti elettronici è aggravato dalla tendenza verso programmi istituzionali di tablet e laptop, iniziative di un dispositivo per studente e la sostituzione regolare delle attrezzature delle aule intelligenti. Quando un'università distribuisce migliaia di tablet per un'iniziativa di apprendimento digitale, il beneficio educativo può essere genuino — ma il costo ambientale della produzione, del funzionamento e infine dello smaltimento di quei dispositivi è raramente calcolato. Il concetto di sobrietà digitale, discusso nella sezione seguente, offre un quadro per affrontare questa lacuna.
3. La sobrietà digitale come obiettivo educativo
3.1 Origini e definizione
Il concetto di „sobrietà digitale" (sobriété numérique) ha avuto origine dal think tank francese The Shift Project, il cui rapporto del 2019 „Lean ICT: Towards Digital Sobriety" lo ha definito come il principio di acquistare le apparecchiature meno potenti possibili, cambiare i dispositivi il meno frequentemente possibile e ridurre gli usi digitali non necessari ad alta intensità energetica. Il rapporto ha stimato che il consumo energetico delle TIC stava aumentando al 9 percento annuo e ha sostenuto che un approccio basato sulla sobrietà potrebbe limitare la crescita all'1,5 percento (The Shift Project 2019).
Nell'istruzione, la sobrietà digitale ha ottenuto riconoscimento attraverso la decisione dell'UNESCO del 2024 di assegnare il Premio King Hamad Bin Isa Al-Khalifa per le TIC nell'istruzione all'iniziativa belga EducoNetImpact, che promuove pratiche digitali sostenibili nelle scuole. Circa 1.000 insegnanti utilizzano ora i suoi materiali (UNESCO 2024). Questo riconoscimento segnala che la comunità educativa internazionale sta iniziando a riconoscere la dimensione ambientale della tecnologia educativa — sebbene la scala della risposta resti modesta rispetto alla scala del problema.
3.2 Il quadro dell'UE: DigComp e GreenComp
L'approccio dell'UE alla sostenibilità nell'istruzione digitale si basa su due quadri complementari. Il quadro DigComp 2.2 (Vuorikari, Kluzer e Punie 2022) incorpora esempi relativi alla sostenibilità nelle sue cinque aree di competenza, affrontando le implicazioni ambientali dell'uso della tecnologia digitale. Tuttavia, la sobrietà digitale non è esplicitamente denominata come dimensione di competenza all'interno del DigComp 2.2 — una lacuna che suggerisce che lo sviluppo del quadro non ha pienamente assimilato le emergenti preoccupazioni ambientali.
Il quadro GreenComp (Bianchi, Pisiotis e Cabrera Giraldez 2022), pubblicato dal Centro Comune di Ricerca dell'UE, fornisce un quadro complementare con quattro aree di competenza: incarnare i valori della sostenibilità, abbracciare la complessità nella sostenibilità, immaginare futuri sostenibili e agire per la sostenibilità. Le sue 12 competenze sono progettate come punti di riferimento non prescrittivi per i percorsi formativi nell'istruzione formale e informale.
Il progetto GreenSCENT (Horizon 2020, 2021–2024) ha testato l'applicazione pratica dei temi del Green Deal in circa 45 scuole e università nell'UE, creando l'ECCEL — una „patente di guida" europea per le competenze climatiche e ambientali (Commissione Europea 2021–2024). Il volume curato da McDonagh, Caforio e Pollini (2024), „The European Green Deal in Education", pubblicato da Routledge, fornisce studi di caso dal progetto, documentando le prime applicazioni pubblicate dei temi del Green Deal in contesti d'aula.
Calis e colleghi (2025), in uno studio su 896 insegnanti in formazione pubblicato su Humanities and Social Sciences Communications, hanno riscontrato solo un „livello moderato" di consapevolezza dell'impronta di carbonio digitale. I partecipanti mostravano una comprensione più forte degli impatti dei dispositivi elettronici rispetto a quelli della trasmissione dei dati — vale a dire, comprendevano che la fabbricazione di un laptop ha costi ambientali ma erano meno consapevoli che lo streaming di una lezione video o l'uso di uno strumento IA basato sul cloud generano anch'essi emissioni. Le partecipanti di sesso femminile mostravano livelli di consapevolezza significativamente più elevati rispetto ai maschi. Questo risultato è particolarmente preoccupante: se gli insegnanti stessi non sono consapevoli dei costi ambientali della tecnologia digitale, non ci si può aspettare che coltivino tale consapevolezza nei loro studenti.
A livello istituzionale, il rapporto dell'Associazione delle università europee del 2023 „A Green Deal Roadmap for Universities", basato su un'indagine su quasi 400 istituzioni da 56 sistemi di istruzione superiore, ha riscontrato che la grande maggioranza delle università europee ha incorporato la sostenibilità nella propria strategia istituzionale principale o ha sviluppato strategie specifiche di sostenibilità. Tuttavia, la maggioranza delle istituzioni ha chiesto maggiori finanziamenti e più opportunità di apprendimento tra pari (EUA 2023). Le raccomandazioni del rapporto coprono il coinvolgimento pubblico, la ricerca, l'insegnamento e le operazioni del campus — ma il costo ambientale dell'infrastruttura digitale non riceve un trattamento dedicato, suggerendo che anche le istituzioni impegnate nella sostenibilità non hanno ancora integrato la sobrietà digitale nelle loro strategie ambientali.
La crescente importanza del reporting sulla sostenibilità nell'istruzione superiore è riflessa nell'espansione delle classifiche THE Impact Rankings, che misurano i contributi delle università agli Obiettivi di Sviluppo Sostenibile delle Nazioni Unite. Urbano e colleghi (2025), in un'analisi pubblicata sul Journal of Cleaner Production, hanno riscontrato che le classifiche del 2024 hanno visto 1.963 istituzioni partecipanti — un aumento del 23 percento rispetto all'anno precedente — dimostrando un crescente impegno istituzionale nel reporting sulla sostenibilità. Tuttavia, la metodologia delle classifiche non include metriche specifiche per le emissioni dell'infrastruttura digitale, creando un punto cieco significativo in un quadro di valutazione altrimenti completo.
4. L'approccio cinese: educazione alla civiltà ecologica
4.1 La civiltà ecologica come quadro educativo
L'approccio cinese all'educazione ambientale non è inquadrato attraverso la „sostenibilità" nel senso occidentale, ma attraverso il concetto di „civiltà ecologica" (生态文明, shengtai wenming) — un quadro complessivo che integra la protezione ambientale con lo sviluppo economico, la governance sociale e l'identità civilizzazionale. Wang e colleghi (2025), in un capitolo dello Springer Handbook of Ecological Civilization, tracciano l'evoluzione dell'educazione alla civiltà ecologica come progetto chiave per lo sviluppo sostenibile della Cina, notando la sua integrazione nella politica educativa a tutti i livelli.
L'educazione alla civiltà ecologica differisce dall'educazione alla sostenibilità europea per diversi importanti aspetti. In primo luogo, è esplicitamente politica: il concetto è stato iscritto nella costituzione del Partito Comunista Cinese nel 2012 e incorporato nella costituzione nazionale nel 2018, conferendogli uno status giuridico che i quadri europei sulla sostenibilità non possiedono. In secondo luogo, è complessiva nella sua portata: la civiltà ecologica comprende non soltanto la protezione ambientale ma una trasformazione del rapporto tra la civiltà umana e il mondo naturale. In terzo luogo, è guidata dallo Stato piuttosto che orientata al cittadino: mentre il GreenComp responsabilizza i singoli cittadini nelle scelte sostenibili, l'educazione alla civiltà ecologica posiziona gli individui all'interno di un progetto collettivo di trasformazione nazionale.
Zhou (2024), in uno studio pubblicato su Social Inclusion, esamina la transizione dall'Educazione per lo sviluppo sostenibile (ESD) alla civiltà ecologica in Cina attraverso un quadro di giustizia climatica. L'analisi rileva che la civiltà ecologica è fortemente politicizzata, limitata principalmente alla sostenibilità ambientale (trascurando le dimensioni sociali ed economiche) e che i portatori di interesse dell'istruzione sono sottorappresentati nei processi decisionali. Questi risultati suggeriscono che, sebbene il quadro sia ambizioso nella sua portata, la sua implementazione dall'alto verso il basso può limitare la sua capacità di promuovere il tipo di coinvolgimento ambientale critico e partecipativo che il quadro GreenComp prevede.
Tian e colleghi (2024), in una revisione bibliometrica pubblicata su Humanities and Social Sciences Communications che analizza 25 anni di ricerca cinese sull'ESD attraverso il topic modelling LDA e l'analisi delle reti sociali, identificano un pattern di pubblicazione „in ascesa-in declino" con ampio spazio per l'espansione. Il passaggio da obiettivi di sostenibilità allineati a livello internazionale a un quadro localizzato e politicizzato sotto il concetto di civiltà ecologica di Xi Jinping è identificato come una caratteristica distintiva dell'ESD cinese — una traiettoria che ha sia punti di forza (impegno politico, sostegno istituzionale) che limiti (ridotto coinvolgimento critico, limitata comparabilità internazionale).
4.2 Gli obiettivi cinesi della doppia neutralità carbonica e l'istruzione superiore
Una caratteristica distintiva dell'approccio cinese è l'integrazione diretta degli obiettivi climatici nazionali nella politica dell'istruzione superiore. Nel 2022, il Ministero dell'Istruzione ha emanato un „Programma di lavoro per la costruzione di un sistema rafforzato di formazione del talento nell'istruzione superiore per il picco e la neutralità carbonica" (加强碳达峰碳中和高等教育人才培养体系建设工作方案), che impone alle università di istituire nuove facoltà, corsi e programmi professionali allineati con gli obiettivi cinesi della doppia neutralità carbonica di raggiungere il picco delle emissioni entro il 2030 e la neutralità carbonica entro il 2060. Al 2022, 21 programmi di laurea triennale erano direttamente correlati agli impegni per la doppia neutralità carbonica, coprendo nuove energie, reti intelligenti, stoccaggio del carbonio, energia a idrogeno e big data per le risorse ambientali (Ministero dell'Istruzione 2022).
Questa politica rappresenta un intervento più diretto nella progettazione curricolare rispetto a qualsiasi tentativo compiuto nell'UE, dove l'educazione alla sostenibilità resta in gran parte volontaria e guidata dalle istituzioni. Il mandato per l'educazione alla doppia neutralità carbonica riflette la più ampia filosofia di governance della Cina: quando lo Stato identifica una priorità strategica, ci si aspetta che le università allineino i loro programmi di conseguenza. Se questo approccio dall'alto verso il basso produca un coinvolgimento ambientale più profondo rispetto al quadro europeo di sviluppo delle competenze dal basso verso l'alto resta una questione empirica aperta.
Wang e colleghi (2023), in uno studio pubblicato sul Journal of Cleaner Production, hanno sviluppato una nuova metodologia ibrida LEAP-LCA per valutare l'impronta di carbonio di un campus universitario cinese di medie dimensioni. Hanno riscontrato che il consumo di elettricità causava il 77 percento delle emissioni totali di carbonio del campus e che le misure proposte di riduzione del carbonio — fotovoltaico, miglioramenti dell'efficienza energetica, elettrificazione — potrebbero ridurre le emissioni del 97 percento entro il 2060, con la sola decarbonizzazione dell'elettricità che contribuisce per il 64,7 percento della riduzione. Questi risultati suggeriscono che le università cinesi hanno un potenziale significativo di riduzione del carbonio, ma che realizzare questo potenziale richiede investimenti infrastrutturali e impegno istituzionale che non possono essere raggiunti attraverso la sola riforma curricolare.
4.3 Iniziative per campus verdi
L'approccio cinese all'educazione digitale verde incarna una tensione distintiva. Da un lato, il governo sta perseguendo la più grande espansione al mondo di infrastrutture educative digitali — la Piattaforma nazionale per l'istruzione intelligente al servizio di 293 milioni di studenti, la connettività a banda larga quasi universale nelle scuole, l'educazione obbligatoria all'IA da settembre 2025. Dall'altro, sta simultaneamente promuovendo l'educazione alla civiltà ecologica e le iniziative per campus verdi.
Yuan e colleghi (2024), in uno studio pubblicato sull'International Journal of Chinese Education, esaminano il Programma per le scuole verdi di Pechino attraverso uno studio di 98 scuole primarie e secondarie, documentando il ruolo del programma come strumento di ESD per il raggiungimento degli SDG. Zou e colleghi (2024), scrivendo sul Journal of Cleaner Production, propongono un quadro a quattro dimensioni — educazione verde, ricerca verde, campus verde e vita verde — per la digitalizzazione delle iniziative universitarie verdi, sostenendo che le tecnologie digitali possono facilitare il coinvolgimento della comunità, supportare l'innovazione verde, ridurre le impronte di carbonio dei campus e coltivare la consapevolezza della sostenibilità.
Queste iniziative sono reali e preziose, ma non affrontano direttamente il costo ambientale dell'infrastruttura digitale stessa. La tensione tra espansione digitale e sostenibilità ambientale è riconosciuta nel discorso politico cinese ma non ancora risolta nella pratica. Oltre 200 università cinesi hanno implementato sistemi di gestione dell'energia del campus, riflettendo una crescente consapevolezza istituzionale del consumo energetico — ma questi sistemi tipicamente non includono l'energia consumata dalle piattaforme educative basate sul cloud, che è generata in data center che possono trovarsi a migliaia di chilometri dal campus.
5. Il paradosso energetico dell'IA
La tensione più acuta nell'educazione digitale verde è ciò che definiamo il „paradosso energetico dell'IA". L'intelligenza artificiale è simultaneamente la componente più energivora dell'istruzione digitale e la tecnologia più frequentemente invocata come soluzione alle sfide ambientali. I sistemi di IA promettono di ottimizzare il consumo energetico, modellare il cambiamento climatico, personalizzare l'educazione alla sostenibilità e identificare pattern nei dati ambientali che l'analisi umana non può rilevare. Eppure l'energia necessaria per addestrare e far funzionare questi sistemi sta crescendo a un ritmo che minaccia di sopraffare i guadagni di efficienza che producono.
Questo paradosso si manifesta in una forma riconosciuta in economia come „effetto rimbalzo" o Paradosso di Jevons: i miglioramenti nell'efficienza portano a un aumento dei consumi piuttosto che a una riduzione dell'uso delle risorse. Uno studio del 2025 su Frontiers in Energy Research esamina sistematicamente 150 articoli sull'effetto rimbalzo nello sviluppo sostenibile guidato dall'IA, riscontrando che l'efficienza guidata dall'IA riduce l'energia per unità di output ma spesso porta a un consumo complessivo più elevato, potenzialmente annullando i benefici ambientali.
Per le università, il paradosso è immediato. L'implementazione di un sistema di apprendimento adattivo basato sull'IA può migliorare i risultati educativi (come documentato nei capitoli complementari sull'IA nell'apprendimento linguistico e l'università del futuro), ma aumenta anche il consumo energetico digitale dell'università. I quadri di sostenibilità della Commissione Europea e l'educazione alla civiltà ecologica della Cina mancano entrambi di meccanismi per soppesare questi compromessi: i costi ambientali della tecnologia educativa semplicemente non fanno parte del calcolo.
Selwyn (2021), in quello che resta il trattamento accademico più diretto di questa questione, propone un approccio „Ed-Tech Within Limits" che richiede cambiamenti fondamentali nel modo di pensare la tecnologia educativa. Piuttosto che chiedersi come la tecnologia possa migliorare l'istruzione, Selwyn sostiene, dovremmo chiederci quale livello di tecnologia sia compatibile con la sostenibilità ambientale — e accettare che la risposta possa comportare meno, piuttosto che più, infrastruttura digitale.
5.1 L'IA verde come risposta parziale
Il campo emergente dell'„IA verde" offre approcci tecnici per ridurre il costo ambientale dell'intelligenza artificiale, sebbene non possa eliminare completamente il paradosso. Tabbakh e colleghi (2024), in un quadro completo pubblicato su Discover Sustainability, esaminano tecniche tra cui il pruning del modello, la quantizzazione e la distillazione della conoscenza che possono ridurre sostanzialmente il consumo energetico dell'inferenza dell'IA — il costo operativo continuo dell'esecuzione di modelli addestrati. Esaminano inoltre strumenti come CodeCarbon e Carbontracker che consentono ai ricercatori di misurare e riportare l'impronta di carbonio dei loro esperimenti di IA.
Paula e colleghi (2025), in un'analisi comparativa pubblicata su Scientific Reports, dimostrano che l'applicazione di tecniche di compressione del modello a modelli basati su transformer può raggiungere una riduzione del 32 percento nel consumo energetico per modelli come BERT. I modelli compressi di grandi dimensioni possono eguagliare o avvicinarsi all'efficienza di modelli piccoli costruiti su misura, suggerendo che le applicazioni educative dell'IA non devono necessariamente fare affidamento sulle architetture più dispendiose in termini di risorse. Per le università che implementano sistemi di tutoraggio IA o strumenti di valutazione automatizzata, questi risultati indicano che la scelta di architetture di modello efficienti — o l'insistenza che i fornitori dimostrino l'efficienza energetica dei loro prodotti — potrebbe ridurre significativamente l'impronta ambientale dell'istruzione basata sull'IA.
Tuttavia, le tecniche di IA verde affrontano solo l'efficienza dei singoli sistemi, non la crescita aggregata nell'implementazione dell'IA. Se ogni applicazione IA diventa il 32 percento più efficiente ma il numero di applicazioni IA raddoppia, il consumo energetico totale aumenta comunque — un'illustrazione da manuale del Paradosso di Jevons. Le soluzioni tecniche dell'IA verde sono necessarie ma non sufficienti; devono essere combinate con la disciplina istituzionale della sobrietà digitale.
6. Analisi comparativa
Gli approcci dell'UE e della Cina all'educazione digitale verde riflettono le loro più ampie filosofie di governance e rivelano punti di forza e debolezze complementari che meritano un confronto sistematico.
6.1 Governance e implementazione
L'approccio basato sui quadri di riferimento dell'UE — GreenComp, DigComp 2.2, il Green Deal, il progetto GreenSCENT, la Tabella di marcia del Green Deal dell'EUA — fornisce chiarezza concettuale e responsabilizzazione dei cittadini ma fatica con l'implementazione. La sobrietà digitale è riconosciuta come concetto ma non è ancora integrata nella pratica educativa su larga scala. I costi ambientali delle piattaforme EdTech sono riconosciuti nella letteratura accademica ma non nei quadri politici o nelle decisioni di approvvigionamento. L'approccio dell'UE è dal basso verso l'alto: responsabilizza le istituzioni e gli individui a fare scelte sostenibili ma non può obbligarli a farlo.
L'approccio guidato dallo Stato della Cina raggiunge un rapido dispiegamento sia delle infrastrutture digitali che dell'educazione alla civiltà ecologica, ma i due filoni operano in gran parte in parallelo. La Piattaforma nazionale per l'istruzione intelligente e il Programma per le scuole verdi coesistono senza un quadro per affrontare le loro potenziali contraddizioni. Il programma di lavoro 2022 del Ministero dell'Istruzione sulla doppia neutralità carbonica dimostra la capacità di riforma curricolare rapida e a livello di sistema — 21 nuovi programmi di laurea creati in un singolo ciclo politico — ma si concentra sulla formazione degli studenti per l'economia verde, non sulla riduzione dell'impronta ambientale del sistema educativo stesso. L'enfasi sulla civiltà ecologica come visione del mondo complessiva fornisce una risorsa filosofica che i quadri europei non possiedono — il linguaggio della trasformazione civilizzazionale — ma la sua implementazione dall'alto verso il basso limita l'innovazione dal basso e il coinvolgimento critico.
6.2 Il paradosso della sostenibilità
Uno studio del 2026 su Humanities and Social Sciences Communications identifica un „paradosso della sostenibilità" nell'istruzione digitale: dal punto di vista ambientale, l'istruzione digitale può ridurre gli impatti dei trasporti e dei materiali ma aumenta la domanda energetica; dal punto di vista sociale, può ampliare l'accesso ma approfondire le disuguaglianze. Questo paradosso bidimensionale è presente sia nei contesti europei che in quelli cinesi, sebbene si manifesti diversamente in ciascuno.
Nell'UE, il paradosso si manifesta principalmente come una tensione tra aspirazioni verdi e realtà di mercato. Le università europee adottano sempre più strategie di sostenibilità, ma le loro decisioni di approvvigionamento EdTech sono guidate dalla funzionalità e dal costo piuttosto che dall'impatto ambientale. L'indagine dell'EUA ha riscontrato un ampio impegno per la sostenibilità in linea di principio, ma meccanismi specifici per ridurre le impronte ambientali digitali — criteri di approvvigionamento energeticamente efficienti, bilanci di carbonio per i servizi cloud, politiche istituzionali sull'implementazione dell'IA — restano rari.
In Cina, il paradosso si manifesta come una tensione tra gli impegni simultanei dello Stato per l'espansione digitale e la civiltà ecologica. L'ambizione di costruire il sistema educativo più avanzato digitalmente al mondo è in tensione diretta con l'ambizione di raggiungere la neutralità carbonica entro il 2060. Il risultato di Wang e colleghi (2023) secondo cui l'elettricità rappresenta il 77 percento delle emissioni di carbonio dei campus sottolinea la portata di questa sfida: con l'espansione dell'infrastruttura digitale, cresce anche la domanda di elettricità che guida le emissioni dei campus.
6.3 Traiettorie di ricerca
I panorami di ricerca in entrambe le regioni riflettono queste differenze di governance. L'analisi bibliometrica della ricerca cinese sull'ESD di Tian e colleghi (2024) rivela un campo sempre più plasmato da quadri politici nazionali piuttosto che dal discorso internazionale sulla sostenibilità. La ricerca europea, al contrario, resta più connessa a livello internazionale ma meno integrata politicamente — producendo analisi sofisticate che possono non tradursi in cambiamento politico. Nessuna delle due tradizioni di ricerca ha ancora prodotto un quadro completo per integrare la sobrietà digitale con obiettivi di sostenibilità più ampi nell'istruzione superiore.
7. Raccomandazioni
Sulla base della nostra analisi comparativa, proponiamo sette raccomandazioni per le università che cercano di integrare la sostenibilità ambientale nelle loro strategie di istruzione digitale.
In primo luogo, includere l'infrastruttura digitale nella contabilità istituzionale del carbonio. Il costo ambientale del cloud computing, dei servizi IA e degli abbonamenti alle piattaforme dovrebbe essere calcolato e riportato accanto alle metriche tradizionali di consumo energetico. Le classifiche THE Impact Rankings e quadri di valutazione simili dovrebbero sviluppare indicatori specifici per le emissioni dell'infrastruttura digitale. Il risultato di Urbano e colleghi (2025) secondo cui 1.963 istituzioni ora partecipano alle classifiche d'impatto dimostra la disponibilità istituzionale a confrontarsi con le metriche di sostenibilità — ma le metriche stesse devono essere ampliate per includere la dimensione digitale.
In secondo luogo, adottare la sobrietà digitale come principio di progettazione per la tecnologia educativa. Le decisioni di approvvigionamento dovrebbero includere valutazioni dell'impatto ambientale accanto alla funzionalità e al costo. Il consumo digitale non necessario — politiche obbligatorie di videocamera accesa durante le lezioni, allocazione eccessiva di spazio di archiviazione cloud, abbonamenti ridondanti a piattaforme e l'implementazione routinaria di strumenti IA per compiti che non li richiedono — dovrebbe essere identificato e ridotto. La raccomandazione originale di The Shift Project di „acquistare le apparecchiature meno potenti possibili e cambiare i dispositivi il meno frequentemente possibile" si applica direttamente all'approvvigionamento di tecnologia educativa.
In terzo luogo, integrare la consapevolezza ambientale nell'educazione all'alfabetizzazione digitale. I costi ambientali delle attività digitali dovrebbero far parte del curricolo delle competenze digitali, non un modulo di sostenibilità separato. Il risultato di Calis e colleghi (2025) secondo cui gli insegnanti in formazione hanno solo una consapevolezza moderata delle impronte di carbonio digitali suggerisce che i programmi di formazione degli insegnanti devono urgentemente incorporare questa dimensione. Gli studenti che apprendono l'IA dovrebbero anche apprendere il consumo energetico e idrico dell'IA; gli studenti che utilizzano piattaforme di apprendimento basate sul cloud dovrebbero comprendere l'infrastruttura che le rende possibili.
In quarto luogo, sviluppare metriche istituzionali per il paradosso energetico dell'IA. Le università che implementano l'IA nell'istruzione dovrebbero essere tenute a dimostrare che i benefici educativi giustificano i costi ambientali — o quantomeno che i costi ambientali sono stati calcolati e minimizzati. Le tecniche di IA verde come la compressione del modello (Paula et al. 2025) e le architetture efficienti (Tabbakh et al. 2024) dovrebbero essere criteri nelle decisioni di approvvigionamento dell'IA, non considerazioni secondarie.
In quinto luogo, affrontare i rifiuti elettronici attraverso la gestione istituzionale del ciclo di vita. La crescente intensità hardware dell'istruzione digitale genera rifiuti elettronici che sono tipicamente invisibili nelle valutazioni di sostenibilità. La dimostrazione di Valai Ganesh e colleghi (2025) che il riciclaggio in loco può raggiungere tassi di recupero dei materiali del 90 percento suggerisce che le università potrebbero ridurre significativamente la loro impronta di rifiuti elettronici con investimenti istituzionali relativamente modesti. Estendere i cicli di vita dei dispositivi attraverso programmi di riparazione e scegliere hardware durevole e aggiornabile ridurrebbe ulteriormente l'impatto ambientale.
In sesto luogo, supportare la ricerca sulla tecnologia educativa sostenibile. La comunità accademica dovrebbe investire nella ricerca su tecnologie di apprendimento a basso consumo energetico, architetture IA efficienti per applicazioni educative e approcci pedagogici che raggiungano risultati equivalenti con meno infrastruttura digitale. La metodologia LEAP-LCA di Wang e colleghi (2023) per la valutazione del carbonio dei campus potrebbe essere adattata per includere le emissioni dell'infrastruttura digitale, fornendo alle università uno strumento completo per la contabilità ambientale.
In settimo luogo, creare un dialogo UE-Cina sull'educazione digitale verde. I quadri concettuali dell'UE (GreenComp, sobrietà digitale) e la capacità di implementazione della Cina (mandati per la doppia neutralità carbonica, rapida riforma curricolare) sono punti di forza complementari. Un dialogo strutturato — potenzialmente nell'ambito del Jean Monnet Centre of Excellence — potrebbe accelerare lo sviluppo di approcci pratici alle sfide ambientali che entrambi i sistemi affrontano. L'esperienza cinese con la riforma curricolare obbligatoria per gli obiettivi della doppia neutralità carbonica potrebbe informare gli sforzi europei per scalare l'educazione alla sostenibilità, mentre il quadro dell'UE sulla sobrietà digitale potrebbe aiutare la Cina ad affrontare i costi ambientali della sua espansione dell'istruzione digitale.
8. Conclusione
La trasformazione digitale dell'istruzione superiore non è ambientalmente neutrale. I data center consumano 415 TWh di elettricità all'anno, in crescita. L'addestramento dell'IA genera centinaia di tonnellate metriche di CO2 e fa evaporare centinaia di migliaia di litri di acqua dolce. Il consumo di contenuti digitali rappresenta il 3–4 percento delle emissioni pro capite. I rifiuti elettronici della tecnologia educativa sono previsti crescere del 50 percento nel prossimo decennio. Questi fatti non sono argomenti contro l'istruzione digitale — i benefici documentati in questa antologia sono reali e significativi. Ma sono argomenti a favore dell'onestà ambientale: per riconoscere i costi accanto ai benefici, e per progettare sistemi di tecnologia educativa che minimizzino il danno ambientale piuttosto che ignorarlo.
L'UE e la Cina portano risorse diverse a questa sfida. L'UE ha sviluppato quadri concettuali sofisticati — GreenComp, DigComp 2.2, sobrietà digitale — che forniscono un linguaggio per discutere i costi ambientali dell'istruzione digitale, e la sua integrazione del Green Deal nell'istruzione attraverso progetti come GreenSCENT rappresenta un passo genuino, sebbene ancora modesto, verso la pratica. La Cina ha dimostrato la capacità di riforma curricolare rapida e a livello di sistema attraverso il suo mandato per l'educazione alla doppia neutralità carbonica e ha incorporato la civiltà ecologica nei suoi quadri costituzionali ed educativi — fornendo una profondità di impegno politico che gli approcci volontari europei non possono eguagliare.
Eppure nessuno dei due sistemi ha sviluppato una risposta adeguata al paradosso energetico dell'IA — la realtà scomoda che le tecnologie educative più potenti sono anche le più costose dal punto di vista ambientale. Le tecniche di IA verde offrono una mitigazione parziale, ma il Paradosso di Jevons suggerisce che i guadagni di efficienza saranno consumati dalla domanda crescente a meno che la disciplina istituzionale non ne limiti l'implementazione. Gli insegnanti in formazione intervistati da Calis e colleghi (2025) — gli educatori di domani — hanno solo una consapevolezza moderata delle impronte di carbonio digitali, suggerendo che il problema persisterà senza un intervento curricolare deliberato.
Sviluppare una risposta adeguata a queste sfide è tra i compiti più importanti che attendono l'istruzione superiore nel prossimo decennio. Richiede non meno tecnologia ma tecnologia più intelligente — e la volontà istituzionale di chiedersi, prima di ogni implementazione digitale, se il beneficio educativo giustifichi il costo ambientale. Il confronto UE-Cina suggerisce che la risposta richiederà sia sofisticazione concettuale sia capacità di implementazione — i punti di forza che ciascun sistema può contribuire a una sfida globale condivisa.
Ringraziamenti
Questa ricerca è stata condotta nell'ambito del Jean Monnet Centre of Excellence „EUSC-DEC" (Sovvenzione UE 101126782, 2023–2026). L'autore ringrazia i membri dei Gruppi di Ricerca 1 e 5 per i loro contributi all'analisi comparativa delle politiche di sostenibilità e istruzione digitale.
Riferimenti bibliografici
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 what this could mean for artificial intelligence. 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. Available at: https://www.iea.org/reports/energy-and-ai
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… A closer look at big tech's 2025 sustainability reports. Internet Policy Review, https-policyreview.
Li, P., Yang, J., Islam, M. A. & Ren, S. (2023). Making AI Less „Thirsty": Uncovering and Addressing the Secret Water Footprint of AI Models. 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 People's Republic of China. (2022). Work Program for Building a Strong Carbon Peak Carbon Neutral Higher Education Talent Training System [加强碳达峰碳中和高等教育人才培养体系建设工作方案]. Beijing: Ministry of Education.
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., Soni, J., Upadhyay, H. & Lagos, L. (2025). Comparative analysis of model compression techniques for achieving carbon efficient AI. Scientific Reports, 15, Article 23461. DOI: 10.1038/s41598-025-07821-w
Selwyn, N. (2021). Ed-Tech Within Limits: Anticipating educational technology in times of environmental crisis. 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. Proceedings of the 57th Annual Meeting of the ACL, pp. 3645–3650. DOI: 10.18653/v1/P19-1355
Tabbakh, A., Al Amin, L., Islam, M., Mahmud, G. M. I., Chowdhury, I. K. & Mukta, M. S. H. (2024). Towards sustainable AI: A comprehensive framework for Green 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 institutions: case study of Ho Chi Minh City University of Technology. International Journal of Environmental Science and Technology, 22, 6423–6434. DOI: 10.1007/s13762-024-06012-w
Tian, W., Ge, J., Zheng, X., Zhao, Y., Deng, T. & Yan, H. (2024). Understanding the landscape of education for sustainable development in China: A bibliometric review and trend analysis of multicluster topics (1998–2023). Humanities and Social Sciences Communications, 11, Article 1213. DOI: 10.1057/s41599-024-03713-y
The Shift Project. (2019). Lean ICT: Towards Digital Sobriety. Paris: The Shift Project.
UNESCO. (2024). UNESCO Prize for ICT in education steers digital learning for greening.
Urbano, V. M., Arena, M., Azzone, G. & Mayeres, M. (2025). Sustainable development in higher education: An in-depth analysis of Times Higher Education Impact Rankings. Journal of Cleaner Production, 501, 145302. DOI: 10.1016/j.jclepro.2025.145302
Valai Ganesh, S., Suresh, V., Rajakarunakaran, S. et al. (2025). Sustainable electronic waste management framework for academic institutions in India. Scientific Reports, 15, Article 40550. DOI: 10.1038/s41598-025-24278-z
Vuorikari, R., Kluzer, S. & Punie, Y. (2022). DigComp 2.2: The Digital Competence Framework for Citizens. EUR 31006 EN, Publications Office of the European Union. DOI: 10.2760/115376
Wang, C., Parvez, A. M., Mou, J., Quan, C., Wang, J., Zheng, Y., Luo, X. & Wu, T. (2023). The status and improvement opportunities towards carbon neutrality of a university campus in China. Journal of Cleaner Production, 414, 137521. DOI: 10.1016/j.jclepro.2023.137521
Wang, Y., Chen, X., Liu, F. & Gong, Q. (2025). Ecological Civilization Education in China. In: Peters, M. A. et al. (Eds.), 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 and the Extended Carbon Relations of Higher Education Institutions. In: Critical EdTech Studies. Springer. DOI: 10.1007/978-3-031-88173-2_9
Xiao, T. et al. (2025). Environmental impact and net-zero pathways for sustainable artificial intelligence servers in the USA. Nature Sustainability, 8(12), 1541–1553. DOI: 10.1038/s41893-025-01681-y
Yuan, X. et al. (2024). Promoting education for sustainable development through the green school program. International Journal of Chinese Education, 13(2). DOI: 10.1177/2212585X241259192
Zhou, R. K. (2024). From Education for a Sustainable Development to Ecological Civilization in China: A Just Transition? Social Inclusion, 12, Article 7421. DOI: 10.17645/si.7421
Zou, Y., Zhong, N., Chen, Z. & Zhao, W. (2024). Bridging digitalization and sustainability in universities: A Chinese green university initiative in the digital era. Journal of Cleaner Production, 467, 142924. DOI: 10.1016/j.jclepro.2024.142924
Indice
A
integrità accademica 7, 14, 15, 71, 173, 175
paradosso energetico dell'IA 183, 184, 193, 197, 199
etica dell'IA 6, 37, 69, 75, 87, 144, 160, 166
IA nell'istruzione 7, 10, 14, 18, 39, 48, 58, 59, 75, 78, 79, 98, 174, 182, 197
IA nell'istruzione superiore 18, 19, 20, 77, 165, 181, 182
IA e mercato del lavoro 115
alfabetizzazione in materia di IA 6, 7, 9, 11, 17, 18, 37, 65, 69, 70, 76, 123, 124, 143, 147, 148, 149, 151, 152, 153, 157, 158, 159, 160, 161, 162, 176, 178, 180
apprendimento linguistico assistito dall'IA 59, 75, 78, 79, 84, 90, 170
istruzione alternativa 115, 125, 129
B
Effetto Bruxelles 7, 16, 17, 19, 20, 44, 56
C
impronta di carbonio 184, 186, 189, 191, 192, 194, 197, 199, 200
ChatGPT 36, 58, 61, 64, 66, 67, 70, 71, 76, 77, 79, 80, 81, 99, 100, 106, 108, 112, 172, 173, 176
Cina 1, 2, 3, 4, 6, 7, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 38, 39, 42, 43, 44, 46, 48, 49, 50, 53, 54, 55, 56, 59, 61, 65, 70, 71, 74, 75, 76, 78, 79, 81, 104, 114, 115, 116, 117, 118, 119, 120, 121, 122, 124, 125, 127, 128, 129, 130, 133, 134, 135, 136, 138, 139, 140, 141, 143, 144, 145, 146, 147, 148, 149, 150, 151, 153, 154, 155, 156, 158, 159, 160, 161, 162, 163, 165, 166, 167, 168, 169, 171, 172, 173, 175, 176, 177, 178, 179, 180, 181, 182, 183, 185, 190, 191, 192, 193, 195, 196, 198, 199, 200, 201, 202