Mô hình SAMR

Bản dịch máy tự động của trang tiếng Anh này, chưa được người bản ngữ xem xét.

Mô hình SAMR — một khuôn khổ tích hợp công nghệ do Ruben Puentedura phát triển, phân loại mức độ mà một công nghệ biến đổi việc học theo bốn cấp: Thay thế (Substitution), Tăng cường (Augmentation), Sửa đổi (Modification) và Tái định nghĩa (Redefinition). Hai cấp thấp hơn (Thay thế, Tăng cường) tăng cường một nhiệm vụ sẵn có — công nghệ làm điều trước đây đã được làm, nhưng tốt hơn hoặc tiện hơn; hai cấp cao hơn (Sửa đổi, Tái định nghĩa) biến đổi nhiệm vụ đó — bản thân nhiệm vụ chuyển thành một việc trước đây chưa thể làm được. Trong AI trong giáo dục, SAMR là lăng kính chuẩn để hỏi liệu AI sinh tạo đang được dùng để cải thiện dần thực hành hiện có hay để tái khái niệm hóa việc học, và nó đứng bên cạnh TPACK như một cách mô tả việc giáo viên tích hợp công nghệ, thay vì mô tả lý do họ chấp nhận nó.

Những câu hỏi cần cân nhắc

Khi AI được đưa vào một khóa học, đó là Thay thế (một chatbot thay cho ô tìm kiếm) hay Tái định nghĩa (một nhiệm vụ trở nên khả thi mà trước đó không có)? Điều gì quyết định cấp độ nào là phù hợp — và sự biến đổi có luôn là mục tiêu?
SAMR và các mô hình chấp nhận công nghệ trả lời những câu hỏi khác nhau: lý thuyết chấp nhận hỏi vì sao một giáo viên hay một thể chế chấp nhận một công cụ; SAMR hỏi công cụ đó thay đổi việc học sâu đến đâu. Một nghiên cứu tích hợp AI cụ thể thực sự trả lời câu hỏi nào?
Một tổng quan hệ thống về tích hợp AI trong giáo dục đại học phát hiện phần lớn việc sử dụng nằm ở cấp Thay thế hoặc Tăng cường, chỉ một nghiên cứu tiến gần Tái định nghĩa. Nếu đó là mức điển hình, điều này gợi ý gì về khoảng cách giữa tiềm năng của AI và thực tế lớp học?
SAMR thường được viện dẫn trong giáo dục giáo viên và phát triển chuyên môn để giúp nhà giáo dục lập kế hoạch sử dụng công nghệ. Việc phân loại cấp độ SAMR của một bài học có thay đổi điều giáo viên thực sự làm không, hay nó chủ yếu chỉ là một nhãn mô tả?
Các nhà phê bình lập luận rằng SAMR, giống như TPACK, dựa trên một bản thể luận nhân văn coi nhận thức không bị công nghệ làm thay đổi, và rằng nó không nói gì về quyền lực, quyền sở hữu dữ liệu hay công bằng. Một lăng kính mức độ tích hợp có đủ không, hay việc tích hợp thời đại AI cần một khuôn khổ phê phán hơn?

Giới thiệu

SAMR mô tả độ sâu của sự biến đổi công nghệ đối với các nhiệm vụ học tập. Bốn cấp của nó tạo thành một thang đi lên từ tăng cường đến biến đổi: Thay thế (công cụ thay thế một công cụ khác mà không thay đổi chức năng — một chatbot thay cho một công cụ tìm kiếm), Tăng cường (công cụ thay thế và cải thiện — tính năng kiểm tra chính tả của trình xử lý văn bản so với máy đánh chữ), Sửa đổi (nhiệm vụ được thiết kế lại đáng kể — sinh viên cộng tác theo thời gian thực trên một bản nháp do AI tạo dùng chung), và Tái định nghĩa (những nhiệm vụ mới trước đây không thể tưởng tượng được nay trở nên khả thi — người học cùng sáng tạo với một mô hình tạo sinh theo cách không có tương đương nào khi chưa có AI). Mô hình này được dùng rộng rãi trong nghiên cứu công nghệ giáo dục và phương pháp nghiên cứu cũng như trong phát triển chuyên môn giáo viên như một từ vựng để lập kế hoạch và đánh giá tích hợp công nghệ, và nó là bạn đồng hành chuẩn của TPACK cùng các khuôn khổ chấp nhận công nghệ — dù nó trả lời một câu hỏi khác cả hai.

Bốn cấp độ nghĩa là gì

Tăng cường (nửa dưới): Thay thế và Tăng cường cải thiện một nhiệm vụ sẵn có mà không thay đổi bản chất của nó. Phần lớn việc dùng AI thường nhật — tạo câu hỏi, tạo văn bản nhanh, tóm tắt — nằm ở đây: nhanh hơn và tiện hơn nhưng không thay đổi điều người học được yêu cầu làm.
Biến đổi (nửa trên): Sửa đổi và Tái định nghĩa thay đổi chính nhiệm vụ. Vibe coding, việc cùng kiến tạo theo thời gian thực với một mô hình, và đối thoại tương tác thích ứng là những nhiệm vụ không thể có trước AI sinh tạo, và đại diện cho đầu biến đổi của thang.

SAMR thường được ghép với khuôn khổ ICAP vì hai bên ăn khớp với nhau: bốn kịch bản từ nấu ăn đến học tập trong Rummel, Nachtigall & Panadero (2026) ánh xạ các chế độ tham gia của ICAP lên các cấp SAMR — ICAP Thụ động với SAMR Thay thế, Chủ động với Tăng cường, Kiến tạo với Sửa đổi, và Tương tác với Tái định nghĩa — minh họa một tiến trình từ việc ủy thác thụ động đến cùng kiến tạo tương tác.

Bằng chứng từ cơ sở kiến thức

Tích hợp AI trong giáo dục đại học phần lớn mang tính tăng dần, không mang tính biến đổi. AlSheikh và cộng sự (2026), trong một tổng quan hệ thống PRISMA trên 22 nghiên cứu can thiệp được sàng lọc từ 959 bản ghi, đã chấm mức tích hợp AI bằng mô hình SAMR và phát hiện phần lớn nghiên cứu tập trung ở cấp Thay thế hoặc Tăng cường, ít hơn ở Sửa đổi và chỉ một nghiên cứu tiến gần Tái định nghĩa. AI thường được đưa vào để cải thiện thực hành hiện có — chủ yếu là tự động hóa đánh giá và hỗ trợ học tập cá nhân hóa — chứ không phải để tái khái niệm hóa chương trình hay kết quả học tập.
SAMR là một lăng kính phân tích phổ biến cho thay đổi chương trình do GenAI thúc đẩy. Sabani và cộng sự (2026) ánh xạ năm chuyển dịch chương trình (tĩnh sang động, truyền thụ sang năng lực, cục bộ sang thể chế) lên các lăng kính đã được thiết lập gồm SAMR và căn chỉnh kiến tạo, dùng mô hình để làm rõ các cơ chế sư phạm mà qua đó GenAI định hình lại chương trình.
SAMR và TPACK neo giữ các chuẩn tích hợp công nghệ cho giảng viên. Crompton và cộng sự (2026) đặt sáu chuẩn công nghệ dành cho giảng viên của mình bên cạnh các khuôn khổ sẵn có — Kiến thức Nội dung Sư phạm Công nghệ (TPACK), RAT, SAMR, SETI — và các chuẩn (ISTE, UNESCO, DigCompEdu), phần lớn trong số đó nhắm đến nhà giáo dục K-12 hoặc chỉ phần giảng dạy trong vai trò của giảng viên, để lại một khoảng trống trong phát triển giảng viên ở giáo dục đại học.
SAMR là một mục tiêu của phê phán hậu nhân văn. Elsayed (2026) phê phán các mô hình TPACK, SAMR và Năng lực AI (AI Literacy) vì cùng chia sẻ một bản thể luận nhân văn giả định một người học có ranh giới, mà nhận thức về cơ bản không bị trung giới công nghệ làm thay đổi, lập luận rằng những khuôn khổ công cụ luận này không thể giải quyết vai trò cấu thành của AI đối với nhận thức.
Một khuôn khổ cho việc tích hợp, không phải một khuôn khổ cho quyền lực. Poudyal (2026) đánh giá SAMR cùng TPACK và các khuôn khổ tích hợp khác và thấy không khuôn khổ nào giải quyết quyền lực công bằng, quyền sở hữu dữ liệu hay trách nhiệm giải trình, điều này thúc đẩy một khuôn khổ đồng quyền chủ động sinh thái thay thế.
Việc sử dụng của sinh viên cũng ánh xạ vào SAMR, và phản hồi trải khắp mọi cấp độ. Việc mã hóa các bản khai báo GenAI của 31–36 sinh viên trong một học phần vật lý đặt việc học ở mức thay thế–tăng cường, định dạng ở mức thay thế, và thực hiện nhiệm vụ ở mức sửa đổi–tái định nghĩa, trong khi phản hồi — kiểm tra, làm rõ, xác minh — xuất hiện ở cả bốn cấp (Quince và Faulconer (2026)).
Độ sâu và tính bao trùm là hai trục riêng. Jita, Jita & Omoniyi (2026) ghép SAMR với UDL qua 38 nguồn và lập luận rằng các nhiệm vụ ở cấp Tái định nghĩa vẫn có thể loại trừ những sinh viên mà ngôn ngữ, thiết bị hoặc kết nối của họ không khớp với thiết kế.

SAMR, TPACK và việc chấp nhận công nghệ: chúng khác nhau thế nào

Ba khuôn khổ thường bị hòa lẫn nhưng trả lời những câu hỏi khác nhau:

Các mô hình chấp nhận công nghệ (TAM, UTAUT) giải thích vì sao một cá nhân hay thể chế chấp nhận và tiếp tục dùng một công nghệ — nhận thức hữu ích, tính dễ dùng và ảnh hưởng xã hội.
TPACK mô tả kiến thức mà giáo viên cần để tích hợp công nghệ hiệu quả — sự tương tác giữa kiến thức công nghệ, sư phạm và nội dung, được mở rộng trong kỷ nguyên AI thành AI-TPACK/GenAI-TPACK.
SAMR phân loại công nghệ biến đổi một nhiệm vụ học tập sâu đến đâu, từ tăng cường đến tái định nghĩa.

SAMR được hiểu đúng nhất như một lăng kính độ sâu tích hợp dùng trong lập kế hoạch và đánh giá, bổ sung cho lý thuyết chấp nhận (giải thích việc tiếp nhận) và TPACK (giải thích năng lực của giáo viên). Trong kỷ nguyên AI, nó được dùng hiệu quả nhất để hỏi liệu AI sinh tạo đang được áp dụng để tăng cường các nhiệm vụ sẵn có hay để tạo ra những nhiệm vụ thực sự mới — một phân biệt xuyên suốt nghiên cứu về đánh giá và chương trình trong cơ sở kiến thức này.

Hàm ý cho thực tiễn

Dùng SAMR để hỏi câu hỏi về độ sâu, không phải để áp đặt sự biến đổi. Tăng cường không hề kém hơn một cách mặc định; nhiều cách dùng AI thường nhật là những Thay thế hợp lý. Mô hình mang tính chẩn đoán, làm rõ điều mà một cách dùng cụ thể thực sự thay đổi.
Ghép nó với ICAP. SAMR mô tả nhiệm vụ trở thành gì; ICAP mô tả người học tham gia như thế nào. Dùng cùng nhau, hai bên phân biệt được sự thay thế bề mặt với việc cùng kiến tạo tương tác sâu.
Bổ sung bằng các lăng kính chấp nhận và công bằng. SAMR không nói gì về lý do một công cụ được chấp nhận hay ai hưởng lợi. Hãy ghép nó với các mô hình chấp nhận và phân tích công bằng để tránh việc một nhãn độ sâu thay thế cho một đánh giá phản biện.
Coi bằng chứng về tích hợp tăng dần là một phát hiện, không phải một thất bại. Nếu phần lớn việc tích hợp AI tập trung ở Thay thế/Tăng cường, nhiệm vụ thiết kế không phải là ép buộc Tái định nghĩa mà là nhận ra rằng việc sử dụng có tính biến đổi đòi hỏi những thiết kế nhiệm vụ khác, không chỉ những công cụ tốt hơn.

Những hiểu lầm phổ biến

"Càng cao trên SAMR thì giảng dạy càng tốt." SAMR là một lăng kính để hỏi liệu AI tái khái niệm hóa việc học hay cải thiện thực hành hiện có; nó không phải một bảng xếp hạng chất lượng, và Tái định nghĩa không phải câu trả lời đúng cho mọi nhiệm vụ. Một sự thay thế loại bỏ được một bước không hiệu quả là một thành công được đánh giá trên việc học, chứ không trên cấp độ mà nó chiếm giữ.

"Việc chấp nhận AI đang tiến lên theo từng nấc thang." Phân bố tập trung ở đáy. Một tổng quan hệ thống về tích hợp AI trong giáo dục đại học phát hiện phần lớn việc sử dụng nằm ở Thay thế hoặc Tăng cường, chỉ một nghiên cứu tiến gần Tái định nghĩa. Vì vậy, việc dùng SAMR trong tài liệu này chủ yếu mang tính chẩn đoán — nó gọi tên nơi lĩnh vực thực sự đang đứng.

"SAMR và TPACK là những khuôn khổ cạnh tranh nhau." Chúng mô tả những thứ khác nhau: SAMR mô tả mức độ biến đổi trong một nhiệm vụ, còn TPACK mô tả kiến thức mà giáo viên cần để tích hợp công nghệ tốt. Một giáo viên có thể rất giỏi TPACK mà vẫn vận hành ở mức Thay thế, đó là lý do hai bên được dùng cùng nhau thay vì chọn một.

"Một công cụ có tính biến đổi ở một cấp độ thì cũng biến đổi ở mọi cấp độ." Cùng một công cụ tạo sinh có thể hỗ trợ một phép Thay thế ở khóa này và một phép Tái định nghĩa ở khóa khác, vì cấp độ là thuộc tính của thiết kế nhiệm vụ chứ không phải của công nghệ. Quy cấp độ cho công cụ sẽ tạo ra những quyết định chấp nhận thay cho những quyết định thiết kế.

Khái niệm liên quan

AI trong Giáo dục — AI trong giáo dục (khái niệm ôm trùm)
Kiến thức Nội dung Sư phạm Công nghệ (TPACK) — Kiến thức Nội dung Sư phạm Công nghệ
Technology Adoption Models — Các mô hình chấp nhận công nghệ
ICAP Framework — Khuôn khổ ICAP về sự tham gia nhận thức
Technologies — Công nghệ và kỹ thuật AI
Năng lực AI của giáo viên — Năng lực AI của giáo viên
Phát triển giáo dục — Phát triển giáo dục
Thiết kế học tập — Thiết kế học tập
K-12 — Giáo dục K-12
Higher Education — Giáo dục đại học
Generative AI — AI sinh tạo

Siêu dữ liệu

Cấp độ	K 12, Higher Ed
Đối tượng dự kiến	Instructors, Curriculum Designers, Researchers
Công nghệ và kỹ thuật	Technologies, Technology Adoption Models
Nền tảng về AI trong giáo dục	Phát triển giáo dục, Thiết kế học tập, Kiến thức Nội dung Sư phạm Công nghệ (TPACK), Năng lực AI của giáo viên
Loại trang	Framework

Nguồn Lịch sử Sửa Trò chuyện