Evaluating the environmental impact of digitally enhanced education: a comparative life cycle assessment of educational scenarios in an italian university

Over the past few years the education sector has undergone a significant transformation, with the increasing adoption of alternative modes to traditional face-to-face teaching, such as online and hybrid learning. This transformation has been accelerated by the COVID-19 pandemic, which forced institutions around the world to implement distance learning methods and redefine traditional educational practices. In parallel, sustainability has become an increasingly relevant issue, including for educational institutions, which aim to align with the UN Sustainable Development Goals, such as Goal 7 (Clean and Affordable Energy) and Goal 13 (Climate Action). Although the literature on education and sustainability is growing, to date there are still few analyses that focus on the specific environmental impact of different teaching modes and their contribution to total emissions. This research thus contributes to fill this gap by offering a systematic assessment of the different teaching modes by providing a more comprehensive and replicable picture of their impact. This study, in fact, explores the environmental impact of different teaching modes using Life Cycle Assessment (LCA) applied to empirical data from the management engineering department of Politecnico di Milano. The analysis is developed as a cradle-to-gate model, i.e. from the production phase to the use phase, using primary data for foreground systems and secondary data for background systems. The results reveal that full-presence teaching generates an average of 17 kg of CO₂ per student per 10 lecture hours and the corresponding 15 hours of self-study, mainly due to transport, which accounts for 85.2% of the total impact. On the other hand, online models reduce total emissions, which results in being equal to 5.87 kg of CO2eq, but register a less efficient use of energy in the home context and a corresponding 77% increase in energy use compared to a presential system. Finally, a hybrid system with 75% of the lessons attended in person and the remaining 25% attended remotely via streaming or recording produces 14.3 kg of CO2eq. A further contribution is given by the sensitivity analysis with respect to transport and to the evaluation of the impact of generative AI, the contribution of which was found to be 0.4 kg of CO2eq per 125 queries, practically twice as much as 10 hours of live streaming. Based on these findings, the study proposes strategies to improve sustainability in education, including strategies for transport efficiency or reduction, strategies for promoting increased energy efficiency in domestic systems, and strategies for disseminating sustainable management of electronic devices.

Negli ultimi anni il settore dell'istruzione ha subito una trasformazione significativa, con la crescente adozione di modalità alternative all'insegnamento tradizionale faccia a faccia, come l'apprendimento online e ibrido. Questa trasformazione è stata accelerata dalla pandemia di COVID-19, che ha costretto le istituzioni di tutto il mondo a implementare metodi di apprendimento a distanza e a ridefinire le pratiche educative tradizionali. Parallelamente, la sostenibilità è diventata un tema sempre più rilevante, anche per le istituzioni educative, che mirano ad allinearsi agli Obiettivi di sviluppo sostenibile delle Nazioni Unite, come l'Obiettivo 7 (Energia pulita e accessibile) e l'Obiettivo 13 (Azione per il clima). Sebbene la letteratura su istruzione e sostenibilità sia in crescita, ad oggi sono ancora poche le analisi che si concentrano sull'impatto ambientale specifico delle diverse modalità di insegnamento e sul loro contributo alle emissioni totali. Questa ricerca contribuisce quindi a colmare questa lacuna offrendo una valutazione sistematica delle diverse modalità di insegnamento, fornendo un quadro più completo e replicabile del loro impatto. Questo studio esplora infatti l'impatto ambientale di diverse modalità di insegnamento utilizzando il Life Cycle Assessment (LCA) applicato ai dati empirici del dipartimento di ingegneria gestionale del Politecnico di Milano. L'analisi si sviluppa come un modello cradle-to-gate, ovvero dalla fase di produzione alla fase di utilizzo, utilizzando dati primari per i sistemi di foreground e dati secondari per i sistemi di background. I risultati rivelano che l'insegnamento in presenza genera in media 17 kg di CO2eq per studente per 10 ore di lezione e le corrispondenti 15 ore di studio autonomo, soprattutto a causa dei trasporti, che rappresentano l'85,2% dell'impatto totale. D'altra parte, i modelli online riducono le emissioni totali, che risultano pari a 5,87 kg di CO2eq, ma registrano un uso meno efficiente dell'energia nel contesto domestico e un corrispondente aumento del 77% del consumo energetico rispetto a un sistema in presenza. Infine, un sistema ibrido che prevede il 75% di lezioni in presenza e il restante 25% a distanza tramite streaming o registrazione produce 14,3 kg di CO2eq. Un ulteriore contributo è dato dall'analisi di sensibilità rispetto ai trasporti e dalla valutazione dell'impatto dell'intelligenza artificiale generativa, il cui contributo è risultato pari a 0,4 kg di CO2eq per 125 domande, praticamente il doppio rispetto a 10 ore di streaming in diretta. Sulla base di questi risultati, lo studio propone strategie per migliorare la sostenibilità nell'istruzione, tra cui strategie per l'efficienza o la riduzione dei trasporti, strategie per promuovere una maggiore efficienza energetica nei sistemi domestici e strategie per diffondere una gestione sostenibile dei dispositivi elettronici.