SAMR-model

Automatische machinale vertaling van deze Engelse pagina, nog niet nagekeken door een moedertaalspreker.

Het SAMR-model — een kader voor technologie-integratie, ontwikkeld door Ruben Puentedura, dat de mate classificeert waarin een technologie het leren transformeert, langs vier niveaus: Substitutie, Augmentatie, Modificatie en Herdefiniëring. De twee lagere niveaus (Substitutie, Augmentatie) versterken een bestaande taak — de technologie doet wat eerder werd gedaan, beter of gemakkelijker; de twee hogere (Modificatie, Herdefiniëring) transformeren haar — de taak zelf verandert in iets wat eerder niet mogelijk was. In AI in het onderwijs is SAMR de standaardlens om te vragen of generatieve AI wordt gebruikt om bestaande praktijk stapsgewijs te verbeteren of om leren te herconceptualiseren, en het staat naast TPACK als een manier om te beschrijven hoe docenten technologie integreren in plaats van waarom zij die aanvaarden.

Vragen om over na te denken

• Wanneer AI in een cursus wordt geïntroduceerd, is het dan een Substitutie (een chatbot vervangt een zoekvak) of een Herdefiniëring (een taak wordt mogelijk die dat eerder niet was)? Wat bepaalt welk niveau passend is — en is transformatie altijd het doel?
• SAMR en modellen voor technologieadoptie beantwoorden verschillende vragen: adoptietheorie vraagt waarom een docent of instelling een tool aanvaardt; SAMR vraagt hoe diep de tool het leren verandert. Welke vraag beantwoordt een gegeven studie naar AI-integratie eigenlijk?
• Een systematische review van AI-integratie in het hoger onderwijs vond dat de meeste toepassingen op het niveau van Substitutie of Augmentatie lagen, met slechts één studie die Herdefiniëring naderde. Als dat typerend is, wat zegt dat dan over de kloof tussen het potentieel van AI en de klaspraktijk?
• SAMR wordt vaak aangeroepen in lerarenopleiding en professionalisering om onderwijsgevenden te helpen technologiegebruik te plannen. Verandert het classificeren van het SAMR-niveau van een les wat een docent werkelijk doet, of is het vooral een beschrijvend label?
• Critici betogen dat SAMR, net als TPACK, rust op een humanistische ontologie die cognitie als onveranderd door technologie beschouwt, en dat het niets zegt over macht, data-eigendom of rechtvaardigheid. Is een lens op het integratieniveau voldoende, of heeft AI-tijdperkintegratie een kritischer kader nodig?

Inleiding

SAMR beschrijft de diepte van de technologische transformatie van leertaken. De vier niveaus vormen een oplopende schaal van versterking naar transformatie: Substitutie (de tool vervangt een andere zonder functionele verandering — een chatbot in plaats van een zoekmachine), Augmentatie (de tool vervangt en verbetert — de spellingcontrole van een tekstverwerker in plaats van een typemachine), Modificatie (de taak wordt aanzienlijk herontworpen — studenten werken in realtime samen aan een gedeelde, door AI gegenereerde schets) en Herdefiniëring (nieuwe taken die eerder ondenkbaar waren worden mogelijk — leerlingen creëren samen met een generatief model op manieren waarvoor geen niet-AI-equivalent bestaat). Het model wordt breed gebruikt in onderwijstechnologisch onderzoek en in professionalisering van docenten als een vocabulaire om technologie-integratie te plannen en te evalueren, en het is een standaardgezel van TPACK en van kaders voor technologieadoptie — hoewel het een andere vraag beantwoordt dan beide.

Wat de vier niveaus betekenen

• Versterking (onderste helft): Substitutie en Augmentatie verbeteren een bestaande taak zonder haar aard te veranderen. Het meeste routinematige AI-gebruik — vraaggeneratie, snel tekst genereren, samenvatten — zit hier: het is sneller en handiger, maar verandert niet wat van de leerling wordt gevraagd.
• Transformatie (bovenste helft): Modificatie en Herdefiniëring veranderen de taak zelf. Vibe coding, realtime co-constructie met een model en adaptieve interactieve dialoog zijn taken die vóór generatieve AI niet mogelijk waren, en vormen het transformatieve uiteinde van de schaal.

SAMR wordt vaak gekoppeld aan het ICAP-kader omdat de twee op elkaar aansluiten: de vier kook-naar-leren-scenario's in Rummel, Nachtigall & Panadero (2026) koppelen ICAP-betrokkenheidsmodi aan SAMR-niveaus — ICAP Passief aan SAMR Substitutie, Actief aan Augmentatie, Constructief aan Modificatie en Interactief aan Herdefiniëring — en illustreren zo een progressie van passieve delegatie naar interactieve co-constructie.

Bewijs uit de kennisbank

• AI-integratie in het hoger onderwijs is grotendeels stapsgewijs, niet transformatief. AlSheikh et al. (2026) beoordeelden in een PRISMA-systematische review van 22 interventiestudies, gescreend uit 959 records, AI-integratie met het SAMR-model en vonden dat de meeste studies op het niveau van Substitutie of Augmentatie samenklonterden, minder bij Modificatie en slechts één die Herdefiniëring naderde. AI werd doorgaans geïntroduceerd om bestaande praktijk te verbeteren — gedomineerd door automatisering van beoordeling en gepersonaliseerde leerondersteuning — in plaats van om curricula of leeruitkomsten te herconceptualiseren.
• SAMR is een gangbare analyselens voor door GenAI gedreven curriculumverandering. Sabani et al. (2026) brengen vijf curriculumverschuivingen in kaart (statisch naar dynamisch, overdracht naar bekwaamheid, lokaal naar institutioneel) op gevestigde lenzen waaronder SAMR en constructive alignment, en gebruiken het model om de pedagogische mechanismen te verduidelijken waarmee GenAI het curriculum hervormt.
• SAMR en TPACK verankeren de normen voor technologie-integratie door docenten. Crompton et al. (2026) plaatsen hun zes technologienormen voor faculteiten tegenover bestaande kaders — Technological Pedagogical Content Knowledge (TPACK), RAT, SAMR, SETI — en normen (ISTE, UNESCO, DigCompEdu), waarvan de meeste zich richten op K-12-onderwijsgevenden of alleen op het lesgevende deel van faculteitsrollen, waardoor een hiaat ontstaat in de ontwikkeling van faculteiten in het hoger onderwijs.
• SAMR is doelwit van de posthumanistische kritiek. Elsayed (2026) bekritiseert TPACK, SAMR en AI-geletterdheidmodellen omdat zij een humanistische ontologie delen die een begrensde leerling veronderstelt wiens cognitie door technologische mediatie fundamenteel onveranderd blijft, en betoogt dat deze instrumentele kaders de constitutieve rol van AI in cognitie niet kunnen adresseren.
• Een kader voor integratie, geen kader voor macht. Poudyal (2026) evalueert SAMR naast TPACK en andere integratiekaders en vindt dat geen ervan rechtvaardige macht, data-eigendom of verantwoording adresseert, wat een alternatief ecologisch co-agencykader motiveert.
• Ook studentgebruik valt op SAMR te koppelen, en feedback bestrijkt elk niveau. Het coderen van de GenAI-verklaringen van 31–36 studenten in een natuurkunde-eenheid plaatste leren op substitutie–augmentatie, formatteren op substitutie en taakuitvoering op modificatie–herdefiniëring, terwijl feedback — controleren, verduidelijken, verifiëren — op alle vier niveaus voorkwam (Quince en Faulconer (2026)).
• Diepte en inclusie zijn afzonderlijke assen. Jita, Jita & Omoniyi (2026) combineren SAMR met UDL over 38 bronnen en betogen dat taken op het niveau van Herdefiniëring nog steeds studenten kunnen uitsluiten wier taal, apparaat of connectiviteit niet bij het ontwerp past.

SAMR, TPACK en technologieadoptie: hoe ze verschillen

Drie kaders worden vaak verward, maar beantwoorden verschillende vragen:

• Modellen voor technologieadoptie (TAM, UTAUT) verklaren waarom een individu of instelling een technologie aanvaardt en blijft gebruiken — waargenomen bruikbaarheid, gebruiksgemak en sociale invloed.
• TPACK beschrijft de kennis die een docent nodig heeft om technologie effectief te integreren — het samenspel van technologische, pedagogische en inhoudelijke kennis, in het AI-tijdperk uitgebreid tot AI-TPACK/GenAI-TPACK.
• SAMR classificeert hoe diep een technologie een leertaak transformeert, van versterking tot herdefiniëring.

SAMR kan het best worden begrepen als een lens op integratiediepte die bij planning en evaluatie wordt gebruikt, als aanvulling op adoptietheorie (die verklaart waarom iets wordt opgenomen) en TPACK (die de bekwaamheid van docenten verklaart). In het AI-tijdperk wordt het het productiefst gebruikt om te vragen of generatieve AI wordt toegepast om bestaande taken te versterken of om werkelijk nieuwe taken mogelijk te maken — een onderscheid dat door het hele beoordelings- en curriculumonderzoek van de kennisbank loopt.

Implicaties voor de praktijk

• Gebruik SAMR om de dieptevraag te stellen, niet om transformatie voor te schrijven. Versterking is niet inherent minderwaardig; veel routinematige AI-toepassingen zijn legitieme Substituties. Het model is diagnostisch en verduidelijkt wat een gegeven toepassing werkelijk verandert.
• Combineer het met ICAP. SAMR beschrijft wat de taak wordt; ICAP beschrijft hoe de leerling betrokken is. Samen gebruikt onderscheiden ze oppervlakkige substitutie van diepe interactieve co-constructie.
• Vul het aan met adoptie- en rechtvaardigheidslenzen. SAMR zegt niets over waarom een tool wordt aanvaard of wie ervan profiteert. Combineer het met adoptiemodellen en rechtvaardigheidsanalyse om te voorkomen dat een dieptelabel in de plaats komt van een kritische evaluatie.
• Behandel bewijs van stapsgewijze integratie als een bevinding, niet als een mislukking. Als de meeste AI-integratie op Substitutie/Augmentatie samenklontert, is de ontwerptaak niet om Herdefiniëring af te dwingen, maar om te erkennen dat transformatief gebruik andere taakontwerpen vereist, niet alleen betere tools.

Veelvoorkomende misverstanden

„Hoger op SAMR is beter lesgeven." SAMR is een lens om te vragen of AI leren herconceptualiseert of bestaande praktijk verbetert; het is geen kwaliteitsrangorde, en Herdefiniëring is niet voor elke taak het juiste antwoord. Een substitutie die een onproductieve stap wegneemt, is een succes dat aan het leren wordt afgemeten, niet aan het niveau dat zij bezet.

„AI-adoptie klimt de ladder op." De verdeling is onderaan geconcentreerd. Een systematische review van AI-integratie in het hoger onderwijs vond dat de meeste toepassingen op Substitutie of Augmentatie lagen, met slechts één studie die Herdefiniëring naderde. Het praktische gebruik van SAMR in deze literatuur is daarom grotendeels diagnostisch — het benoemt waar het veld werkelijk staat.

„SAMR en TPACK zijn concurrerende kaders." Zij beschrijven verschillende dingen: SAMR beschrijft de mate van transformatie in een taak, terwijl TPACK de kennis beschrijft die een docent nodig heeft om technologie goed te integreren. Een docent kan zeer TPACK-bekwaam zijn en toch op Substitutie werken, en daarom worden de twee samen gebruikt in plaats van uit elkaar gekozen.

„Een tool die op één niveau transformatief is, is op alle niveaus transformatief." Dezelfde generatieve tool kan in de ene cursus een Substitutie ondersteunen en in de andere een Herdefiniëring, omdat het niveau een eigenschap van het taakontwerp is en niet van de technologie. Het niveau aan de tool toeschrijven levert adoptiebeslissingen op in plaats van ontwerpbeslissingen.

Verbonden concepten

• AI in het onderwijs — AI in het onderwijs (overkoepelend)
• Technological Pedagogical Content Knowledge (TPACK) — Technological Pedagogical Content Knowledge
• Technology Adoption Models — Modellen voor technologieadoptie
• ICAP Framework — Het ICAP-kader voor cognitieve betrokkenheid
• Technologies — AI-technologieën en -technieken
• AI-competentie van docenten — AI-competentie van docenten
• Educatieve ontwikkeling — Educatieve ontwikkeling
• Learning design — Learning design
• K-12 — K-12-onderwijs
• Higher Education — Hoger onderwijs
• Generative AI — Generatieve AI

Verbonden artikelen

• Mapping artificial intelligence integration in higher education: A systematic review using the FACETS and SAMR frameworks — AI-integratie in het hoger onderwijs beoordeeld met SAMR: vooral Substitutie/Augmentatie
• With a Thermomix You Lose the Ability to Cook: A Kitchen Machine Analogy for Applications of Generative AI in Education — ICAP en SAMR die de vier kook-naar-leren-scenario's in kaart brengen
• Rewriting the Curriculum: A Systematic Review of Generative AI-Driven Pedagogical Change and Emerging Systems of Learning in Higher Education — SAMR onder de lenzen voor door GenAI gedreven curriculumverandering
• Designing faculty standards for technology integration in higher education institutions: a design-based research study — SAMR onder de kaders die de technologienormen voor faculteiten informeren
• Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI — De posthumanistische kritiek op de humanistische ontologie van SAMR
• Reclaiming epistemic agency: A critical framework for human-generative AI co-agency in education — Het zwijgen van SAMR over macht, data-eigendom en verantwoording
• Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics — GenAI-gebruik door studenten onder veranderend instellingsbeleid: gebruiksfuncties gekoppeld aan SAMR-niveaus (Quince & Faulconer 2026)
• AI in mathematics classrooms: A synergistic strategy for diversity and inclusivity — AI in wiskundeklaslokalen: een synergistische strategie voor diversiteit en inclusie