מושגים
מודל SAMR
תרגום אוטומטי של העמוד באנגלית, שטרם נבדק בידי דובר/ת שפת אם.
מודל SAMR — מסגרת לשילוב טכנולוגיה שפותחה ע"י Ruben Puentedura, המסווגת את היקף השינוי שטכנולוגיה מחוללת בלמידה לאורך ארבעה שלבים: החלפה (Substitution), הרחבה (Augmentation), שינוי (Modification) ועיצוב מחדש (Redefinition). שני השלבים התחתונים (החלפה, הרחבה) משפרים משימה קיימת — הטכנולוגיה עושה את מה שנעשה קודם לכן, טוב יותר או בנוחות רבה יותר; שני השלבים העליונים (שינוי, עיצוב מחדש) משנים אותה — המשימה עצמה הופכת למשהו שלא היה אפשרי בעבר. בחינוך בבינה מלאכותית, SAMR היא העדשה הסטנדרטית לשאלה האם בינה מלאכותית יוצרת משמשת לשיפור מונוטוני של פרקטיקה קיימת או לתפיסה מחדש של הלמידה, והיא מצטרפת לTPACK כדרך לתאר כיצד מורים משתלבים בטכנולוגיה, ולא מדוע הם מקבלים אותה.
שאלות למחשבה
- כאשר בינה מלאכותית מוכנסת לקורס, האם היא החלפה (צ'אטבוט מחליף תיבת חיפוש) או עיצוב מחדש (משימה הופכת לאפשרית שלא הייתה בעבר)? מה קובע איזה שלב מתאים — והאם שינוי תמיד הוא המטרה?
- SAMR ומודלים לאימוץ טכנולוגיה עונים על שאלות שונות: תאוריית האימוץ שואלת מדוע מורה או מוסד מקבל כלי; SAMR שואלת עד כמה עמוק הכלי משנה את הלמידה. איזו שאלה מחקר נתון לשילוב בינה מלאכותית באמת עונה?
- סקירה שיטתית של שילוב בינה מלאכותית בחינוך גבוה מצאה שרוב השימושים היו בשלבי החלפה או הרחבה, ורק מחקר אחד התקרב לעיצוב מחדש. אם זו תוצאה אופיינית, מה היא מלמדת על הפער שבין הפוטנציאל של הבינה המלאכותית למציאות בכיתה?
- SAMR נקרא לעתים קרובות בפיתוח מקצועי למורים כדי לסייע למחנכים לתכנן שימוש בטכנולוגיה. האם סיווג רמת ה-SAMR של שיעור משנה את מה שהמורה באמת עושה, או שמדובר בעיקר בתווית תיאורית?
- מבקרים טוענים ש-SAMR, כמו TPACK, נשענת על אונטולוגיה הומניסטית שמתייחסת לקוגניציה כאל בלתי-משתנה על ידי טכנולוגיה, ושאינה אומרת דבר על כוח, בעלות על נתונים או שוויון. האם עדשה של רמת שילוב מספיקה, או שהשילוב בעידן הבינה המלאכותית זקוק למסגרת ביקורתית יותר?
מבוא
SAMR מתארת את עומק השינוי הטכנולוגי של משימות הלמידה. ארבעת השלבים שלה יוצרים סולם עולה מהשלמה להפיכה: החלפה (הכלי מחליף כלי אחר ללא שינוי פונקציונלי — צ'אטבוט במקום מנוע חיפוש), הרחבה (הכלי מחליף ומשפר — בדיקת איות במעבד תמלילים לעומת מכונת כתיבה), שינוי (המשימה מעוצבת מחדש באופן משמעותי — סטודנטים משתפים פעולה בזמן אמת על טיוטה משותפת שנוצרה על ידי בינה מלאכותית), ועיצוב מחדש (משימות חדשות שנחשבו בעבר לבלתי-אפשריות הופכות לזמינות — לומדים יוצרים יחד עם מודל יוצר בדרכים שאין להן מקבילה ללא בינה מלאכותית). המודל נמצא בשימוש נרחב במחקר טכנולוגיה חינוכית ובפיתוח מקצועי למורים כאוצר מילים לתכנון ולהערכה של שילוב טכנולוגיה, והוא בן-לווייה סטנדרטי לTPACK ולמסגרות אימוץ טכנולוגיה — אם כי הוא עונה על שאלה שונה מזו של כל אחת מהן.
מה משמעותם של ארבעת השלבים
- השלמה (החצי התחתון): החלפה והרחבה משפרות משימה קיימת בלי לשנות את טבעה. רוב השימוש השגרתי בבינה מלאכותית — יצירת שאלות, יצירת טקסט מהירה, סיכום — מצוי כאן: הוא מהיר ונוח יותר, אך אינו משנה את מה שנדרש מהלומד.
- הפיכה (החצי העליון): שינוי ועיצוב מחדש משנים את המשימה עצמה. Vibe coding, בנייה משותפת בזמן אמת עם מודל, ושיח אינטראקטיבי מסתגל הם משימות שלא היו אפשריות לפני הבינה המלאכותית היוצרת, והם מייצגים את הקצה המהפך של הסולם.
SAMR מצטלפת לעתים קרובות עם מסגרת ICAP כי שתיהן מיושרות: ארבעת תרחישי הבישול-ללמידה של Rummel, Nachtigall & Panadero (2026) ממפים מצבי מעורבות של ICAP על שלבי SAMR — ICAP פסיבי עם SAMR החלפה, פעיל עם הרחבה, קונסטרוקטיבי עם שינוי, ואינטראקטיבי עם עיצוב מחדש — וממחישים התקדמות מהאצלת סמכויות פסיבית לבנייה משותפת אינטראקטיבית.
ראיות ממאגר הידע
- שילוב בינה מלאכותית בחינוך גבוה הוא בעיקרו מונוטוני, לא מהפכן. AlSheikh et al. (2026), בסקירה שיטתית לפי PRISMA של 22 מחקרי התערבות שנבדקו מתוך 959 רשומות, דרגו את שילוב הבינה המלאכותית בעזרת מודל SAMR ומצאו שרוב המחקרים התקבצו בשלב החלפה או הרחבה, עם פחות בשלב השינוי ורק מחקר אחד שהתקרב לעיצוב מחדש. את הבינה המלאכותית הכניסו בדרך כלל כדי לשפר פרקטיקה קיימת — ותחום השולט היה אוטומציית הערכה ותמיכה במידול אישי — ולא כדי לחשוב מחדש תכניות לימודים או תוצאות למידה.
- SAMR היא עדשה אנליטית נפוצה לשינוי תכנית הלימודים הנגרם על ידי בינה מלאכותית יוצרת. Sabani et al. (2026) ממפים חמישה שינויים תכניותיים (מסטטי לדינמי, מהעברה ליכולת, ממקומי למוסדי) על עדשות מבוססות כולל SAMR והתאמה קונסטרוקטיבית, תוך שימוש במודל להבהרת המנגנונים הפדגוגיים שבהם בינה מלאכותית יוצרת עיצבת מחדש תכנית לימודים.
- SAMR ו-TPACK מעגנים תקני שילוב טכנולוגיה של מורים. Crompton et al. (2026) ממקמים את שישה תקני הטכנולוגיה שלהם לסגל כנגד מסגרות קיימות — ידע טכנולוגי-פדגוגי-תוכני (TPACK), RAT, SAMR, SETI — ותקנים (ISTE, UNESCO, DigCompEdu), שרובם מכוונים למחנכים בK-12 או רק לחלק ההוראה בתפקידי הסגל, ומשאירים פער בפיתוח הסגל בהשכלה גבוהה.
- SAMR היא יעד הביקורת הפוסט-הומניסטית. Elsayed (2026) מבקר את TPACK, SAMR ומודלי האוריינות בבינה מלאכותית על שיתוף אונטולוגיה הומניסטית שמניחה לומד מוגבל שקוגניצייתו אינה משתנה מהותית על ידי תיווך טכנולוגי, וטוען שמסגרות אינסטרומנטליסטיות אלה אינן מסוגלות להתמודד עם התפקיד המכונן של הבינה המלאכותית בקוגניציה.
- מסגרת לשילוב, לא מסגרת לכוח. Poudyal (2026) מעריך את SAMR לצד TPACK ומסגרות שילוב אחרות ומוצא שאף אחת מהן אינה מתייחסת לכוח הוגן, לבעלות על נתונים או לאחריותיות, מה שמניע מסגרת חלופית של סוכנות-משותפת אקולוגית.
- שימוש הסטודנטים ממופה ל-SAMR גם כן, ומשוב נפרש על פני כל השלבים. קידוד הצהרות הבינה המלאכותית היוצרת של 31–36 סטודנטים ביחידה בפיזיקה מיקם למידה בהחלפה–הרחבה, עיצוב בהחלפה, וביצוע משימות בשינוי–עיצוב מחדש, בעוד שמשוב — בדיקה, הבהרה, אימות — הופיע בכל ארבעת השלבים (Quince and Faulconer (2026)).
SAMR, TPACK ואימוץ טכנולוגיה: כיצד הם נבדלים
שלוש מסגרות מתערבבות לעתים קרובות, אך עונות על שאלות שונות:
- מודלים לאימוץ טכנולוגיה (TAM, UTAUT) מסבירים מדוע אדם או מוסד מקבל טכנולוגיה וממשיך להשתמש בה — תועלת נתפסת, קלות שימוש והשפעה חברתית.
- TPACK מתאר את הידע שהמורה זקוק לו כדי לשלב טכנולוגיה ביעילות — ההשפעה ההדדית של ידע טכנולוגי, פדגוגי ותכני, המורחב בעידן הבינה המלאכותית ל-AI-TPACK/GenAI-TPACK.
- SAMR מסווגת עד כמה עמוקות טכנולוגיה משנה משימת למידה, מהשלמה ועד עיצוב מחדש.
SAMR מובנת טוב יותר כעדשה לעומק שילוב המשמשת בתכנון ובהערכה, המשלימה תאוריית אימוץ (שמסבירה את הקליטה) ו-TPACK (שמסביר את יכולת המורה). בעידן הבינה המלאכותית, השימוש הפורה ביותר בה הוא לשאול האם בינה מלאכותית יוצרת מיושמת להשלמת משימות קיימות או לאפשרות של משימות חדשות באמת — הבחנה שמעבירה לאורך כל מחקר ההערכה ותכניות הלימודים של מאגר הידע.
השלכות למעשה
- השתמשו ב-SAMR כדי לשאול את שאלת העומק, לא כדי לפרס שינוי. השלמה אינה נחותה מטבעה; שימושים שגרתיים רבים בבינה מלאכותית הם החלפות לגיטימיות. המודל הוא אבחנתי, ומבהיר מה שימוש נתון באמת משנה.
- צרפו אליו את ICAP. SAMR מתארת למה המשימה הופכת; ICAP מתאר כיצד הלומד משתתף. בשימוש משולב הם מבחינים בין החלפה שטחית לבנייה משותפת אינטראקטיבית עמוקה.
- השלימו אותו בעדשות אימוץ ושוויון. SAMR אינה אומרת דבר על הסיבה לאימוץ כלי או על מי נהנה ממנו. צרפו אליו מודלי אימוץ וניתוח של שוויון כדי למנוע שתווית עומק תחליף הערכה ביקורתית.
- התייחסו לראיות של שילוב מונוטוני כממצא, לא ככישלון. אם רוב שילוב הבינה המלאכותית מתקבץ בהחלפה/הרחבה, משימת העיצוב אינה לאלץ עיצוב מחדש אלא להכיר בכך ששימוש מהפך דורש עיצובי משימות שונים, לא רק כלים טובים יותר.
מושגים מקושרים
- בינה מלאכותית בחינוך — בינה מלאכותית בחינוך (מטרייה)
- ידע טכנולוגי-פדגוגי-תוכני (TPACK) — ידע טכנולוגי, פדגוגי ותכני
- מודלים של אימוץ טכנולוגיה — מודלים לאימוץ טכנולוגיה
- מסגרת ICAP — מסגרת ICAP למעורבות קוגניטיבית
- טכנולוגיות — טכנולוגיות וטכניקות בינה מלאכותית
- כושר AI של המורה — כשירות מורים בבינה מלאכותית
- פיתוח חינוכי — פיתוח חינוכי
- עיצוב למידה — עיצוב למידה
- חינוך גן ותיכון (K-12) — חינוך K-12
- השכלה גבוהה — השכלה גבוהה
- בינה מלאכותית יוצרת — בינה מלאכותית יוצרת
מאמרים מקושרים
- Mapping artificial intelligence integration in higher education: A systematic review using the FACETS and SAMR frameworks — שילוב בינה מלאכותית בהשכלה גבוהה בדירוג SAMR: בעיקר החלפה/הרחבה
- With a Thermomix You Lose the Ability to Cook: A Kitchen Machine Analogy for Applications of Generative AI in Education — ICAP ו-SAMR ממפים את ארבעת תרחישי הבישול-ללמידה
- Rewriting the Curriculum: A Systematic Review of Generative AI-Driven Pedagogical Change and Emerging Systems of Learning in Higher Education — SAMR כאחת מהעדשות לשינוי תכנית הלימודים הנגרם על ידי בינה מלאכותית יוצרת
- Designing faculty standards for technology integration in higher education institutions: a design-based research study — SAMR כאחת המסגרות המושפעות מתקני טכנולוגיה לסגל
- Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI — הביקורת הפוסט-הומניסטית על האונטולוגיה ההומניסטית של SAMR
- Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education — שתיקות SAMR על כוח, בעלות על נתונים ואחריותיות
- Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics — שימוש סטודנטים בבינה מלאכותית יוצרת תחת מדיניות מוסדית משתנה: פונקציות שימוש הממופות לשלבי SAMR (Quince & Faulconer 2026)