Demanda energética en la educación superior: un análisis integral del consumo de energía en universidades

Tesis Doctoral Programa de Doctorado en Ciencias Económicas, Empresariales y Sociales Universidad de Sevilla Demanda Energética en la Educación Superior: Un Análisis Integral del Consumo de Energía en Universidades Juan Pablo Laporte Ribera Directores: Dr. José Manuel Cansino Muñoz-Repiso Dpto. Análisis Económico y Economía Política. Universidad de Sevilla Dra. Rocío Román Collado Dpto. Análisis Económico y Economía Política. Universidad de Sevilla SEVILLA, 2024 Agradecimientos Deseo expresar el más profundo agradecimiento a mis directores, los Doctores Román y Cansino, por su apoyo, compromiso y orientación durante este proceso, así como por la amabilidad y disposición que siempre demostraron. Su conocimiento y generosidad fueron cruciales para alcanzar este logro académico y profesional; su guía iluminó mi camino, y sin sus consejos acertados, esta tesis no habría sido posible. A mi familia, amigos y colegas, mi más profunda gratitud por su apoyo incondicional y motivación constante en cada etapa de este proceso. En especial, a mi esposa Loreto, cuyo respaldo y consejos fueron un sustento en todo momento; a mis hijos, Juan Pablo, Blanca María y Juan José, por su paciencia y acompañamiento, y a mi madre Pilar por su apoyo constante. Todos ellos constituyeron una fuente invaluable de fortaleza a lo largo de esta gratificante travesía. 1 Tabla de Contenidos RESUMEN .................................................................................................................... 10 CAPÍTULO 1 INTRODUCCIÓN ........................................................................................ 12 1.1 Motivación ............................................................................................................................................... 12 1.2 Objetivos .................................................................................................................................................. 16 1.3 Metodología ............................................................................................................................................. 18 1.4 Estructura ................................................................................................................................................. 22 1.5 Bibliografía ............................................................................................................................................... 24 CAPÍTULO 2 CONSUMO DE ENERGÍA EN INSTITUCIONES DE EDUCACIÓN SUPERIOR: UN ANÁLISIS BIBLIOMÉTRICO CENTRADO EN LAS TENDENCIAS CIENTÍFICAS ...................... 26 Resumen......................................................................................................................................................... 26 2.1 Introducción ............................................................................................................................................. 27 2.2 Método de investigación .......................................................................................................................... 32 2.2.1 Identificar .......................................................................................................................................... 33 2.2.2 Filtrar, verificar la elegibilidad e incluir............................................................................................. 36 2.2.3 Extraer y Reportar ............................................................................................................................. 38 2.3 Resultados ................................................................................................................................................ 38 2.3.1 Fuentes y disciplinas ......................................................................................................................... 38 2.3.2 Países, universidades y autores líderes ............................................................................................. 42 2.3.3 Factores que impulsan el CE en las universidades ............................................................................ 54 2.4 Discusión .................................................................................................................................................. 54 2.4.1 Fuentes y disciplinas ......................................................................................................................... 55 2.4.2 Países, universidades y autores líderes ............................................................................................. 57 2.4.3 Factores que impulsan el CE ............................................................................................................. 59 2.4.3.1 Factores conductuales .................................................................................................... 59 2.4.3.2 Factores institucionales .................................................................................................. 62 2.4.3.3 Clima ............................................................................................................................... 64 2.4.3.4 Factores técnicos ............................................................................................................ 64 2.5 Conclusiones ............................................................................................................................................ 66 2.6 Bibliografía ............................................................................................................................................... 68 Material Suplementario (MS) ......................................................................................................................... 88 MS.2.1 Ejemplos de artículos que investigan el CE en una IES o país específico. ...................................... 89 MS.2.2 Artículos revisados sobre el CE en las universidades ..................................................................... 90 CAPÍTULO 3 LAS FUERZAS CLAVE QUE IMPULSAN EL CONSUMO DE ENERGÍA EN UNA INSTITUCIÓN DE EDUCACIÓN SUPERIOR UTILIZANDO EL ENFOQUE LMDI: EL CASO DE UNIVERSIDAD AUTÓNOMA DE CHILE ........................................................................... 98 2 3.1 Resumen ................................................................................................................................................... 98 3.2 Introducción ........................................................................................................................................... 100 3.3 Metodología ........................................................................................................................................... 104 3.3.1 Descomposición Temporal .............................................................................................................. 108 3.3.2 Análisis de Descomposición Espacio-Temporal ............................................................................... 109 3.4 Datos Fundamentales............................................................................................................................. 112 3.4.1 Ubicación Geográfica y Clima en la UA ........................................................................................... 112 3.4.2 Consumo de Energía en los edificios de la UA ................................................................................. 113 3.4.3 Estudiantes y Superficie Institucional Edificada .............................................................................. 114 3.5 Resultados .............................................................................................................................................. 115 3.5.1 Descomposición Temporal LDMI ..................................................................................................... 115 3.5.2 Descomposición LMDI Espacio-Temporal Multi-Regional (MR-ST) ................................................. 121 3.5.3 Descomposición LMDI Bilateral Regional (B-R) ............................................................................... 126 3.6 Discusión ................................................................................................................................................ 128 3.7 Conclusiones .......................................................................................................................................... 132 3.8 Bibliografía ............................................................................................................................................. 136 Material Suplementario (MS) ....................................................................................................................... 146 MS.3.1 Ecuaciones del Análisis de Descomposición Temporal utilizando el método Aditivo LMDI ......... 147 MS.3.2 Ecuaciones del Análisis de Descomposición Espacio-Temporal utilizando el método Aditivo LMDI ................................................................................................................................................................. 147 MS.3.3 Parámetros Principales para cada sede de la Universidad Autónoma de Chile .......................... 148 MS.3.4 Variables utilizadas en la descomposición ................................................................................... 149 MS.3.5 Resultados del Análisis de Descomposición Espacio-Temporal B-R ............................................. 150 CAPÍTULO 4 DINÁMICAS DEL CONSUMO ENERGÉTICO: ANÁLISIS DE DESCOMPOSICIÓN LMDI EN UNIVERSIDADES DEL REINO UNIDO ............................................................. 151 4.1 Resumen ................................................................................................................................................. 151 4.2 Introducción ........................................................................................................................................... 152 4.3 Revisión de la Literatura ......................................................................................................................... 156 4.4 Metodología ........................................................................................................................................... 159 4.4.1 Fuentes ........................................................................................................................................... 159 4.4.2 Método LMDI .................................................................................................................................. 161 4.4.3 Demanda de Energía por Calefacción ............................................................................................. 165 4.5 Resultados .............................................................................................................................................. 168 4.5.1 Descomposición Temporal para las universidades del Reino Unido ............................................... 168 4.5.2 Descomposición Temporal por Nación ........................................................................................... 175 4.5.3 Descomposición Temporal según pertenencia al Russell Group ..................................................... 179 4.6 Discusión ................................................................................................................................................ 182 4.7 Conclusiones .......................................................................................................................................... 190 4.8 Bibliografía ............................................................................................................................................. 193 3 Material suplementario ............................................................................................................................... 206 MS.4.1 Listado de universidades del Reino Unido incluidas en este estudio ........................................... 207 MS.4.2 Información Relevante de las IES del Reino Unido ....................................................................... 208 MS.4.3 Ecuaciones del Análisis de Descomposición Temporal utilizando el método LMDI-Aditivo ......... 210 MS.4.4 Políticas de Calefacción y Enfriamiento de Universidades Británicas. ......................................... 211 MS.4.5 HDD para las ciudades donde se ubican las Universidades analizadas ....................................... 212 MS.4.6 Evolución de las variables fundamentales de las IES incluidas en el estudio agrupado por nación ................................................................................................................................................................. 215 MS.4.7 AEI reportado para otras IES de distintos países según diversos estudios científicos ................. 216 CAPÍTULO 5 CONCLUSIÓN .......................................................................................... 217 5.1 Conclusiones y Recomendaciones. ........................................................................................................ 217 5.2 Limitaciones y líneas futuras de investigación ....................................................................................... 226 Índice de Figuras Figura 1.1 Número de IES a Nivel Mundial. ...................................................................................................... 12 Figura 1.2 Consumo Primario Mundial de Energía (Teravatios-hora). ............................................................. 14 Figura 1.3 Esquema de la Tesis Doctoral. ......................................................................................................... 23 Figura 2.1 Publicaciones y citas seleccionadas sobre el CE en universidades. ................................................. 29 Figura 2.2 Proceso de selección. ...................................................................................................................... 37 Figura 2.3 Categorización de áreas temáticas de los documentos seleccionados. .......................................... 41 Figura 2.4 Diferencia entre la contribución porcentual por país a la producción académica total y a los artículos seleccionados sobre CE en universidades. ........................................................................................ 44 Figura 2.5 Mapa de colaboración internacional de los 174 artículos de Scopus. ............................................. 46 Figura 2.6 Red de Citas. .................................................................................................................................... 51 Figura 2.7 Subred de publicaciones principales. .............................................................................................. 53 Figura 2.8 Comparación del HHI entre fuentes y revistas. ............................................................................... 55 Figura 2.9 Comparación del HHI entre países, organizaciones y autores......................................................... 59 Figura 3.1 Evolución global de la matrícula en educación terciaria: 1979-2019. ........................................... 100 Figura 3.2 Comparación de la GFA (m²) y la TNS a lo largo del tiempo. ......................................................... 115 Figura 3.3 Descomposición de los cambios en el CE total en la UA (MWh) de 2017 a 2022 utilizando el Método LMDI-I Aditivo. Análisis de Descomposición Temporal. ................................................................... 118 Figura 3.4 Descomposición interanual de los cambios en el CE total de la UA entre 2017 y 2022 utilizando el Método LMDI-I Aditivo. Análisis de Descomposición Temporal. ................................................................... 119 Figura 3.5 Cambios en el CE total de la UA (MWh) desglosados por ubicación y factor, desde 2017 hasta 2022, utilizando el Método LMDI-I Aditivo. Análisis de Descomposición Temporal. ..................................... 120 Figura 3.6 Descomposición MR-ST de las variaciones en el CE total en Santiago (MWh) utilizando el Método LMDI-I Aditivo. ................................................................................................................................................ 123 4 Figura 3.7 Descomposición MR-ST de las variaciones en el CE total en Talca (MWh) utilizando el Método LMDI-I Aditivo. ................................................................................................................................................ 124 Figura 3.8 Descomposición MR-ST de las variaciones en el CE total en Temuco (MWh) utilizando el Método LMDI-I Aditivo. ................................................................................................................................................ 125 Figura 3.9 Descomposición MR-ST de las variaciones en el CE total de la UA utilizando el Método LMDI-I Aditivo en MWh. 2017 (Izquierda) y 2022 (Derecha). .................................................................................... 126 Figura 3.10 Descomposición B-R de las diferencias en el CE total entre las sedes de la UA utilizando el Método LMDI-I Aditivo. Año 2017 (izquierda) y 2022 (derecha). .................................................................. 128 Figura 4.1 CE (GWh) no residencial de las IES en el Reino Unido, por nación. ............................................... 154 Figura 4.2 Descomposición temporal LMDI de la variación del CE (GWh) total entre los cursos académicos 2008/09 y 2021/22 para las 105 Instituciones seleccionadas. ....................................................................... 171 Figura 4.3 Descomposición temporal LMDI de la variación del CE (GWh) interanual entre los cursos académicos 2008/09 y 2021/22. Variación con respecto al curso académico anterior. ................................ 175 Figura 4.4 Descomposición temporal LMDI de la variación del CE por nación (GWh) entre los cursos académicos 2008/09 y 2021/22. .................................................................................................................... 176 Figura 4.5 Descomposición temporal LMDI de la variación del total CE (GWh) entre los cursos académicos 2008/09 y 2021/22 agrupadas por tipo de universidades. ............................................................................ 182 Índice de Tablas Tabla 2.1 Combinación de palabras clave utilizadas en cada consulta a las bases de datos de publicaciones científicas. ......................................................................................................................................................... 34 Tabla 2.2 Resultado de las consultas. ............................................................................................................... 35 Tabla 2.3 Conjunto final de documentos seleccionados por base de datos. ................................................... 37 Tabla 2.4 Principales fuentes que publican artículos de CE en la educación superior. .................................... 38 Tabla 2.5 Artículos por país dentro de los trabajos seleccionados. ................................................................. 43 Tabla 2.6 Publicaciones realizadas mediante colaboración internacional. ...................................................... 45 Tabla 2.7 Principales instituciones según afiliación de los autores (3 o más artículos). .................................. 47 Tabla 2.8 Distribución de coautoría entre organizaciones. .............................................................................. 48 Tabla 2.9 Autores con tres o más publicaciones dentro de los 175 artículos seleccionados. .......................... 49 Tabla 2.10 Ranking de las 10 publicaciones seleccionadas más citadas. ......................................................... 49 Tabla 2.11 Top 20 autores según citas recibidas. ............................................................................................. 50 Tabla 2.12 Principales publicaciones según su puntuación de citas. ............................................................... 52 Tabla 2.13 Principales factores de consumo mencionados en los artículos seleccionados. ............................ 54 Tabla MS.2.1.1 Artículos que investigan el CE en una IES o país específico. .................................................... 89 Tabla MS.2.2.1 Artículos revisados sobre el CE en las universidades. ............................................................. 90 Tabla 3.1 Datos Fundamentales de las ciudades donde se ubican las sedes de la UA. .................................. 112 Tabla 3.2 Evolución de los DD totales (CDD+HDD). Unidad: °Celsius. ............................................................ 113 Tabla 3.3 Fuentes de energía utilizadas por los edificios de la UA (MWh)..................................................... 114 Tabla 3.4 CE por Fuente en las sedes de la UA en 2022 (MWh). .................................................................... 114 Tabla 3.5 Resultados de la Descomposición Temporal LMDI (MWh). ............................................................ 116 5 Tabla 3.6 Resultados de la Descomposición LMDI MR-ST (MWh). ................................................................. 121 Tabla MS.3.3.1 Parámetros principales para cada sede. ................................................................................ 148 Tabla MS.3.4.1 Variables usadas en la Descomposición Temporal. ............................................................... 149 Tabla MS.3.4.2 Variables usadas en las descomposiciones MR-ST y B-R. ...................................................... 149 Tabla MS.3.5.1 Resultados de la Descomposición Espacio-Temporal LMDI (MWh). ..................................... 150 Tabla 4.1 Descomposición temporal LMDI por nación de la variación del CE (GWh) para las 105 Instituciones seleccionadas. Variación con respecto al curso académico anterior. ............................................................ 168 Tabla 4.2 Descomposición temporal LMDI de la variación del CE (GWh) por grupos de Universidades. Variación con respecto al curso académico anterior. .................................................................................... 180 Tabla MS.4.1.1 Listado de universidades del Reino Unido incluidas en este estudio. ................................... 207 Tabla MS.4.2.1 CE (GWh) de la IES en el Reino Unido. ................................................................................... 208 Tabla MS.4.2.2 Evolución variables fundamentales de las 105 de la IES incluidas en el estudio. .................. 208 Tabla MS.4.2.3 Evolución variables fundamentales de las IES incluidas en el estudio según su pertenencia al Russell Group. ................................................................................................................................................. 209 Tabla MS.4.4.1 Políticas de Calefacción y Enfriamiento de Universidades Británicas. .................................. 211 Tabla MS.4.5.1 HDD para las ciudades donde se ubican las Universidades analizadas. ................................ 212 Tabla MS.4.5.2 Promedio de HDD para las naciones que componen el Reino Unido. ................................... 214 Tabla MS.4.6.1 Evolución variables fundamentales de las IES incluidas en el estudio agrupado por nación para el análisis temporal. ............................................................................................................................... 215 Tabla MS.4.7.1 Ejemplos de AEI para instituciones en otros países. ............................................................. 216 NOMENCLATURA Capítulo 1: CDD: Días de uso de Refrigeración CE: Consumo de Energía HDD: Días de uso de Calefacción HHI: Índice de Herfindahl-Hirschman IDA: Análisis de Descomposición en Índices IES: Instituciones de Educación Superior GHG: Gases de Efecto Invernadero LMDI: Índice Divisia de Media Logarítmica UA : Universidad Autónoma de Chile 6 Capítulo 2: CE: Consumo de Energía CNE: CiTNetExplorer HHI: Índice de Herfindahl-Hirschman HVAC: Sistemas de Climatización y Ventilación IES: Instituciones de Educación Superior IUE: Intensidad de Uso de Energía MS: Material Suplementario PRISMA: Elementos de Informes Preferidos para Revisiones Sistemáticas y Metanálisis VOS: VOSviewer WOS: Web of Science Capítulo 3: AEI: Intensidad Energética Ajustada B-R: Bilateral-Regional BMS: Sistemas Centralizados de Gestión de Edificios CDD: Días de uso de Refrigeración CE: Consumo de Energía CNA: Comisión Nacional de Acreditación CO2: Dióxido de Carbono DD: Días de Uso de Calefacción o Refrigeración GFA: Superficie Neta Construida GWh: Gigawatios-hora HDD: Días de uso de Calefacción HVAC: Sistemas de Climatización y Ventilación IES: Instituciones de Educación Superior 13 Debido a su rol social previamente mencionado, las universidades son observadas con interés por ciudadanos y responsables políticos, y deben transformarse en actores estratégicos y ejemplares en ámbitos como la sostenibilidad social y ambiental, actuando de manera responsable y promoviendo una educación enfocada en prácticas sostenibles. (Alshuwaikhat y Abubakar, 2008). Siendo estas instituciones consumidoras intensivas de energía (Chaplin et al., 2022), debido a la alta intensidad energética que requieren sus actividades de investigación (Kaplowitz et al., 2012), a la extensión de sus instalaciones (Amber et al., 2020), a la operación de infraestructuras complejas, y a la necesidad de mantener ambientes óptimos para el aprendizaje y la producción académica, enfrentan un desafío clave, complejo y esencial: cumplir su rol social, satisfaciendo los altos estándares exigidos por los ciudadanos y a la vez gestionar eficientemente el consumo de energía (CE) contribuyendo a la mitigación del calentamiento global del planeta. Aunque el impacto directo de las emisiones de Gases de Efecto Invernadero (GHG) del sector universitario en el total global es bajo (Sinha et al., 2010), las IES como referentes para la sociedad y modelos de actuación a seguir, asumen una responsabilidad que se extiende más allá de una simple contribución numérica; desempeñan un papel fundamental en encabezar iniciativas orientadas a potenciar la sostenibilidad ambiental (Montoya y Perea‐Moreno, 2020). El incremento en el uso global de energía (Figura 1.2), que refleja el crecimiento de la prosperidad mundial y la reducción de la pobreza, producto en parte de la mayor educación de los ciudadanos, genera también externalidades ambientales negativas, relacionadas con la conexión significativa entre el CE de origen fósil y el cambio climático. Esta conexión cuenta con un amplio consenso científico, indicando que el consumo energético es un factor determinante en las emisiones totales de GHG (IEA, 2022). Por lo anterior, es fundamental que las IES emprendan proyectos que contribuyan en la lucha contra el calentamiento global, que reduzcan el CE y las emisiones de GHG y minimicen su huella de carbono. 14 Los proyectos o planes de acción deben enfocarse en la descarbonización o en la transición hacia fuentes de energía menos dependientes de combustibles fósiles, adoptando estrategias y operaciones que se sincronicen con un modelo energético más sostenible. Sin perjuicio de lo anterior, y siendo objetivo de la educación superior la formación integral de las personas, es fundamental que las IES integren la sostenibilidad de manera significativa en sus currículos y programas académicos, inculcando en los estudiantes el cuidado del medio ambiente y el bienestar de la sociedad. Figura 1.2 Consumo Primario Mundial de Energía (Teravatios-hora). Fuente: Elaboración propia según datos publicados por Energy Institute (2023). La educación superior está atravesando en el siglo XXI una etapa de transformaciones sin precedentes, marcada por innovaciones tecnológicas que están redefiniendo la forma en la que se presta el servicio educativo. En este mundo crecientemente interconectado, es esencial para las IES adoptar una perspectiva global, trascendiendo el aislamiento para amplificar su impacto y presencia más allá de las fronteras locales, no sólo en temas formativos e investigativos, sino también en aspectos relevantes para el bienestar de la sociedad y la conservación del medio ambiente. Esta nueva realidad demanda que las IES se adapten y evolucionen dentro de un marco 15 internacional competitivo, reconociendo y respondiendo a las implicaciones de sus acciones a escala mundial. Particularmente, algunas de las tendencias que están afectando al sistema de educación superior a nivel mundial son el uso de las tecnologías de información (Vesić et al., 2023); la realidad virtual y la realidad aumentada (Bermejo et al., 2023); la introducción de la inteligencia artificial; la movilidad internacional de estudiantes (Luo et al., 2023); la educación a distancia (Wagner et al., 2021); el envejecimiento de la población en los países desarrollados; mayores exigencias regulatorias; y la disminución de los aportes estatales. Estas nuevas tendencias impactan en todas las facetas de la universidad, desde la enseñanza y el aprendizaje hasta la administración y las operaciones. En el contexto de estos cambios en la educación superior, es primordial resaltar que la sostenibilidad debe ser considerada en sus pilares ambiental, social y económico. Bajo esta perspectiva, el CE emerge como un aspecto fundamental en la gestión de las IES. Una gestión energética eficiente no sólo reduce los costes, sino que también alinea a las universidades con prácticas más sostenibles y responsables, lo que se armoniza con el rol ejemplar que la sociedad les exige. Considerando la importancia que la sostenibilidad ambiental tiene para las IES y los desafíos a los que estas instituciones se enfrentan debido a las tendencias que impactan los sistemas de educación superior, esta tesis doctoral se enfoca en analizar el consumo energético de las universidades, explorando sus dinámicas, implicancias y posibles vías de optimización. En vista de lo anterior, se justifica plenamente realizar la presente tesis doctoral pues proporciona a las universidades herramientas para gestionar eficientemente el CE, en apoyo a su objetivo de sostenibilidad ambiental. La consecución de este objetivo no sólo redundará en que las universidades puedan posicionarse como referentes de comportamiento sustentable, sino que también generará eficiencias en su operación que les permitirá destinar una mayor cantidad de recursos para labores académicas y de investigación. 16 1.2 Objetivos Como se enfatizó previamente, las universidades juegan un papel fundamental en el progreso social y están llamadas a comportarse de forma ejemplar en temas relativos a la sostenibilidad ambiental. No obstante, estas expectativas, el CE en los edificios de las IES no ha sido investigado desde una perspectiva científica con la misma profundidad y análisis detallado del que han sido objeto otro tipo de inmuebles, tales como las construcciones comerciales y residenciales (Birch et al., 2020; Jindal et al., 2018; Lawrence et al., 2019), situación que dificulta que las universidades cumplan con el comportamiento esperado en este ámbito. La investigación acerca del CE en la educación superior se ha limitado fundamentalmente a estudiar IES específicas o conjuntos de universidades ubicadas en regiones particulares, lo que ocasiona una brecha en la literatura, asociada a la escasez de estudios que aborden de manera global el consumo energético en las universidades. La importancia de abordar esta brecha radica en que, en su conjunto, las universidades poseen características únicas que se traducen en patrones de CE distintos a aquellos en edificios comerciales o residenciales (Almeida et al., 2021). Dentro de estas características, destacan los horarios de funcionamiento mayormente diurnos, periodos significativos de inactividad y la variedad de actividades llevadas a cabo en sus inmuebles que van desde tareas académicas hasta investigación intensiva. Las funciones especializadas y la complejidad de los servicios introducen variaciones significativas que ameritan una consideración especial en el análisis de su consumo energético. Dada la necesidad de explorar de manera amplia e integral el CE de las IES, el capítulo 2 de esta tesis doctoral, titulado "Consumo de Energía en Instituciones de Educación Superior: un Análisis Bibliométrico Centrado en las Tendencias Científicas", realiza una revisión bibliográfica estructurada sobre el CE en universidades, apoyada por herramientas informáticas, y corresponde al artículo “Energy Consumption in Higher Education Institutions: A Bibliometric Analysis Focused on Scientific Trends”, publicado en la revista “Buildings”. 17 Considerando las brechas del conocimiento existentes, el capítulo 2 tiene los siguientes tres objetivos: i. Determinar las características clave de los trabajos científicos sobre CE en las universidades. ii. Analizar las tendencias académicas actuales en el tema, identificando a los autores, países y universidades líderes en la producción de conocimiento sobre CE en las IES. iii. Explorar los principales factores que influyen en el CE en las universidades. La determinación de las características esenciales de los estudios científicos sobre el tema y la identificación de los factores que impulsan el CE en las IES, que se analizan en el capítulo 2, motivó la decisión de que el paso siguiente en esta tesis doctoral fuese la aplicación del conocimiento adquirido en un caso práctico sobre IES, lo que se desarrolla en el capítulo 3, contribuyendo así al acervo de conocimiento. Para realizar esta tarea se utilizó una metodología denominada Análisis de Descomposición en Índices (IDA 2 ), eligiéndose particularmente el método del Índice Divisia Medio Logarítmico (LMDI 3 ). Esta elección se basó en la idoneidad del método mencionado para el caso estudiado, y porque pese su amplia aplicación en otro tipo de estudios, no ha sido aplicado al CE en universidades. Lo anterior representó una oportunidad para cubrir una brecha aún no abordada en la literatura científica. En consecuencia, el capítulo 3 titulado “Las fuerzas clave que impulsan el consumo de energía en una Institución de Educación Superior utilizando el enfoque LMDI: El caso de la Universidad Autónoma de Chile”, aplica a esta institución los hallazgos realizados en el capítulo 2 y cierra la brecha en el acervo científico referida en el párrafo precedente. Este tercer capítulo está basado en un artículo homónimo (“Key driving forces of energy consumption in a Higher Education Institution using the LMDI approach: The case of the Universidad Autónoma de Chile”) publicado en la revista ”Applied Energy”. 2 Por sus siglas en inglés, "Index Decomposition Analysis”. 3 Por sus siglas en inglés,” Logaritmic Mean Divisia Index". 18 Los objetivos específicos del capítulo 3 son los siguientes: i. Aplicar el método LMDI, dentro del enfoque IDA, para analizar las variaciones en el CE de los edificios de la Universidad Autónoma de Chile (UA) en el periodo 20172022 y entre los campus situados en diversas zonas geográficas, considerando los principales factores de consumo energético identificados en el estudio presentado en el capítulo 2. ii. Demostrar, a través de un estudio de caso, la practicidad y eficacia del método LMDI para entender las variaciones del CE en las IES, metodología que podrá ser utilizada de manera sencilla por sus gestores. Dada la relevancia de los hallazgos obtenidos en el capítulo 3 y la idoneidad del modelo para representar las variaciones del CE, reflejando aspectos fundamentales de la gestión universitaria, se decidió emplearlo en un contexto más amplio, introduciendo adecuaciones como la incorporación de nuevas variables y una forma particular de representar los efectos climáticos en el caso analizado. En este sentido, se estudia el CE de las IES del Reino Unido, lo que se desarrolla en el cuarto capítulo de esta tesis titulado “Dinámicas del Consumo Energético: Análisis de Descomposición LMDI en Universidades del Reino Unido”. El capítulo 4 tiene los siguientes objetivos específicos: I. Estudiar las variaciones en el CE de las IES del Reino Unido entre los cursos académicos 2012/13 y 2021/22 usando el método LMDI, con el propósito de contribuir al entendimiento del comportamiento energético del sector. II. Proponer un nuevo marco de análisis que pueda ser replicado en futuras investigaciones y susceptible de ser utilizado por gestores de educación superior. 1.3 Metodología Para alcanzar los objetivos planteados en los capítulos 2, 3 y 4 de esta tesis doctoral, se adoptó un enfoque metodológico integral fundamentado en la aplicación de diversas 19 técnicas y herramientas analíticas, que serán descritas brevemente en la presente subsección. La integración de estas metodologías ha sido crucial para el logro de los objetivos propuestos, permitiendo una comprensión profunda y detallada de los temas investigados. En particular, para realizar el capítulo 2, se llevaron a cabo búsquedas iterativas de artículos en bases de datos científicas, utilizando técnicas de exploración bibliográfica combinadas con rutinas informáticas, que han sido esenciales para compilar, analizar y procesar la información relevante de manera eficiente. Se almacenaron los resultados en una base de datos local y se programó una rutina en Visual Basic para analizar la información obtenida y orientar nuevas búsquedas sucesivas con el objetivo de obtener un número abordable de artículos relevantes para la investigación. La originalidad de la metodología empleada en este capítulo reside en su enfoque de análisis global, que abarca múltiples instituciones en distintos países para abordar el CE en universidades, con énfasis en la identificación de rasgos comunes entre diversas organizaciones. Esta aproximación metodológica se distingue de estudios previos, los cuales se centraban en casos específicos, ofreciendo así una perspectiva amplia que proporciona información valiosa tanto para investigadores como para gestores de IES. Además, la utilización del índice Herfindahl-Hirschman (HHI) para evaluar la concentración en diferentes dimensiones del análisis bibliométrico introduce un elemento innovador en esta investigación. Tras refinar los resultados, se seleccionó un conjunto de artículos que fueron examinados con software especializado en análisis bibliométrico, como CitNetExplorer y VOSviewer, para identificar las tendencias predominantes en cuanto a autores, universidades, países, revistas y áreas del conocimiento. El análisis realizado identificó los factores comúnmente asociados con el CE en las IES, según lo indican frecuentemente los artículos consultados. El periodo de estudio abarcó de 2006 a 2022, una fase caracterizada por un incremento significativo en la producción científica relacionada con este campo. 20 En el tercer capítulo de esta tesis doctoral se utiliza el método LMDI (enmarcado dentro del enfoque IDA) para analizar las variaciones en el CE en la UA, entre los años 2017 y 2022. Este método, que ha sido utilizado extensamente para la descomposición del CE agregado a nivel nacional o regional (Ang, 2015), posee un gran potencial para comparar la eficiencia energética en empresas o corporaciones, además de ser particularmente útil para comprender las variaciones en el CE y para analizar las políticas energéticas y la previsión de la demanda de energía (Ang y Choi, 1997). El impacto del clima sobre el CE se cuantifica mediante los Días de uso de Calefacción (HDD) y Días de uso de Calefacción Refrigeración (CDD). Estos indicadores están diseñados para estimar la energía requerida por los sistemas de calefacción y refrigeración para mantener una temperatura interior confortable. Este estudio ha adoptado las definiciones de HDD y CDD de Eurostat (Eurostat, 2020), debido a su alineación con las condiciones en la UA, adecuando el cálculo de estas variables a los horarios y meses específicos de operación de la institución, con el objetivo de reflejar más fielmente su funcionamiento real. Una de las principales dificultades para realizar este tipo de estudio es la falta de disponibilidad de los datos necesarios para la descomposición por factores. Si bien es cierto que los datos macroeconómicos para realizar este tipo de análisis de descomposiciones a nivel nacional o internacional pueden ser obtenidos de fuentes oficiales, los datos de instituciones específicas a menudo no son públicamente accesibles. El haber logrado el acceso a los datos particulares de la UA no sólo realza el valor de este trabajo, sino que también refleja el compromiso de la institución con la transparencia, la sostenibilidad ambiental y el apoyo a la investigación. La UA fue elegida para este estudio debido a su considerable envergadura, reflejada en una población estudiantil que superaba los 30.000 alumnos en 2022 y en extensas instalaciones de 141.789 m². Destaca en el ámbito investigativo con 732 publicaciones en Scopus durante el año 2022 y goza de un importante prestigio a nivel internacional, siendo reconocida entre las 1.200 mejores universidades del mundo por Times Higher Education. 21 Además de lo anterior está acreditada nacionalmente por 5 años, bajo exigentes estándares de evaluación. Estas características permiten que los hallazgos de esta investigación sean aplicables a una amplia gama de IES, dada las similitudes de la UA con otras universidades de renombre internacional en cuanto a su gran población estudiantil, extensas instalaciones, y campus ubicados en diversas ciudades de Chile, cada uno bajo condiciones climáticas diferentes, lo que enriquece el estudio comparativo del impacto climático en el consumo energético. Se eligió el periodo 2017-2022 para la investigación plasmada en el capítulo 3 debido a la disponibilidad de información específica para esos años por parte de la UA. La institución posee, para este periodo, datos completos del CE de diversas fuentes: electricidad, gas natural y diésel para calderas, y gas licuado para duchas y laboratorios. En estos seis años se produjo un crecimiento significativo en la institución, con un aumento del 30% en el número de estudiantes y un incremento del 58% en publicaciones científicas (Scopus). Además, este intervalo temporal cubre el periodo del COVID-19, facilitando un análisis detallado de cómo la pandemia ha impactado el consumo energético de la UA. La metodología presentada en este capítulo es innovadora, ya que, pese a la amplia utilización del método LMDI a nivel macro, su aplicación en sectores específicos o instituciones particulares sigue siendo limitada, como lo evidencia su escasa representación en la literatura científica. Además, este método no ha sido previamente empleado para descomponer el CE de las IES en factores explicativos directamente relacionados con la actividad universitaria, lo que resalta la originalidad de este enfoque en el ámbito académico. El cuarto capítulo de esta tesis doctoral vuelve a emplear el método LMDI, esta vez para realizar un análisis de descomposición temporal de las variaciones en el CE de las universidades del Reino Unido, aprovechando las amplias ventajas que ofrece esta metodología, la cual es adecuada para el análisis de un conjunto de organizaciones de manera simultánea. El periodo de estudio abarcó el lapso transcurrido entre los cursos académicos 2012/13 y 2021/22. La elección de estos cursos académicos, así como la 22 selección del Reino Unido como caso de estudio, se debe a que los datos necesarios para realizarlo son recopilados y puestos a disposición por la Higher Education Statistics Agency (HESA), agencia que ofrece una amplia variedad de información sobre el CE de las universidades del Reino Unido y sus factores explicativos, tales como uso de energía desglosado según fuentes, emisiones de GHG, infraestructura, dotación de personal, información financiera, cuantificación de emisiones y características del alumnado. Este estudio es original en tanto que emplea por primera vez el método LMDI para analizar las variaciones en el CE en las universidades del Reino Unido, y cobra relevancia por el significativo impacto de este elemento en la sustentabilidad de las IES británicas, dado el elevado consumo energético de este sector, que alcanzó los 5.997 GWh durante el curso académico 2021/22. Además, las IES del Reino Unido destacan por su enfoque en la sustentabilidad, por lo que su CE es un factor que debe ser estudiado y mitigado con el fin de alinearse con los objetivos ambientales y reducir su huella de carbono. Adicionalmente, la metodología empleada es innovadora, ya que extiende el modelo de descomposición LMDI utilizado en el capítulo 3 al incorporar nuevas variables que permiten una representación más precisa de la actividad académica, y utiliza un enfoque particular para representar los efectos climáticos. La representación de dichos efectos ha sido adaptada específicamente a las políticas de calefacción de las IES británicas, considerando sus horarios de operación, los periodos del año y las temperaturas objetivo dentro de las instalaciones. Dado que estas políticas, por lo general, no contemplan el uso de sistemas de refrigeración, como aire acondicionado u otros similares, en este capítulo sólo se incluyen los HDD, omitiéndose el cálculo de los CDD, con el propósito de representar de la manera más precisa posible los efectos de la temperatura exterior en el CE. Estas adaptaciones refuerzan el método seleccionado, robusteciéndolo para su aplicación específica al caso de estudio. 1.4 Estructura La presente tesis doctoral está estructurada en cinco capítulos. El capítulo 1, Introducción, contempla la motivación y justificación de la investigación abordada, los 29 revisión sistemática de la literatura implica identificar y seleccionar estudios primarios, seguido de extraer, analizar y sintetizar los datos (Xiao y Watson, 2019). Se recomienda ver ejemplos de investigaciones similares en los artículos de Safarzadeh et al., (2020) y Zeng y Li, (2022). Es relevante destacar que, debido a que la extracción de artículos se efectuó en abril de 2022 y teniendo en cuenta el retraso habitual en la publicación de artículos científicos, los datos correspondientes a los años 2021 y 2022 se presentan disminuidos. Anticipamos que esta situación se actualizará en análisis futuros, cuando se realice una nueva extracción que incluya la totalidad de los artículos científicos publicados durante esos años. Figura 2.1 Publicaciones y citas seleccionadas sobre el CE en universidades. Fuente: elaboración propia a partir de Web of Science Core Collection/Base de datos Scopus. Extraído el 27/04/22. Mohammadalizadehkorde y Weaver (2018) llevaron a cabo una revisión de literatura sobre modelos de prácticas sostenibles en universidades, sin restricciones en su alcance geográfico. Ellos revisaron la bibliografía existente sobre sostenibilidad en universidades, sintetizando grandes grupos de literatura, pero describiendo su estudio como “no necesariamente exhaustivo”. Por ello, se estima que los objetivos y la metodología de su investigación difieren de la utilizada en este capítulo. Aunque se han realizado estudios académicos centrados específicamente en determinadas universidades o áreas geográficas, hasta donde sabemos no existen artículos científicos que aborden el CE 30 en las universidades analizando los factores que son comunes a las IES en diferentes regiones o países. En general, la investigación sobre el CE en el sector de la educación superior se encuentra aún en etapas iniciales (Jindal et al., 2018; Wadud et al., 2019). Además, el tema de los patrones de consumo energético en los edificios de la IES tampoco ha sido estudiado de manera exhaustiva (Birch et al., 2020b). En consecuencia, existe una brecha de conocimiento sobre las características comunes del CE dentro del sector de la educación superior a escala internacional, que vale la pena investigar. Abordar la brecha de conocimiento antes mencionada ayudará a las universidades a cumplir su papel como líderes en la sociedad; de hecho, este objetivo es la principal motivación de esta investigación. Además de lo anterior, se ha identificado un bajo nivel de comprensión en las tendencias académicas que forjan este tema. La simple revisión de las fuentes científicas señala a algunos autores, países e IES como líderes en la producción académica; sin embargo, es necesario realizar un análisis más profundo para determinar cómo se ha difundido el conocimiento. También, como se mencionó anteriormente, la reducción del CE en las universidades abarca aspectos tanto técnicos como de gestión. En consecuencia, es importante dilucidar si las investigaciones sobre este tema se han orientado hacia las ciencias exactas o hacia las ciencias sociales. Esto se puede determinar analizando la orientación disciplinaria de las revistas científicas y las actas de conferencias utilizadas para difundir los artículos científicos. Estudios anteriores han utilizado el índice HerfindahlHirschman (HHI) para medir el nivel de multidisciplinariedad (Moschini et al., 2020) en el que se ha estudiado un tema determinado. Este índice es una herramienta importante utilizada por los reguladores para evaluar la concentración de los mercados (Busu, 2020) y proponemos que también se puede aplicar para medir el nivel de concentración de diferentes aspectos de un análisis bibliométrico. A partir del análisis anterior y considerando las brechas identificadas en el acervo científico, este estudio consta de tres objetivos específicos: 1) determinar las características claves de los artículos científicos sobre el CE en las universidades; 2) analizar las tendencias académicas actuales en el tema, identificando autores, países y universidades líderes en la 31 producción científica; 3) explorar los principales factores que explican el CE en las universidades. El análisis se realizó para el periodo de 2006 a 2022. Se seleccionó este lapso de 17 años para cubrir el periodo en el que se ha detectado un aumento considerable en las publicaciones sobre el tema estudiado (véase Figura 2.1). Dado que las universidades son la principal fuerza impulsora de la investigación académica, es fundamental comprender cómo la comunidad científica ha investigado el tema en cuestión. Por lo tanto, los tres objetivos establecidos serán abordados mediante una revisión sistemática de la literatura sobre el CE en las IES, con el objetivo de responder a las siguientes tres preguntas de investigación: 1) ¿Cuáles son las principales características de las fuentes donde se publican artículos académicos sobre el CE en las universidades, incluyendo aspectos de liderazgo, concentración y multidisciplinariedad? 2) ¿Qué países, universidades y autores son los principales contribuyentes a la producción académica sobre el CE en las universidades? 3) ¿Qué factores, según la literatura estudiada, determinan el CE en las universidades? La originalidad de este capítulo reside en abordar el CE en las universidades desde una óptica global y en busca de rasgos compartidos entre distintas organizaciones; esto representa una distinción respecto a trabajos previos. Este enfoque difiere del tratamiento habitual del tema, adoptando una visión más holística, como se detalla en los párrafos anteriores. Este rasgo puede orientar a futuros investigadores en el desarrollo de sus estudios y también asistir a los gestores de IES en la identificación de elementos comunes en el CE, un campo donde el conocimiento todavía es escaso. Además, se destaca la utilización del índice HHI para evaluar el grado de concentración en variadas dimensiones de un análisis bibliométrico. Los principales hallazgos de este estudio son: i) este tema ha sido estudiado bajo una combinación de disciplinas técnicas, pero la participación de las ciencias sociales ha sido limitada; ii) Estados Unidos, China y el Reino Unido son los países líderes en producción académica sobre el CE en las IES; iii) la Universidad de Sheffield lidera la publicación de 32 artículos sobre este tema, mientras que “Energy and Buildings” es la revista más utilizada; Zhonghua Gou es el autor más prolífico en la investigación de este tema, mientras que Gul y Patidar son los más citados; y iv) los factores que impulsan el CE en las universidades no difieren significativamente de otros sectores. El resto de este capítulo está estructurado de la siguiente manera. La sección 2.2 explica el método de investigación utilizado en la revisión sistemática de la literatura. La sección 2.3 presenta los resultados obtenidos. La sección 2.4 ofrece una discusión de los resultados, mientras que las principales conclusiones se presentan en la sección 2.5. 2.2 Método de investigación En esta investigación, se emplea el Protocolo PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) para identificar artículos de investigación relevantes a ser analizados. Esto permite explorar las tres preguntas de investigación relacionadas con el CE en las IES, tal como se describe en la sección de introducción. En concreto, este procedimiento se utilizó para identificar, seleccionar, filtrar, verificar la elegibilidad e incluir artículos en el conjunto final de textos. Para ver ejemplos de su aplicación, consultar en David et al., (2023) y Afzal et al., (2023). Siguiendo el método de búsqueda iterativa que se detallará en la sección 2.2.1, se identificaron 933 artículos en las bases de datos científicas. Utilizando el protocolo PRISMA, posteriormente se filtraron 758 de estos artículos, seleccionándose finalmente 175 publicaciones para su análisis. En general, el criterio de selección se centró en textos que analizan el CE en edificios, específicamente en recintos universitarios y sus determinantes. Como criterio de exclusión, se descartaron los artículos que, aunque abordaban el CE en inmuebles, no se concentraban en edificios universitarios o cuyo tema principal no era la utilización de energía en las IES. Además, se excluyeron trabajos relacionados con plantas de generación de energía administradas por universidades, sistemas de distribución de energía y sistemas de gestión de energía como microrredes o redes inteligentes. Esto se hizo para concentrarse en el CE, omitiendo la generación o distribución de energía. Estos criterios de selección se explican en profundidad en la sección 2.2.2. 33 2.2.1 Identificar Este capítulo realiza una búsqueda y análisis de publicaciones científicas en las bases de datos Web of Science (WOS) Core Collection (https://www.webofscience.com), Scielo (https://www.webofscience.com/wos/scielo) y Scopus (https://www.scopus.com), a través de una combinación de palabras claves relacionadas con las IES y la energía. Para seleccionar el conjunto de publicaciones más pertinentes sobre el CE en las universidades y limitar el resultado a un número manejable de artículos, se desarrolló una rutina informática basada en Visual Basic for Applications (VBA) y Microsoft Access. El tamaño y la composición deseados del conjunto objetivo de publicaciones se establecieron en 900 a 950 publicaciones, de las cuales al menos el 25% debían ser artículos de WOS. En cada iteración del método, los metadatos de las publicaciones seleccionadas se extrajeron, se organizaron nuevamente y se ingresaron en una base de datos. De forma iterativa, se realizaron varias búsquedas exhaustivas (consultas o queries en inglés) en las bases de datos de publicaciones científicas, utilizando distintos conceptos claves (palabras claves). Cada búsqueda se diseñó cuidadosamente utilizando diferentes conjuntos de palabras claves, para explorar diversos aspectos del área de investigación. Las consultas estaban formadas por dos cláusulas principales conectadas por un operador “AND”; además, cada cláusula incluía varias palabras claves vinculadas por un operador “OR”. El objetivo de la primera cláusula es enfocarse en el tópico específico de interés dentro de la base de datos científica, que en este caso incluye términos asociados con el CE (por ejemplo, “conservación de energía”, “eficiencia energética” y otras expresiones relacionadas). La segunda cláusula busca identificar el ámbito que se ve afectado por el tema de interés (por ejemplo, “educación superior”, “edificios universitarios”, etc.). Las palabras claves se ajustaron en cada iteración, modificando el tópico y el ámbito; este método tuvo como objetivo identificar artículos que potencialmente podrían responder a las preguntas de investigación, al tiempo que se procuraba alcanzar el número y la composición deseados del conjunto final de artículos. Se realizaron once consultas, cada una con un enfoque y un conjunto de palabras claves particular. Para simplificar, se utilizó la letra “Q” (del inglés query) para indicarlas, seguida de números consecutivos. La consulta definitiva de la serie 34 se denominó “QFinal”. Es importante señalar que QFinal se dividió en dos consultas separadas, una para las bases de datos WOS y Scielo, y otra para Scopus. El resultado de cada iteración se analizó en términos de la cantidad de artículos que contenían la palabra clave respectiva. En base a esta información, se seleccionan las palabras clave que se utilizarán en la siguiente iteración. Las palabras clave de búsqueda utilizadas en cada consulta se enumeran en la Tabla 2.1. Por ejemplo, la palabra clave “campus” se omitió en las consultas Q01, Q02, Q03, Q04, Q05, Q08 y Q09, mientras que se incluyó en las consultas Q06, Q07, Q10 y QFinal (sólo en su versión WOS/ Scielo). El resultado de cada consulta en términos de número de artículos encontrados se muestra en la Tabla 2.2. Como se presenta en la Tabla 2.2, la cantidad de documentos encontrados en consultas en la base de datos Scopus supera con creces a la cantidad encontrada en WOS y Scielo. Las publicaciones encontradas simultáneamente en las bases de datos WOS y Scopus se denominaron “WOS/SCOPUS”, y las encontradas en Scielo y Scopus se denominaron “SCIELO/SCOPUS”. La consulta final, que determina el conjunto final de artículos a analizar, fue una combinación de consultas Q09 para Scopus y Q10 para WOS + Scielo; esta se muestra como QFinal en la Tabla 2.1. Como se puede observar en la Tabla 2.2, la consulta QFinal entregó 15 publicaciones de Scielo, 577 de Scopus, 257 de WOS y 84 publicaciones WOS/Scopus. Tabla 2.1 Combinación de palabras clave utilizadas en cada consulta a las bases de datos de publicaciones científicas. Palabra Clave Cláusula Tipo Operador booleano Q01 Q02 Q03 Q04 Q05 Q06 Q07 Q08 Q09 Q10 QFinal WOS/ Scielo Scopus Electrical energy consumption 1 Tópico Or No No No No No No Sí No No No No No Electricity consumption 1 Tópico Or No No No No No No No No No No No No Electricity-consumption 1 Tópico Or No No No No No No Sí No Sí No No Sí Energy 1 Tópico Or No No Sí Sí Sí Sí No No No Sí Sí No Energy conservation 1 Tópico Or No No No No No No Sí Sí Sí No No Sí Energy consumption 1 Tópico Or No Sí No No No No Sí Sí Sí No No Sí Energy efficiency 1 Tópico Or Sí Sí No No No No Sí Sí Sí No No Sí Energy expenditure 1 Tópico Or No No No No No No Sí No No No No No Energy intake 1 Tópico Or No No No No No No Sí No No No No No Energy intensity 1 Tópico Or No No No No No No No No No No No No Energy saving 1 Tópico Or No Sí No No No No Sí No No No No No Energy savings 1 Tópico Or Sí Sí No No No No No No Sí No No Sí Energy use 1 Tópico Or No No No No No No Sí Sí Sí No No Sí Energy use intensity 1 Tópico Or No No No No No No Sí Sí No No No No Energy utilization 1 Tópico Or No No No No No No Sí No No No No No 35 And Campus 2 Ámbito Or No No No No No Sí Sí No No Sí Sí No Educational institutions 2 Ámbito Or No No No No No No Sí No No No No No Higher education 2 Ámbito Or No Sí Sí No No Sí Sí Sí Sí Sí Sí Sí Higher education buildings 2 Ámbito Or No No No No No Sí Sí Sí Sí Sí Sí Sí Higher education institution 2 Ámbito Or No No No No No Sí Sí Sí Sí Sí Sí Sí Higher education institutions 2 Ámbito Or No No No No No Sí Sí Sí Sí Sí Sí Sí Universities 2 Ámbito Or Sí Sí Sí Sí Sí No No No No No No No Universities * 2 Ámbito Or No No No No No Sí Sí Sí Sí Sí Sí Sí University 2 Ámbito Or Sí Sí Sí No No No No No No Sí Sí No University building 2 Ámbito Or No No No No No Sí Sí Sí Sí Sí Sí Sí University buildings 2 Ámbito Or No No No No No Sí Sí Sí Sí Sí Sí Sí University campus 2 Ámbito Or No No No Sí No Sí Sí Sí Sí Sí Sí Sí University campus * 2 Ámbito Or No No No No Sí No No No No No No No University campuses 2 Ámbito Or No No No No No Sí Sí Sí No Sí Sí No University operations 2 Ámbito Or No No No No No Sí Sí Sí No Sí Sí No University sector 2 Ámbito Or No No No No No No Sí No No No No No Fuente: elaboración propia. Extraído el 27/04/22. (* ) Se utilizó un operador especial en Scopus que restringe la búsqueda a la forma plural de la palabra clave. Sí: Incluido. No: No incluido. Q 1 a Q 10 y Q Final denota el orden en que se llevaron a cabo las consultas. Hubo 84 publicaciones compartidas por las bases de datos WOS y Scopus (véase la Tabla 2.2). Sin embargo, como las bases de datos WOS y Scopus en algunas oportunidades no muestran exactamente los mismos caracteres en los títulos de algunas publicaciones (por ejemplo, variaciones en espacios y guiones), la rutina de Visual Basic no pudo detectar que 50 de ellas (no incluidos en las 84 publicaciones “compartidas”) correspondían al mismo artículo. En consecuencia, estas publicaciones no fueron identificadas como duplicadas en los resultados en esta etapa. Estos casos de superposición se identificaron y clasificaron manualmente como WOS/Scopus después de la selección final. Tabla 2.2 Resultado de las consultas. FUENTE Q01 Q02 Q03 Q04 Q05 Q06 Q07 Q08 Q09 Q10 QFINAL Scielo 2 3 14 1 3 1 14 15 Scielo/Scopus 1 2 1 1 Scopus 1.127 1.777 8.515 8.276 1.690 2.376 1.212 581 607 8.754 577 WOS 5 7 55 11 11 33 9 5 7 70 257 WOS/Scopus 29 62 209 41 41 181 90 47 53 271 84 Total general 1.163 1.849 8.794 8.329 1.745 2.593 1.312 633 667 9.110 933 Fuente: elaboración propia. Extraído el 27/04/22. Q 1 a Q 10 y Q Final indican el orden en que se realizaron las consultas. 36 2.2.2 Filtrar, verificar la elegibilidad e incluir Tras preseleccionar 933 publicaciones, estas se analizaron mediante el Protocolo PRISMA. Este proceso incluyó filtrarlas, evaluar su elegibilidad y seleccionar el conjunto definitivo de textos para su inclusión. Lo anterior basándose en tres condiciones esenciales que los textos debían cumplir para ser seleccionados: C1) CE en edificios: La primera condición evalúa si el título y el resumen del documento preseleccionado indican que se analizan uno o más factores que influyen en el CE en cualquier tipo de edificio. C1 se enfoca exclusivamente en el CE, excluyendo, por ejemplo, los artículos que tratan sobre iniciativas de generación de energía o las fuentes de energía que proveen a las IES. C2) CE en las universidades: Si se satisface C1, se seleccionarán exclusivamente los artículos centrados en edificios universitarios, descartando aquellos relacionados con otros tipos de edificaciones. C3) Factores que explican el CE en las universidades: C3 evalúa si el título y el resumen del documento indican que su enfoque principal es el análisis del CE en las universidades y sus factores determinantes. Se priorizan los artículos que se centran específicamente en el CE en las IES, excluyendo aquellos cuyo enfoque principal no sea este tema. Asimismo, se descartan los artículos dedicados a las plantas de generación de energía operadas por universidades, la distribución de energía y los sistemas de gestión de energía, como microrredes o redes inteligentes, en estas organizaciones. La Figura 2.2 ilustra que hay 193 publicaciones que cumplen las tres condiciones exigidas para su inclusión. Además, sólo se seleccionaron textos catalogados como “artículos” o “actas de conferencias” en las bases de datos y escritos en inglés. La aplicación de estas condiciones resultó en un conjunto final de 175 publicaciones, las cuales se presentan en MS.2.2. La selección final de artículos se muestra en la Tabla 2.3. 37 Figura 2.2 Proceso de selección. Fuente: elaboración propia, adaptado de David et al., (2023). Tabla 2.3 Conjunto final de documentos seleccionados por base de datos. Base de Datos Artículos Artículos de conferencia Total SCOPUS 14 62 76 WOS/SCOPUS 98 (*) 98 (*) WOS 1 (**) 1 (**) TOTAL 113 62 175 Fuente: elaboración propia. (*) 50 publicaciones adicionales encontradas en las bases de datos Scopus y WOS Extraído el 27/04/22. (**) Kiatlertnapha y Vorayos (2017). 38 2.2.3 Extraer y Reportar Como en Safarzadeh et al. (2020), se examinaron diferentes aspectos de los artículos seleccionados, centrándose en los principales autores, revistas, disciplinas, citas, países, instituciones y principales determinantes del CE. Para examinar los artículos se utilizaron los softwares VOSviewer (VOS) y CiTNetExplorer (CNE). Véanse ejemplos de la aplicación de estos softwares para realizar análisis bibliográfico en van Eck y Waltman (2010) y van Eck y Waltman (2014). La siguiente sección reporta los resultados de la información analizada. 2.3 Resultados En esta sección, se exploran aspectos relevantes de los documentos seleccionados, empleando herramientas bibliométricas para identificar las características centrales de los artículos estudiados. Adicionalmente, se examinan los artículos seleccionados con el fin de determinar los factores que influyen en el CE en las IES. 2.3.1 Fuentes y disciplinas Para responder a la primera pregunta de investigación, se analizaron los 175 artículos seleccionados para identificar las diferentes fuentes editoriales y la participación de diversas disciplinas científicas. Los documentos antes mencionados fueron publicados en 103 fuentes diferentes, abarcando 57 revistas, 42 actas de conferencias y 4 series de libros. La Tabla 2.4 muestra las fuentes más comunes utilizadas para publicar los artículos seleccionados. Tabla 2.4 Principales fuentes que publican artículos de CE en la educación superior. Título de la Fuente Tipo Editorial Artículos % de los 175 Disciplina Científica Cuartil SJR (Scopus) Cuartil JIF (WOS) Energy and Buildings Revista Científica Elsevier 24 13.7% Ingeniería Q1 Q1 International Journal of Sustainability in Higher Education Revista Científica Emerald 9 5.1% Ciencias Sociales Q1 Q1 Sustainability Revista Científica MDPI 7 4.0% Ciencias de la Computación; Q1 Q2 45 académica total, lo que indica que la producción sobre este tema está distribuida de manera más uniforme entre los países. Se observó que la colaboración internacional juega un papel importante en este campo, tal como lo demuestran los hallazgos obtenidos. En concreto, 38 de los 175 artículos revisados (22%) involucran colaboración internacional, siendo el Reino Unido el país líder en este sentido. Los detalles sobre la cantidad de artículos escritos a través de colaboración internacional 9 se encuentran en la Tabla 2.6. Tabla 2.6 Publicaciones realizadas mediante colaboración internacional. País Publicaciones totales (*) Colaboración internacional % Reino Unido 18 7 39% EE.UU 26 6 23% China 25 6 24% Brasil 11 6 55% Italia 11 5 45% Portugal 10 5 50% Australia 8 5 63% España 12 4 33% Hong Kong 5 4 80% Nigeria 4 3 75% Arabia Saudita 4 3 75% (*) Dentro de los 174 artículos seleccionados de Scopus. Tres o más documentos de colaboración internacional. Fuente: elaboración propia a partir de datos de Scopus extraídos el 27-10-2022. La coautoría entre diferentes países se examina con el software analítico VOS (Figura 2.5). El mapa de proximidad resultante se basa en las 174 publicaciones alojadas en la base de datos Scopus, con el fin de cubrir el 99% del conjunto de artículos seleccionados 10 . 9 Un artículo podría estar asignado a más de un país, por lo que la suma de todos los porcentajes corresponde a más del 100%. 10 VOS funciona con archivos WOS y Scopus, pero por separado. Se eligió utilizar el conjunto más amplio de documentos de Scopus. 46 Figura 2.5 Mapa de colaboración internacional de los 174 artículos de Scopus. Fuente: elaboración propia utilizando VOSviewer. Los mapas proporcionados por VOS se clasifican como mapas basados en distancia, ya que la cercanía de los elementos entre sí refleja la fuerza de la relación entre ellos. El tamaño de la etiqueta y su círculo denota la importancia de un elemento (van Eck y Waltman, 2010). En este caso, el tamaño de la etiqueta sugiere la cantidad de artículos asignados a un determinado país. Los colores indican los grupos a los que el software asignó cada país de acuerdo a un proceso de clusterización. El análisis identifica siete grupos. Los seis países que más contribuyen al conjunto de artículos (Estados Unidos, China, Reino Unido, España, Brasil, Italia y Malasia) están asignados a grupos separados. Por otra parte, Portugal y Brasil están situados muy cerca en el mapa y comparten el mismo grupo, lo que denota una relación de colaboración estrecha. Además, estos dos países han colaborado entre sí en tres publicaciones (el número más alto entre los artículos seleccionados). Esta colaboración internacional es un factor que explica la sobrerrepresentación de Portugal y Brasil en este tema en comparación con la producción académica general (ver Tabla 2.5). Esto se debe a que la colaboración internacional potencia la producción académica. 47 Para identificar universidades líderes en la investigación acerca del CE en la educación superior, fue necesario reestructurar y homogenizar los datos de Scopus y WOS sobre las afiliaciones de los autores. La razón para hacerlo fue que dicha información a menudo se presenta en términos de departamentos o facultades; por lo tanto, esta se adecuó para indicar universidades o institutos de investigación. La Tabla 2.7 muestra las principales instituciones 11 que investigan el CE en las universidades, según la afiliación de sus autores. Además, la tabla incluye el ranking Times Higher Education de 2023 (World University Rankings 2023 | Times Higher Education, THE) para proporcionar información sobre cómo se ubican estas instituciones dentro del panorama global de las universidades. Tabla 2.7 Principales instituciones según afiliación de los autores (3 o más artículos). 1er Autor TOTAL Universidad País Ranking Time Higher Education Rank 2023 WOS SCOPUS WOS SCOPUS Universidad de Sheffield Reino Unido 114 4 5 5 6 Universidad Tecnología Malasia Malasia 601-800 0 4 0 5 Universidad Griffith Australia 251-300 4 4 4 4 Universidad Politécnica de Cataluña España 801-1000 2 3 2 4 Universidad Politécnica de Turín Italia 601-800 1 3 2 4 Universidad Tecnológica del Sur de China China 401-500 1 1 1 4 Universiti Tun Hussein Onn Malasia Malasia 1201-1500 1 4 1 4 Universidad de Passo Fundo Brasil 1501+ 1 3 2 4 Universidad de Coímbra Portugal 601-800 3 3 3 3 Universidad de Lisboa Portugal 501-600 2 2 2 3 Universidad Demócrito de Tracia Grecia 1201-1500 1 3 1 3 Universidad Nacional Autónoma de México México 1001-1200 1 2 2 3 Universidad de da Beira Interior Portugal 801-1000 1 2 2 3 Universidad de California, Berkeley EE.UU 8 1 1 3 3 Universidad de Nápoles Federico II Italia 351-400 1 3 1 3 Universidad Malasia Kelantan Malasia 1201-1500 0 0 0 3 Universidad de Bérgamo Italia 801-1000 0 0 1 3 Universidad de Florida EE.UU 151 0 3 0 3 Universidad de Molise Italia - 0 0 1 3 Fuente: elaboración propia a partir de datos de WOS, Scopus y Times Higher Education Ranking extraídos el 27-04-22 y 14-11-22. 11 Un artículo puede indexarse en más de una organización. 48 En total, 237 organizaciones participaron en los 175 artículos estudiados (un promedio de 1,35 instituciones por documento), con 91 publicaciones indexadas bajo más de una organización, como se muestra en la Tabla 2.8. La amplia gama de instituciones que investigan este tema da lugar a una distribución competitiva y desconcentrada, caracterizada por un HHI de 0,006. Tabla 2.8 Distribución de coautoría entre organizaciones. Número de organizaciones en colaboración 2 3 4 5 6 7 8 9 Cantidad de artículos 62 16 8 3 1 0 0 1 Fuente: elaboración propia a partir de datos de WOS y Scopus extraídos el 27-04-22. La pregunta de investigación 2 también requiere el análisis de la influencia ejercida por los autores. Esto se analiza a través de la cantidad de artículos publicados por cada académico, el número de citas que han recibido sus artículos y mediante una red de citas que muestra la influencia académica entre los autores. El conjunto de 175 publicaciones analizadas incluye un total de 576 autores diferentes (una media de 3,3 por artículo). Algunos autores participaron en más de una publicación, lo que demuestra su particular interés en esta área. La cantidad de artículos publicados por cada autor se muestra en la Tabla 2.9, ordenado por el número de publicaciones contenidas en la Base de Datos Scopus. Zhonghua Gou es el autor más prolífico dentro del conjunto de documentos seleccionados, con cuatro artículos alojados simultáneamente en ambas bases de datos; sin embargo, este autor no figura como primer autor en ninguna de estas publicaciones. En términos de la concentración entre autores investigando este tema, el entorno puede describirse como competitivo e incluso fragmentado, ya que el HHI tiene un valor de 0,002. 49 Tabla 2.9 Autores con tres o más publicaciones dentro de los 175 artículos seleccionados. 1er Autor Total Autor WOS Scopus WOS Scopus Gou Z. 0 0 4 4 Ishak M.H. 0 3 0 4 Altan H. 1 2 2 3 Borrelli M. 0 0 0 3 Brandli L.L. 0 0 2 3 De Masi R.F. 0 0 0 3 Gui X . 3 3 3 3 Sapri M. 0 1 0 3 Sipán I. 0 0 0 3 Su Y. 0 3 0 3 Vanoli G.P. 0 0 0 3 Zhang L. 0 1 0 3 Fuente: elaboración propia a partir de datos de WOS y Scopus extraídos el 15-10-22 y 25-10-22. 99 artículos sólo en WOS. 174 artículos en WOS y Scopus simultáneamente. 175 artículos en total. Las citas que recibe un artículo es un indicador de la influencia académica que ejerce sobre otros autores. La Tabla 2.10 muestra los diez primeros artículos analizados según el número de citas recibidas. Como indicador complementario se presenta el promedio de citas por año. Tabla 2.10 Ranking de las 10 publicaciones seleccionadas más citadas. WOS SCOPUS Rank Título Citas Totales Promedio Anual Citas Citas Totales Promedio Anual Citas Referencia 1 Understanding the energy consumption and occupancy of a multi-purpose academic building 169 21 217 27 Gul y Patidar (2015) 2 Potential opportunities for energy conservation in existing buildings on University campus: A field survey in Korea 93 10 112 12 Chung y Rhee (2014) 3 Occupancy diversity factors for common University building types 89 7 102 8 Davis y Nutter (2010) 4 Application of an energy management and control system to assess the potential of different control strategies in HVAC systems 75 6 96 7 Escrivá-Escrivá et al. (2010) 5 Development of green campus in China 76 8 87 10 Tan et al. (2014) 6 Energy use characteristics and benchmarking for higher education buildings 46 9 55 11 Khoshbakht et al.(2018) 50 7 Effectiveness of daylighting design and occupant visual satisfaction in a LEED Gold laboratory building 49 4 53 4 Hua et al. (2011) 8 A variation focused cluster analysis strategy to identify typical daily heating load profiles of higher education buildings 47 8 52 9 Ma et al. (2017) 9 Development of a web based energy management system for University Campuses: The CAMP-IT platform 42 6 51 7 Kolokotsa et al. (2016) 10 Energy saving on campus: A comparison of students’ attitudes and reported behaviours in the UK and Portugal 42 6 51 7 Cotton et al. (2016) Fuente: elaboración propia a partir de datos de WOS y Scopus extraídos el 15-10-22 y 25-10-22. Como algunos investigadores han contribuido con múltiples publicaciones al conjunto de documentos seleccionados, se hace importante examinar el total de citas recibidas por autor en esta selección. Esta información se presenta en la Tabla 2.11. Tabla 2.11 Top 20 autores según citas recibidas. 1er Autor Total Publicaciones (*) Autor WOS Scopus WOS Scopus Gul M.S. 169 217 169 217 1 Patidar S. 0 0 169 217 1 Chen S. 0 0 113 135 2 Chung M.H. 93 112 93 112 1 Rhee E.K. 0 0 93 112 1 Davis III J.A. 89 102 89 102 1 Nutter D.W. 0 0 89 102 1 Nord N. 0 0 84 100 2 Alcázar-Ortega M. 0 0 75 96 1 Escrivá-Escrivá G. 75 96 75 96 1 Segura-Heras I. 0 0 75 96 1 Wang L. 0 5 76 92 2 Shi Q. 0 0 76 87 1 Tan H. 76 87 76 87 1 Gou Z. 0 0 67 80 4 Altan H. 37 40 64 70 3 Srebric J. 0 0 63 70 2 Brandli L.L. 0 0 47 62 3 Dupre K. 0 0 46 55 1 Khoshbakht M. 46 55 46 55 1 Fuente: elaboración propia a partir de datos de WOS extraídos el 15-10-2022 y 22-7-2022. (*) dentro de los 175 seleccionados. Aunque Mehreen S. Gul contribuyó sólo con un artículo al conjunto de publicaciones seleccionadas, este autor lidera en términos de citas, tanto como primer autor como en 51 general. Además, entre los 20 autores con mayor número de citas, sólo siete de ellos han contribuido con más de una publicación al conjunto de artículos elegidos. Por tanto, se puede observar que múltiples publicaciones no necesariamente conducen a un mayor número de citas recibidas. La influencia académica entre autores se puede representar a través de una red de citas con la ayuda del software CNE. Esta herramienta informática muestra y analiza relaciones de citas entre artículos (van Eck y Waltman, 2014) utilizando únicamente información extraída de la base de datos WOS. De este modo, el CNE se utiliza para crear una red de citas basada en los 99 artículos de WOS seleccionados. Esta red consta de un total de 120 publicaciones, ya que incluye 21 artículos adicionales citados por al menos cinco de los 99 artículos de investigación originales de WOS. El CNE clasifica las publicaciones según un indicador llamado “puntuación de citas”, que representa el número de citas dentro de la red en estudio. La Figura 2.6 presenta la red de citas que muestra las 40 publicaciones con las puntuaciones de citación más altas. Figura 2.6 Red de Citas. Fuente: elaboración propia utilizando CiteNetExplorer. 52 La Tabla 2.12 presenta las principales publicaciones según su puntuación de citas, con Chung y Rhee (2014) siendo el artículo más citado (de las 99 publicaciones seleccionadas de WOS) en la red de citas. Tabla 2.12 Principales publicaciones según su puntuación de citas. Título Puntuación de citas Tipo Autores Potential opportunities for energy conservation in existing buildings on University campus: A field survey in Korea 19 Interno Chung y Rhee (2014) An integrated approach to achieving campus sustainability: assessment of the current campus environmental management practices 14 Externo Alshuwaikhat y Abubakar (2008) A review on buildings energy consumption information 12 Externo Pérez-Lombard et al. (2008) Energy use characteristics and benchmarking for higher education buildings 12 Interno Khoshbakht et al. (2018) Determinants of energy use in UK higher education buildings using statistical and artificial neural network methods 10 Externo Hawkins et al.(2012) Sector review of UK higher education energy consumption 9 Interno Ward et al. (2008) Survey of energy consumption and energy conservation measures for colleges and Universities in Guangdong province 9 Interno Zhou et al. (2013) Energy consumption and GHG emission scenarios of a University campus in Mexico 9 Interno Escobedo et al. (2014) Understanding the energy consumption and occupancy of a multi-purpose academic building 7 Interno Gul y Patidar (2015) Fuente: elaboración propia utilizando CNE. Interno: dentro de los 99 artículos WOS seleccionados. Externo: citado por al menos cinco de los 99 artículos de investigación originales de WOS. Como en el estudio de van Eck y Waltman (2014), las publicaciones principales se definieron como aquellas que tenían relaciones de citas con al menos otros cinco artículos principales. Se identificaron un total de 29 publicaciones principales, 19 de las cuales se destacan en azul en la Figura 2.6. Es interesante mencionar que, el artículo de Alshuwaikhat y Abubakar (2008) tiene una alta puntuación de citación, a pesar de ser una publicación externa (no incluida en los 99 artículos seleccionados). Este artículo enfocado en la sostenibilidad de los campus universitarios ejerció influencia sobre los artículos rankeados en el segundo lugar (Chung y Rhee, 2014) y en el sexto (Khoshbakht et al., 2018) en cuánto a citas recibidas (véase la Tabla 2.10). 53 Para continuar el análisis de influencia académica, la red de citas se redujo a una subred formada únicamente por las 29 publicaciones principales. CNE identifica dos grupos basados en las relaciones de citación entre artículos (véase Figura 2.7). Figura 2.7 Subred de publicaciones principales. Fuente: elaboración propia utilizando CiteNetExplorer. En la Figura 2.7, las publicaciones más antiguas en el primer grupo (naranja) son externas: Ó Gallachóir et al. (2007), Pérez-Lombard et al. (2008), y Alshuwaikhat y Abubakar, (2008). Los dos primeros de estos artículos están directamente relacionados con Gul y Patidar (2015), el cual es el artículo más citado entre las 175 publicaciones seleccionadas. En el otro grupo (verde), la publicación más antigua es Zhou et al. (2013), mientras que Sekki et al. (2015) y Raatikainen et al. (2016) son publicaciones externas que ejercen influencia en este grupo. 54 2.3.3 Factores que impulsan el CE en las universidades Responder a la pregunta de investigación 3 requiere explorar los factores que impulsan el CE en las IES. Estos factores se obtuvieron de la revisión exhaustiva de los 175 textos seleccionados. Esta revisión permitió determinar cuáles eran los factores de consumo energético mencionados en cada texto, para luego etiquetarlos haciendo referencia a conceptos similares. Es importante señalar que los artículos suelen mencionar múltiples factores. La Tabla 2.13 muestra los principales determinantes del CE en las IES según los documentos estudiados. Los resultados obtenidos no difieren de los encontrados en la literatura para edificios destinados a otros usos (Cansino et al., 2023; Cibinskiene et al., 2020; Gao et al., 2020). Estos factores suelen estar interrelacionados y serán detalladamente analizados sección 2.4.3. Tabla 2.13 Principales factores de consumo mencionados en los artículos seleccionados. Factor Tipo de factor Número de artículos seleccionados que mencionan el factor Sistemas de calefacción, ventilación y aire acondicionado Técnico 69 Patrones de ocupación (patrones/total) Conductual 59 Clima Climático 52 Función del edificio Institucional 40 Sistemas de iluminación Técnico 39 Comportamiento de los ocupantes Conductual 23 Equipos/Dispositivos electrónicos Técnico 17 Superficie construida Institucional 17 Envolvente térmica del edificio Técnico 16 Antigüedad del edificio Técnico 15 Intensidad de investigación/Orientación disciplinaria Institucional 14 Diseño del edificio Técnico 13 Fuente: Elaboración propia. 2.4 Discusión En esta sección, se realizará un análisis profundo de los resultados obtenidos previamente, poniendo énfasis en la interpretación y las implicaciones de estos hallazgos dentro del marco teórico y práctico establecido. Este análisis buscará situar los resultados en el contexto más amplio del conocimiento existente, destacando su contribución al avance del campo de estudio. 61 resistencia a apagar ordenadores personales, luces y equipos audiovisuales (Gul y Patidar, 2015). Estas observaciones subrayan el papel crucial de la gestión universitaria en regular las prácticas energéticas de los ocupantes. Esto resalta la responsabilidad de los estamentos directivos de las IES en el aspecto normativo de la conducta de los ocupantes, además de señalar que el seguimiento del comportamiento de los usuarios representa una obligación ineludible para los administradores de las instalaciones (Ishak, 2017). Este monitoreo es especialmente importante teniendo en cuenta el potencial de ahorro energético obtenible a través de una concienciación reforzada. Asimismo, recopilar datos sobre la conducta de los usuarios y su influencia en el uso de la energía es crucial para desarrollar una estrategia eficaz de gestión de la energía (Ishak et al., 2015). Igualmente, es importante analizar cómo las actitudes de los estudiantes difieren según su país de origen y género. Estas variables generan impacto en el CE (Cotton et al., 2016), resaltando la necesidad de que los directivos responsables entiendan los múltiples factores que influencian el variado uso energético entre la comunidad universitaria. El número de estudiantes, profesores y funcionarios que asisten a las instalaciones universitarias experimenta fluctuaciones estacionales significativas, resaltando así la importancia de los patrones de ocupación en los edificios de educación superior al analizar el CE en las IES. Las pausas de verano, comunes en la mayoría de las universidades a nivel global, y las de invierno, más habituales en ciertos países influyen notablemente en estos patrones. La existencia de una estrecha relación entre el número de ocupantes en diferentes periodos y el CE ha sido sugerida en 59 de los 175 artículos estudiados (véanse ejemplos en Guan et al., 2016 y Kim y Srebric, 2017). Específicamente, estudios recientes (véanse Chihib et al., 2021; Gaspar et al., 2022; Gui et al., 2021; López-sosa et al., 2021) han investigado los impactos de los confinamientos debido a la Covid-19 en el CE de las IES. Estas investigaciones resaltan que, a pesar de existir una demanda energética base constante más allá de los patrones de ocupación, la ausencia de personal y estudiantes condujo a una reducción significativa en el consumo en estas situaciones. Relativo a esto, el análisis de los patrones de ocupación resulta clave para identificar ineficiencias en el uso de la energía (véase Pappi et al., 2015, para el caso específico de la Universidad Aristóteles 62 de Tesalónica). A partir de este análisis, si el CE no se reduce durante los periodos de baja ocupación, los administradores pueden impulsar medidas de ahorro energético examinando las ineficiencias vinculadas tanto al elevado consumo base (probablemente relacionado con actividades de investigación) como al uso negligente por parte de los usuarios. 2.4.3.2 Factores institucionales La función del edificio es el cuarto factor más mencionado en los textos analizados, influyendo en el CE dentro de las IES (véase Tabla 2.13). Los edificios universitarios albergan variadas actividades, las cuales producen impactos diversos en la utilización general de la energía (Altan y Ward, 2006). Al abarcar desde aulas tradicionales hasta residencias estudiantiles, hospitales y laboratorios de investigación, la diversidad de infraestructuras hace patente la necesidad de clasificar las funciones de los edificios para realizar un análisis detallado del uso energético. Khoshbakht et al. (2018) clasificaron categorías de edificios según su propósito dentro de la organización, evaluando tanto el CE total por edificio como su Intensidad de Uso de Energía (IUE); este último indicador está definido como el consumo energético anual por metro cuadrado (Michael et al., 2019). Dentro de los hallazgos específicos del artículo de Khoshbakht se destaca que las bibliotecas, al ocupar una gran proporción del espacio construido, figuran entre los edificios con el mayor consumo energético total. Por otro lado, los edificios dedicados a las actividades de investigación destacan por sus elevados valores de IUE. Gui et al. (2020) encontraron resultados similares, indicando que los edificios de enseñanza incurren en un alto consumo de electricidad total, mientras que otras investigaciones concuerdan en que los edificios de investigación tienen la IUE más alta (Gui et al., 2021a; Kaplowitz et al., 2012). En esta materia, resalta especialmente el estudio de Hafer (2017) sobre el importante consumo energético de los equipos de investigación en el campus de la Universidad de Stanford. Los Centros de Datos (Data Centers) constituyen un caso específico de espacios con uso intensivo de energía dentro de las universidades, consumiendo entre un 25 % y un 50% más de energía por metro cuadrado comparado con los espacios de oficinas habituales (Madigan et al., 2015). En aquellas universidades que mantienen la gestión interna de sus 63 centros de datos, los edificios equipados con tecnologías de información especializadas se destacan como los mayores consumidores de energía, incluso por encima de los hospitales (Sonetti y Cottafava, 2022). La superficie construida (medida en m2) de edificios es un factor importante que influye en el CE, ya que el uso de gas, electricidad y otras fuentes de energía se correlacionan directamente con el tamaño de las infraestructuras (Alghamdi et al., 2019; Chung y Rhee, 2014). Sin embargo, aunque la superficie construida es un factor crucial, esta se menciona en sólo 17 artículos (véase Tabla 2.13); esto se explica porque la mayoría de los autores analizaron el CE en términos relativos, utilizando la IUE. Es interesante mencionar que, algunos autores sugieren la existencia de economías de escala relacionadas con la superficie construida y el CE, siendo las IES más grandes, aquellas energéticamente más eficientes y mostrando valores de IUE más bajos (Wadud et al., 2019). Según la Tabla 2.13 el nivel de intensidad en la investigación de las IES y su orientación disciplinaria son factores importantes que afectan o explican el CE. Estos factores se interrelacionan frecuentemente en términos de su efecto sobre el uso de energía, ya que ambos pueden determinar la necesidad de utilización de equipos y laboratorios con alta demanda energética. Las universidades presentan diferencias en su IUE según su orientación disciplinar, siendo más intensivas energéticamente aquellas orientadas a las ciencias exactas en comparación con las orientadas hacia las humanidades (Khoshbakht et al., 2018; Lo, 2013; Zhou et al., 2013). La Universidad de Tesalia es un ejemplo interesante respecto a estos factores (Zogou y Stamatelos, 2014). De manera similar, las IES que hacen un uso intensivo de la investigación registran un consumo energético mayor que aquellas centradas principalmente en la enseñanza (Wadud et al., 2019) debido a que los laboratorios presentan una alta IUE; de hecho, Wang (2016) ha identificado correlaciones entre las actividades de investigación y el CE. En general, esto sugiere que las actividades de investigación generan externalidades en términos de CE y de impacto ambiental, las cuales requieren atención. 64 2.4.3.3 Clima Los aspectos climáticos constituyen un factor importante en el CE de las universidades y son comúnmente mencionados entre los artículos seleccionados (véase la Tabla 2.13). El clima afecta al CE de la IES por regiones (Gui et al., 2020) y a través de diferentes parámetros como temperatura, humedad y visibilidad (Madhukumar et al., 2022). Varios autores han establecido correlaciones entre las características climáticas y el CE. En relación con este tema, los estudios realizados por Heidarinejad et al. (2017) sobre las universidades de Penn State y Harvard presentan ejemplos destacados. La influencia del clima por zona geográfica se refleja en que los entornos de clima cálido tienden a exigir grandes cantidades de energía para mantener una temperatura interior confortable; por lo tanto, junio es el periodo de mayor consumo de energía en el hemisferio norte para las universidades ubicadas en zonas de clima cálido (Wang, 2019) como California (Petratos y Damaskou, 2015), Arabia Saudita (Khairalla et al., 2015) y Hong Kong (Wong et al., 2006). En el otro extremo, en climas fríos, la demanda de energía para calefacción se convierte en el problema más apremiante para las IES (Qiu y Xia, 2015), que también conduce a escenarios de alto CE. Este análisis plantea la interrogante de si los gobiernos debiesen fomentar el establecimiento de universidades en regiones de clima templado o, por el contrario, si las IES ubicadas en zonas de clima extremo deberían recibir subsidios para ayudarlas a manejar el mayor gasto en recursos energéticos. 2.4.3.4 Factores técnicos Aunque el diseño de los edificios se menciona como un determinante del CE en la educación superior en sólo 13 de los artículos analizados, algunos autores lo consideran especialmente relevante (véase Obaju et al., 2019). La correcta comodidad ambiental interior y la eficiencia de la iluminación dependen sustancialmente de la orientación y el tamaño de los edificios (Eromobor et al., 2020). La cantidad, forma y superficie de las ventanas deben ser meticulosamente consideradas durante la fase de diseño, buscando un equilibrio óptimo entre los requisitos térmicos y de iluminación (Chung y Rhee, 2014). En general, las estrategias de ahorro de energía deben ser examinadas en la etapa de 65 planificación de un proyecto de desarrollo de edificios (Liu y Ren, 2020), teniendo en cuenta, particularmente en el caso de las IES, los requisitos de investigación y la orientación disciplinaria. Además, en lo que respecta a las fases iniciales del diseño de un edificio, la envolvente térmica del inmueble emerge como una característica clave, mencionada en 16 artículos que abordan este tema, subrayando la necesidad de una atención meticulosa. La antigüedad de la edificación es un factor que influye en el CE y ha sido mencionado en 15 de los artículos seleccionados. Los edificios de construcción reciente tienden a tener una menor IUE debido a la implementación de mejores estándares de iluminación y aislamiento térmico, y a sistemas más eficientes (Aguayo-Ullao et al., 2018; Im et al., 2022; Pacheco-Torres et al., 2016). Sin embargo, no existe un acuerdo total sobre este factor, siendo su relevancia cuestionada por algunos autores, porque en algunos casos el CE no muestra una correlación estadísticamente significativa con la antigüedad del edificio (Khoshbakht et al., 2018). El factor mencionado más frecuentemente (véase Tabla 2.13) dentro de los artículos estudiados es la utilización de sistemas de climatización y ventilación (comúnmente denominados HVAC por sus siglas en inglés). Su impacto en el consumo energético influye significativamente en todo tipo de edificios, representando hasta el 40% de su CE (Franco et al., 2020). Los edificios universitarios no son una excepción (Xie et al., 2018; Zhang et al., 2020) destacándose en la literatura ejemplos de HVAC como un factor crítico en el CE de IES en diversas ubicaciones geográficas (Alba y Vincent Santiago, 2019; Pritoni et al., 2017; Wei et al., 2022). Ante la relevancia del HVAC en el CE, se ha generado un interés académico particular en explorar las posibles reducciones en los recursos requeridos por estos sistemas, y los autores proponen que su optimización representa la estrategia más efectiva para minimizar el gasto energético (Escrivá-Escrivá et al., 2010). Los sistemas de iluminación son una fuente común de CE abordada en 39 de los 175 artículos seleccionados. Representan un factor central que impulsa el uso de energía y, en algunas áreas geográficas, pueden ser tan importantes como el HVAC (Pinto Oliveira et al., 2021). Como tal, los sistemas de iluminación ofrecen oportunidades para generar 66 estrategias de ahorro energético, siendo la modernización de estos sistemas una medida efectiva para mejorar la eficiencia. Además, los sistemas de control automático representan oportunidades interesantes, ya que en algunos casos se produce un considerable desperdicio de energía por dejar las luces encendidas fuera del horario laboral (Papadopoulos et al., 2016). 2.5 Conclusiones Este capítulo ha descrito el desarrollo de una revisión sistemática de la literatura centrada en el CE en la educación superior durante el periodo 2006-2022. Este método ha demostrado ser útil para determinar las características centrales de artículos científicos, tendencias académicas y factores comunes del consumo energético. En términos de contribuciones prácticas, se estima que estas características y tendencias académicas no sólo facilitan la comprensión del conocimiento fundamental actual en esta área, sino que también indican dónde y por quién se ha producido predominantemente este conocimiento. Esta información será beneficiosa para futuros investigadores en el campo, orientándolos en sus estudios. Además, la revisión sistemática de la literatura ha posibilitado identificar los principales factores que influyen en el CE de las IES, y el análisis realizado ha permitido ampliar la aplicabilidad de los hallazgos relativos a los factores de consumo energético, inicialmente centrados en contextos locales, hacia una escala más amplia, lo que ayudará significativamente a los administradores de IES en sus esfuerzos por mitigar los factores que incrementan el CE en estas instituciones. El análisis de la literatura destaca la importancia de que las IES se conviertan en instituciones sustentables, dada la relevancia de la posición que ocupan en la sociedad. Es imperativo que abracen la sostenibilidad, demuestren su compromiso con las políticas ecológicas y guíen a la comunidad universitaria hacia un comportamiento ambientalmente amigable. Los principales hallazgos de este capítulo apuntan a la existencia de un sesgo técnico en este campo de investigación, ya que la Ingeniería y la Energía son las disciplinas líderes entre los artículos seleccionados, mientras que el área de las ciencias sociales sólo ha 67 desempeñado un papel limitado. Estados Unidos, China y el Reino Unido destacan como los principales países detrás de los artículos científicos sobre este tema. “Energy and Buildings” es la revista científica más utilizada para publicar artículos sobre este tema, mientras que la Universidad de Sheffield (aunque por un pequeño margen) es la organización líder en este sentido. En cuanto a autores, Zhonghua Gou es el más prolífico, mientras que Mehreen Gul y Sandhya Patidar son los más citados. Con base en los resultados obtenidos, podemos concluir que si bien este tema ha alcanzado un grado moderado de multidisciplinariedad, esta se ha logrado mediante una combinación de ciencias exactas, sin alcanzarse una inclusión significativa de las ciencias sociales. Por lo tanto, en cuanto a recomendaciones para políticas de gestión institucional, tanto los líderes académicos como los responsables administrativos de las instituciones deben promover proyectos de investigación sobre el CE en las IES que integren disciplinas relacionadas con las ciencias sociales. Este enfoque tiene como objetivo mejorar la comprensión de cómo el comportamiento de los estudiantes, académicos y trabajadores de la educación superior impacta en su CE. El análisis de los artículos seleccionados identificó 12 factores de CE mencionados frecuentemente por sus autores. Es crucial que los administradores de educación superior comprendan y aborden estos factores. Estos incluyen: i) HVAC; ii) Patrones de ocupación; iii) Clima; iv) Función del edificio; v) Sistemas de iluminación; vi) Comportamiento de los ocupantes; vii) Equipos/Dispositivos electrónicos; viii) Superficie construida; ix) Envolvente térmica del edificio; x) Antigüedad del edificio; xi) Intensidad de la investigación/Orientación Disciplinaria; y xii) Diseño del edificio. Aunque estos factores de CE coinciden con aquellos identificados en otros sectores, como el sector residencial, en las IES, la función del edificio, la intensidad de la investigación y la orientación disciplinaria son especialmente relevantes como factores distintivos. Estos hallazgos indican que las instituciones técnicamente especializadas y las universidades orientadas a la investigación son consumidoras intensas de energía, destacando especialmente que los laboratorios tienen un alto IUE. En consecuencia, se recomienda un diseño específico de ahorro energético para los edificios de este tipo de instituciones, junto con la adquisición de 68 equipos energéticamente eficientes. Por otra parte, para las instituciones orientadas a la enseñanza, cuyo CE está mayormente determinado por las amplias superficies utilizadas por bibliotecas y aulas, se debe considerar un diseño de ahorro de energía adaptado a estas necesidades. Este último enfoque se centra en reducir la energía consumida para calefacción y refrigeración, optimizando el uso de espacios y mejorando la eficiencia de los sistemas de climatización. Los hallazgos de este capítulo estuvieron restringidos por las siguientes limitaciones: i) sólo se consideraron artículos y actas de conferencias escritos en inglés; ii) los estudios publicados antes de 2007 no estaban disponibles en la base de datos de WOS; iii) los textos estudiados fueron extraídos el 27 de abril de 2022, por lo que cualquier nueva incorporación a las bases de datos científicas después de esta fecha no se incluyó en este estudio; y iv) los artículos no se clasifican individualmente dentro de una disciplina, sino que se les asigna automáticamente la categoría de la revista científica donde son publicados. Finalmente, dado el rápido crecimiento de la producción académica sobre este tema, se sugiere, en un futuro próximo, realizar una nueva revisión sistemática de la literatura para comparar estos resultados con los de un conjunto más extenso de artículos. 2.6 Bibliografía Adame, B. O., Salau, A. O. (2021). Energy efficiency analysis and energy conservation measures for Ethiopian Universities: Introducing green campus initiative. 8th Annual IEEE Power and Energy Society and Industrial Applications Society PowerAfrica Conference, PowerAfrica 2021. https://doi.org/10.1109/PowerAfrica52236.2021.9543461. Afzal, M., Yi, R., Li, M., Shoaib, M., Ayyub, M. F., Chiara Tagliabue, L., Bilal, M., Ghafoor, H., Manta, O. (2023). Delving into the Digital Twin Developments and Applications in the Construction Industry: A PRISMA Approach. Sustainability 2023, Vol. 15, Page 16436, 15(23), 16436. https://doi.org/10.3390/SU152316436. Aguayo-Ullao, E., Valderrama-Ulloa, C., Rouault, F. (2018). Analysis of energy data of existing buildings in a University Campus. Revista de La Construcción, 17(1), 172–182. https://doi.org/10.7764/rdlc.17.1.172. Ahmad, S. A., Hassan, M. Y., Abdullah, H., Rahman, H. A., Majid, M. S., Bandi, M. (2012). Energy efficiency measurements in a Malaysian public university. 2012 IEEE International 69 Conference on Power and Energy, PECon 2012, 582–587. https://doi.org/10.1109/PECon.2012.6450281. Alba, A. R., Vincent Santiago, R. (2019). Decision Support System in Establishing Energy Management System for the Engineering Building of Bulacan State University. 11th IEEE International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment, and Management, HNICEM 2019. https://doi.org/10.1109/HNICEM48295.2019.9073371. Al-Daraiseh, A., El-Qawasmeh, E., Shah, N. (2015). Multi-agent system for energy consumption optimisation in higher education institutions. Journal of Computer and System Sciences, 81(6), 958–965. https://doi.org/10.1016/j.jcss.2014.12.010 Al-Daraiseh, A., Shah, N., El-Qawasmeh, E. (2013). An intelligent energy management system for educational buildings. International Journal of Distributed Sensor Networks, 2013. https://doi.org/10.1155/2013/209803 Alghamdi, A., Haider, H., Hewage, K., Sadiq, R. (2019). Inter-university sustainability benchmarking for Canadian higher education institutions: Water, energy, and carbon flows for technical-level decision-making. Sustainability (Switzerland), 11(9). https://doi.org/10.3390/su11092599 Almeida, A. P., Sousa, V., Silva, C. M. (2021). Methodology for estimating energy and water consumption patterns in university buildings: case study, Federal University of Roraima (UFRR). Heliyon, 7(12). https://doi.org/10.1016/j.heliyon.2021.e08642 Almeida, L., Tam, V. W. Y., Le, K. N., She, Y. J. (2020). Effects of occupant behaviour on energy performance in buildings: a green and non-green building comparison. Engineering Construction and Architectural Management, 27(8), 1939–1962. https://doi.org/10.1108/ECAM-11-2019-0653 Alshuwaikhat, H. M., Abubakar, I. (2008). An integrated approach to achieving campus sustainability: assessment of the current campus environmental management practices. Journal of Cleaner Production, 16(16), 1777–1785. https://doi.org/10.1016/J.JCLEPRO.2007.12.002 Altan, H. (2010). Energy efficiency interventions in UK higher education institutions. Energy Policy, 38(12), 7722–7731. https://doi.org/10.1016/j.enpol.2010.08.024 Altan, H., Ward, I. (2006). Non-domestic energy use - Experiences of the Higher Education sector. Annual Research Conference of the Royal Institution of Chartered Surveyors, COBRA 2006. https://www.scopus.com/inward/record.uri?eid=2-s2.084859026381&partnerID=40&md5=e2a4c11fb3c066cde9845c8721fe9f63 Amber, K. P., Ahmad, R., Chaudhery, G. Q., Khan, M. S., Akbar, B., Bashir, M. A. (2020). Energy and environmental performance of a higher education sector - a case study in the United Kingdom. International Journal of Sustainable Energy, 39(5), 497–514. https://doi.org/10.1080/14786451.2020.1720681 70 Andrei, H., Diaconu, E., Gheorghe, A., Bizon, N., Mazare, A., Ionescu, L., Stanculescu, M., Porumb, R., Seritan, G., Andrei, P., Gaiceanu, M., Deleanu, S. (2021). Energy Consumption, Pandemic Period and Online Academic Education: Case Studies in Romanian Universities. In M. Gaiceanu (Ed.), 7th IEEE International Symposium on Electrical and Electronics Engineering, ISEEE 2021, Galati, Romania, 28–30 October 2021. . Institute of Electrical and Electronics Engineers Inc. https://doi.org/10.1109/ISEEE53383.2021.9628793 Annunziata, E., Frey, M., Rizzi, F. (2013). Towards nearly zero-energy buildings: The state-of-art of national regulations in Europe. Energy, 57, 125–133. https://doi.org/10.1016/J.ENERGY.2012.11.049 Ao, S.-J. (2011). Status and countermeasures of energy management in China’s college. 2011 International Conference on Materials for Renewable Energy and Environment, ICMREE2011, 2, 1922–1926. https://doi.org/10.1109/ICMREE.2011.5930713 Ascione, F., Borrelli, M., de Masi, R. F., De’Rossi, F., Vanoli, G. P. (2019a). Energy refurbishment of a University building in cold Italian backcountry. Part 1: Audit and calibration of the numerical model. In P. E. Campana, J. K. Kaldellis, J. Yan (Eds.), 2018 Renewable Energy Integration with Mini/Microgrid, REM 2018 (Vol. 159, pp. 10–15). Elsevier Ltd. https://doi.org/10.1016/j.egypro.2018.12.009 Ascione, F.; Borrelli, M.; de Masi, R.F.; Rossi, F.D.; Vanoli, G.P. (2019b) Energy Refurbishment of a University Building in Cold Italian Backcountry. Part 2: Sensitivity Studies and Optimization. In Proceedings of the 2018 Renewable Energy Integration with Mini/Microgrid, REM 2018; Yan, J., Campana, P.E., Kaldellis, J.K., Eds.; Elsevier Ltd, 2019; Vol. 159, pp. 2–9. Asmar, M. E., Tilton, C. (2015). Student Housing Energy Consumption: A Comparison of Chilled Water, Heating, and Electricity Use. In W. O. Chong, U. Berardi, K. Parrish, J. Chang (Eds.), International Conference on Sustainable Design, Engineering and Construction, ICSDEC 2015 (Vol. 118, pp. 1038–1043). Elsevier Ltd. https://doi.org/10.1016/j.proeng.2015.08.546 Azizi, S., Rabiee, R., Nair, G., Olofsson, T. (2020). Application of occupancy and booking information to optimize space and energy use in higher education institutions. In J. Kurnitski T. Kalamees (Eds.), 12th Nordic Symposium on Building Physics, NSB 2020, Tallinn, Estonia, 6–9 September 2020; (Vol. 172). EDP Sciences. https://doi.org/10.1051/e3sconf/202017225010 Becchio, C., Bottero, M., Corgnati, S., Dell’Anna, F., Vergerio, G. (2021). Energy audit and multicriteria decision analysis to identify sustainable strategies in the university campuses: Application to politecnico di torino. Smart Innovation, Systems and Technologies, 178 SIST, 1187–1197. https://doi.org/10.1007/978-3-030-48279-4_110 Bellia, L., Borrelli, M., De Masi, R. F., Ruggiero, S., Vanoli, G. P. (2018). University building: Energy diagnosis and refurbishment design with cost-optimal approach. Discussion about the effect of numerical modelling assumptions. Journal of Building Engineering, 18, 1–18. https://doi.org/10.1016/j.jobe.2018.02.017 77 Jomoah, I. M., Al-Abdulaziz, A. U. M., Sreerama Kumar, R. (2013). Energy management in the buildings of a university campus in Saudi Arabia - A case study. 2013 4th International Conference on Power Engineering, Energy and Electrical Drives, PowerEng 2013, 659–663. https://doi.org/10.1109/PowerEng.2013.6635688 Kaplowitz, M. D., Thorp, L., Coleman, K., Kwame Yeboah, F. (2012). Energy conservation attitudes, knowledge, and behaviors in science laboratories. Energy Policy, 50, 581–591. https://doi.org/10.1016/j.enpol.2012.07.060 Kartikasari, F. D., Tarigan, E., Fransiscus, Y., Lidyawati, T. (2018). Energy Saving Measures and Potential of Energy Efficiency at the University of Surabaya, Based on EDGE Simulation. In M. Facta, M. A. Riyadi, M. Arfan, & E. D. Widianto (Eds.), 5th International Conference on Information Technology, Computer and Electrical Engineering, ICITACEE 2018 (pp. 89–92). Institute of Electrical and Electronics Engineers Inc. https://doi.org/10.1109/ICITACEE.2018.8576925 Kazaki, A. G., Papadopoulos, T. A. (2018). Cluster analysis of university campus smart meter data. 53rd International Universities Power Engineering Conference, UPEC 2018. https://doi.org/10.1109/UPEC.2018.8541941 Khairalla, M., Gaouda, A. M., Abdel-Hafez, M., Shuaib, K., Alahmad, M. (2015). Challenges in load profile monitoring: Case study. In Proceedings of the 1st International Conference on Electrical and Information Technologies, ICEIT 2015, Marrakech, Morocco, 25–27 March 2015; pp. 65–70. https://doi.org/10.1109/EITech.2015.7162954 Khoshbakht, M., Gou, Z. H., Dupre, K. (2018). Energy use characteristics and benchmarking for higher education buildings. Energy and Buildings, 164, 61–76. https://doi.org/10.1016/j.enbuild.2018.01.001 Kiatlertnapha, D., Vorayos, N. (2017). Prioritizing Energy-efficiency and Renewable-energy Measures in a Low-carbon Campus using Analytic Hierarchy Process with Social Awareness Criterion. ASR Chiang Mai University Journal of Social Sciences and Humanities, 4(1), 57–70. https://doi.org/10.12982/CMUJASR.2017.0004 Kim, Y. S., Srebric, J. (2017). Impact of occupancy rates on the building electricity consumption in commercial buildings. Energy and Buildings, 138, 591–600. https://doi.org/10.1016/j.enbuild.2016.12.056 Kolokotsa, D., Gobakis, K., Papantoniou, S., Georgatou, C., Kampelis, N., Kalaitzakis, K., Vasilakopoulou, K., Santamouris, M. (2016). Development of a web based energy management system for University Campuses: The CAMP-IT platform. Energy and Buildings, 123, 119–135. https://doi.org/10.1016/j.enbuild.2016.04.038 Lasuen, U. O., Iragorri, M. A. O., Diez, J. R. (2020). Towards energy transition at the Faculty of Education of Bilbao (UPV/EHU): diagnosing community and building. International Journal of Sustainability in Higher Education, 21(7), 1277–1296. https://doi.org/10.1108/IJSHE-122019-0363 78 Latif, A. F., Ahmad, N. A., Abdullah, M. R., Ismail, A., Ghani, A. A. A. (2019). A Review on Energy Performance in Malaysian Universities Through Building Information Modelling (BIM) Adaptation. 2019 3rd International Conference on Energy and Environmental Science, ICEES 2019, 291(1). https://doi.org/10.1088/1755-1315/291/1/012033 Lawrence, R., Elsayed, M., Keime, C. (2019). Evaluation of environmental design strategies for university buildings. Building Research and Information, 47(8), 883–900. https://doi.org/10.1080/09613218.2019.1652551 Lawrence, R., Keime, C. (2016). Bridging the gap between energy and comfort: Post-occupancy evaluation of two higher-education buildings in Sheffield. Energy and Buildings, 130, 651– 666. https://doi.org/10.1016/j.enbuild.2016.09.001 Leal Filho, W., Salvia, A. L., Paço, A. D., Anholon, R., Gonçalves Quelhas, O. L., Rampasso, I. S., Ng, A., Balogun, A.-L., Kondev, B., Brandli, L. L. (2019). A comparative study of approaches towards energy efficiency and renewable energy use at higher education institutions. Journal of Cleaner Production, 237. https://doi.org/10.1016/j.jclepro.2019.117728 Lee, S. H., Augenbroe, G. (2007). Energy performance evaluation of campus facilities. Construction and Building Research Conference of the Royal Institution of Chartered Surveyors, COBRA 2007. https://www.scopus.com/inward/record.uri?eid=2-s2.084860566627&partnerID=40&md5=adf998a17de3be556a31d02a9a6cdc51 Leite Frandoloso, M. A., Grala Da Cunha, E., Brandli, L., De Brito Rodrigues, F., Rostirolla, J. A., Turella, L., De Negri, L., Marchiori, T. (2007). Sustainability and natural resources uses at a South Brazilian university: Proposing an environmental plan to University of Passo Fundo. International Conference on Sustainable Construction, Materials and Practices: Challenge of the Industry for the New Millennium, Portugal SB 2007, 139–146. https://www.scopus.com/inward/record.uri?eid=2-s2.084898850476&partnerID=40&md5=8cec3952a64b96514ec14a20a835dd9f Li, S. M., Chen, Y. (2021). Internal benchmarking of higher education buildings using the floorarea percentages of different space usages. Energy and Buildings, 231. https://doi.org/10.1016/j.enbuild.2020.110574 Litardo, J., Hidalgo-Leon, R., MacIas, J., Delgado, K., Soriano, G. (2019). Estimating energy consumption and conservation measures for ESPOL Campus main building model using EnergyPlus. 39th IEEE Central America and Panama Convention, CONCAPAN 2019, 2019November. https://doi.org/10.1109/CONCAPANXXXIX47272.2019.8976931 Litardo, J., Hidalgo-Leon, R., Soriano, G. (2021). Energy performance and benchmarking for university classrooms in hot and humid climates. Energies, 14(21). https://doi.org/10.3390/en14217013 Liu, Q. B., Ren, J. (2020). Research on the building energy efficiency design strategy of Chinese universities based on green performance analysis. Energy and Buildings, 224. https://doi.org/10.1016/j.enbuild.2020.110242 79 Liu, Q., Wang, Z. (2022). Green BIM-based study on the green performance of university buildings in northern China. Energy, Sustainability and Society, 12(1). https://doi.org/10.1186/s13705-022-00341-9 Liu, Z.-L., Li, S.-Q., Li, M.-Q., Feng, L.-X. (2013). Building energy consumption in the universities of China: Situation and countermeasures. 19th International Conference on Industrial Engineering and Engineering Management: Engineering Management, 51–59. https://doi.org/10.1007/978-3-642-38433-2_6 Lo, K. (2013). Energy conservation in China’s higher education institutions. Energy Policy, 56, 703–710. https://doi.org/10.1016/j.enpol.2013.01.036 López-sosa, L. B., Alvarado-flores, J. J., Marín-aguilar, T. N. J., Corral-huacuz, J. C., Aguileramandujano, A., Rodríguez-torres, G. M., Morales-máximo, M., Rodríguez-magallón, M. C., Alcaraz-vera, J. V, Ávalos-rodríguez, M. L., Rutiaga-quiñones, J. G., Rodríguez-olalde, N. E., Flores-armenta, M. C., García, C. A. (2021). COVID-19 pandemic effect on energy consumption in state universities: Michoacan, Mexico case study. Energies, 14(22). https://doi.org/10.3390/en14227642 Ma, Z., Yan, R., Nord, N. (2017). A variation focused cluster analysis strategy to identify typical daily heating load profiles of higher education buildings. Energy, 134, 90–102. https://doi.org/10.1016/j.energy.2017.05.191 Madhukumar, M., Sebastian, A., Liang, X., Jamil, M., Shabbir, M. N. S. K. (2022). Regression Model-Based Short-Term Load Forecasting for University Campus Load. IEEE Access, 10, 8891–8905. https://doi.org/10.1109/ACCESS.2022.3144206 Madigan, M. J., Neimeier, R. M., Spiegel, S. J. (2015). Prevalence of Findings from ASHRAE Level 2 Energy Assessments at 13 Colleges. Strategic Planning for Energy and the Environment, 35(3), 43–72. https://doi.org/10.1080/10485236.2015.11665760 Maistry, N., Annegarn, H. (2016). Using energy profiles to identify university energy reduction opportunities. International Journal of Sustainability in Higher Education, 17(2), 188–207. https://doi.org/10.1108/IJSHE-09-2014-0129 Marans, R. W., Edelstein, J. Y. (2010). The human dimension of energy conservation and sustainability A case study of the University of Michigan’s energy conservation program. International Journal of Sustainability in Higher Education, 11(1), 6–18. https://doi.org/10.1108/14676371011010011 Marina Domingo, A. M., Rey-Hernández, J. M., San José Alonso, J. F., Crespo, R. M., Rey Martínez, F. J. (2018). Energy efficiency analysis carried out by installing district heating on a university campus. A case study in Spain. Energies, 11(10). https://doi.org/10.3390/en11102826 Mata, É., López, F., Cuchí, A. (2007). Sustainable management of existing building stock: A strategy to reduce the energy consumption and the environmental impact. International Conference on Sustainable Construction, Materials and Practices: Challenge of the Industry for the New Millennium, Portugal SB 2007, 171–177. 80 https://www.scopus.com/inward/record.uri?eid=2-s2.071949126455&partnerID=40&md5=e0ef53b9c4e603fd02230c4af8236ad2 Mata, E., López, F., Cuchí, A. (2009). Optimization of the management of building stocks: An example of the application of managing heating systems in university buildings in Spain. Energy and Buildings, 41(12), 1334–1346. https://doi.org/10.1016/j.enbuild.2009.07.031 Medrano, M., Marti, J. M., Rincon, L., Mor, G., Cipriano, J., Farid, M. (2018). Assessing the nearly zero-energy building gap in university campuses with a feature extraction methodology applied to a case study in Spain. International Journal of Energy and Environmental Engineering, 9(3), 227–247. https://doi.org/10.1007/s40095-018-0264-x Melki, S., Hayek, M., Mech, N. I. M. S. C. S. P. (2009). Building simulation tools and their role in improving existing building designs. 2009 International Conference on Advances in Computational Tools for Engineering Applications, ACTEA 2009, 503–507. https://doi.org/10.1109/ACTEA.2009.5227889 Michael, M., Ntsaluba, S. B. K., Zhang, L. (2019). A comparative study on electrical energy usage of university residences in South Africa (2017). 27th International Conference on the Domestic Use of Energy, DUE 2019, 201–205. Mohammadalizadehkorde, M., Weaver, R. (2018). Universities as models of sustainable energyconsuming communities? Review of selected literature. Sustainability (Switzerland), 10(9). https://doi.org/10.3390/SU10093250 Mohammadalizadehkorde, M., Weaver, R. (2020). Quantifying potential savings from sustainable energy projects at a large public university: An energy efficiency assessment for texas state university. Sustainable Energy Technologies and Assessments, 37. https://doi.org/10.1016/j.seta.2019.100570 Moschini, U., Fenialdi, E., Daraio, C., Ruocco, G., Molinari, E. (2020). A comparison of three multidisciplinarity indices based on the diversity of Scopus subject areas of authors’ documents, their bibliography and their citing papers. Scientometrics, 125(2), 1145–1158. https://doi.org/10.1007/S11192-020-03481-X Mtutu, P., Thondhlana, G. (2016). Encouraging pro-environmental behaviour: Energy use and recycling at Rhodes University, South Africa. Habitat International, 53, 142–150. https://doi.org/10.1016/j.habitatint.2015.11.031 Murshed, M. (2020). Electricity conservation opportunities within private university campuses in Bangladesh. Energy and Environment, 31(2), 256–274. https://doi.org/10.1177/0958305X19857209 Mutumba, G. S., Odongo, T., Okurut, N. F., Bagire, V. (2021). A survey of literature on energy consumption and economic growth. Energy Reports, 7, 9150–9239. https://doi.org/10.1016/J.EGYR.2021.10.107 81 Mytafides, C. K., Dimoudi, A., Zoras, S. (2017). Transformation of a university building into a zero energy building in Mediterranean climate. Energy and Buildings, 155, 98–114. https://doi.org/10.1016/j.enbuild.2017.07.083 Nizamutdinova, Z. F., Potonova, N. A. (2021). Determination of territorial compactness and analysis of optimization of energy-efficient characteristics of the university campus. 2020 International Baikal Investment and Construction Forum on Spatial Restructuring of Territories, 751(1). https://doi.org/10.1088/1755-1315/751/1/012029 Noranai, Z., Azman, A. D. F. (2017). Potential reduction of energy consumption in public university library. 2nd International Conference on Computational Fluid Dynamics in Research and Industry, CFDRI 2017, 243(1). https://doi.org/10.1088/1757899X/243/1/012023 Noranai, Z., Mohamad, M. H. H., Salleh, H., Yusof, M. Z. M. (2014). Energy saving measures for university public library: A case study of UTHM library. Applied Mechanics and Materials, 660, 1072–1075. https://doi.org/10.4028/www.scientific.net/AMM.660.1072 Numbi, B. P., Malinga, S. J., Chidzonga, R. F., Mulangu, T. C. (2017). Energy cost saving potential in educational buildings-case study of MUT campus. Proceedings of the Conference on the Industrial and Commercial Use of Energy, ICUE. https://doi.org/10.23919/ICUE.2017.8068004 Nunayon, S. S., Olanipekun, E. A., Famakin, I. O. (2020). Determining key drivers of efficient electricity management practices in public universities in Southwestern Nigeria An empirical study. International Journal of Sustainability in Higher Education, 21(2), 281–314. https://doi.org/10.1108/ijshe-03-2019-0125 Ó Gallachóir, B. P., Keane, M., Morrissey, E., O’Donnell, J. (2007). Using indicators to profile energy consumption and to inform energy policy in a university—A case study in Ireland. Energy and Buildings, 39(8), 913–922. https://doi.org/10.1016/J.ENBUILD.2006.11.005 Obaju, B. N., Adeleke, J. S., Yusuf, T. O., Buari, T. A., Tokede, C. A. (2019). Assessment of Energy Wastage and Saving Potentials for Higher Educational Institutional Buildings in South Western Nigeria. 1st International Conference on Energy and Sustainable Environment, ICESE 2019, 331(1). https://doi.org/10.1088/1755-1315/331/1/012006 Ocampo Batlle, E. A., Escobar Palacio, J. C., Silva Lora, E. E., Martínez Reyes, A. M., Melian Moreno, M., Morejón, M. B. (2020). A methodology to estimate baseline energy use and quantify savings in electrical energy consumption in higher education institution buildings: Case study, Federal University of Itajubá (UNIFEI). Journal of Cleaner Production, 244. https://doi.org/10.1016/j.jclepro.2019.118551 Ohashi, T., Miyazaki, M., Shimoda, Y. (2015). Analysis of university science facilities’ energy consumption. Journal of Environmental Engineering (Japan), 80(707), 45–53. https://doi.org/10.3130/aije.80.45 82 Oyedepo, S. O., Dirisu, J. O., Efemwenkiekie, U. K., Fayomi, O. S. I., Essien, E. E. (2019). Comprehending the energy consumption pattern of occupancy of an academic structure. 3rd International Conference on Engineering for Sustainable World, ICESW 2019, 1378(2). https://doi.org/10.1088/1742-6596/1378/2/022027 Pacheco-Torres, R., Heo, Y., Choudhary, R. (2016). Efficient energy modelling of heterogeneous building portfolios. Sustainable Cities and Society, 27, 49–64. https://doi.org/10.1016/j.scs.2016.08.001 Papadopoulos, T. A., Giannakopoulos, G. T., Nikolaidis, V. C., Safigianni, A. S., Panapakidis, I. P. (2016). Study of electricity load profiles in University Campuses: The case study of democritus university of thrace. Mediterranean Conference on Power Generation, Transmission, Distribution and Energy Conversion, MedPower 2016, 2016(CP711). https://doi.org/10.1049/cp.2016.1004 Pappi, I. N., Paterakis, N. G., Catalao, J. P. S., Panapakidis, I., Papagiannis, G. (2015). Analysis of the energy usage in university buildings: The case of Aristotle university campus. 2015 Australasian Universities Power Engineering Conference: Challenges for Future Grids, AUPEC 2015. https://doi.org/10.1109/AUPEC.2015.7324856 Park, J. C., Lee, K. G., Shim, I. C., Hong, W. H. (2013). A study on the energy conservation policy of South Korean Universities. Advanced Materials Research, 724–725, 1602–1607. https://doi.org/10.4028/www.scientific.net/AMR.724-725.1602 Perdue, J. L., Stoker, A. D. (2013). A Roadmap for Climate Action at the University of Calgary: Higher Education Campuses as Climate Leaders. Journal of Green Building, 8(1), 44–61. https://doi.org/10.3992/jgb.8.1.44 Pérez-Lombard, L., Ortiz, J., Pout, C. (2008). A review on buildings energy consumption information. Energy and Buildings, 40(3), 394–398. https://doi.org/10.1016/j.enbuild.2007.03.007 Petratos, P., Damaskou, E. (2015). Management strategies for sustainability education, planning, design, energy conservation in California higher education. International Journal of Sustainability in Higher Education, 16(4), 576–603. https://doi.org/10.1108/IJSHE-03-20140038 Pinto Oliveira, D.C.; Pimentel Filho, M.C.; Alencar Freitas, A.A. Energy Efficiency Analysis in Buildings of a University Campus Using the Procel RTQ-C. In Proceedings of the 14th IEEE International Conference on Industry Applications, INDUSCON 2021, São Paulo, Brazil, 15– 18 August 2021; pp. 710–715 Prada, M., Popescu, D. E., Bungau, C., Pancu, R., Bungau, C. (2017). Parametric Studies on European 20-20-20 Energy Policy Targets in University Environment. Journal of Environmental Protection and Ecology, 18(3), 1146–1157. Pritoni, M., Salmon, K., Sanguinetti, A., Morejohn, J., Modera, M. (2017). Occupant thermal feedback for improved efficiency in university buildings. Energy and Buildings, 144, 241– 250. https://doi.org/10.1016/j.enbuild.2017.03.048 83 Qiu, J., Xia, L. Bin. (2015). Application study of green building technology in universities and colleges in cold regions. Green Building, Materials and Civil Engineering - Proceedings of the 4th International Conference on GreenBuilding, Materials and Civil Engineering, GBMCE 2014, 595–597. https://doi.org/10.1201/b17568-124 Raatikainen, M., Skön, J. P., Leiviskä, K., Kolehmainen, M. (2016). Intelligent analysis of energy consumption in school buildings. Applied Energy, 165, 416–429. https://doi.org/10.1016/J.APENERGY.2015.12.072 Rebelatto, B. G., Salvia, A. L., Reginatto, G., Daneli, R. C., Brandli, L. L. (2019). Energy efficiency actions at a Brazilian university and their contribution to sustainable development Goal 7. International Journal of Sustainability in Higher Education, 20(5), 842–855. https://doi.org/10.1108/IJSHE-01-2019-0023 Rivera-Castro, A. F., Fuentes-Velazquez, J. G., Angeles-Camacho, C. (2019). Energy Savings Due to Daylight Saving in Mexico; Case Study: Buildings and Facilities of CU-UNAM. 39th IEEE Central America and Panama Convention, CONCAPAN 2019, 2019-November. https://doi.org/10.1109/CONCAPANXXXIX47272.2019.8976996 Safarzadeh, S., Rasti-Barzoki, M., Hejazi, S. R. (2020). A review of optimal energy policy instruments on industrial energy efficiency programs, rebound effects, and government policies. Energy Policy, 139. https://doi.org/10.1016/j.enpol.2020.111342 Sapri, M., Ishak, M. H., Sipan, I., Iman, A. H. M. (2015). Significant factors of energy consumption behaviour pattern among Malaysian Higher Education Institutions students. Proceedings of the 25th International Business Information Management Association Conference - Innovation Vision 2020: From Regional Development Sustainability to Global Economic Growth, IBIMA 2015, 505–516. Scielo. (2022). SciELO Citation Index. https://www.webofscience.com/wos/scielo/basic-search Scopus. (2022). Scopus. https://www.scopus.com/search/form.uri?display=basic#basic Sekki, T., Airaksinen, M., Saari, A. (2015). Measured energy consumption of educational buildings in a Finnish city. Energy and Buildings, 87, 105–115. https://doi.org/10.1016/J.ENBUILD.2014.11.032 Sergeev, S., Barykin, S., Kalinina, O., Naumova, E., Dedyukhina, N., Dmitrieva, T. (2021). Optimizing the energy efficiency of higher education institutions. In V. Breskich, S. Uvarova (Eds.), 22nd International Scientific Conference on Energy Management of Municipal Facilities and Sustainable Energy Technologies, EMMFT 2020 (Vol. 244). EDP Sciences. https://doi.org/10.1051/e3sconf/202124411029 Serghides, D. K., Chatzinikola, C. K., Katafygiotou, M. C. (2015). Comparative studies of the occupants’ behaviour in a university building during winter and summer time. International Journal of Sustainable Energy, 34(8), 528–551. https://doi.org/10.1080/14786451.2014.905578 84 Shafie, S. M., Harits, N., Hami, N., Firman, Hassan, M. G., Yanti, S. R. (2020). Energy efficient management application in university buildings: Case of Malaysia public university. International Journal of Advanced Science and Technology, 29(6 Special Issue), 1704–1711. https://www.scopus.com/inward/record.uri?eid=2-s2.085083399546&partnerID=40&md5=3251e36a72ac97ff20abbcce5f3cc3a3 Shcherbak, V., Ganushchak-Yefimenko, L., Nifatova, O., Dudko, P., Savchuk, N., Solonenchuk, I. (2019). Application of international energy efficiency standards for energy auditing in a University buildings. Global Journal of Environmental Science and Management-GJESM, 5(4), 501–514. https://doi.org/10.22034/gjesm.2019.04.09 Shengshi, T., Yuqing, Z., Wangxu, Jiayu, D., Xin, Y., Xiangyang, H. (2020). Research on Construction Strategy of Energy Conservation and Emission Reduction in University Campuses in Beijing. In W. Qin (Ed.), 2nd International Conference on Civil Architecture and Energy Science, CAES 2020 (Vol. 165). EDP Sciences. https://doi.org/10.1051/e3sconf/202016501032 Skopek, J. (2010). Sustainable and smart University Campuses; Strategic approach to sustainability and building intelligence for University Campuses. CESB 2010 Prague - Central Europe towards Sustainable Building “From Theory to Practice,” 1–4. https://www.scopus.com/inward/record.uri?eid=2-s2.084902472402&partnerID=40&md5=69139ed48a8cdfa2a56a924fda61319e Soares, N., Pereira, L. D., Ferreira, J., Conceicao, P., da Silva, P. P. (2015). Energy efficiency of higher education buildings: a case study. International Journal of Sustainability in Higher Education, 16(5), 669–691. https://doi.org/10.1108/IJSHE-11-2013-0147 Sonetti, G., Cottafava, D. (2022). Enhancing the accountability and comparability of different campuses’ energy profiles through an energy cluster approach. Energy Efficiency, 15(4). https://doi.org/10.1007/s12053-022-10024-1 Su, Y., Takaguchi, H., Yan, J. (2012). Analysis of energy consumption structure of a science and engineering university campus in Southern China. Journal of Environmental Engineering, 77(675), 399–407. https://doi.org/10.3130/aije.77.399 Su, Y., Yan, J. W. (2013a). Effect evaluation of introduced building energy management system in university campus. Applied Mechanics and Materials, 368–370(1), 1222–1227. https://doi.org/10.4028/WWW.SCIENTIFIC.NET/AMM.368-370.1222 Su, Y., Yan, J. W. (2013b). Methodology of measurement and calculation of building energy management system in university campus. Applied Mechanics and Materials, 368–370(1), 454–459. https://doi.org/10.4028/www.scientific.net/AMM.368-370.454 Tan, H. W., Chen, S. Q., Shi, Q., Wang, L. L. (2014). Development of green campus in China. Journal of Cleaner Production, 64, 646–653. https://doi.org/10.1016/j.jclepro.2013.10.019 Tian, P., Zhou, H., Li, N., Su, Q. (2009). Survey on energy consumption and indoor thermal environment of University Building in Changsha, China. 6th International Symposium on Heating, Ventilating and Air Conditioning, ISHVAC 2009, 1, 65–71. 85 https://www.scopus.com/inward/record.uri?eid=2-s2.078149394021&partnerID=40&md5=674613db716209497cae3edac7aed87b Torres, C., Siller, E., Allen, Y., Caeiro, J. A. J. (2013). Assessment of the potential savings resulting from shutting down university buildings during periods of very low occupancy: A case study. 2013 Architectural Engineering National Conference: Building Solutions for Architectural Engineering, AEI 2013, 795–803. https://doi.org/10.1061/9780784412909.078 Vaisi, S., Mohammadi, S., Nastasi, B., Javanroodi, K. (2020). A new generation of thermal energy benchmarks for university buildings. Energies, 13(24). https://doi.org/10.3390/en13246606 Vaisi, S., Pilla, F., McCormack, S. J. (2018). Recommending a thermal energy benchmark based on CIBSE TM46 for typical college buildings and creating monthly energy models. Energy and Buildings, 176, 296–309. https://doi.org/10.1016/j.enbuild.2018.07.041 van Eck, N. J., Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523–538. https://doi.org/10.1007/S11192009-0146-3 van Eck, N. J., Waltman, L. (2014). CitNetExplorer: A new software tool for analyzing and visualizing citation networks. Journal of Informetrics, 8(4), 802–823. https://doi.org/10.1016/J.JOI.2014.07.006 Wadud, Z., Royston, S., Selby, J. (2019). Modelling energy demand from higher education institutions: A case study of the UK. Applied Energy, 233, 816–826. https://doi.org/10.1016/j.apenergy.2018.09.203 Wang, J. C. (2016). A study on the energy performance of school buildings in Taiwan. Energy and Buildings, 133, 810–822. https://doi.org/10.1016/j.enbuild.2016.10.036 Wang, J. C. (2019). Analysis of energy use intensity and greenhouse gas emissions for universities in Taiwan. Journal of Cleaner Production, 241, 118363. https://doi.org/10.1016/j.jclepro.2019.118363 Wang, L., Ding, Y., Riedel, T., Miclaus, A., Beigl, M. (2017). Data analysis on building load profiles: A stepping stone to future campus. 2017 International Smart Cities Conference, ISC2 2017. https://doi.org/10.1109/ISC2.2017.8090823 Wang, Q. Y. (2011). Research on saving energy and reducing cost of the higher learning institution. Applied Mechanics and Materials, 99–100, 800–803. https://doi.org/10.4028/www.scientific.net/AMM.99-100.800 Ward, I., Ogbonna, A., Altan, H. (2008). Sector review of UK higher education energy consumption. Energy Policy, 36(8), 2939–2949. https://doi.org/10.1016/j.enpol.2008.03.031 Web of Science Core Collection. (2022). Web of Science Core Collection. https://www.webofscience.com/wos/woscc/basic-search 86 Wei, Q., Li, Q., Yang, Y., Zhang, L., Xie, W. (2022). A summary of the research on building load forecasting model of colleges and universities in North China based on energy consumption behavior: A case in North China. Energy Reports, 8, 1446–1462. https://doi.org/10.1016/j.egyr.2022.02.009 Wong, W. P., Fellows, R. F., Liu, A. M. M. (2006). Use of electrical energy in university buildings: A Hong Kong case study. Facilities, 24(1–2), 5–17. https://doi.org/10.1108/02632770610639161 World University Rankings 2023 | Times Higher Education (THE). (n.d.). Retrieved November 13, 2022, from https://www.timeshighereducation.com/world-universityrankings/2023/worldranking#!/page/0/length/25/name/sheffield/sort_by/rank/sort_order/asc/cols/stats Xiao, Y., Watson, M. (2019). Guidance on Conducting a Systematic Literature Review. Journal of Planning Education and Research, 39(1), 93–112. https://doi.org/10.1177/0739456X17723971 Xie, D., Yu, L., Jiang, T., Zou, Y. (2018). Distributed energy optimization for HVAC systems in university campus buildings. IEEE Access, 6, 59141–59151. https://doi.org/10.1109/access.2018.2872589 Xu, X., Wang, W., Hong, T., Chen, J. (2019). Incorporating machine learning with building network analysis to predict multi-building energy use. Energy and Buildings, 186, 80–97. https://doi.org/10.1016/j.enbuild.2019.01.002 Xue, S. H., Li, Y. Y., Ma, Y. C., Yu, Y. (2014). Study on energy consumption quotas development method of colleges and universities in Hubei. Advanced Materials Research, 953–954, 1624–1627. https://doi.org/10.4028/www.scientific.net/AMR.953-954.1624 Yildiz, Y., Koçyiǧit, M. (2020). A study on the energy-saving potential of university campuses in Turkey. Proceedings of the Institution of Civil Engineers: Engineering Sustainability, 173(8), 379–396. https://doi.org/10.1680/jensu.20.00006 Yildiz, Y., Kocyigit, M. (2021). Energy consumption analysis of education buildings: The case study of Balikesir University. Gazi University Journal of Science, 34(3), 665–677. https://doi.org/10.35378/gujs.722746 Ying, H., Jianqiang, H., Guoqiang, X., Shikuan, L., Jing, C. (2014). Review of the research on energy consumption evaluation index system of campus. Open Fuels and Energy Science Journal, 7(1), 84–87. https://doi.org/10.2174/1876973x01407010084 Yoshida, Y., Shimoda, Y., Ohashi, T. (2017). Strategies for a sustainable campus in Osaka University. Energy and Buildings, 147, 1–8. https://doi.org/10.1016/j.enbuild.2017.04.020 Zakaria, N. A., Hassan, M. Y., Abdullah, H., Abdullah, M. P., Hussin, F., Hussin, S. M., Bakar, N. N. A. (2019). Energy efficiency index by considering number of occupants: A study on the lecture rooms in a university building. Indonesian Journal of Electrical Engineering and Computer Science, 15(3), 1154–1160. https://doi.org/10.11591/ijeecs.v15.i3.pp1156-1160 93 ID Título Tipo Fuente Referencia 73 Energy consumption pattern analysis by University building characteristics for the composition of green campus in Korea Artículo Scopus (Choi et al., 2014) 74 Energy Consumption, Pandemic Period and Online Academic Education: Case Studies in Romanian Universities Acta de Conferencia Scopus (Andrei et al., 2021) 75 Energy cost saving potential in educational buildings-case study of MUT campus Acta de Conferencia Scopus (Numbi et al., 2017) 76 Energy efficiency actions at a Brazilian University and their contribution to sustainable development Goal 7 Artículo WOS/Scopus (Rebelatto et al., 2019) 77 Energy efficiency analysis and energy conservation measures for Ethiopian Universities: Introducing green campus initiative Acta de Conferencia Scopus (Adame y Salau, 2021) 78 Energy efficiency analysis carried out by installing district heating on a University campus. A case study in Spain Artículo WOS/Scopus (Marina Domingo et al., 2018) 79 Energy efficiency analysis in buildings of a University campus using the procel RTQ-C Acta de Conferencia Scopus (Pinto Oliveira et al., 2021) 80 Energy Efficiency and Distributed Generation: A Case Study Applied in Public Institutions of Higher Education Artículo WOS/Scopus (Faria et al., 2022) 81 Energy Efficiency in School Buildings: The Need for a Tailor-Made Business Model Acta de Conferencia Scopus (Franco et al., 2021) 82 Energy efficiency index by considering number of occupants: A study on the lecture rooms in a University building Artículo Scopus (Zakaria et al., 2019) 83 Energy efficiency interventions in UK higher education institutions Artículo WOS/Scopus (Altan, 2010) 84 Energy efficiency measurements in a Malaysian public University Acta de Conferencia Scopus (Ahmad et al., 2012) 85 Energy efficiency of higher education buildings: a case study Artículo WOS/Scopus (Soares et al., 2015) 86 Energy efficient management application in University buildings: Case of Malaysia public University Artículo Scopus (Shafie et al., 2020) 87 Energy management in the buildings of a University campus in Saudi Arabia - A case study Acta de Conferencia Scopus (Jomoah et al., 2013) 88 Energy Performance and Benchmarking for University Classrooms in Hot and Humid Climates Artículo WOS/Scopus (Litardo et al., 2021) 89 Energy performance evaluation of campus facilities Acta de Conferencia Scopus (Lee y Augenbroe, 2007) 90 Energy performance of campus Leed buildings: Implications for green building and energy policy Artículo WOS/Scopus (Chen et al., 2015) 91 Energy planning of University campus building complex: Energy usage and coincidental analysis of individual buildings with a case study Artículo WOS/Scopus (Guan et al., 2016) 92 Energy refurbishment of a University building in cold Italian backcountry. Part 1: Audit and calibration of the numerical model Acta de Conferencia Scopus (Ascione, et al., 2019a) 93 Energy refurbishment of a University building in cold Italian backcountry. Part 2: Sensitivity studies and optimization Acta de Conferencia Scopus (Ascione, et al., 2019b) 94 Energy Saving Measures and Potential of Energy Efficiency at the University of Surabaya, Based on EDGE Simulation Acta de Conferencia Scopus (Kartikasari et al., 2018) 95 Energy saving measures for University public library: A case study of UTHM library Acta de Conferencia Scopus (Noranai et al., 2014) 96 Energy saving on campus: a comparison of students attitudes and reported behaviours in the UK and Portugal Artículo WOS/Scopus (Cotton et al., 2016) 94 ID Título Tipo Fuente Referencia 97 Energy Savings Due to Daylight Saving in Mexico; Case Study: Buildings and Facilities of CU-UNAM Acta de Conferencia Scopus (Rivera-Castro et al., 2019) 98 Energy use characteristics and benchmarking for higher education buildings Artículo WOS/Scopus (Khoshbakht et al., 2018) 99 Enhancing the accountability and comparability of different campuses’ energy profiles through an energy cluster approach Artículo WOS/Scopus (Sonetti y Cottafava, 2022) 100 Estimating energy consumption and conservation measures for ESPOL Campus main building model using Energy Plus Acta de Conferencia Scopus (Litardo et al., 2019) 101 Estimating potential saving with energy consumption behaviour model in higher education institutions Artículo Scopus (Ishak et al., 2016) 102 Estimation of Energy Savings Potential in Higher Education Buildings Supported by Energy Performance Benchmarking: A Case Study Artículo WOS/Scopus (Bernardo y Oliveira, 2018) 103 Evaluation of environmental design strategies for University buildings Artículo WOS/Scopus (Lawrence et al., 2019) 104 Examining the effect of an environmental social marketing intervention among University employees Artículo WOS/Scopus (Gregory-Smith et al., 2018) 105 Explorative Multidimensional Analysis for Energy Efficiency: DataViz versus Clustering Algorithms Artículo WOS/Scopus (Cottafava et al., 2018) 106 Fostering the energy efficiency through the energy savings: The case of the University of Palermo Acta de Conferencia Scopus (Bisegna et al., 2019) 107 Green BIM-based study on the green performance of University buildings in northern China Artículo WOS/Scopus (Liu y Wang, 2022) 108 How to improve eco-efficiency and indoor comfort at University of passo fundo - Brazil Acta de Conferencia Scopus (Frandoloso et al., 2012) 109 Identifying the determinants of energy use in Texas AyM University campus at Kingsville Acta de Conferencia Scopus (Caeiro et al., 2011) 110 Impact of occupancy rates on the building electricity consumption in commercial buildings Artículo WOS/Scopus (Kim y Srebric, 2017) 111 Impact of the COVID-19 Pandemic on the Energy Use at the University of Almeria (Spain) Artículo WOS/Scopus (Chihib et al., 2021) 112 Incorporating machine learning with building network analysis to predict multi-building energy use Artículo WOS/Scopus (Xu et al., 2019) 113 Influence of building and indoor environmental parameters on designing energy efficient buildings Artículo WOS/Scopus (Eromobor et al., 2020) 114 Influence of occupants’ behaviour on energy and carbon emission reduction in a higher education building in the UK Artículo Scopus (Darby et al., 2016) 115 Internal benchmarking of higher education buildings using the floor-area percentages of different space usages Artículo WOS/Scopus (Li y Chen, 2021) 116 Inter-University Sustainability Benchmarking for Canadian Higher Education Institutions: Water, Energy, and Carbon Flows for Technical-Level Decision-Making Artículo WOS/Scopus (Alghamdi et al., 2019) 117 Living Building Laboratory - Educational Building Project in Cluj-Napoca Acta de Conferencia Scopus (Ciugudeanu et al., 2016) 118 Management strategies for sustainability education, planning, design, energy conservation in California higher education Artículo WOS/Scopus (Petratos y Damaskou, 2015) 119 Methodology for estimating energy and water Consumption patterns in University buildings: case study, Federal University of Roraima (UFRR) Artículo WOS/Scopus (Almeida et al., 2021) 120 Methodology of measurement and calculation of building energy management system in University campus Acta de Conferencia Scopus (Su y Yan, 2013b) 121 Modelling energy Consumption behaviour using “energy culture” concept for student accommodations in Malaysian public universities Artículo WOS/Scopus (Ishak, 2017) 95 ID Título Tipo Fuente Referencia 122 Modelling energy demand from higher education institutions: A case study of the UK Artículo WOS/Scopus (Wadud et al., 2019) 123 Multi-agent system for energy consumption optimisation in higher education institutions Artículo WOS/Scopus (Al-Daraiseh et al., 2015) 124 Non-domestic energy use - Experiences of the Higher Education sector Acta de Conferencia Scopus (Altan y Ward, 2006) 125 Occupancy diversity factors for common University building types Artículo WOS/Scopus (Davis y Nutter, 2010) 126 Occupant thermal feedback for improved efficiency in University buildings Artículo WOS/Scopus (Pritoni et al., 2017) 127 Optimization of the management of building stocks: An example of the application of managing heating systems in University buildings in Spain Artículo WOS/Scopus (Mata et al., 2009) 128 Optimizing the energy efficiency of higher education institutions Acta de Conferencia Scopus (Sergeev et al., 2021) 129 Parametric studies on European 20-20-20 energy policy targets in University environment Artículo WOS/Scopus (Prada et al., 2017) 130 Potential opportunities for energy conservation in existing buildings on University campus: A field survey in Korea Artículo WOS/Scopus (Chung y Rhee, 2014) 131 Potential reduction of energy consumption in public University library Acta de Conferencia Scopus (Noranai y Azman, 2017) 132 Prevalence of Findings from ASHRAE Level 2 Energy Assessments at 13 Colleges Artículo Scopus (Madigan et al., 2015) 133 Prioritizing Energy-efficiency and Renewable-energy Measures in a Low-carbon Campus using Analytic Hierarchy Process with Social Awareness Criterion Artículo WOS (Kiatlertnapha y Vorayos, 2017) 134 Quantifying potential savings from sustainable energy projects at a large public University: An energy efficiency assessment for Texas state University Artículo WOS/Scopus (Mohammadalizadehkorde y Weaver, 2020) 135 Quantity and electricity consumption of plug load equipment on a University campus Artículo WOS/Scopus (Hafer, 2017) 136 Recommending a thermal energy benchmark based on CIBSE TM46 for typical college buildings and creating monthly energy models Artículo WOS/Scopus (Vaisi et al., 2018) 137 Reducing University energy use beyond energy retrofitting: The academic calendar impacts Artículo WOS/Scopus (Gui et al., 2021a) 138 Reflection upon energy saving and emission reduction in colleges in the context of low carbon city construction Acta de Conferencia Scopus (Fen, 2013) 139 Regression Model-Based Short-Term Load Forecasting for University Campus Load Artículo WOS/Scopus (Madhukumar et al., 2022) 140 Research on Construction Strategy of Energy Conservation and Emission Reduction in University Campuses in Beijing Acta de Conferencia Scopus (Shengshi et al., 2020) 141 Research on saving energy and reducing cost of the higher learning institution Acta de Conferencia Scopus (Wang, 2011) 142 Research on the building energy efficiency design strategy of Chinese universities based on green performance analysis Artículo WOS/Scopus (Liu y Ren, 2020) 143 Retrofit of educational facility through passive strategies in hot climate Acta de Conferencia Scopus (Fernandes et al., 2016) 144 Review of the research on energy consumption evaluation index system of campus Artículo Scopus (Ying et al., 2014) 145 Sector review of UK higher education energy consumption Artículo WOS/Scopus (Ward et al., 2008) 146 Significant factors of energy consumption behaviour pattern among Malaysian Higher Education Institutions students Acta de Conferencia Scopus (Sapri et al., 2015) 96 ID Título Tipo Fuente Referencia 147 Status and countermeasures of energy management in Chinas college Acta de Conferencia Scopus (Ao, 2011) 148 Strategies for a sustainable campus in Osaka University Artículo WOS/Scopus (Yoshida et al., 2017) 149 Student Housing Energy Consumption: A Comparison of Chilled Water, Heating, and Electricity Use Acta de Conferencia Scopus (Asmar y Tilton, 2015) 150 Study of electricity load profiles in University Campuses: The case study of democritus University of thrace Acta de Conferencia Scopus (Papadopoulos et al., 2016) 151 Study on energy consumption quotas development method of colleges and universities in Hubei Acta de Conferencia Scopus (Xue et al., 2014) 152 Survey of energy consumption and energy conservation measures for colleges and universities in Guangdong province Artículo WOS/Scopus (Zhou et al., 2013) 153 Survey on energy consumption and indoor thermal environment of University Building in Changsha, China Acta de Conferencia Scopus (Tian et al., 2009) 154 Sustainability and natural resources uses at a South Brazilian University: Proposing an environmental plan to University of Passo Fundo Acta de Conferencia Scopus (Leite Frandoloso et al., 2007) 155 Sustainability in University campus: options for achieving nearly zero energy goals Artículo WOS/Scopus (Fonseca et al., 2018) 156 Sustainable and smart University Campuses; Strategic approach to sustainability and building intelligence for University Campuses Acta de Conferencia Scopus (Skopek, 2010) 157 Sustainable Campus: The Experience of the University of Lisbon at IST Artículo WOS/Scopus (Ferreira et al., 2021) 158 Sustainable management of existing building stock: A strategy to reduce the energy consumption and the environmental impact Acta de Conferencia Scopus (Mata et al., 2007) 159 The energy planning according to the ISO 50001 contribute to the consolidation of a Sustainable Campus to the Universidad Autónoma de Occidente Acta de Conferencia Scopus (del Pilar Castrillon y Quintero, 2019) 160 The human dimension of energy conservation and sustainability. A case study of the University of Michigan energy conservation program Artículo WOS/Scopus (Marans y Edelstein, 2010) 161 The impact of Climate Change on a University Campus’ Energy Use: Use of Machine Learning and Building Characteristics Artículo Scopus (Im et al., 2022) 162 The impact of COVID-19 on higher education building energy use and implications for future education building energy studies Artículo WOS/Scopus (Gui et al., 2021b) 163 The motivation and development impact of energy saving to sustainability in the construction of green campus: a case study of the Zhejiang University, China Artículo WOS/Scopus (Zhu et al., 2021) 164 The Potential Role of Stakeholders in the Energy Efficiency of Higher Education Artículo WOS/Scopus (Garrido-Yserte y Gallo-Rivera, 2020) 165 The relationship between energy use and space use of higher educational buildings in subtropical Australia Artículo WOS/Scopus (Gui et al., 2020) 166 The successful introduction of energy efficiency in higher education institution buildings Acta de Conferencia Scopus (Franco et al., 2020) 167 Towards energy transition at the Faculty of Education of Bilbao (UPV/EHU): diagnosing community and building Artículo WOS/Scopus (Lasuen et al., 2020) 168 Transformation of a University building into a zero energy building in Mediterranean climate Artículo WOS/Scopus (Mytafides et al., 2017) 169 Understanding Campus Energy Consumption - People, Buildings and Technology Acta de Conferencia Scopus (Jafary et al., 2016) 170 Understanding the energy consumption and occupancy of a multi-purpose academic building. Artículo WOS/Scopus (Gul y Patidar, 2015) 97 ID Título Tipo Fuente Referencia 171 University building: Energy diagnosis and refurbishment design with cost-optimal approach. Discussion about the effect of numerical modelling assumptions Artículo WOS/Scopus (Bellia et al., 2018) 172 University campuses energy performance estimation in Ukraine based on measurable approach Artículo WOS/Scopus (Deshko y Shevchenko, 2013) 173 Use of electrical energy in University buildings: a Hong Kong case study Artículo Scopus (Wong et al., 2006) 174 Using energy profiles to identify University energy reduction opportunities Artículo WOS/Scopus (Maistry y Annegarn, 2016) 175 Workflow automation for combined modelling of buildings and district energy systems Artículo WOS/Scopus (Fuchs et al., 2016) Fuente: Elaboración propia 98 CAPÍTULO 3 LAS FUERZAS CLAVE QUE IMPULSAN EL CONSUMO DE ENERGÍA EN UNA INSTITUCIÓN DE EDUCACIÓN SUPERIOR UTILIZANDO EL ENFOQUE LMDI: EL CASO DE UNIVERSIDAD AUTÓNOMA DE CHILE 3.1 Resumen El consumo de energía representa un desafío fundamental para las universidades, ya que deben buscar un equilibrio entre las crecientes demandas operativas y la sostenibilidad ambiental. En este capítulo se utiliza el método del Índice Divisia de Media Logarítmica (LMDI, por sus siglas en inglés) para evaluar las variaciones del consumo de energía en la Universidad Autónoma de Chile durante el periodo 2017-2022, demostrando la eficacia y simplicidad del método para descomponer el uso de energía en sus determinantes. El análisis efectuado reveló un aumento del 19% en el consumo de energía, impulsado principalmente por una mayor intensidad energética, debido al incremento de las actividades de investigación y al crecimiento de la cantidad de estudiantes. Sin embargo, las condiciones climáticas y el incremento de la eficiencia en el uso de las infraestructuras ayudaron a mitigar este aumento. En particular, durante el periodo de aprendizaje remoto realizado en 2020 debido a los confinamientos por la pandemia de la Covid-19, se produjo una disminución del 45% en el consumo de energía, atribuible en gran medida a la reducción de la intensidad energética. Este estudio valida la utilización del método LMDI en instituciones específicas y proporciona un marco claro e interpretable para comprender las variaciones en el consumo de energía. Se destaca el impacto causado por el sistema chileno de acreditación, que indirectamente induce expansiones en el consumo de energía en las universidades al requerir ampliaciones en la superficie bruta construida. Los hallazgos también enfatizan el efecto significativo del clima en el uso de la energía en climas extremos. Las recomendaciones para la Universidad Autónoma de Chile incluyen la implementación de programas de modificación conductual, la mejora de los sistemas de control de temperatura y de iluminación, la realización de auditorías energéticas, la 99 modernización de sus edificios y el fomento de la modalidad de aprendizaje remoto para reducir aún más el consumo de energía. Palabras clave: Consumo de Energía; Instituciones de Educación Superior; Universidades; Análisis de Descomposición de Índices; LMDI. 100 3.2 Introducción Las universidades y otras instituciones de educación superior (IES), como los institutos profesionales y los centros de formación técnica, son esenciales para el desarrollo social y económico. Desempeñan un papel clave en la generación de conocimientos, en el desarrollo de habilidades y en la promoción de los valores cívicos, contribuyendo significativamente a la investigación, la innovación y el desarrollo sostenible. Estos esfuerzos, en conjunto, mejoran la calidad de vida y estimulan el crecimiento económico. Según el Banco Mundial, como se muestra en la Figura 3.1, el acceso global a la educación superior ha aumentado significativamente en las últimas cuatro décadas. Desde 1979 hasta 2019, la matrícula de estudiantes en programas de educación terciaria aumentó en un 370%, alcanzando más de 227 millones (World Bank, 2023). Este aumento ha elevado los estándares educativos globales y ha contribuido al progreso social, aunque también ha impulsado un incremento del consumo de energía (CE) y de la generación de residuos. Figura 3.1 Evolución global de la matrícula en educación terciaria: 1979-2019. Fuente: Elaboración propia en base a datos disponibles en World Bank (2023). El CE de las universidades a menudo constituye una pequeña fracción de la demanda total de energía, como se ejemplifica con un consumo inferior al 1% del total en el Reino 0 50 100 150 200 250 1979 1984 1989 1994 1999 2004 2009 2014 2019 Número de estudiantes (en millones) Mujeres Hombres 101 Unido (Department for Business, 2022; Higher Education and Statistics Agency (HESA), 2022), y contribuye con el 2% de las emisiones de gases de efecto invernadero en los EE.UU. (Sinha et al., 2010). Sin embargo, ha ocurrido un aumento significativo en el CE de este sector durante la última década (Chung y Rhee, 2014). Esta tendencia creciente, que se alinea con las externalidades discutidas en el párrafo anterior, es importante de ser considerada y se debe en gran parte a las altas demandas energéticas producidas por su compleja infraestructura (Chaplin et al., 2022; Ding et al., 2018), la cual varía desde 50 kWh/m² por año en edificios de enseñanza en la Universidad de Lleida (Medrano et al., 2018) hasta 955 kWh/m² por año en instalaciones de investigación en la Universidad de Exeter (Chaplin et al., 2022). En contraste, los edificios de oficinas en India reportan un consumo de energía anual de entre 135 y 228 kWh/m² (Bano y Sehgal, 2020), mientras que en el Reino Unido el promedio es de 269 kWh/m², con la mitad de ellos consumiendo entre 120 y 550 kWh/m² anualmente (Godoy-Shimizu et al., 2018). Los edificios comerciales en el sudeste asiático, para efectos de comparación, tienen un CE que varía entre 54 y 556 kWh/m² por año (Hong y Rahmat, 2022). Dentro de este contexto, es importante resaltar que, aunque las universidades no son actores principales en el panorama energético global, su creciente consumo subraya la urgencia de implementar medidas de eficiencia energética específicas en el sector educativo. Más allá de simplemente controlar la cantidad de energía que consumen, se espera que las universidades funcionen como modelos de sostenibilidad ambiental, reflejando un rol que va más allá del impacto de su uso energético. En este sentido, lograr un crecimiento sostenible, reducir el CE en los campus y fomentar la conciencia ambiental se han convertido en objetivos clave para las IES (Boiocchi et al., 2023; Gutiérrez-Mijares et al., 2023). Por lo tanto, el creciente desarrollo del sector de la educación superior (ver Figura 3.1), junto con las mayores responsabilidades de las universidades en esta área y las expectativas sociales puestas en estas instituciones para liderar la conservación ambiental, subrayan la urgente necesidad de una investigación exhaustiva sobre el CE asociado con la educación superior. Consecuentemente, esta tesis doctoral utilizará el Análisis de Descomposición en Índices (IDA, por sus siglas en inglés) para examinar profundamente los 102 diversos factores que impactan el CE en universidades. La utilización del IDA permitirá una investigación exhaustiva de los elementos que influyen en el uso de energía, facilitando una exploración detallada de las posibles mejoras en eficiencia y la identificación de los impulsores clave del CE en el sector de la educación superior. El objetivo tradicional del IDA ha sido descomponer y asignar los cambios en el consumo agregado de energía a indicadores elegidos dentro de un conjunto de variables o factores predefinidos a nivel nacional o regional (Ang et al., 2003). En los últimos años, la aplicación del IDA se ha extendido a varios campos más allá de la energía y las emisiones de gases de efecto invernadero. Estas nuevas áreas abarcan el uso del agua, la demanda por recursos no energéticos, la producción de alimentos, las emisiones de contaminantes y la gestión de productos químicos tóxicos (Ang, 2015). El IDA incorpora una metodología conocida como el Índice Divisia de Media Logarítmica (LMDI) (ver Ang, 2015; Ang et al., 1998, 2003, 2015; Ang y Choi, 1997). El método LMDI se utiliza ampliamente para identificar las características de los factores que influyen en las variaciones en el CE (Gingrich et al., 2011; Román‐Collado et al., 2023; Román‐Collado y Colinet, 2018; Wang et al., 2014), en el consumo de agua (Zhao et al., 2023) y en la calidad ambiental (Ozturk et al., 2023) dentro de un país o una geografía más amplia. Este método también se ha aplicado para descomponer el CE y las emisiones de dióxido de carbono (CO2) dentro de sectores específicos, como el sector manufacturero (Ang et al., 2015), el sector industrial (Wu et al., 2016), el sector residencial (Chung et al., 2011; Hojjati y Wade, 2012) y los edificios públicos urbanos (Zhang et al., 2023). Adicionalmente, el LMDI proporciona una perspectiva dual— temporal o espacial—que ayuda a identificar las dinámicas energéticas a lo largo del tiempo (Kim, 2017; Trotta, 2020) o a resaltar las diferencias espaciales entre países o sectores (Ang et al., 2016; Liu et al., 2018; Qin et al., 2022; Román‐Collado y Colinet Carmona, 2021). Ambos enfoques son complementarios, permitiendo identificar no sólo los factores explicativos clave de los cambios producidos en la variable objetivo a lo largo del tiempo, sino también su papel en la explicación de las diferencias existentes en la variable objetivo entre diferentes sujetos de estudio. La aplicación de esta metodología permite desglosar el CE de las universidades, de manera análoga a los análisis realizados para países o sectores, 109 Donde ∆AEI, ∆IR, ∆W y ∆TNS representan los efectos que se producen sobre ∆CEt−(t−1) generados por los cambios en AEI, IR, clima y TNS, debiéndose interpretar de la siguiente manera: ∆AEIt−(t−1): Efecto Intensidad. Explica qué parte de la variación en el CE de la UA entre el año t y t − 1 es atribuida al cambio en AEI. ∆IRt−(t−1): Efecto Ratio de Infraestructura. Captura qué parte de la variación en el CE de la UA entre el año t y t − 1 es atribuido al cambio en la IR. ∆Wt−(t−1): Efecto Clima. Mide qué parte de la variación en el CE de la UA entre el año t y t − 1 es atribuida al cambio en las condiciones climáticas. ∆TNSt−(t−1): Efecto Matrícula. Explica qué parte de la variación en el CE de la UA entre el año t y t − 1 es atribuido al cambio en el TNS. En la Descomposición Temporal, la Variable de Corrección Climática (Wit) representa cuán extremo fue el clima en un año dado (t) en una ubicación específica (i=1 Santiago, i=2 Talca o i=3 Temuco), en comparación con el promedio calculado para esa misma ubicación a lo largo de todos los años estudiados. La Ecuación (3.3) utiliza en su denominador el promedio de los HDD + CDD durante el periodo de estudio (2017 a 2022) para la ubicación elegida. Por lo tanto, dentro de este contexto, dicha ecuación puede reescribirse como: 𝑊𝑖𝑡=(𝐻𝐷𝐷𝑖𝑡+𝐶𝐷𝐷𝑖𝑡) ∑(𝐻𝐷𝐷𝑖𝑡 2022 𝑡=2017 +𝐶𝐷𝐷𝑖𝑡)/6 (3.10) Finalmente, la descomposición de la Ecuación (3.9), según lo propuesto por Ang (2015), se proporciona en el Material Suplementario (MS) denominado MS.3.1, utilizando el método Aditivo LMDI-I. 3.3.2 Análisis de Descomposición Espacio-Temporal Aunque la Descomposición LMDI se utiliza a menudo para realizar análisis en un marco temporal, también se ha empleado en variados estudios para desglosar las 110 diferencias en el CE a través de distintas áreas geográficas dentro del mismo periodo de tiempo (véase Gingrich et al., 2011; Qin et al., 2022; Román-Collado et al., 2023). Esta aplicación del IDA se conoce como Análisis de Descomposición Espacial (Ang et al., 2015). Además, estos autores definen el análisis Multi-Regional (M-R) como una comparación de varias ubicaciones con un punto de referencia (generalmente calculado como el promedio de todas las regiones), y el análisis Bilateral-Regional (B-R) como una comparación entre pares de regiones. Asimismo, en su estudio, Ang et al. (2016) propusieron un modelo más sofisticado para la Descomposición M-R conocido como el enfoque Multi-Regional EspacioTemporal (MR-ST). En este modelo, la región de referencia se selecciona como el promedio de todas las regiones para un año específico, que puede ser el año inicial, el año final o el promedio de todos los años. Este enfoque permite así una comparación simultánea de las diferencias regionales y su evolución en el tiempo. En el caso de la UA, para la Descomposición MR-ST, la región de referencia (µ) se definirá como el promedio de las tres sedes en el año 2017. Aunque el método permite que cualquier periodo sea elegido como referencia, se selecciona el año inicial para reflejar el flujo natural del tiempo y para incorporar fácilmente nuevos periodos en caso de que este estudio se extienda. Además, utilizar el primer periodo como referencia se alinea con las prácticas de gestión, lo cual es crucial ya que se recomienda este método para los administradores de educación superior. Este enfoque permite hacer tanto comparaciones entre las diferentes sedes durante el periodo de estudio de seis años, como también la comparación de cualquier sede en un año determinado con el promedio general de 2017. En esta línea, la Ecuación (3.9) puede reformularse para el enfoque de Descomposición MR-ST de la siguiente manera: ∆𝐶𝐸𝑖−𝜇 𝑡=𝐶𝐸𝑖𝑡−𝐶𝐸𝜇=∆𝐴𝐸𝐼𝑖−𝜇 𝑡+∆𝐼𝑅𝑖−𝜇 𝑡+∆𝑊𝑖−𝜇 𝑡+∆𝑇𝑁𝑆𝑖−𝜇 𝑡 (3.11) Esto da lugar a tres descomposiciones para i = 1, 2 y 3, representando a Santiago, Talca y Temuco respectivamente, para cualquier año elegido (t). En el análisis MR-ST, los términos de la Ecuación (3.11) tienen el siguiente significado: ∆AEIi−μ t: Efecto Intensidad. Explica qué parte de la diferencia en el CE entre la ubicación i en el año t y la referencia es atribuido a la disparidad en AEI. 111 ∆IRi−μ t: Efecto Ratio Infraestructura. Explica qué parte de la diferencia en el CE entre la ubicación i en el año t y la referencia es atribuido a la disparidad en la IR. ∆Wi−μ t: Efecto del Clima. Mide qué parte de la diferencia en el CE entre la ubicación i en el año t y la referencia es atribuida a la diferencia en las condiciones climáticas. ∆TNSi−μ t: Efecto Matrícula. Captura qué parte de la diferencia en el CE entre la ubicación i en el año t y la referencia es atribuida a la disparidad en TNS. La Descomposición LMDI de la Ecuación (3.11) según lo propuesto por Ang (2015) se proporciona en el MS.3.2. A diferencia de la Descomposición temporal, la Variable de Corrección Climática Wit en la Descomposición MR-ST representa cuán extremo es el clima para una ubicación determinada en comparación con la región de referencia. Por lo tanto, la Ecuación (3.3) se aplica de la siguiente forma, obteniendo valores de Wit que difieren de aquellos obtenidos para la Descomposición temporal. 𝑊𝑖𝑡=(𝐻𝐷𝐷𝑖𝑡+𝐶𝐷𝐷𝑖𝑡) ∑(𝐻𝐷𝐷𝑖20173 𝑖=1 +𝐶𝐷𝐷𝑖2017)/3 (3.12) En el presente capítulo de esta tesis doctoral, la Descomposición B-R se obtiene de manera indirecta. Esta estrategia permite inferir las diferencias entre dos regiones a partir de los resultados de dos análisis de descomposición directa, es decir, las variaciones de CE entre Santiago (1) y Talca (2) se obtienen de la siguiente forma: ∆𝐶𝐸𝑡1−2 =∆𝐶𝐸1−𝜇 𝑡−∆𝐶𝐸2−𝜇 𝑡 (3.13) Las diferencias en el CE entre Santiago y Temuco, así como aquellas resultantes del análisis entre Talca y Temuco, se calculan de manera análoga. Cada factor de la descomposición se obtiene utilizando el método Aditivo LMDI-I según las ecuaciones presentadas en el MS.3.2. 112 3.4 Datos Fundamentales Esta sección presenta los datos principales utilizados para la Descomposición LMDI, describiendo su origen y proporcionando un resumen de las infraestructuras, geografía, clima y CE de la UA. 3.4.1 Ubicación Geográfica y Clima en la UA Para evaluar el impacto del clima en el CE de las instalaciones universitarias, es importante considerar las variaciones específicas de temperatura asociadas con diversos entornos geográficos. Es importante mencionar que, aunque las ciudades Santiago, Talca y Temuco se clasifican dentro de la zona climática 'Mediterráneo con Verano Cálido', según la clasificación de Köppen-Geiger (Sarricolea et al., 2017), estos muestran diferentes características climáticas debido a que se localizan en latitudes distintas. La Tabla 3.1 presenta los datos esenciales sobre las ubicaciones de estas ciudades, incluyendo la latitud y las temperaturas medias anuales, constituyéndose estas últimas como datos fundamentales para el cálculo preciso de la variable de corrección climática. Información más detallada sobre cada ubicación se encuentra disponible en el MS.3.3. Tabla 3.1 Datos Fundamentales de las ciudades donde se ubican las sedes de la UA. Sede Latitud Temperatura Media anual Población Santiago 33°22’ S 15,6°C 6.627.012 Talca 35°24’ S 14,6°C 220.357 Temuco 38°44’ S 11,6°C 358.541 Fuente: Elaboración propia con información proporcionada por la administración de la UA y datos obtenidos de NASA Prediction of Worldwide Energy Resources (2023) e Instituto Nacional de Estadísticas (2017). Para determinar la Variable de Corrección Climática, se obtuvo la información de la temperatura media horaria para cada día desde 2017 hasta 2022 de los datos meteorológicos publicados por la NASA (NASA Prediction of Worldwide Energy Resources, 2023). Los HDD y CDD se calcularon reflejando los tiempos operativos específicos y las configuraciones estacionales de los sistemas HVAC de la universidad. La recolección de datos se limitó a las mediciones horarias entre las 6 AM y medianoche, de lunes a viernes, 113 para alinearse con el horario operativo de la universidad. Además, se excluyeron del cálculo de HDD y CDD los datos del periodo de receso de la universidad, que ocurre desde la primera hasta la tercera semana de febrero, para alinearse con el calendario académico institucional. Los sistemas HVAC están configurados específicamente para calentar durante la temporada definida como fría—de mayo a septiembre en Talca y Santiago, y de abril a octubre en Temuco—y para enfriar durante los meses restantes, designados como la temporada cálida. En consecuencia, los cálculos de HDD se realizan exclusivamente durante los meses fríos, y los cálculos de CDD durante los meses cálidos, con los resultados agregados para los días de uso de calefacción o refrigeración (DD, del inglés degree days) presentados en la Tabla 3.2. Tabla 3.2 Evolución de los DD totales (CDD+HDD). Unidad: °Celsius. SANTIAGO TALCA TEMUCO TOTAL UA Año CDD HDD TOTAL CDD HDD TOTAL CDD HDD TOTAL CDD+HDD 2017 193 685 878 204 831 1.034 19 1.295 1.314 3.226 2018 99 540 639 127 731 858 9 1.291 1.301 2.797 2019 188 561 749 227 710 937 6 1.194 1.201 2.888 2020 203 670 872 258 748 1.006 16 1.210 1.226 3.103 2021 151 454 605 167 677 844 48 1.115 1.163 2.613 2022 148 556 705 203 778 981 15 1.281 1.295 2.981 Fuente: Elaboración propia con datos obtenidos de NASA Prediction of Worldwide Energy Resources (2023). 3.4.2 Consumo de Energía en los edificios de la UA La investigación registró cuidadosamente el CE de diversas fuentes dentro de las instalaciones de la universidad, incluyendo electricidad, utilizada principalmente para calefacción, refrigeración y alimentación de las redes eléctricas; petróleo diésel, usado exclusivamente para calefacción en Temuco; gas natural para calefacción y actividades de laboratorio; y gas licuado para calefacción. El permiso para acceder a estos datos se obtuvo de la alta dirección y la información se gestionó a través de los departamentos administrativos de cada sede. El conjunto de datos contiene estadísticas de consumo desde 2017 hasta 2022, como se presenta en la Tabla 3.3. Para garantizar la precisión y fiabilidad de los datos, se revisó meticulosamente cada registro. Los datos de consumo para cada campus se encuentran detallados en el MS.3.3. 114 Tabla 3.3 Fuentes de energía utilizadas por los edificios de la UA (MWh). Fuente 2017 2018 2019 2020 2021 2022 Electricidad 7.436 7.606 8.198 4.712 6.225 8.642 Petróleo Diesel 579 612 602 224 610 840 Gas Natural 172 206 233 57 154 267 Gas Licuado 35 36 28 0.5 12 21 Total 8.222 8.461 9.061 4.993 7.000 9.771 Fuente: Elaboración propia con información proporcionada por la administración de la UA. Debido a que la mayoría de los edificios de la UA cumple múltiples propósitos, llevando a cabo diversas funciones, tales como actividades administrativas, académicas, de investigación y médicas, medir el consumo por funciones específicas no es factible. Por esto, el desglose de las fuentes de energía y su utilización se presenta a nivel de sedes, ofreciendo una visión general de las demandas energéticas operativas. Esta información se encuentra en la Tabla 3.4, que muestra las variadas estrategias energéticas utilizadas en las diferentes ubicaciones. Es importante mencionar que en Temuco se aprecia un uso significativo de petróleo diésel debido a que las infraestructuras son más antiguas, siendo incompatibles con soluciones modernas de calefacción. Tabla 3.4 CE por Fuente en las sedes de la UA en 2022 (MWh). Sede Electricidad Petróleo Diesel Gas Natural Gas Licuado Total Santiago 4.540 0 53 0 4.593 Talca 1.970 0 0 13 1.983 Temuco 2.132 840 215 8 3.195 Total 8.642 840 267 21 9.771 Fuente: Elaboración propia con información proporcionada por la administración de la UA. 3.4.3 Estudiantes y Superficie Institucional Edificada El estudio también exploró la disponibilidad y utilización de las infraestructuras de la universidad mediante el examen de la GFA y TNS en todas las sedes. Estos datos fueron proporcionados por los departamentos administrativos de cada sede, con la autorización de la alta dirección de la universidad para su uso en análisis e informes. La Figura 3.2 ilustra la evolución tanto de la GFA como de la matrícula estudiantil desde 2017 hasta 2022. La 115 información detallada sobre los parámetros utilizados para calcular las variables del LMDI se proporciona en MS.3.3. Finalmente, MS.3.4 ofrece una visión general completa de las variables incluidas en el análisis, abarcando aquellas utilizadas en los métodos de Descomposición Temporal, MR-ST y B-R, como se detalla en las Tablas MS.3.4.1 y MS.3.4.2. Figura 3.2 Comparación de la GFA (m²) y la TNS a lo largo del tiempo. Fuente: Elaboración propia con información proporcionada por la administración de la UA. 3.5 Resultados La sección de resultados del presente estudio examina los patrones de variación en el CE en las diversas sedes de la UA desde 2017 hasta 2022, utilizando el Análisis LMDI. Durante este periodo, se observó un aumento general en el CE en todas las sedes, con incrementos particularmente significativos en las sedes de Talca y Temuco, en contraste con sólo un leve aumento en la sede de Santiago. 3.5.1 Descomposición Temporal LDMI La Descomposición temporal LMDI permitió el desglose de las variaciones de energía a lo largo del tiempo. Entre 2017 y 2022, el CE total en las sedes de la UA aumentó en 1.549 MWh, marcando un incremento del 19%, pasando de 8.222 MWh a 9.771 MWh. La 120.318 122.959 132.363 136.598 141.061 141.789 0 5.000 10.000 15.000 20.000 25.000 30.000 35.000 0 20.000 40.000 60.000 80.000 100.000 120.000 140.000 160.000 2017 2018 2019 2020 2021 2022 TNS GFA (m2) GFA (m2) TNS 116 Descomposición Temporal LMDI entre los factores elegidos, siguiendo la Ecuación (3.9) y utilizando la fórmula presentada en MS.3.1, produce los resultados mostrados en la Tabla 3.5. Tabla 3.5 Resultados de la Descomposición Temporal LMDI (MWh). MWh 17-18 18-19 19-20 20-21 21-22 TOTAL SANTIAGO Δ AEI 1.619 -633 -2.501 1.726 515 726 Δ IR -376 -493 -253 -353 -15 -1.491 Δ W -1.464 762 575 -1.164 610 -681 Δ TNS 389 515 255 353 5 1.517 Cambio Total 168 151 -1.924 562 1.114 71 TALCA Δ AEI 257 -256 -851 506 537 193 Δ IR 73 176 91 51 26 418 Δ W -234 119 71 -161 232 26 Δ TNS 24 22 21 77 14 158 Cambio Total 120 61 -667 472 809 795 TEMUCO Δ AEI -77 221 -1.567 1.068 552 197 Δ IR -1 299 -32 -169 38 135 Δ W -25 -212 41 -95 295 5 Δ TNS 54 80 82 169 -38 346 Cambio Total -49 388 -1.476 972 847 683 TOTAL Δ AEI 1.799 -667 -4.919 3.300 1.604 1.117 Δ IR -304 -18 -194 -471 48 -938 Δ W -1.722 668 687 -1.420 1.137 -650 Δ TNS 466 617 358 598 -19 2.020 Cambio Total 239 601 -4.068 2.007 2.770 1.549 Fuente: Elaboración propia con información proporcionada por la administración de la UA. Entre 2017 y 2022, el CE en las sedes de Talca y Temuco aumentó en 795 MWh y 683 MWh, respectivamente. Por el contrario, la sede de Santiago exhibió un incremento leve de sólo 71 MWh. Este aumento menor se puede atribuir al hecho de que la sede Santiago no experimentó una expansión significativa en la GFA durante el periodo de estudio. El edificio principal de esta sede, que cubre 33.000 m², se completó en 2015, antes del importante crecimiento experimentado por la matrícula estudiantil. Finalmente, es importante mencionar que el aumento en el CE atribuido al Efecto Matrícula mostrado en la Tabla 3.5 se ve compensado por una disminución en el CE atribuido al Efecto Ratio Infraestructura en esta ubicación. 117 La Figura 3.3 presenta los resultados del análisis de descomposición del CE total en la UA entre 2017 y 2022, utilizando el método LMDI-I Aditivo. Como era de esperar, el aumento en el CE fue impulsado principalmente por el Efecto Matrícula, con un incremento significativo en el número de estudiantes de 23.347 en el año 2017 a 30.323 en el año 2022, lo que resultó en un aumento de 2.020 MWh. Además, el Efecto Intensidad contribuyó sustancialmente al CE, siéndole atribuido un aumento de 1.117 MWh. Este fenómeno se relaciona con la mayor complejidad académica de la UA y se ilustra con el incremento en las publicaciones indexadas en Scopus de 464 en 2017 a 732 en 2022, y con la adquisición de equipos de laboratorio de alta demanda energética, particularmente en la sede de Santiago. Existe una importante cantidad de estudios que señalan la existencia de un fuerte vínculo entre el aumento de la actividad académica y el mayor CE (Chihib et al., 2020; Gui et al., 2020; Im et al., 2022; Kaplowitz et al., 2012; Ward et al., 2008), en línea con los resultados obtenidos en la presente investigación, donde se observó un aumento en el CE relacionado con una mayor y más profunda actividad académica. En cuanto a los patrones climáticos, el año inicial presentó las condiciones más extremas registradas dentro del periodo de estudio, con un total de 3.226 DD (415 CDD y 2.811 HDD). En contraste, 2022 registró sólo 2.981 DD (366 CDD y 2.615 HDD). Estas condiciones contribuyeron a una reducción de 650 MWh en el CE, atribuible al Efecto Clima, cuando se evalúan las variaciones a lo largo de todo el periodo. Por último, el Efecto Ratio Infraestructura también funcionó como un inhibidor, ya que la expansión en la GFA (18%) fue inferior al aumento de la TNS (30%), reduciendo la IR y resultando en un ahorro de 938 MWh. 118 Figura 3.3 Descomposición de los cambios en el CE total en la UA (MWh) de 2017 a 2022 utilizando el Método LMDI-I Aditivo. Análisis de Descomposición Temporal. Fuente: Elaboración propia con información proporcionada por la administración de la UA. La Descomposición Temporal desglosada entre sus distintos efectos, detallada de forma interanual, se presenta en la Figura 3.4. Aunque el CE mostró un comportamiento estable desde 2017 hasta 2019, este experimentó una disminución significativa de 2019 a 2020, equivalente a 4.068 MWh (-45%). Esta disminución se atribuye a la implementación del aprendizaje remoto debido a los confinamientos por COVID-19 durante 2020. El factor principal que explica esta reducción fue el Efecto Intensidad, siéndole atribuido 4.919 MWh de ahorro en CE de 2019 a 2020. La disminución en el AEI se vincula principalmente con la ausencia de estudiantes y profesores en los campus. Por otro lado, el CE aumentó de 2020 a 2021 a medida que los confinamientos comenzaron a relajarse y se volvió a la normalidad en cuanto a la realización de clases presenciales. Esto resultó en un aumento interanual del uso de energía durante ese 125 La Descomposición MR-ST de Temuco se muestra en la Figura 3.8. Esta sede consumió menos energía que la referencia en 2017 y 2018, pero su CE superó al de la referencia en 2019 y 2022 (con valores esperados por debajo de la referencia durante los periodos en que ocurrieron los confinamientos). A lo largo de los años analizados, tanto el Efecto Matrícula como el Efecto Intensidad funcionaron como inhibidores en relación a la referencia. Como era de esperar, dado el clima más frío de la ciudad, el Efecto Clima actúa consistentemente como un impulsor del CE. Específicamente, en 2022, el impacto del clima resultó en un aumento de 551 MWh en el CE en comparación con la referencia, en línea con un clima más extremo en términos de DD en Temuco. Por otro lado, al Efecto Ratio Infraestructura se le atribuyen 572 MWh adicionales de CE en relación a la referencia en 2019, lo cual se explica por la implementación de nuevos edificios durante ese año, aumentando la GFA en 6.500 m². Finalmente, el Ratio Infraestructura impulsó un CE de 325 MWh adicionales con relación a la referencia en 2022, ya que la sede Temuco presenta una mayor GFA disponible por estudiante. Figura 3.8 Descomposición MR-ST de las variaciones en el CE total en Temuco (MWh) utilizando el Método LMDI-I Aditivo. Fuente: Elaboración propia con información proporcionada por la administración de la UA. 126 Finalmente, se propone la utilización de la Figura 3.9 para analizar los cambios en el CE dentro del enfoque de descomposición MR-ST. El lado izquierdo de la figura muestra los resultados iniciales de los cuatro efectos, y los más recientes se encuentran en el lado derecho. El valor de referencia (0;0;0;0) se muestra con una línea discontinua. Cada punto dentro de la línea discontinua es un inhibidor en comparación con la referencia, mientras que los puntos situados fuera de ella representan impulsores. En este sentido, la Figura 3.9 ilustra que el Efecto Intensidad y el Efecto Matrícula para Santiago están significativamente alejados de la referencia en ambos periodos. Además, la Figura 3.9 revela que estos efectos se distancian aún más desde 2017 hasta 2022, aumentando así la diferencia atribuida a ellos con respecto a la referencia. Figura 3.9 Descomposición MR-ST de las variaciones en el CE total de la UA utilizando el Método LMDI-I Aditivo en MWh. 2017 (Izquierda) y 2022 (Derecha). Fuente: Elaboración propia con información proporcionada por la administración de la UA. 3.5.3 Descomposición LMDI Bilateral Regional (B-R) En esta subsección se aborda la Descomposición B-R, que compara directamente las variaciones en el consumo energético entre dos ubicaciones diferentes dentro del alcance de este estudio. Aunque el análisis B-R presenta información similar al análisis MR-ST, es particularmente útil para analizar las variaciones del CE en universidades que tienen un número reducido de campus o sedes, como la UA. El presente análisis B-R se calcula de 127 acuerdo con la Ecuación (3.13). Por lo tanto, los resultados reflejan las diferencias entre las distintas sedes para cada uno de los efectos estudiados, y pueden inferirse directamente del análisis MR-ST (ver resultados en MS.3.5). La representación gráfica del análisis B-R se muestra en la Figura 3.10. La información obtenida es relevante para su aplicación en la gestión de educación superior para comparar el consumo en diferentes ubicaciones. Tanto en 2017 como en 2022, Santiago consume más energía que Talca (3.333 MWh y 2.609 MWh, respectivamente) y Temuco (2.010 MWh y 1.398 MWh, respectivamente), y la diferencia se explica principalmente por los Efectos Intensidad y Matrícula. En este sentido, el Efecto Matrícula en 2022 explica 2.459 MWh en la comparación entre Santiago y Talca, y 2.642 MWh entre Santiago y Temuco. El Efecto Clima actúa como un inhibidor al comparar Santiago con las otras ubicaciones. En cuanto al Efecto Ratio Infraestructura, este funcionó como un impulsor en 2017 (Santiago/Talca, Santiago/Temuco), convirtiéndose posteriormente en un inhibidor en 2022, disminuyendo la diferencia entre Santiago y Talca (443 MWh), y entre Santiago y Temuco (1.045 MWh). La comparación entre Talca y Temuco muestra que la primera ubicación consume menos energía (1.324 MWh en 2017 y 1.211 MWh en 2022). Esto se explica principalmente por el Efecto Ratio Infraestructura y el Efecto Clima, que funcionan como inhibidores al comparar Talca con Temuco. El Efecto Matrícula actúa como un impulsor, favoreciendo el CE en la sede Talca, mientras que el Efecto Intensidad es neutral cuando se comparan ambas ubicaciones. Este análisis señala al Efecto Clima como un factor indispensable a considerar, debido a su influencia significativa entre diferentes zonas geográficas. Por ejemplo, ayuda a explicar gran parte de las diferencias de CE entre Temuco y Talca. Además, en cuanto al efecto del clima en el CE, es llamativo que los sistemas HVAC en la UA no estén centralizados. Esta situación, al ser menos eficiente, presenta áreas potenciales de mejora. En este contexto, investigaciones previas sugieren que los sistemas de climatización 128 centralizados en edificios pueden conducir a una reducción del CE (Al-Daraiseh et al., 2015; Escrivá-Escrivá et al., 2010; Gul y Patidar, 2015; Jomoah et al., 2013; Prada et al., 2017). Figura 3.10 Descomposición B-R de las diferencias en el CE total entre las sedes de la UA utilizando el Método LMDI-I Aditivo. Año 2017 (izquierda) y 2022 (derecha). Fuente: Elaboración propia con información proporcionada por la administración de la UA. 3.6 Discusión Esta sección analiza los hallazgos clave del presente estudio que requieren una reflexión más profunda: el impacto de los estándares de acreditación en el CE; los efectos del periodo de COVID-19 en el uso de energía en las IES; la comparación de los resultados obtenidos mediante esta metodología con otros enfoques presentes en la literatura; y las posibles estrategias para mejorar la gestión del CE en la UA. Los resultados de este estudio muestran que una mayor IR (medido en metros cuadrados por estudiante) influye significativamente en el CE. Este hallazgo corrobora investigaciones anteriores (Alghamdi et al., 2019; Amber et al., 2020; Chung y Rhee, 2014; Ding et al., 2018; Laporte y Cansino, 2024; Michael et al., 2019; Wang et al., 2023; Wang et al., 2010b), que indican que las instituciones con una mayor GFA están asociadas a un mayor 129 CE. Sin embargo, en Chile, el sistema de acreditación obligatorio, administrado por la CNA, presiona a las universidades a expandir su GFA, para cumplir los estándares de acreditación, los cuales exigen instalaciones e infraestructuras apropiadas para los diversos programas de enseñanza (Comisión Nacional de Acreditación - Chile, 2021). Por ejemplo, durante la acreditación institucional de la UA en 2019, la CNA identificó varias métricas de infraestructura que requerían mejoras, particularmente la relación GFA-estudiante. Esto resalta cómo las directrices de la CNA que tienen por objeto mejorar la experiencia estudiantil mediante el aumento de la IR contribuyen inadvertidamente a un aumento en el CE de las universidades. Esta agencia indirectamente requiere que las IES cumplan con estándares estructurales que incrementan el CE, representados en una métrica de IR. Se recomienda que la CNA aborde esta problemática actualizando sus criterios de acreditación para solucionar las inconsistencias que actualmente favorecen la expansión de las infraestructuras sobre la sostenibilidad ambiental, un área crítica para las IES. Es esencial una revisión exhaustiva de estos criterios, con énfasis en el impacto ambiental y la eficiencia de los recursos. La pandemia de COVID-19 alteró significativamente los patrones de CE en la UA, con una importante disminución de 2019 a 2020 debido al cambio hacia una modalidad de enseñanza remota durante los confinamientos. En la UA, en este periodo, el CE disminuyó en 4.919 MWh (45%), debido en gran medida a la reducción del promedio ponderado del AEI de 70 kWh/m² a 34 kWh/m². Esta disminución está vinculada a la ausencia de estudiantes y personal en los campus y concuerda con la relación establecida entre el CE y la tasa de ocupación en los edificios universitarios (Kim y Srebric, 2017; Vaisi et al., 2020). A nivel mundial, también se observaron descensos similares en el CE en las IES durante los confinamientos, de acuerdo a estudios recientes que informan ahorros de energía en el rango del 10 al 60% (Birch et al., 2020; Gaspar et al., 2022; Gui et al., 2021; Litardo et al., 2021; Suyuti et al., 2023; Xu et al., 2023). Estos hallazgos confirman la consistencia entre la investigación actual y aquellas realizadas previamente sobre el CE durante el periodo de la pandemia. En este escenario, es crucial examinar el posible traslado del CE desde las instituciones al uso doméstico. En efecto, parte de los ahorros de energía en las IES durante 130 la pandemia se compensaron con un aumento del uso de energía en los hogares por las clases en línea (Andrei et al., 2021; López-Sosa et al., 2021), especialmente considerando el consumo adicional de electricidad de dispositivos digitales como las tabletas (Cansino et al., 2023). En el caso de la UA, si los ahorros totales de energía atribuidos al Efecto Intensidad (4.919 MWh) en 2020 hubiesen sido transferidos a los hogares, esto habría representado 179 kWh por estudiante. Asumiendo que un hogar típico consume 2.074 kWh/año de electricidad (Corporación de Desarrollo Tecnológico, 2019), este cambio habría resultado en un aumento del 8,6% en su consumo de electricidad. Al examinar la aplicación del LMDI en este estudio y compararla con la literatura previa, surge una distinción clave. La mayoría de los estudios anteriores se han centrado en analizar las variaciones del CE en sistemas a nivel macro, como regiones, países o continentes, por ejemplo, en Lituania (Baležentis et al., 2011) y Singapur (Su et al., 2022). Estos estudios suelen destacar variables como el PIB per cápita, el crecimiento de la población, la combinación de fuentes energéticas y las actividades industriales como principales factores que explican el CE. Sin embargo, la mayoría de los factores identificados en este estudio son distintos debido a su enfoque y alcance particular, con la excepción del Efecto Clima, ya que algunos estudios de LMDI incorporan las condiciones climáticas como un factor de descomposición (Holzmann et al., 2013; Román-Collado et al., 2023), identificando patrones climáticos extremos como catalizadores del CE, similares a los observados en la sede Temuco. Otra similitud con la literatura académica es la amplia presencia de un indicador del nivel de actividad, como el TNS en el caso del presente estudio, que actúa como un catalizador del CE. Este tipo de indicador es ampliamente reconocido en la literatura, variando desde el número de hogares (Hojjati y Wade, 2012) hasta el total de la producción económica (Ang et al., 2016), indicadores que, al aumentar, también contribuyen a incrementar el CE. Finalmente, es esencial enfatizar la coherencia entre los hallazgos de esta investigación y aquellos existentes en la literatura en cuanto al impacto de los confinamientos por COVID-19 en el CE, como se destacó en los párrafos anteriores. Esta coherencia subraya la efectividad del método seleccionado. 131 El análisis de las variaciones del CE en la UA permite delinear posibles estrategias para mitigar el aumento en el uso de la energía. Según la Tabla 3.5 , los principales impulsores del CE entre 2017 y 2022 fueron los Efectos Intensidad y Matrícula. Pese a estar limitada por la normativa nacional, la UA tiene como objetivo aumentar su número de estudiantes en el marco de su proyecto a largo plazo. Como se mencionó en el párrafo anterior, una posible estrategia para mitigar el impacto del Efecto Matrícula podría ser trasladar parte de los estudiantes a la modalidad de enseñanza remota. Si esto no es total o parcialmente viable, se debería dar un mayor énfasis a la reducción del impacto negativo del comportamiento de los usuarios en el CE. Las actitudes de los estudiantes y otros ocupantes frente a la utilización de energía tienen implicaciones significativas en la intensidad energética (Cotton et al., 2016). Por lo tanto, los programas de cambio de comportamiento (Mtutu y Thondhlana, 2016; Sapri et al., 2015) y las campañas de conservación (Ding et al., 2018) son métodos efectivos para reducir el CE debido a los hábitos personales. Además de centrarse en el comportamiento de los ocupantes, la universidad también puede explorar alternativas de carácter técnico. La realización permanente de auditorías energéticas a todos los edificios del campus es crucial. Estas auditorías ayudan a identificar áreas de alto CE y potenciales oportunidades para el ahorro de energía, permitiendo a los gestores identificar ineficiencias e implementar acciones correctivas (Bernardo y Oliveira, 2018; Cottafava et al., 2018; Yandri et al., 2020). Además, la UA debería avanzar en la implementación de sistemas centralizados de gestión de edificios (BMS, por sus siglas en inglés, Building Management Systems) en sus principales estructuras. Los BMS son sistemas de control automatizados que monitorean y gestionan el equipamiento mecánico y eléctrico de un edificio, incluidos los sistemas HVAC, iluminación y otros equipos energéticos. Estos sistemas ayudan a optimizar el uso de recursos y reducir el CE (Jomoah et al., 2013; Zakaria et al., 2019). Otras estrategias efectivas para reducir el CE incluyen la modernización de los sistemas HVAC e iluminación, particularmente en edificios antiguos donde estas mejoras aumentan significativamente la eficiencia energética (Ascione et al., 2019; Hua et al., 2011; Petratos y Damaskou, 2015). La UA debería priorizar estas actualizaciones, especialmente en instalaciones antiguas que 132 utilizan diésel como fuente primaria de energía para los sistemas HVAC. Finalmente, aunque el clima funcionó como un inhibidor en el Análisis de Descomposición Temporal, también existen medidas en este ámbito que la UA puede implementar con el objetivo de disminuir el CE. Para mitigar el impacto del clima en el CE, que es particularmente significativo en Temuco, la UA podría modernizar sus edificios, mejorando la eficiencia energética con soluciones tecnológicas óptimas (Heo et al., 2012), mejorando su envolvente térmica (Liu y Wang, 2022), o instalando techos verdes (Bisegna et al., 2019). Con respecto a la Ratio Infraestructura, como se mencionó anteriormente, las universidades deben analizar cuidadosamente las implicaciones en su CE al decidir sobre proyectos de expansión estructural. Si ellas se ven en la necesidad imperiosa de llevar a cabo estos proyectos, deben considerar diseños específicos tanto para los espacios orientados a la enseñanza, que tienen un consumo elevado debido a su mayor área, como para los espacios de laboratorio, cuyo consumo está impulsado por equipos de alta intensidad energética (Laporte y Cansino, 2024). 3.7 Conclusiones Este estudio destaca por su enfoque innovador en el análisis del CE en la UA mediante el análisis de descomposición y el método LMDI. Si bien esta metodología no ha sido utilizada en otras IES para examinar las variaciones del CE, las características comunes de la UA con un gran número de IES, tales como estar enfocada principalmente en pregrado presencial de jornada diurna sugieren que los conocimientos obtenidos en esta tesis doctoral son aplicables a otras instituciones. Entre los años 2017 a 2022 se ha observó en la UA un aumento significativo del 19% en el CE, con las sedes Talca y Temuco mostrando los incrementos más pronunciados. Por otro lado, aunque Santiago es la sede que presenta el mayor consumo energético, este experimentó sólo un ligero aumento durante el periodo estudiado, lo cual se puede atribuir parcialmente a la ausencia de adiciones de GFA. El aumento total del 19% en el CE de la UA corresponde a 1.549 MWh. El IDA permitió desglosar este incremento en aumentos de 133 1.117 MWh y 2.020 MWh atribuidos al Efecto Intensidad y al Efecto Matrícula, respectivamente, mientras que al Efecto Ratio Infraestructura y al Efecto Clima se les atribuyen ahorros de energía de 938 MWh y 650 MWh. El incremento del CE atribuido al Efecto Intensidad durante este periodo es particularmente interesante, ya que se correlaciona con el proceso de complejización de la UA, que ha visto aumentar sus capacidades de investigación, principalmente representado en la proliferación de sus publicaciones científicas. Estos hallazgos subrayan la importancia práctica de comprender la dinámica energética dentro de las universidades. El análisis espacial-temporal MR-ST y B-R ha facilitado las comparaciones entre diferentes ubicaciones, lo cual resulta sumamente útil para los gestores que buscan comprender las mejores prácticas entre distintas sedes. En este sentido, el análisis identificó a Santiago como la sede con mayor consumo de energía, explicado por su mayor TNS y un uso más intensivo de energía, reflejado en el Efecto Matrícula y el Efecto Intensidad, respectivamente. Por otro lado, el Efecto Ratio Infraestructura (a partir de 2019) y el Efecto Clima redujeron la diferencia con respecto a las otras sedes. Se considera que las significativas capacidades de investigación establecidas en Santiago contribuyen a su mayor AEI. Talca se destaca como la sede con menor consumo de energía, explicado principalmente por un menor Efecto Ratio Infraestructura y un clima más suave, reflejado en un menor Efecto Clima. Su AEI es similar a la de Temuco, sede que, sin embargo, consume más energía en gran medida debido a una mayor GFA (reflejada en la Ratio Infraestructura) y a los impactos del clima más frío. Estas observaciones subrayan la importancia de incluir la variable de corrección climática para lograr un análisis adecuado del uso energético. La pandemia de COVID-19, un evento sin precedentes, transformó profundamente la interacción entre las IES y los estudiantes, alterando significativamente el panorama energético. En la UA, la transición transitoria a la enseñanza remota condujo a una reducción del 45% en el CE en 2020. Según el análisis de descomposición realizado, la disminución en el AEI en este periodo resultó en ahorros de energía equivalentes a 4.919 MWh. A partir de estos resultados, se recomienda a la UA aumentar el número de cursos impartidos en forma remota. Este enfoque no sólo ayudaría a reducir el CE, sino que 134 también contribuiría significativamente a la reducción de emisiones de CO2, considerando las emisiones relacionadas con el transporte de estudiantes y profesores. No obstante, estos beneficios podrían ser contrarrestados por un aumento en el CE en los hogares de los estudiantes. Por lo tanto, se recomienda adicionalmente realizar estudios para cuantificar con precisión el traslado de energía desde las IES hacia los hogares de los alumnos como consecuencia de los cambios en los métodos educativos. Las condiciones climáticas generan un impacto significativo en el CE, especialmente en Temuco, donde el Efecto Clima añadió 551 MWh adicionales en 2022 en comparación con la referencia elegida para efectos de comparación. La combinación del considerable efecto que causa este clima más extremo en el CE con el hecho de que la mayoría de los sistemas HVAC de la UA son activados por los usuarios, genera serias preocupaciones. Para abordar esta situación, se proponen las siguientes recomendaciones a la UA, las cuales podrían extenderse a otras IES: i) implementar un sistema HVAC centralizado bajo el control de un BMS, y ii) realizar encuestas para establecer los rangos de temperatura preferidos por los usuarios. Al alinear los objetivos del sistema de climatización con las condiciones climáticas diarias y las preferencias de los usuarios, se puede optimizar el uso de energía. Además, ajustar las temperaturas según las preferencias de los usuarios mejorará el nivel de confort, no desde una dimensión de infraestructura, sino desde la perspectiva de la experiencia del usuario. La presente investigación destaca la importancia de la GFA en cuanto a su impacto en el CE en las IES, a través de la IR, como se evidencia en los hallazgos realizados. Esto es particularmente relevante en el contexto de políticas que incentivan a las universidades a expandir su GFA existente. En este sentido, se aconseja que la CNA reconsidere su política sobre la IR como un criterio de acreditación, pues dicho criterio presiona indirectamente a las IES a aumentar su CE. Se propone que la CNA introduzca un límite de GFA por estudiante, indicador que las instituciones deben aspirar a alcanzar y mantener a lo largo del tiempo. Además, se recomienda que todos los responsables de formular políticas con respecto a la educación superior, incluida la CNA, incorporen métricas de impacto ambiental en sus criterios para evaluar las IES. Dentro de este marco, el CE emerge como un indicador 141 Laporte, J. P., Cansino, J. M. (2024). Energy Consumption in Higher Education Institutions: A Bibliometric Analysis Focused on Scientific Trends. Buildings, 14(2), 323. https://doi.org/10.3390/buildings14020323 Litardo, J., Hidalgo-Leon, R., Soriano, G. (2021). Energy performance and benchmarking for university classrooms in hot and humid climates. Energies, 14(21). https://doi.org/10.3390/en14217013 Liu, J., Zhang, S., Wagner, F. (2018). Exploring the driving forces of energy consumption and environmental pollution in China’s cement industry at the provincial level. Journal of Cleaner Production, 184, 274–285. https://doi.org/10.1016/J.JCLEPRO.2018.02.277 Liu, Q., Wang, Z. (2022). Green BIM-based study on the green performance of university buildings in northern China. Energy, Sustainability and Society, 12(1). https://doi.org/10.1186/s13705-022-00341-9 López-sosa, L. B., Alvarado-flores, J. J., Marín-aguilar, T. N. J., Corral-huacuz, J. C., Aguileramandujano, A., Rodríguez-torres, G. M., Morales-máximo, M., Rodríguez-magallón, M. C., Alcaraz-vera, J. V, Ávalos-rodríguez, M. L., Rutiaga-quiñones, J. G., Rodríguez-olalde, N. E., Flores-armenta, M. C., García, C. A. (2021). COVID-19 pandemic effect on energy consumption in state universities: Michoacan, Mexico case study. Energies, 14(22). https://doi.org/10.3390/en14227642 Marina Domingo, A. M., Rey-Hernández, J. M., San José Alonso, J. F., Crespo, R. M., Rey Martínez, F. J. (2018). Energy efficiency analysis carried out by installing district heating on a university campus. A case study in Spain. Energies, 11(10). https://doi.org/10.3390/en11102826 Medrano, M., Marti, J. M., Rincon, L., Mor, G., Cipriano, J., Farid, M. (2018). Assessing the nearly zero-energy building gap in university campuses with a feature extraction methodology applied to a case study in Spain. International Journal of Energy and Environmental Engineering, 9(3), 227–247. https://doi.org/10.1007/s40095-018-0264-x Michael, M., Ntsaluba, S. B. K., Zhang, L. (2019). A comparative study on electrical energy usage of university residences in South Africa (2017). 27th International Conference on the Domestic Use of Energy, DUE 2019, 201–205. Ministerio de Vivienda y Urbanismo-Chile. (1992). Decreto 47 fija nuevo texto de la ordenanza general de la ley general de urbanismo y construcciones. In National Congress Library. National Congress Library. https://www.bcn.cl/leychile/navegar?idNorma=8201&idVersion=2011-04-13 Mtutu, P., Thondhlana, G. (2016). Encouraging pro-environmental behaviour: Energy use and recycling at Rhodes University, South Africa. Habitat International, 53, 142–150. https://doi.org/10.1016/j.habitatint.2015.11.031 NASA Prediction of Worldwide Energy Resources. (2023). POWER | Data Access Viewer. https://power.larc.nasa.gov/data-access-viewer/ 142 Nie, H. G., Kemp, R., Xu, J. H., Vasseur, V., Fan, Y. (2016). Drivers of urban and rural residential energy consumption in China from the perspectives of climate and economic effects. Journal of Cleaner Production, 172, 2954–2963. https://doi.org/10.1016/j.jclepro.2017.11.117 Ozturk, I., Khan, S., Majeed, M. T. (2023). Environmental impact of economic activities: Decoupling perspective of Singapore using log mean Divisia index decomposition technique. Geological Journal, 58(10), 3720–3733. https://doi.org/10.1002/GJ.4786 Pacheco-Torres, R., Heo, Y., Choudhary, R. (2016). Efficient energy modelling of heterogeneous building portfolios. Sustainable Cities and Society, 27, 49–64. https://doi.org/10.1016/j.scs.2016.08.001 Petratos, P., Damaskou, E. (2015). Management strategies for sustainability education, planning, design, energy conservation in California higher education. International Journal of Sustainability in Higher Education , 16(4), 576–603. https://doi.org/10.1108/ijshe-03-20140038 Prada, M., Popescu, D. E., Bungau, C., Pancu, R., Bungau, C. (2017). Parametric Studies on European 20-20-20 Energy Policy Targets in University Environment. Journal of Environmental Protection and Ecology, 18(3), 1146–1157. Pusat, S., Ekmekci, I. (2016). A study on degree-day regions of Turkey. Energy Efficiency, 9(2), 525–532. https://doi.org/10.1007/s12053-015-9378-7/figures/5 Qin, Q., Yan, H., Li, B., Lv, W., Wasif Zafar, M. (2022). A novel temporal-spatial decomposition on drivers of China’s carbon emissions. Gondwana Research, 109, 274–284. https://doi.org/10.1016/J.GR.2022.05.001 Román-Collado, R., Colinet Carmona, M. J. (2021). Energy efficiency’s key role in explaining the performance of energy consumption in Andalusia (Spain). Environmental Science and Pollution Research, 28(16), 20188–20208. https://doi.org/10.1007/S11356-020-11829-2 Román-Collado, R., Colinet, M. J. (2018). Are labour productivity and residential living standards drivers of the energy consumption changes? Energy Economics, 74, 746–756. https://doi.org/10.1016/j.eneco.2018.07.030 Román-Collado, R., Colinet-Carmona, M. J., Fárez-Plasencia, M. I. (2023). Is temperature change a key driver of the regional differences in electricity consumption of the economic sectors in Spain (2000–2016)? Environmental Science and Pollution Research, 30(33), 81131– 81150. https://doi.org/10.1007/s11356-023-27789-2/tables/7 Román-Collado, R., Economidou, M. (2021). The role of energy efficiency in assessing the progress towards the EU energy efficiency targets of 2020: Evidence from the European productive sectors. Energy Policy, 156. https://doi.org/10.1016/j.enpol.2021.112441 Sapri, M., Ishak, M. H., Sipan, I., Iman, A. H. M. (2015). Significant factors of energy consumption behaviour pattern among Malaysian Higher Education Institutions students. Proceedings of the 25th International Business Information Management Association Conference - 143 Innovation Vision 2020: From Regional Development Sustainability to Global Economic Growth, IBIMA 2015, 505–516. Sarricolea, P., Herrera-Ossandon, M., Meseguer-Ruiz, Ó. (2017). Climatic regionalisation of continental Chile. Journal of Maps, 13(2), 66–73. https://doi.org/10.1080/17445647.2016.1259592 Siddhartha, Pai, M. Y. (2019). Analysis of weather parameters on electrical energy consumption of a residential building. 2019 2nd International Conference on Advanced Computational and Communication Paradigms, ICACCP 2019. https://doi.org/10.1109/ICACCP.2019.8882890 Sinha, P., Schew, W. A., Sawant, A., Kolwaite, K. J., Strode, S. A. (2010). Greenhouse gas emissions from U.S. institutions of higher education. Journal of the Air and Waste Management Association, 60(5), 568–573. https://doi.org/10.3155/1047-3289.60.5.568 Su, B., Goh, T., Ang, B. W., Ng, T. S. (2022). Energy consumption and energy efficiency trends in Singapore: The case of a meticulously planned city. Energy Policy, 161. https://doi.org/10.1016/J.ENPOL.2021.112732 Su, Y.-W. (2023). The Drivers and Barriers of Energy Efficiency. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4369267 Suyuti, A., Kitta, I., Gassing, Hardiansyah, Riskawati, Amri, A. (2023). Impact of the Covid 19 pandemic on electricity consumption in universities. AIP Conference Proceedings, 2630(1). https://doi.org/10.1063/5.0127867/2886587 Technological Development Corporation. (2019). Resumen ejecutivo de usos de la Energía de los Hogares de Chile 2018. Corporación de Desarollo Tecnológico. https://www.energia.gob.cl/sites/default/files/documentos/resumen_ejecutivo_caracteri zacion_residencial_2018.pdf Times Higher Education. (2024). World University Rankings 2024 | Times Higher Education (THE). https://www.timeshighereducation.com/world-university-rankings/2024/worldranking#!/length/25/locations/CHL/sort_by/rank/sort_order/asc/cols/stats Trotta, G. (2020). Assessing drivers of energy consumption and progress toward energy targets in Italy. Energy Sources, Part B: Economics, Planning and Policy, 15(3), 137–156. https://doi.org/10.1080/15567249.2020.1778817 Tsemekidi Tzeiranaki, S., Bertoldi, P., Diluiso, F., Castellazzi, L., Economidou, M., Labanca, N., Ribeiro Serrenho, T., Zangheri, P. (2019). Analysis of the EU Residential Energy Consumption: Trends and Determinants. Energies, 12(6), 1065. https://doi.org/10.3390/en12061065 U.S. Energy Information Administration. (2023). Degree-days - U.S. Energy Information Administration (EIA). https://www.eia.gov/energyexplained/units-and-calculators/degreedays.php 144 Vaisi, S., Mohammadi, S., Nastasi, B., Javanroodi, K. (2020). A new generation of thermal energy benchmarks for university buildings. Energies, 13(24). https://doi.org/10.3390/en13246606 Verichev, K., Zamorano, M., Carpio, M. (2020). Effects of climate change on variations in climatic zones and heating energy consumption of residential buildings in the southern Chile. Energy and Buildings, 215. https://doi.org/10.1016/j.enbuild.2020.109874 Wang, C., Jiang, H., Wu, H., Liu, Y., Guo, S., Xu, M. (2023). Scaling in urban building energy use and its influencing factors. Journal of Industrial Ecology, 27(4), 1076–1088. https://doi.org/10.1111/JIEC.13395 Wang, W., Liu, X., Zhang, M., Song, X. (2014). Using a new generalized LMDI (logarithmic mean Divisia index) method to analyze China’s energy consumption. Energy, 67, 617–622. https://doi.org/10.1016/J.ENERGY.2013.12.064 Wang, X., Chen, D., Ren, Z. (2010a). Assessment of climate change impact on residential building heating and cooling energy requirement in Australia. Building and Environment, 45(7), 1663–1682. https://doi.org/10.1016/j.buildenv.2010.01.022 Wang, X., Huang, C., Cao, W. (2010b). Energy audit of building: A case study of a commercial building in Shanghai. Asia-Pacific Power and Energy Engineering Conference, APPEEC. https://doi.org/10.1109/APPEEC.2010.5448746 Ward, I., Ogbonna, A., Altan, H. (2008). Sector review of UK higher education energy consumption. Energy Policy, 36(8), 2939–2949. https://doi.org/10.1016/j.enpol.2008.03.031 World Bank. (2023). Education Statistics - All Indicators | DataBank. https://databank.worldbank.org/source/education-statistics-%5e-all-indicators Wu, R., Zhang, J., Bao, Y., Lai, Q., Tong, S., Song, Y. (2016). Decomposing the influencing factors of industrial sector carbon dioxide emissions in Inner Mongolia based on the LMDI Method. Sustainability (Switzerland), 8(7). https://doi.org/10.3390/SU8070661 Xu, S., Cheng, B., Huang, Z., Liu, T., Li, Y., Jiang, L., Guo, W., Xiong, J. (2023). Impact of the COVID19 on electricity consumption of open university campus buildings – The case of Twente University in the Netherlands. Energy and Buildings, 279. https://doi.org/10.1016/J.ENBUILD.2022.112723 Yandri, E., Ariati, R., Uyun, A. S., Setyobudi, R. H., Anne, O., Susanto, H., Vincevica-Gaile, Z. (2020). Implementation of walk-through audits for designing energy management system: A first step towards an efficient campus. IOP Conference Series: Earth and Environmental Science, 490(1), 012005. https://doi.org/10.1088/1755-1315/490/1/012005 Zakaria, N. A., Hassan, M. Y., Abdullah, H., Abdullah, M. P., Hussin, F., Hussin, S. M., Bakar, N. N. A. (2019). Energy efficiency index by considering number of occupants: A study on the lecture rooms in a university building. Indonesian Journal of Electrical Engineering and Computer Science, 15(3), 1154–1160. https://doi.org/10.11591/ijeecs.v15.i3.pp1156-1160 145 Zhang, Z., Liu, Y., Ma, T. (2023). Assessing Spatiotemporal Characteristics and Driving Factors of Urban Public Buildings Carbon Emissions in China: An Approach Based on LMDI Analysis. Atmosphere, 14(8). https://doi.org/10.3390/ATMOS14081280 Zhao, Y., Guo, L., Li, Y., Zhu, Y., Cheng, Z. (2023). Revealing the driving factors for structure changes of regional water consumption: an empirical study of the middle route project of the South-to-North Water Diversion in China. Environment, Development and Sustainability. https://doi.org/10.1007/S10668-023-04316-4 146 Material Suplementario (MS) 147 MS.3.1 Ecuaciones del Análisis de Descomposición Temporal utilizando el método Aditivo LMDI ∆𝐴𝐸𝐼𝑖𝑡−(𝑡−1) =𝐴𝐸𝐼𝑖𝑡−𝐴𝐸𝐼𝑖𝑡−1 =𝐿(𝐶𝐸𝑖𝑡,𝐶𝐸𝑖𝑡−1)∙ln(𝐴𝐸𝐼𝑖𝑡 𝐴𝐸𝐼𝑖𝑡−1) (MS.3.1.1) ∆𝐼𝑅𝑖𝑡−(𝑡−1) =𝐼𝑅𝑖𝑡−𝐼𝑅𝑖𝑡−1 =𝐿(𝐶𝐸𝑖𝑡,𝐶𝐸𝑖𝑡−1)∙ln(𝐼𝑅𝑖𝑡 𝐼𝑅𝑖𝑡−1) (MS.3.1.2) ∆𝑊𝑖𝑡−(𝑡−1) =𝑊𝑖𝑡−𝑊𝑖𝑡−1 =𝐿(𝐶𝐸𝑖𝑡,𝐶𝐸𝑖𝑡−1)∙ln(𝑊𝑖𝑡 𝑊𝑖𝑡−1) (MS.3.1.3) ∆𝑇𝑁𝑆𝑖𝑡−(𝑡−1) =𝑇𝑁𝑆𝑖𝑡−𝑇𝑁𝑆𝑖𝑡−1 =𝐿(𝐶𝐸𝑖𝑡,𝐶𝐸𝑖𝑡−1)∙ln(𝑇𝑁𝑆𝑖𝑡 𝑇𝑁𝑆𝑖𝑡−1) (MS.3.1.4) Con: 𝐿(𝐶𝐸𝑖𝑡,𝐶𝐸𝑖𝑡−1)= 𝐶𝐸𝑖𝑡−𝐶𝐸𝑖𝑡−1 𝐿𝑛(𝐶𝐸𝑖𝑡)−ln (𝐶𝐸𝑖𝑡−1),𝑝𝑎𝑟𝑎 𝐶𝐸𝑖𝑡≠𝐶𝐸𝑖𝑡−1; 𝐶𝐸𝑖𝑡 𝑝𝑎𝑟𝑎 𝐶𝐸𝑖𝑡=𝐶𝐸𝑖𝑡−1 MS.3.2 Ecuaciones del Análisis de Descomposición Espacio-Temporal utilizando el método Aditivo LMDI ∆𝐴𝐸𝐼𝑖−𝜇 𝑡=𝐴𝐸𝐼𝑖𝑡−𝐴𝐸𝐼𝜇=𝐿(𝐶𝐸𝑖𝑡,𝐶𝐸𝜇)∙ln(𝐴𝐸𝐼𝑖𝑡 𝐴𝐸𝐼𝜇) (MS.3.2. 1) ∆𝐼𝑅𝑖−𝜇 𝑡=𝐼𝑅𝑖𝑡−𝐼𝑅𝜇=𝐿(𝐶𝐸𝑖𝑡,𝐶𝐸𝜇)∙ln(𝐼𝑅𝑖𝑡 𝐼𝑅𝜇) (MS.3.2.2) ∆𝑊𝑖−𝜇 𝑡=𝑊𝑖𝑡−𝑊𝜇=𝐿(𝐶𝐸𝑖𝑡,𝐶𝐸𝜇)∙ln(𝑊𝑖𝑡 𝑊𝜇) (MS.3.2.3) ∆𝑇𝑁𝑆𝑖−𝜇 𝑡=𝑇𝑁𝑆𝑖𝑡−𝑇𝑁𝑆𝜇=𝐿(𝐶𝐸𝑖𝑡,𝐶𝐸𝜇)∙ln(𝑇𝑁𝑆𝑖𝑡 𝑇𝑁𝑆𝜇) (MS.3.2.4) Con: 𝐿(𝐶𝐸𝑖𝑡,𝐶𝐸𝜇)= 𝐶𝐸𝑖𝑡−𝐶𝐸𝜇 𝐿𝑛(𝐶𝐸𝑖𝑡)−ln (𝐶𝐸𝜇),𝑝𝑎𝑟𝑎 𝐶𝐸𝑖𝑡≠𝐶𝐸𝜇; 𝐶𝐸𝑖𝑡 𝑝𝑎𝑟𝑎 𝐶𝐸𝑖𝑡=𝐶𝐸𝜇 (MS.3.2.5) 148 MS.3.3 Parámetros Principales para cada sede de la Universidad Autónoma de Chile Tabla MS.3.3.1 Parámetros principales para cada sede. Sede Año CE(MWh) GFA (m2) TNS (Estudiantes) HDD (°Celsius) CDD (°Celsius) Santiago 2017 4.522 64.389 10.587 685 193 2018 4.689 64.559 11.519 540 99 2019 4.840 64.852 12.833 561 188 2020 2.916 64.891 13.726 670 203 2021 3.478 64.891 15.333 454 151 2022 4.593 64.725 15.352 556 148 Talca 2017 1.188 21.338 6.640 831 204 2018 1.308 23.065 6.768 731 127 2019 1.370 26.744 6.879 710 227 2020 702 29.935 7.027 748 258 2021 1.175 34.405 7.640 677 167 2022 1.983 35.299 7.709 778 203 Temuco 2017 2.512 34.591 6.120 1.295 19 2018 2.463 35.335 6.254 1.291 9 2019 2.851 40.767 6.446 1.194 6 2020 1.375 41.772 6.711 1.210 16 2021 2.347 41.765 7.363 1.115 48 2022 3.195 41.765 7.262 1.281 15 Total 2017 8.222 120.318 23.347 2018 8.461 122.959 24.541 2019 9.061 132.363 26.158 2020 4.993 136.598 27.464 2021 7.000 141.061 30.336 2022 9.771 141.789 30.323 Fuente: Elaboración propia con información proporcionada por la administración de la UA y datos obtenidos de NASA Prediction of Worldwide Energy Resources (2023). 149 MS.3.4 Variables utilizadas en la descomposición Tabla MS.3.4.1 Variables usadas en la Descomposición Temporal. Sede Año AEI (kWh/m2) IR (m2/TNS) W (%) TNS (Estudiantes) Santiago 2017 59 6,08 118 10.587 2018 84 5,60 86 11.519 2019 74 5,05 101 12.833 2020 38 4,73 118 13.726 2021 66 4,23 82 15.333 2022 75 4,22 95 15.352 Talca 2017 51 3,21 110 6.640 2018 62 3,41 91 6.768 2019 52 3,89 99 6.879 2020 22 4,26 107 7.027 2021 38 4,50 89 7.640 2022 54 4,58 104 7.709 Temuco 2017 69 5,65 105 6.120 2018 67 5,65 104 6.254 2019 73 6,32 96 6.446 2020 34 6,22 98 6.711 2021 60 5,67 93 7.363 2022 74 5,75 104 7.262 Fuente: Elaboración propia con información proporcionada por la administración de la UA. Tabla MS.3.4.2 Variables usadas en las descomposiciones MR-ST y B-R. Sede Año AEI (kWh/m2) IR (m2/TNS) W (%) TNS (Estudiantes) Santiago 2017 86 6,08 82 10.587 2018 122 5,60 59 11.519 2019 107 5,05 70 12.833 2020 55 4,73 81 13.726 2021 95 4,23 56 15.333 2022 108 4,22 66 15.352 Talca 2017 58 3,21 96 6.640 2018 71 3,41 80 6.768 2019 59 3,89 87 6.879 2020 25 4,26 94 7.027 2021 44 4,50 78 7.640 2022 62 4,58 91 7.709 Temuco 2017 59 5,65 122 6.120 2018 58 5,65 121 6.254 2019 63 6,32 112 6.446 2020 29 6,22 114 6.711 2021 52 5,67 108 7.363 2022 64 5,75 120 7.262 Referencia 2017 68 5.15 100 7.782 Fuente: Elaboración propia con información proporcionada por la administración de la UA. 150 MS.3.5 Resultados del Análisis de Descomposición Espacio-Temporal B-R Tabla MS.3.5.1 Resultados de la Descomposición Espacio-Temporal LMDI (MWh). Diferencia en CE MWh 2017 2018 2019 2020 2021 2022 SANTIAGO Δ AEI 1.128 2.034 1.957 908 1.861 1.894 c/r a Δ IR 1.467 1.106 485 41 -360 -443 TALCA Δ W -650 -1.452 -1.061 -492 -1.330 -1.300 Δ TNS 1.390 1.693 2.090 1.757 2.133 2.459 Dif. Total 3.333 3.381 3.471 2.214 2.304 2.609 SANTIAGO Δ AEI 1.186 2.555 1.902 1113 1.722 1.868 c/r a Δ IR 347 65 -645 -618 -853 -1.045 TEMUCO Δ W -1.248 -2.385 -1.641 -851 -1.978 -2.067 Δ TNS 1.725 1.991 2.373 1.898 2.239 2.642 Dif. Total 2.010 2.227 1.989 1.541 1.131 1.398 TALCA Δ AEI 58 521 -54 205 -139 -26 c/r a Δ IR -1.120 -1.040 -1.129 -659 -493 -602 TEMUCO Δ W -598 -933 -580 -359 -647 -766 Δ TNS 336 298 283 140 107 183 Dif. Total -1.324 -1.154 -1.482 -672 -1.173 -1.211 Fuente: Elaboración propia con información proporcionada por la administración de la UA.