Модель SAMR

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Модель SAMR — рамка интеграции технологий, разработанная Рубеном Пуэнтедурой, которая классифицирует степень, в которой технология трансформирует обучение, по четырём уровням: Замещение, Усиление, Модификация и Переосмысление. Нижние два уровня (Замещение, Усиление) улучшают существующее задание — технология делает то, что делалось раньше, лучше или удобнее; верхние два (Модификация, Переосмысление) трансформируют его — само задание меняется на то, что раньше было невозможно. В ИИ в образовании SAMR — стандартная линза для вопроса о том, используется ли генеративный ИИ для постепенного улучшения существующей практики или для переосмысления обучения, и она соседствует с TPACK как способ описания того, как преподаватели интегрируют технологии, а не почему они их принимают.

Вопросы для размышления

• Когда ИИ вводится в курс, это Замещение (чат-бот заменяет окно поиска) или Переосмысление (становится возможным задание, которое было невозможно прежде)? Что определяет, какой уровень уместен, — и всегда ли цель состоит в трансформации?
• SAMR и модели принятия технологий отвечают на разные вопросы: теория принятия спрашивает, почему преподаватель или институт принимает инструмент; SAMR спрашивает, насколько глубоко инструмент меняет обучение. На какой из этих вопросов данное исследование интеграции ИИ на самом деле отвечает?
• Систематический обзор интеграции ИИ в высшем образовании обнаружил, что большинство применений находились на уровне Замещения или Усиления, и лишь одно исследование приближалось к Переосмыслению. Если это типично, что это говорит о разрыве между потенциалом ИИ и его реальностью в аудитории?
• SAMR часто используется в профессиональном развитии преподавателей при повышении квалификации, чтобы помочь педагогам планировать использование технологий. Меняет ли классификация уровня SAMR занятия то, что преподаватель на самом деле делает, или это преимущественно описательная метка?
• Критики утверждают, что SAMR, как и TPACK, опирается на гуманистическую онтологию, рассматривающую познание как неизменённое технологиями, и что она ничего не говорит о власти, владении данными или справедливости. Достаточна ли линза уровня интеграции, или интеграции в эпоху ИИ нужна более критическая рамка?

Введение

SAMR описывает глубину технологической трансформации учебных заданий. Её четыре уровня образуют восходящую шкалу от улучшения до трансформации: Замещение (инструмент заменяет другой без функционального изменения — чат-бот вместо поисковой системы), Усиление (инструмент заменяет и улучшает — проверка орфографии в текстовом процессоре вместо пишущей машинки), Модификация (задание существенно перепроектировано — студенты совместно работают в реальном времени над общим созданным ИИ черновиком) и Переосмысление (становятся возможными новые задания, ранее немыслимые, — учащиеся совместно создают с генеративной моделью то, для чего нет не-ИИ аналога). Модель широко используется в исследованиях по образовательным технологиям и профессиональном развитии преподавателей как словарь для планирования и оценивания интеграции технологий, и она является стандартным спутником TPACK и рамок принятия технологий — хотя отвечает на другой вопрос, чем любая из них.

Что означают четыре уровня

• Улучшение (нижняя половина): Замещение и Усиление улучшают существующее задание, не меняя его природы. Большинство рутинных применений ИИ — генерация вопросов, быстрая генерация текста, сжатие, — находится здесь: это быстрее и удобнее, но не меняет того, что от учащегося требуется.
• Трансформация (верхняя половина): Модификация и Переосмысление меняют само задание. Вайб-кодинг, совместное построение в реальном времени с моделью и адаптивный интерактивный диалог — это задания, которые были невозможны до генеративного ИИ, и представляют трансформирующий конец шкалы.

SAMR часто сочетается с рамкой ICAP, потому что две рамки согласуются: четыре сценария «от готовки к обучению» в Rummel, Nachtigall и Panadero (2026) отображают режимы вовлечения ICAP вовлечения на уровни SAMR — Пассивный ICAP на Замещение SAMR, Активный на Усиление, Конструктивный на Модификацию и Интерактивный на Переосмысление, — иллюстрируя продвижение от пассивного делегирования до интерактивного совместного построения.

Доказательная база базы знаний

• Интеграция ИИ в высшем образовании в значительной степени постепенная, а не трансформирующая. AlSheikh et al. (2026) в систематическом обзоре по PRISMA 22 интервенционных исследований, отобранных из 959 записей, оценивали интеграцию ИИ по модели SAMR и обнаружили, что большинство исследований сгруппировалось на уровне Замещения или Усиления, с меньшим числом на уровне Модификации и лишь одним, приближавшимся к Переосмыслению. ИИ обычно вводился для улучшения существующей практики — с преобладанием автоматизации оценивания и поддержки персонализации обучения, — а не для переосмысления учебных планов или результатов обучения.
• SAMR — обычная аналитическая линза для изменений учебного плана, движимых GenAI. Sabani et al. (2026) отображают пять сдвигов учебного плана (от статичного к динамичному, от передачи к способности, от локального к институциональному) на устоявшиеся линзы, включая SAMR и конструктивное согласование, используя модель для уточнения педагогических механизмов, которыми GenAI перекраивает учебный план.
• SAMR и TPACK закрепляют стандарты интеграции технологий преподавателями. Crompton et al. (2026) располагают свои шесть стандартов технологий для преподавательского состава на фоне существующих рамок — Технологические педагогические знания о содержании (TPACK), RAT, SAMR, SETI, — и стандартов (ISTE, UNESCO, DigCompEdu), большинство из которых нацелены на педагогов K-12 или только на преподавательскую часть ролей преподавательского состава, оставляя пробел в развитии преподавателей высшего образования.
• SAMR — цель постгуманистической критики. Elsayed (2026) критикует модели TPACK, SAMR и ИИ-грамотность за общую гуманистическую онтологию, предполагающую ограниченного учащегося, чьё познание фундаментально не изменяется технологическим посредничеством, утверждая, что эти инструменталистские рамки не могут обратиться к конститутивной роли ИИ в познании.
• Рамка для интеграции, а не рамка для власти. Poudyal (2026) оценивает SAMR наряду с TPACK и другими рамками интеграции и обнаруживает, что ни одна не обращается к равной власти, владению данными или подотчётности, что мотивирует альтернативную экологическую рамку совместной активности.
• Использование студентами тоже отображается на SAMR, и обратная связь простирается по всем уровням. Кодирование объявлений о GenAI у 31–36 студентов на курсе физики поместило обучение на замещение–усиление, форматирование — на замещение, а выполнение задания — на модификацию–переосмысление, тогда как обратная связь — проверка, уточнение, верификация, — появлялась на всех четырёх уровнях (Quince и Faulconer (2026)).

SAMR, TPACK и принятие технологий: чем они отличаются

Три рамки часто смешиваются, но отвечают на различные вопросы:

• Модели принятия технологий (TAM, UTAUT) объясняют, почему отдельный человек или институт принимает и продолжает использовать технологию — воспринимаемая полезность, лёгкость использования и социальное влияние.
• TPACK описывает знания, которые нужны преподавателю для эффективной интеграции технологий — взаимодействие технологических, педагогических и предметных знаний, расширенное в эпоху ИИ до AI-TPACK/GenAI-TPACK.
• SAMR классифицирует, насколько глубоко технология трансформирует учебное задание, от улучшения до переосмысления.

SAMR лучше всего понимать как линзу глубины интеграции, используемую при планировании и оценивании, дополняющую теорию принятия (которая объясняет восприятие) и TPACK (которая объясняет способность преподавателя). В эпоху ИИ она наиболее продуктивно используется для вопроса о том, применяется ли генеративный ИИ для улучшения существующих заданий или для создания подлинно новых, — различия, которое проходит через всё исследование оценивания и учебных планов в базе знаний.

Следствия для практики

• Используйте SAMR, чтобы задать вопрос о глубине, а не чтобы предписать трансформацию. Улучшение не является изначально худшим; многие рутинные применения ИИ — законные Замещения. Модель диагностична, уточняя, что данное применение на самом деле меняет.
• Сочетайте её с ICAP. SAMR описывает, чем становится задание; ICAP описывает, как учащийся вовлекается. Использованные вместе, они различают поверхностное замещение и глубокое интерактивное совместное построение.
• Дополняйте её линзами принятия и справедливости. SAMR ничего не говорит о том, почему инструмент принимается или кому достаётся польза. Сочетайте её с моделями принятия и анализом справедливости, чтобы метка глубины не подменяла собой критическую оценку.
• Относитесь к данным о постепенной интеграции как к результату, а не как к провалу. Если большинство интеграций ИИ сгруппировано на Замещении/Усилении, задача дизайна не в том, чтобы навязать Переосмысление, а в том, чтобы признать, что трансформирующее использование требует иных дизайнов заданий, а не просто лучших инструментов.

Связанные концепции

• ИИ в образовании — ИИ в образовании (обобщающая)
• Технологические педагогические знания о содержании (TPACK) — Технологические педагогические предметные знания
• Модели принятия технологий — Модели принятия технологий
• Фреймворк ICAP — Рамка когнитивного вовлечения ICAP
• Технологии — Технологии и методы ИИ
• ИИ-компетентность преподавателя — Компетентность преподавателя в области ИИ
• Развитие педагогической практики — Развитие образования
• Дизайн обучения — Дизайн обучения
• K-12 — Образование K-12
• Высшее образование — Высшее образование
• Генеративный ИИ — Генеративный ИИ

Связанные статьи

• Mapping artificial intelligence integration in higher education: A systematic review using the FACETS and SAMR frameworks — Интеграция ИИ в высшем образовании, оценённая по SAMR: преимущественно Замещение/Усиление
• With a Thermomix You Lose the Ability to Cook: A Kitchen Machine Analogy for Applications of Generative AI in Education — ICAP и SAMR, отображающие четыре сценария «от готовки к обучению»
• Rewriting the Curriculum: A Systematic Review of Generative AI-Driven Pedagogical Change and Emerging Systems of Learning in Higher Education — SAMR среди линз для изменений учебного плана, движимых GenAI
• Designing faculty standards for technology integration in higher education institutions: a design-based research study — SAMR среди рамок, формирующих стандарты технологий для преподавательского состава
• Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI — Постгуманистическая критика гуманистической онтологии SAMR
• Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education — Молчание SAMR о власти, владении данными и подотчётности
• Student GenAI use under changing institutional policies: a mixed-methods case study in undergraduate physics — Использование GenAI студентами в условиях меняющейся институциональной политики: функции использования, отображённые на уровни SAMR (Quince и Faulconer 2026)