نموذج SAMR

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

نموذج SAMR — إطار لدمج التقنية طوّره Ruben Puentedura يُصنّف المدى الذي تُحوِّل به تقنيةٌ ما التعلّم على أربع مراحل: الاستبدال (Substitution) والتعزيز (Augmentation) والتعديل (Modification) وإعادة التعريف (Redefinition). فالمرحلتان الأدنى (الاستبدال والتعزيز) تُحسّنان مهمةً قائمة — إذ تفعل التقنية ما كان يُفعل قبلًا، بشكل أفضل أو أكثر ملاءمةً؛ والعلويتان (التعديل وإعادة التعريف) تُحوّلانها — فتتغير المهمة نفسها إلى شيء لم يكن ممكنًا قبلًا. وفي الذكاء الاصطناعي في التعليم، يُعدّ SAMR العدسة المعيارية للسؤال عمّا إذا كان الذكاء الاصطناعي التوليدي يُستخدم لتحسين الممارسة القائمة تحسينًا تدريجيًا أم لإعادة تصوّر التعلّم، وهو يجاور TPACK كطريقة لوصف كيف يدمج المعلمون التقنية لا لماذا يقبلونها.

أسئلة تستحق التأمل

• حين يُدخل الذكاء الاصطناعي إلى مقرر، فهل هو استبدال (يستبدل روبوت دردشة مربع بحث) أم إعادة تعريف (تصبح مهمة ممكنة لم تكن كذلك قبلًا)؟ وما الذي يحدد أي مرحلة ملائمة — وهل التحويل دائمًا هو الهدف؟
• يجيب SAMR ونماذج تبني التقنية عن أسئلة مختلفة: فنظرية التبني تسأل لماذا يقبل معلم أو مؤسسة أداةً ما؛ وSAMR يسأل بأي عمق تغيّر الأداة التعلّم. فأيّ سؤال تجيب عنه دراسةٌ ما لدمج الذكاء الاصطناعي فعلًا؟
• وجدت مراجعة منهجية لدمج الذكاء الاصطناعي في التعليم العالي أن معظم الاستخدامات وقعت عند مستوى الاستبدال أو التعزيز، ولم تقترب سوى دراسة واحدة من إعادة التعريف. فإن كان هذا هو النمط المعتاد، فماذا يقترح ذلك عن الفجوة بين إمكانات الذكاء الاصطناعي وواقعه الصفّي؟
• يُستحضر SAMR بكثرة في التطوير المهني للمعلمين لمساعدة المربّين على تخطيط استخدام التقنية. فهل يُغيّر تصنيف مستوى SAMR لدرسٍ ما ما يفعله المعلم فعلًا، أم هو في الأساس وسم وصفي؟
• يزعم النقاد أن SAMR، مثل TPACK، يستند إلى أنطولوجيا إنسانية تعامل الإدراك كشيء لم تُغيّره التقنية، وأنه لا يقول شيئًا عن السلطة أوملكية البيانات أوالإنصاف. فهل عدسة مستوى الدمج كافية، أم يحتاج دمج عصر الذكاء الاصطناعي إلى إطار أكثر نقديةً؟

مقدمة

يصف SAMR عمق التحوّل التقني لمهام التعلّم. وتُشكّل مراحله الأربع سُلَّمًا صاعدًا من التحسين إلى التحويل: الاستبدال (تستبدل الأداة أخرى دون تغيّر وظيفي — روبوت دردشة بدل محرك بحث)، والتعزيز (تستبدل الأداة وتُحسّن — التدقيق الإملائي في معالج الكلمات مقابل الآلة الكاتبة)، والتعديل (تُعاد تصميم المهمة بشكل جوهري — يتعاون الطلاب في الزمن الحقيقي على مسوّدة مشتركة مولَّدة بالذكاء الاصطناعي)، وإعادة التعريف (تصبح مهام جديدة كانت غير قابلة للتصوّر ممكنةً — يُنشئ المتعلّمون مع نموذج توليدي بطرائق لا نظير لها خارج الذكاء الاصطناعي). ويُستخدم النموذج على نطاق واسع في بحث التقنية التعليمية والتطوير المهني للمعلمين كمعجم لتخطيط دمج التقنية وتقييمه، وهو رفيق معياري لـ TPACK ولأُطر تبني التقنية — مع أنه يجيب عن سؤال مختلف عن كليهما.

ما تعنيه المراحل الأربع

• التحسين (النصف الأدنى): يُحسّن الاستبدال والتعزيز مهمةً قائمة دون تغيير طبيعتها. ويقع هنا معظم استخدام الذكاء الاصطناعي الروتيني — توليد الأسئلة والتوليد السريع للنصوص والتلخيص — فهو أسرع وأكثر ملاءمةً لكنه لا يغيّر ما يُطلب من المتعلّم فعله.
• التحويل (النصف الأعلى): يُغيّر التعديل وإعادة التعريف المهمة نفسها. فـ الـ vibe coding والبناء المشترك في الزمن الحقيقي مع نموذج والحوار التفاعلي التكيّفي مهام لم تكن ممكنة قبل الذكاء الاصطناعي التوليدي، وتمثل الطرف التحويلي للسُلَّم.

يُقرَن SAMR بكثرة بـ إطار ICAP لأن الاثنين يتوافقان: فالسيناريوهات الأربعة من الطهي إلى التعلّم في Rummel, Nachtigall & Panadero (2026) تُخصّص أنماط اندماج ICAP على مراحل SAMR — Passive في ICAP مع Substitution في SAMR، وActive مع Augmentation، وConstructive مع Modification، وInteractive مع Redefinition — مُبيّنةً تقدّمًا من الإسناد المنفعل إلى البناء المشترك التفاعلي.

أدلة من قاعدة المعارف

• دمج الذكاء الاصطناعي في التعليم العالي تدريجي في جوهره لا تحويلي. وجد AlSheikh et al. (2026)، في مراجعة منهجية موجَّهة بـ PRISMA لـ 22 دراسة تدخل من 959 سجلًا، بعد تصنيف دمج الذكاء الاصطناعي بنموذج SAMR أن معظم الدراسات تجمّعت عند مستوى الاستبدال أو التعزيز، مع عدد أقل عند التعديل ودراسة واحدة فقط تقترب من إعادة التعريف. وكان الذكاء الاصطناعي يُدخل في الغالب لتحسين الممارسة القائمة — يهيمن عليها أتمتة التقويم ودعم التعلّم المُخصَّص — لا لإعادة تصوّر المناهج أو مخرجات التعلّم.
• SAMR عدسة تحليلية شائعة للتغيّر المنهجي المنهجي المدفوع بالـ GenAI. يُخصّ Sabani et al. (2026) خمسة تحوّلات منهجية (من الساكن إلى الديناميكي، ومن الإرسال إلى القدرة، ومن المحلي إلى المؤسسي) على عدسات راسخة بما فيها SAMR والتوافق البنّاء، باستخدام النموذج لتوضيح الآليات التربوية التي يُعيد بها GenAI تشكيل المنهاج.
• تُرسّخ SAMR وTPACK معايير دمج المعلم للتقنية. يضع Crompton et al. (2026) معاييرهم الستة لتقنية أعضاء هيئة التدريس مقابل أُطر قائمة — المعرفة التربوية التكنولوجية بالمحتوى (TPACK) وRAT وSAMR وSETI — ومعايير (ISTE وUNESCO وDigCompEdu)، يستهدف أكثرها مربّي K-12 أو الجزء التعليمي وحده من أدوار أعضاء هيئة التدريس، تاركًا فجوةً في تطوير أعضاء هيئة التدريس في التعليم العالي.
• SAMR هدف للنقد ما بعد الإنساني. ينقد Elsayed (2026) نماذج TPACK وSAMR وثقافة الذكاء الاصطناعي لاشتراكها في أنطولوجيا إنسانية تفترض متعلّمًا محدودًا إدراكه لم تتغيّره الوساطة التقنية تغييرًا جوهريًا، زاعمًا أن هذه الأُطر الآلية لا تستطيع معالجة الدور المُؤسِّس للذكاء الاصطناعي في الإدراك.
• إطار للدمج لا إطار للسلطة. يُقيّم Poudyal (2026) SAMR إلى جانب TPACK وأُطر الدمج الأخرى ويجد أنها لا تعالج أيًا منها السلطة العادلة أوملكية البيانات أوالمساءلة، ما يحفّز إطار وكالة مشتركة بيئيًا بديلًا.
• يُخصّ استخدام الطلاب على SAMR أيضًا، وتمتد التغذية الراجعة على كل المراحل. فقد وضع ترميز إفصاحات الـ GenAI لـ 31–36 طالبًا في وحدة فيزياء التعلّم عند الاستبدال–التعزيز، والتنسيق عند الاستبدال، وأداء المهام عند التعديل–إعادة التعريف، بينما ظهرت التغذية الراجعة — التحقق والتوضيح والاستيقان — على المراحل الأربع جميعًا (Quince and Faulconer (2026)).

SAMR وTPACK وتبني التقنية: كيف تختلف

ثلاثة أُطر تُخلَط بكثرة لكنها تجيب عن أسئلة متميزة:

• نماذج تبني التقنية (TAM وUTAUT) تشرح لماذا يقبل فرد أو مؤسسة تقنيةً ما ويستمر في استخدامها — النفع المُدرَك وسهولة الاستخدام والتأثير الاجتماعي.
• TPACK يصف المعرفة التي يحتاجها المعلم لدمج التقنية بفعالية — تفاعل المعرفة التقنية والتربوية والمحتواهية، ومُوسَّعة في عصر الذكاء الاصطناعي إلى AI-TPACK/GenAI-TPACK.
• SAMR يُصنّف بأي عمق تُحوّل تقنيةٌ ما مهمةً تعلّمية، من التحسين إلى إعادة التعريف.

يُفهم SAMR أفضل ما يُفهم كعدسة عمق الدمج تُستخدم في التخطيط والتقييم، مُكملةً نظرية التبني (التي تشرح الاعتماد) وTPACK (الذي يشرح قدرة المعلم). وفي عصر الذكاء الاصطناعي، يُستخدم بأكبر إنتاجيةً للسؤال عمّا إذا كان الذكاء الاصطناعي التوليدي يُطبَّق لتحسين المهام القائمة أم لتمكين مهام جديدة حقًا — وهو تمييز يسري في كل بحوث قاعدة المعارف عن التقويم والمناهج.

آثار ذلك على الممارسة

• استخدم SAMR للسؤال عن العمق لا لوصف التحويل. فالتحسين ليس أدنى بالضرورة؛ فعديد من استخدامات الذكاء الاصطناعي الروتينية استبدالات مشروعة. والنموذج تشخيصي، يُوضّح ما تغيّره استخدامًا بعينه فعلًا.
• اقرنه بـ ICAP. يصف SAMR ما تصير إليه المهمة؛ ويصف ICAP كيف يندمج المتعلّم. ويُفرّق استخدامهما معًا بين الاستبدال السطحي والبناء المشترك التفاعلي العميق.
• كمّله بعدستَي التبني والإنصاف. لا يقول SAMR شيئًا عن سبب تبني أداة أو عن المستفيد منها. فاقرنه بـ نماذج التبني وتحليل الإنصاف لتجنّب أن يحل وسم العمق محل التقييم النقدي.
• عامل دليل الدمج التدريجي نتيجةً لا فشلًا. فإن تجمّع معظم دمج الذكاء الاصطناعي عند الاستبدال/التعزيز، فمهمة التصميم ليست فرض إعادة التعريف بل إدراك أن الاستخدام التحويلي يتطلب تصاميم مهام مختلفة، لا أدوات أفضل فحسب.

المفاهيم المرتبطة

• الذكاء الاصطناعي في التعليم — الذكاء الاصطناعي في التعليم (شامل)
• المعرفة التربوية التكنولوجية بالمحتوى (TPACK) — Technological Pedagogical Content Knowledge
• نماذج تبني التقنية — Technology adoption models
• إطار ICAP — The ICAP framework of cognitive engagement
• التقنيات — AI technologies and techniques
• كفاءة المعلم في الذكاء الاصطناعي — Teacher AI competency
• التطوير التربوي — Educational development
• تصميم التعلّم — Learning design
• K-12 — K-12 education
• التعليم العالي — Higher education
• الذكاء الاصطناعي التوليدي — Generative AI

المقالات المرتبطة

• Mapping artificial intelligence integration in higher education: A systematic review using the FACETS and SAMR frameworks — AI integration in higher ed graded with SAMR: mostly Substitution/Augmentation
• With a Thermomix You Lose the Ability to Cook: A Kitchen Machine Analogy for Applications of Generative AI in Education — ICAP and SAMR mapping the four cooking-to-learning scenarios
• Rewriting the Curriculum: A Systematic Review of Generative AI-Driven Pedagogical Change and Emerging Systems of Learning in Higher Education — SAMR among the lenses for GenAI-driven curriculum change
• Designing faculty standards for technology integration in higher education institutions: a design-based research study — SAMR among the frameworks informing faculty technology standards
• Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI — The posthumanist critique of SAMR's humanist ontology
• Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education — SAMR's silence on power, data ownership, and accountability
• Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics — Student GenAI use under changing institutional policies: use functions mapped to SAMR levels (Quince & Faulconer 2026)