Base de conocimiento AIEdAIEd KB
En esta página

Esta página está traducida al español. Las páginas de artículo siguen escritas en inglés. Leer esta página en inglés

Conceptos

Modelo SAMR

Creada 2026-09-28 · Actualizada 2026-09-28

Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.

El modelo SAMR — un marco de integración tecnológica desarrollado por Ruben Puentedura que clasifica en qué medida una tecnología transforma el aprendizaje a lo largo de cuatro niveles: Sustitución, Aumento, Modificación y Redefinición. Los dos niveles inferiores (Sustitución, Aumento) mejoran una tarea existente: la tecnología hace lo que se hacía antes, mejor o de forma más cómoda; los dos superiores (Modificación, Redefinición) la transforman: la tarea misma cambia hacia algo que antes no era posible. En la IA en la educación, SAMR es la lente estándar para preguntar si la IA generativa se está usando para mejorar de forma incremental la práctica existente o para reconceptualizar el aprendizaje, y acompaña a TPACK como forma de describir cómo integra el profesorado la tecnología, en lugar de por qué la acepta.

Preguntas para reflexionar

  • Cuando se introduce IA en un curso, ¿es una Sustitución (un chatbot reemplaza a un buscador) o una Redefinición (una tarea pasa a ser posible cuando antes no lo era)? ¿Qué determina qué nivel es el adecuado, y es la transformación siempre el objetivo?
  • SAMR y los modelos de adopción tecnológica responden a preguntas distintas: la teoría de la adopción pregunta por qué un docente o una institución acepta una herramienta; SAMR pregunta con qué profundidad la herramienta cambia el aprendizaje. ¿A qué pregunta responde de verdad un estudio dado sobre integración de IA?
  • Una revisión sistemática de la integración de la IA en la educación superior encontró que la mayoría de los usos se situaban en el nivel de Sustitución o de Aumento, con un solo estudio acercándose a la Redefinición. Si eso es lo típico, ¿qué sugiere sobre la brecha entre el potencial de la IA y su realidad en el aula?
  • SAMR se invoca con frecuencia en el desarrollo profesional docente para ayudar al profesorado a planificar el uso de la tecnología. ¿Clasificar el nivel SAMR de una clase cambia lo que hace realmente el profesorado, o es sobre todo una etiqueta descriptiva?
  • La crítica sostiene que SAMR, como TPACK, descansa en una ontología humanista que trata la cognición como algo que la tecnología no cambia, y que no dice nada sobre el poder, la propiedad de los datos o la equidad. ¿Basta una lente de nivel de integración, o la integración en la era de la IA necesita un marco más crítico?

Introducción

SAMR describe la profundidad de la transformación tecnológica de las tareas de aprendizaje. Sus cuatro niveles forman una escala ascendente de la mejora a la transformación: Sustitución (la herramienta reemplaza a otra sin cambio funcional: un chatbot en lugar de un motor de búsqueda), Aumento (la herramienta reemplaza y mejora: el corrector ortográfico de un procesador de textos frente a una máquina de escribir), Modificación (la tarea se rediseña de forma significativa: el estudiantado colabora en tiempo real sobre un borrador compartido generado por IA) y Redefinición (se vuelven posibles tareas nuevas antes inconcebibles: quienes aprenden cocrean con un modelo generativo de formas que no tienen análogo sin IA). El modelo se usa ampliamente en la investigación sobre tecnología educativa y en el desarrollo profesional docente como vocabulario para planificar y evaluar la integración tecnológica, y es un acompañante estándar de TPACK y de los marcos de adopción tecnológica, aunque responde a una pregunta distinta que cualquiera de ellos.

Qué significan los cuatro niveles

  • Mejora (mitad inferior): la Sustitución y el Aumento mejoran una tarea existente sin cambiar su naturaleza. La mayor parte del uso rutinario de la IA —la generación de preguntas, la generación rápida de texto, el resumen— se sitúa aquí: es más rápido y más cómodo, pero no altera lo que se pide a quien aprende.
  • Transformación (mitad superior): la Modificación y la Redefinición cambian la tarea misma. El vibe coding, la coconstrucción en tiempo real con un modelo y el diálogo interactivo adaptativo son tareas que no eran posibles antes de la IA generativa, y representan el extremo transformador de la escala.

SAMR se empareja con frecuencia con el marco ICAP porque ambos se alinean: los cuatro escenarios de la cocina al aprendizaje de Rummel, Nachtigall y Panadero (2026) mapean los modos de implicación del ICAP sobre los niveles de SAMR —ICAP Pasivo con SAMR Sustitución, Activo con Aumento, Constructivo con Modificación e Interactivo con Redefinición—, ilustrando una progresión de la delegación pasiva a la coconstrucción interactiva.

Evidencia de la base de conocimiento

  • La integración de la IA en la educación superior es en gran medida incremental, no transformadora. AlSheikh et al. (2026), en una revisión sistemática PRISMA de 22 estudios de intervención cribados de 959 registros, calificaron la integración de la IA con el modelo SAMR y encontraron que la mayoría de los estudios se agrupaban en el nivel de Sustitución o Aumento, con menos en Modificación y solo uno acercándose a la Redefinición. La IA se introducía típicamente para mejorar la práctica existente —dominada por la automatización de la evaluación y el apoyo al aprendizaje personalizado— y no para reconceptualizar los currículos o los resultados de aprendizaje.
  • SAMR es una lente analítica habitual para el cambio de currículo impulsado por la IA generativa. Sabani et al. (2026) mapean cinco desplazamientos curriculares (de estático a dinámico, de transmisión a capacidad, de local a institucional) sobre lentes establecidas como SAMR y la alineación constructiva, usando el modelo para aclarar los mecanismos pedagógicos por los que la IA generativa reconfigura el currículo.
  • SAMR y TPACK anclan los estándares de integración tecnológica del profesorado. Crompton et al. (2026) sitúan sus seis estándares de tecnología para el profesorado frente a marcos existentes —TPACK, RAT, SAMR, SETI— y estándares (ISTE, UNESCO, DigCompEdu), la mayoría de los cuales se dirigen al profesorado de K-12 o solo a la parte de docencia del papel del profesorado, dejando una laguna en el desarrollo del profesorado de educación superior.
  • SAMR es objeto de la crítica poshumanista. Elsayed (2026) critica TPACK, SAMR y los modelos de alfabetización en IA por compartir una ontología humanista que presupone a quien aprende como un sujeto acotado cuya cognición no cambia fundamentalmente por la mediación tecnológica, y sostiene que estos marcos instrumentalistas no pueden abordar el papel constitutivo de la IA en la cognición.
  • Un marco para la integración, no un marco para el poder. Poudyal (2026) evalúa SAMR junto con TPACK y otros marcos de integración y encuentra que ninguno aborda el poder equitativo, la propiedad de los datos o la rendición de cuentas, lo que motiva un marco alternativo de coagenciación ecológica.

SAMR, TPACK y la adopción tecnológica: en qué se diferencian

Tres marcos se confunden con frecuencia, pero responden a preguntas distintas:

  • Los modelos de adopción tecnológica (TAM, UTAUT) explican por qué una persona o institución acepta y sigue usando una tecnología: la utilidad percibida, la facilidad de uso y la influencia social.
  • TPACK describe el conocimiento que necesita el profesorado para integrar la tecnología con eficacia: la interacción entre conocimiento tecnológico, pedagógico y de contenido, ampliada en la era de la IA a AI-TPACK/GenAI-TPACK.
  • SAMR clasifica con qué profundidad una tecnología transforma una tarea de aprendizaje, de la mejora a la redefinición.

SAMR se entiende mejor como una lente de profundidad de integración usada en la planificación y la evaluación, que complementa a la teoría de la adopción (que explica la incorporación) y a TPACK (que explica la capacidad del profesorado). En la era de la IA, se usa de forma más productiva para preguntar si la IA generativa se está aplicando para mejorar tareas existentes o para habilitar tareas genuinamente nuevas: una distinción que recorre toda la investigación de la base de conocimiento sobre evaluación y currículo.

Implicaciones para la práctica

  • Use SAMR para plantear la pregunta de la profundidad, no para prescribir la transformación. La mejora no es intrínsecamente inferior; muchos usos rutinarios de la IA son sustituciones legítimas. El modelo es diagnóstico: aclara qué cambia realmente un uso dado.
  • Emparejarlo con ICAP. SAMR describe en qué se convierte la tarea; ICAP describe cómo se implica quien aprende. Usados juntos, distinguen la sustitución superficial de la coconstrucción interactiva profunda.
  • Complementarlo con lentes de adopción y de equidad. SAMR no dice nada sobre por qué se adopta una herramienta ni sobre quién se beneficia. Emparéjelo con los modelos de adopción y con el análisis de equidad para evitar que una etiqueta de profundidad sustituya a una evaluación crítica.
  • Tratar la evidencia de integración incremental como un hallazgo, no como un fracaso. Si la mayor parte de la integración de IA se agrupa en Sustitución o Aumento, la tarea de diseño no es forzar la Redefinición, sino reconocer que el uso transformador requiere diseños de tareas distintos y no solo mejores herramientas.

Conceptos conectados

Artículos conectados

Metadatos

NivelK 12, Higher Ed
Público destinatarioInstructors, Curriculum Designers, Researchers
Tecnologías y técnicasTecnologías, Modelos de adopción tecnológica
Fundamentos de la IA en la educaciónDesarrollo educativo, Diseño de aprendizaje, Conocimiento Tecnológico, Pedagógico y de Contenido (TPACK), Competencia en IA del profesorado
Tipo de páginaFramework
SourceHistoryEditChat

Incrustar esta página

Copy the code below to embed a chromeless version of this page in a learning management system or other website. The embedded view hides the site header, navigation, and footer.