Model SAMR

Terjemahan mesin otomatis halaman berbahasa Inggris ini, yang belum ditinjau oleh penutur asli.

Model SAMR — kerangka integrasi teknologi yang dikembangkan Ruben Puentedura yang mengklasifikasikan sejauh mana sebuah teknologi mentransformasi pembelajaran pada empat tingkat: Substitution, Augmentation, Modification, dan Redefinition. Dua tingkat bawah (Substitution, Augmentation) meningkatkan tugas yang ada — teknologi melakukan apa yang sebelumnya dilakukan, lebih baik atau lebih nyaman; dua tingkat atas (Modification, Redefinition) mentransformasikannya — tugas itu sendiri berubah menjadi sesuatu yang sebelumnya tidak mungkin. Dalam AI dalam pendidikan, SAMR adalah lensa standar untuk menanyakan apakah AI generatif digunakan untuk memperbaiki praktik yang ada secara bertahap atau untuk mengonseptualisasi ulang pembelajaran, dan kerangka ini berdampingan dengan TPACK sebagai cara mendeskripsikan bagaimana guru mengintegrasikan teknologi alih-alih mengapa mereka menerimanya.

Pertanyaan yang Perlu Dipertimbangkan

• Ketika AI diperkenalkan ke dalam sebuah mata kuliah, apakah itu Substitution (sebuah chatbot menggantikan kotak pencarian) atau Redefinition (sebuah tugas menjadi mungkin padahal sebelumnya tidak)? Apa yang menentukan tingkat mana yang tepat — dan apakah transformasi selalu menjadi tujuannya?
• SAMR dan model adopsi teknologi menjawab pertanyaan berbeda: teori adopsi menanyakan mengapa seorang guru atau institusi menerima sebuah alat; SAMR menanyakan seberapa dalam alat itu mengubah pembelajaran. Pertanyaan mana yang sebenarnya dijawab oleh sebuah studi integrasi AI tertentu?
• Sebuah tinjauan sistematis atas integrasi AI di pendidikan tinggi menemukan sebagian besar penggunaan berada pada tingkat Substitution atau Augmentation, dengan hanya satu studi yang mendekati Redefinition. Jika itu tipikal, apa yang disarankannya tentang kesenjangan antara potensi AI dan realitas kelasnya?
• SAMR sering disebut dalam pengembangan profesional guru untuk membantu pendidik merencanakan penggunaan teknologi. Apakah mengklasifikasikan tingkat SAMR sebuah pelajaran mengubah apa yang sebenarnya dilakukan guru, atau itu terutama label deskriptif?
• Kritikus berargumen bahwa SAMR, seperti TPACK, bersandar pada ontologi humanis yang memperlakukan kognisi sebagai tidak berubah oleh teknologi, dan bahwa kerangka itu tidak mengatakan apa pun tentang kekuasaan, kepemilikan data, atau keadilan. Apakah lensa tingkat integrasi memadai, atau apakah integrasi era AI membutuhkan kerangka yang lebih kritis?

Pendahuluan

SAMR mendeskripsikan kedalaman transformasi teknologi atas tugas belajar. Empat tingkatnya membentuk skala menaik dari peningkatan ke transformasi: Substitution (alat menggantikan yang lain tanpa perubahan fungsional — chatbot sebagai pengganti mesin pencari), Augmentation (alat menggantikan dan memperbaiki — pemeriksa ejaan pengolah kata menggantikan mesin tik), Modification (tugas dirancang ulang secara signifikan — siswa berkolaborasi secara real-time pada draf yang dihasilkan AI bersama), dan Redefinition (tugas baru yang sebelumnya tak terbayangkan menjadi mungkin — pembelajar berkarya bersama model generatif dengan cara yang tidak memiliki analog non-AI). Model ini digunakan secara luas dalam penelitian teknologi pendidikan dan pengembangan profesional guru sebagai kosakata untuk merencanakan dan mengevaluasi integrasi teknologi, dan merupakan pendamping standar bagi TPACK serta kerangka adopsi teknologi — meskipun ia menjawab pertanyaan yang berbeda dari keduanya.

Apa arti keempat tingkat itu

• Peningkatan (paruh bawah): Substitution dan Augmentation memperbaiki tugas yang ada tanpa mengubah sifatnya. Sebagian besar penggunaan AI rutin — pembuatan soal, pembuatan teks cepat, peringkasan — berada di sini: lebih cepat dan lebih nyaman tetapi tidak mengubah apa yang diminta dilakukan pembelajar.
• Transformasi (paruh atas): Modification dan Redefinition mengubah tugas itu sendiri. Vibe coding, ko-konstruksi real-time dengan model, dan dialog interaktif adaptif adalah tugas yang tidak mungkin sebelum AI generatif, dan mewakili ujung transformatif dari skala ini.

SAMR sering dipasangkan dengan kerangka ICAP karena keduanya selaras: empat skenario dari memasak ke pembelajaran dalam Rummel, Nachtigall & Panadero (2026) memetakan mode keterlibatan ICAP ke tingkat SAMR — ICAP Passive dengan SAMR Substitution, Active dengan Augmentation, Constructive dengan Modification, dan Interactive dengan Redefinition — menggambarkan perkembangan dari delegasi pasif ke ko-konstruksi interaktif.

Bukti dari basis pengetahuan

• Integrasi AI di pendidikan tinggi sebagian besar bersifat inkremental, bukan transformatif. AlSheikh et al. (2026), dalam tinjauan sistematis PRISMA atas 22 studi intervensi yang disaring dari 959 rekam, menilai integrasi AI dengan model SAMR dan menemukan sebagian besar studi mengelompok pada tingkat Substitution atau Augmentation, lebih sedikit pada Modification dan hanya satu yang mendekati Redefinition. AI biasanya diperkenalkan untuk memperbaiki praktik yang ada — didominasi otomatisasi penilaian dan dukungan pembelajaran personal — alih-alih untuk mengonseptualisasi ulang kurikulum atau hasil belajar.
• SAMR adalah lensa analitis yang umum bagi perubahan kurikulum yang digerakkan GenAI. Sabani et al. (2026) memetakan lima pergeseran kurikuler (statis ke dinamis, transmisi ke kapabilitas, lokal ke institusional) ke lensa mapan termasuk SAMR dan constructive alignment, menggunakan model itu untuk memperjelas mekanisme pedagogis yang dengannya GenAI membentuk ulang kurikulum.
• SAMR dan TPACK menjadi jangkar standar integrasi teknologi guru. Crompton et al. (2026) menempatkan enam standar teknologi fakultas mereka terhadap kerangka yang ada — Pengetahuan Teknologis, Pedagogis, dan Konten (TPACK), RAT, SAMR, SETI — dan standar (ISTE, UNESCO, DigCompEdu), yang sebagian besar menyasar pendidik K-12 atau hanya bagian pengajaran dari peran fakultas, menyisakan celah dalam pengembangan fakultas pendidikan tinggi.
• SAMR adalah sasaran kritik posthumanis. Elsayed (2026) mengkritik TPACK, SAMR, dan model Literasi AI karena berbagi ontologi humanis yang menganggap pembelajar berbatas yang kognisinya fundamental tidak berubah oleh mediasi teknologi, berargumen bahwa kerangka instrumentalis ini tidak dapat membahas peran konstitutif AI dalam kognisi.
• Kerangka untuk integrasi, bukan kerangka untuk kekuasaan. Poudyal (2026) mengevaluasi SAMR bersama TPACK dan kerangka integrasi lain dan menemukan tidak ada yang membahas kekuasaan yang adil, kepemilikan data, atau akuntabilitas, yang memotivasi kerangka ko-agensi ekologis alternatif.
• Penggunaan siswa juga memetakan ke SAMR, dan umpan balik mencakup setiap tingkat. Mengode deklarasi GenAI dari 31–36 siswa dalam unit fisika menempatkan pembelajaran pada substitution–augmentation, pemformatan pada substitution, dan pelaksanaan tugas pada modification–redefinition, sementara umpan balik — memeriksa, mengklarifikasi, memverifikasi — muncul pada keempat tingkat (Quince dan Faulconer (2026)).
• Kedalaman dan inklusi adalah sumbu yang terpisah. Jita, Jita & Omoniyi (2026) memasangkan SAMR dengan UDL di seluruh 38 sumber dan berargumen bahwa tugas pada tingkat Redefinition tetap dapat mengecualikan siswa yang bahasa, perangkat, atau konektivitasnya tidak sesuai dengan desain.

SAMR, TPACK, dan adopsi teknologi: perbedaannya

Tiga kerangka sering dicampuradukkan tetapi menjawab pertanyaan yang berbeda:

• Model adopsi teknologi (TAM, UTAUT) menjelaskan mengapa individu atau institusi menerima dan terus menggunakan sebuah teknologi — kegunaan yang dipersepsikan, kemudahan penggunaan, dan pengaruh sosial.
• TPACK mendeskripsikan pengetahuan yang dibutuhkan guru untuk mengintegrasikan teknologi secara efektif — keterkaitan pengetahuan teknologi, pedagogis, dan konten, yang diperluas pada era AI menjadi AI-TPACK/GenAI-TPACK.
• SAMR mengklasifikasikan seberapa dalam sebuah teknologi mentransformasi tugas belajar, dari peningkatan hingga redefinisi.

SAMR paling baik dipahami sebagai lensa kedalaman integrasi yang digunakan dalam perencanaan dan evaluasi, melengkapi teori adopsi (yang menjelaskan penerimaan) dan TPACK (yang menjelaskan kapabilitas guru). Pada era AI, kerangka ini paling produktif digunakan untuk menanyakan apakah AI generatif diterapkan untuk meningkatkan tugas yang ada atau untuk memungkinkan tugas yang benar-benar baru — pembedaan yang berjalan di seluruh penelitian penilaian dan kurikulum basis pengetahuan ini.

Implikasi bagi praktik

• Gunakan SAMR untuk mengajukan pertanyaan kedalaman, bukan untuk meresepkan transformasi. Peningkatan tidak secara inheren lebih rendah; banyak penggunaan AI rutin adalah Substitution yang sah. Model ini bersifat diagnostik, memperjelas apa yang sebenarnya diubah oleh suatu penggunaan.
• Pasangkan dengan ICAP. SAMR mendeskripsikan apa yang menjadi tugas; ICAP mendeskripsikan bagaimana pembelajar terlibat. Digunakan bersama, keduanya membedakan substitusi permukaan dari ko-konstruksi interaktif yang mendalam.
• Lengkapi dengan lensa adopsi dan keadilan. SAMR tidak mengatakan apa pun tentang mengapa sebuah alat diadopsi atau siapa yang diuntungkan. Pasangkan dengan model adopsi dan analisis keadilan untuk menghindari label kedalaman menggantikan evaluasi kritis.
• Perlakukan bukti integrasi inkremental sebagai temuan, bukan kegagalan. Jika sebagian besar integrasi AI mengelompok pada Substitution/Augmentation, tugas desainnya bukan memaksakan Redefinition melainkan mengakui bahwa penggunaan transformatif membutuhkan desain tugas yang berbeda, bukan sekadar alat yang lebih baik.

Miskonsepsi Umum

"Semakin tinggi pada SAMR, semakin baik pengajarannya." SAMR adalah lensa untuk menanyakan apakah AI mengonseptualisasi ulang pembelajaran atau memperbaiki praktik yang ada; ini bukan peringkat kualitas, dan Re-definition bukan jawaban yang benar untuk setiap tugas. Substitusi yang menghapus langkah tidak produktif adalah keberhasilan yang dinilai dari pembelajaran, bukan dari tingkat yang ditempatinya.

"Adopsi AI sedang menanjak ke atas tangga." Distribusinya terkonsentrasi di dasar. Tinjauan sistematis atas integrasi AI di pendidikan tinggi menemukan sebagian besar penggunaan berada pada Substitution atau Augmentation, dengan hanya satu studi yang mendekati Redefinition. Penggunaan praktis SAMR dalam literatur ini karena itu sebagian besar bersifat diagnostik — ia menamai di mana bidang ini sebenarnya berada.

"SAMR dan TPACK adalah kerangka yang bersaing." Keduanya mendeskripsikan hal berbeda: SAMR mendeskripsikan derajat transformasi dalam sebuah tugas, sementara TPACK mendeskripsikan pengetahuan yang dibutuhkan guru untuk mengintegrasikan teknologi dengan baik. Seorang guru dapat sangat mampu secara TPACK dan tetap beroperasi pada Substitution, yang menjadi alasan keduanya digunakan bersama alih-alih dipilih salah satu.

"Alat yang transformatif pada satu tingkat bersifat transformatif pada semua tingkat." Alat generatif yang sama dapat mendukung Substitution dalam satu mata kuliah dan Redefinition dalam mata kuliah lain, karena tingkat itu adalah sifat dari desain tugas alih-alih sifat teknologi. Mengatribusikan tingkat kepada alat menghasilkan keputusan adopsi sebagai pengganti keputusan desain.

Konsep terkait

• AI dalam Pendidikan — AI dalam pendidikan (payung)
• Pengetahuan Teknologis, Pedagogis, dan Konten (TPACK) — Technological Pedagogical Content Knowledge
• Model Adopsi Teknologi — Model adopsi teknologi
• Kerangka ICAP — Kerangka ICAP untuk keterlibatan kognitif
• Teknologi — Teknologi dan teknik AI
• Kompetensi AI Guru — Kompetensi AI guru
• Pengembangan Pendidikan — Pengembangan pendidikan
• Desain Pembelajaran — Desain pembelajaran
• K-12 — Pendidikan K-12
• Pendidikan Tinggi — Pendidikan tinggi
• AI Generatif — AI generatif

Artikel terkait

• Mapping artificial intelligence integration in higher education: A systematic review using the FACETS and SAMR frameworks — Integrasi AI di pendidikan tinggi dinilai dengan SAMR: sebagian besar Substitution/Augmentation
• With a Thermomix You Lose the Ability to Cook: A Kitchen Machine Analogy for Applications of Generative AI in Education — ICAP dan SAMR memetakan empat skenario dari memasak ke pembelajaran
• Rewriting the Curriculum: A Systematic Review of Generative AI-Driven Pedagogical Change and Emerging Systems of Learning in Higher Education — SAMR di antara lensa untuk perubahan kurikulum yang digerakkan GenAI
• Designing faculty standards for technology integration in higher education institutions: a design-based research study — SAMR di antara kerangka yang menginformasikan standar teknologi fakultas
• Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI — Kritik posthumanis atas ontologi humanis SAMR
• Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education — Ketiadaan SAMR tentang kekuasaan, kepemilikan data, dan akuntabilitas
• Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics — Penggunaan GenAI siswa di bawah kebijakan institusional yang berubah: fungsi penggunaan dipetakan ke tingkat SAMR (Quince & Faulconer 2026)
• AI in Mathematics Classrooms: A Synergistic Strategy for Diversity and Inclusivity — AI di Kelas Matematika: Strategi Sinergis untuk Keberagaman dan Inklusivitas