El modelo SAMR (sustitución, aumento, modificación, redefinición) ha sido durante mucho tiempo la piedra angular de los debates sobre la tecnología en la educación. Introducido a principios de la década de 2000, ofrecía una forma sencilla de categorizar cómo la tecnología afecta el aprendizaje. Sin embargo, el auge de la inteligencia artificial (IA) revela un defecto crítico: SAMR trata el cambio como inherentemente mejor cuando no lo es. La IA puede amplificar resultados tanto positivos como negativos en cualquier nivel de integración. El modelo necesita una segunda dimensión para explicar si la tecnología fortalece o debilita la enseñanza y el aprendizaje.
Las limitaciones del modelo original
Originalmente concebido como una herramienta descriptiva, SAMR rápidamente se volvió prescriptivo. Los educadores comenzaron a ver la sustitución como “básica” y la redefinición como ideal, convirtiéndola en una escalera en lugar de un espectro. En un mundo impulsado por la IA, este pensamiento lineal se desmorona: La IA puede hacer que las tareas simples sean increíblemente poderosas y las tareas avanzadas engañosamente vacías. El enfoque de un solo eje de SAMR ya no es suficiente.
El retrato de un proyecto docente y una cuestión crucial
Una investigación reciente de la iniciativa “Retrato de un maestro en la era de la IA” dirigida por Ed3 reveló este problema de primera mano. Los educadores que utilizan IA en todo el espectro SAMR informaron constantemente efectos positivos y negativos en todos los niveles. La pregunta quedó clara: ¿SAMR necesita un segundo eje para evaluar si los cambios son constructivos o destructivos?
Presentamos la dimensión positiva-negativa
La idea clave es que SAMR no solo describe qué tipo de cambio introduce la tecnología, sino si ese cambio mejora o degrada el aprendizaje. Cada nivel puede ser beneficioso o perjudicial.
- Sustitución: Reemplazar los cuestionarios en papel por cuestionarios digitales puede liberar tiempo para que los docentes puedan realizar interacciones significativas o puede automatizar la calificación sin revisión humana.
- Redefinición: La IA puede permitir la narración multilingüe y la expresión creativa, pero también puede permitir a los estudiantes producir un trabajo pulido sin un esfuerzo o comprensión genuinos.
Esta dualidad requiere un replanteamiento: SAMR ya no es un ascenso de “menos innovador” a “más innovador”. Es un sistema de dos ejes:
- Modo de Integración: (Sustitución, Aumento, Modificación, Redefinición)
- Dirección del impacto: (Negativo ↔ Positivo)
Cuatro matices clave del nuevo modelo
Esta visión ampliada revela ideas críticas:
- El nivel no predice la calidad: La sustitución puede ser tan efectiva como la redefinición si se implementa cuidadosamente.
- La eficiencia puede enmascarar la erosión: El tiempo ahorrado mediante la automatización puede mejorar las conexiones entre profesores y estudiantes o reemplazarlas por completo.
- La redefinición puede ser hueca: La IA puede generar logros de aprendizaje superficiales sin una profundidad genuina.
- El factor decisivo es relacional: Los usos positivos fortalecen las relaciones, la retroalimentación y el acceso; los negativos los debilitan.
Más allá del pensamiento secuencial
Otra idea errónea es que SAMR es una progresión secuencial. Los docentes no necesariamente pasan de la sustitución a la redefinición. La IA hace que esto sea aún menos predecible; un maestro podría comenzar con la Redefinición usando simulaciones y luego volver a la Sustitución para generar material y así liberar tiempo para el apoyo individualizado de los estudiantes. SAMR se entiende mejor como un conjunto de modos útiles en diferentes condiciones.
Replanteando las preguntas
El nuevo modelo cambia el enfoque de la innovación percibida al impacto tangible:
- ¿Este uso de IA profundiza la conexión humana o la debilita?
- ¿Amplía la capacidad docente o la restringe?
- ¿Abre oportunidades para los estudiantes o las reduce?
Estas preguntas priorizan la dirección del impacto, no el nivel de sofisticación. Cada nivel de SAMR puede ser excelente o perjudicial, según la práctica.
Conectando con la curva de adopción
Finalmente, SAMR interactúa con el ciclo de adopción de tecnología. Los primeros en adoptarlo gravitan hacia la Redefinición, mientras que los posteriores comienzan con la Sustitución por seguridad y facilidad. Este replanteamiento sugiere que los docentes no están estancados en ciertos niveles debido a la falta de creatividad, sino porque se encuentran en diferentes etapas de adopción. Comprender esta dinámica ayuda a los líderes a establecer expectativas realistas y brindar el apoyo adecuado.
En conclusión, un modelo SAMR de dos ejes reconoce la complejidad de la práctica docente, respeta los diversos contextos y centra el juicio humano como variable definitoria. A medida que la IA se vuelve más generalizada, la pregunta relevante no es “¿Qué tan alto es esto en SAMR?” pero: “¿Este uso de la IA acelera o ralentiza los resultados del aprendizaje?”
