Baza de cunoștințe AIEdAIEd KB
Pe această pagină

Citește această pagină în engleză

Concepte

Modelul SAMR

Creat 2026-09-10 · Actualizat 2026-11-08

Traducere automată a acestei pagini în limba engleză, încă neverificată de un vorbitor nativ.

Modelul SAMR — un cadru de integrare a tehnologiei dezvoltat de Ruben Puentedura, care clasifică măsura în care o tehnologie transformă învățarea pe patru niveluri: Substituire, Augmentare, Modificare și Redefinire. Cele două niveluri inferioare (Substituire, Augmentare) îmbunătățesc o sarcină existentă — tehnologia face ce se făcea înainte, mai bine sau mai comod; cele două superioare (Modificare, Redefinire) o transformă — sarcina însăși se schimbă în ceva ce nu era posibil anterior. În IA în educație, SAMR este lentila standard pentru a întreba dacă IA generativă este folosită pentru a îmbunătăți incremental practica existentă sau pentru a reconceptualiza învățarea, și stă alături de TPACK ca mod de a descrie cum integrează profesorii tehnologia, nu de ce o acceptă.

Întrebări de reflecție

  • Când IA este introdusă într-un curs, este o Substituire (un chatbot înlocuiește o casetă de căutare) sau o Redefinire (devine posibilă o sarcină care nu era posibilă înainte)? Ce determină care nivel este potrivit — și transformarea este întotdeauna scopul?
  • SAMR și modelele de adoptare a tehnologiei răspund la întrebări diferite: teoria adoptării întreabă de ce un profesor sau o instituție acceptă un instrument; SAMR întreabă cât de profund schimbă instrumentul învățarea. La care întrebare răspunde de fapt un anumit studiu de integrare a IA?
  • O recenzie sistematică a integrării IA în învățământul superior a constatat că cele mai multe utilizări se situau la nivelul Substituire sau Augmentare, doar un studiu apropiindu-se de Redefinire. Dacă acesta este tipicul, ce sugerează despre decalajul dintre potențialul IA și realitatea ei din clasă?
  • SAMR este invocat frecvent în formarea profesională a profesorilor pentru a-i ajuta pe educatori să planifice utilizarea tehnologiei. Clasificarea nivelului SAMR al unei lecții schimbă ceea ce face de fapt un profesor sau este în principal o etichetă descriptivă?
  • Criticii susțin că SAMR, ca și TPACK, se sprijină pe o ontologie umanistă care tratează cogniția ca neschimbată de tehnologie și că nu spune nimic despre putere, proprietatea asupra datelor sau echitate. Este o lentilă a nivelului de integrare suficientă sau integrarea din era IA are nevoie de un cadru mai critic?

Introducere

SAMR descrie profunzimea transformării tehnologice a sarcinilor de învățare. Cele patru niveluri ale sale formează o scară ascendentă de la îmbunătățire la transformare: Substituire (instrumentul înlocuiește altul fără schimbare funcțională — un chatbot în locul unui motor de căutare), Augmentare (instrumentul înlocuiește și îmbunătățește — verificarea ortografică a unui procesor de text față de o mașină de scris), Modificare (sarcina este reproiectată semnificativ — studenții colaborează în timp real pe o schiță generată de IA, partajată) și Redefinire (devin posibile sarcini noi, anterior de neconceput — învățăceii creează împreună cu un model generativ în moduri care nu au analog non-IA). Modelul este folosit pe scară largă în tehnologia educațională, în cercetarea din domeniu și în dezvoltarea profesională a profesorilor ca vocabular pentru planificarea și evaluarea integrării tehnologiei și este un companion standard al TPACK și al cadrelor de adoptare a tehnologiei — deși răspunde la o întrebare diferită de amândouă.

Ce înseamnă cele patru niveluri

  • Îmbunătățire (jumătatea inferioară): Substituirea și Augmentarea îmbunătățesc o sarcină existentă fără a-i schimba natura. Cea mai mare parte a utilizării de rutină a IA — generarea de întrebări, generarea rapidă de text, rezumarea — se află aici: este mai rapidă și mai comodă, dar nu schimbă ceea ce i se cere învățăcelului să facă.
  • Transformare (jumătatea superioară): Modificarea și Redefinirea schimbă sarcina însăși. Vibe coding, co-construcția în timp real cu un model și dialogul interactiv adaptiv sunt sarcini care nu erau posibile înainte de IA generativă și reprezintă capătul transformator al scării.

SAMR este adesea împerecheat cu cadrul ICAP, pentru că cele două se aliniază: cele patru scenarii de la gătit la învățare din Rummel, Nachtigall & Panadero (2026) cartografiază modurile de implicare ICAP pe nivelurile SAMR — ICAP Pasiv cu SAMR Substituire, Activ cu Augmentare, Constructiv cu Modificare și Interactiv cu Redefinire — ilustrând o progresie de la delegarea pasivă la co-construcția interactivă.

Dovezi din baza de cunoștințe

  • Integrarea IA în învățământul superior este în mare parte incrementală, nu transformatoare. AlSheikh et al. (2026), într-o recenzie sistematică PRISMA a 22 de studii de intervenție selectate din 959 de înregistrări, au notat integrarea IA cu modelul SAMR și au constatat că cele mai multe studii se grupau la nivelul Substituire sau Augmentare, mai puține la Modificare și doar unul apropiindu-se de Redefinire. IA era de obicei introdusă pentru a îmbunătăți practica existentă — dominată de automatizarea evaluării și de sprijinul pentru învățarea personalizată — nu pentru a reconceptualiza curriculumurile sau rezultatele învățării.
  • SAMR este o lentilă analitică comună pentru schimbarea curriculumului condusă de GenAI. Sabani et al. (2026) cartografiază cinci deplasări curriculare (de la static la dinamic, de la transmitere la capacitate, de la local la instituțional) pe lentile consacrate, inclusiv SAMR și alinierea constructivă, folosind modelul pentru a clarifica mecanismele pedagogice prin care GenAI remodelează curriculumul.
  • SAMR și TPACK ancorează standardele de integrare a tehnologiei de către profesori. Crompton et al. (2026) își situează cele șase standarde de tehnologie pentru cadrele didactice față de cadrele existente — Cunoașterea tehnologic-pedagogică de conținut (TPACK), RAT, SAMR, SETI — și față de standarde (ISTE, UNESCO, DigCompEdu), dintre care cele mai multe vizează educatorii K-12 sau doar partea de predare a rolurilor academice, lăsând un decalaj în dezvoltarea cadrelor didactice din învățământul superior.
  • SAMR este o țintă a criticii postumaniste. Elsayed (2026) critică TPACK, SAMR și modelele de alfabetizare în IA pentru că împărtășesc o ontologie umanistă care presupune un învățăcel delimitat, a cărui cogniție este fundamental neschimbată de medierea tehnologică, susținând că aceste cadre instrumentaliste nu pot aborda rolul constitutiv al IA în cogniție.
  • Un cadru pentru integrare, nu un cadru pentru putere. Poudyal (2026) evaluează SAMR alături de TPACK și alte cadre de integrare și constată că niciunul nu abordează puterea echitabilă, proprietatea asupra datelor sau responsabilitatea, ceea ce motivează un cadru alternativ ecologic de co-agenție.
  • Utilizarea de către studenți se cartografiază și ea pe SAMR, iar feedbackul traversează toate nivelurile. Codarea declarațiilor GenAI a 31–36 de studenți dintr-o unitate de fizică a plasat învățarea la substituire–augmentare, formatarea la substituire și realizarea sarcinii la modificare–redefinire, în timp ce feedbackul — verificarea, clarificarea, confirmarea — apărea la toate cele patru niveluri (Quince și Faulconer (2026)).
  • Profunzimea și incluziunea sunt axe separate. Jita, Jita & Omoniyi (2026) împerechează SAMR cu UDL pe 38 de surse și susțin că sarcinile de nivel Redefinire pot totuși exclude studenți a căror limbă, dispozitiv sau conectivitate nu se potrivește designului.

SAMR, TPACK și adoptarea tehnologiei: cum diferă

Trei cadre sunt frecvent confundate, dar răspund la întrebări distincte:

  • Modelele de adoptare a tehnologiei (TAM, UTAUT) explică de ce o persoană sau o instituție acceptă și continuă să folosească o tehnologie — utilitatea percepută, ușurința de utilizare și influența socială.
  • TPACK descrie cunoașterea de care are nevoie un profesor pentru a integra eficient tehnologia — interacțiunea dintre cunoașterea tehnologică, pedagogică și de conținut, extinsă în era IA la AI-TPACK/GenAI-TPACK.
  • SAMR clasifică cât de profund transformă o tehnologie o sarcină de învățare, de la îmbunătățire la redefinire.

SAMR este cel mai bine înțeles ca o lentilă a profunzimii integrării, folosită în planificare și evaluare, completând teoria adoptării (care explică preluarea) și TPACK (care explică capacitatea profesorului). În era IA, este cel mai productiv folosit pentru a întreba dacă IA generativă este aplicată pentru a îmbunătăți sarcini existente sau pentru a permite sarcini cu adevărat noi — o distincție care traversează cercetarea bazei de cunoștințe despre evaluare și curriculum.

Implicații pentru practică

  • Folosește SAMR pentru a pune întrebarea despre profunzime, nu pentru a prescrie transformarea. Îmbunătățirea nu este prin natura ei inferioară; multe utilizări de rutină ale IA sunt substituiri legitime. Modelul este diagnostic, clarificând ce schimbă de fapt o anumită utilizare.
  • Împerechează-l cu ICAP. SAMR descrie ce devine sarcina; ICAP descrie cum se implică învățăcelul. Folosite împreună, disting substituirea de suprafață de co-construcția interactivă profundă.
  • Completează-l cu lentile de adoptare și echitate. SAMR nu spune nimic despre de ce este adoptat un instrument sau cine beneficiază. Împerechează-l cu modelele de adoptare și cu analiza echității pentru a evita ca o etichetă de profunzime să înlocuiască o evaluare critică.
  • Tratează dovezile integrării incrementale ca pe o constatare, nu ca pe un eșec. Dacă cea mai mare parte a integrării IA se grupează la Substituire/Augmentare, sarcina de design nu este să forțezi Redefinirea, ci să recunoști că utilizarea transformatoare cere designuri de sarcină diferite, nu doar instrumente mai bune.

Idei greșite frecvente

„Mai sus pe SAMR înseamnă predare mai bună.” SAMR este o lentilă pentru a întreba dacă IA reconceptualizează învățarea sau îmbunătățește practica existentă; nu este un clasament al calității, iar Redefinirea nu este răspunsul corect pentru fiecare sarcină. O substituire care elimină un pas neproductiv este un succes judecat după învățare, nu după nivelul pe care se află.

„Adoptarea IA urcă pe scară.” Distribuția este concentrată la bază. O recenzie sistematică a integrării IA în învățământul superior a constatat că cele mai multe utilizări se situau la Substituire sau Augmentare, doar un studiu apropiindu-se de Redefinire. Folosirea practică a SAMR în această literatură este, așadar, în mare parte diagnostică — numește unde se află de fapt domeniul.

„SAMR și TPACK sunt cadre concurente.” Ele descriu lucruri diferite: SAMR descrie gradul de transformare al unei sarcini, în timp ce TPACK descrie cunoașterea de care are nevoie un profesor pentru a integra bine tehnologia. Un profesor poate fi foarte capabil din punct de vedere TPACK și totuși să opereze la Substituire, motiv pentru care cele două sunt folosite împreună, nu alese între ele.

„Un instrument care este transformator la un nivel este transformator la toate nivelurile.” Același instrument generativ poate susține o Substituire într-un curs și o Redefinire în altul, pentru că nivelul este o proprietate a designului sarcinii, nu a tehnologiei. Atribuirea nivelului instrumentului produce decizii de adoptare în locul deciziilor de design.

Concepte conectate

Articole conectate

Metadate

NivelK 12, Higher Ed
Public țintăInstructors, Curriculum Designers, Researchers
Tehnologii și tehniciTechnologies, Technology Adoption Models
Bazele AI în educațieDezvoltarea educațională, Designul învățării, Cunoașterea tehnologic-pedagogică de conținut (TPACK), Competența instructorilor în IA
Tipul paginiiFramework
SursăIstoricEditeazăChat

Încorporează această pagină

Copiază codul de mai jos pentru a încorpora această pagină într-un sistem de management al învățării sau pe alt site web. Versiunea încorporată arată doar conținutul paginii — ascunde antetul site-ului, navigația și subsolul.