# Śledzenie wiedzy z mechanizmem uwagi (SAKT, AKT)

EN: **Attention-based knowledge tracing (SAKT, AKT)** · id `attentionkt` · aliases: SAKT, AKT, SAINT, self-attentive knowledge tracing, attentive knowledge tracing, transformer knowledge tracing

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [AI w edukacji](https://aiatlasgraph.com/t/aied.md) › [Modelowanie ucznia i analityka uczenia się](https://aiatlasgraph.com/t/learnermodeling.md) › [Śledzenie wiedzy ucznia (knowledge tracing)](https://aiatlasgraph.com/t/knowledgetracing.md) › Śledzenie wiedzy z mechanizmem uwagi (SAKT, AKT)

## Description

- PL: Rodzina modeli śledzenia wiedzy, w których samo-uwaga waży wcześniejsze interakcje według ich znaczenia dla bieżącego pytania.
- EN: A family of knowledge-tracing models in which self-attention weights past interactions by their relevance to the current question.

## In one sentence

- PL: Model śledzenia wiedzy, który przy każdym nowym zadaniu wybiera z historii ucznia te kilka odpowiedzi, które naprawdę się liczą.
- EN: A knowledge-tracing model that, for each new task, picks out the few past answers in a learner's history that really matter.

## Problem it solves

- PL: Uczniowie rozwiązują mało zadań i w przypadkowej kolejności, więc łatwo przecenić stare odpowiedzi albo zgubić ważne.
- EN: Learners solve few tasks in a haphazard order, so it is easy to overrate old answers or lose important ones.

## What it does

- PL: Jak nauczyciel, który przed oceną przegląda zeszyt i zatrzymuje się tylko przy podobnych zadaniach, a starsze wpisy traktuje z mniejszą wagą.
- EN: Like a teacher who flips through a notebook before grading, stopping only at similar tasks and giving older entries less weight.

## Everyday example

- PL: Przed zadaniem z geometrii aplikacja bierze pod uwagę głównie niedawne zadania z figur, a nie wczorajsze ćwiczenia z procentów.
- EN: Before a geometry task the app mainly weighs recent shape problems, not yesterday's percentage exercises.

## This concerns you if you…

- PL: porównujesz nowsze modele przewidywania wyników ucznia
- PL: masz rzadkie, nieregularne dane o odpowiedziach
- EN: compare newer models for predicting learner results
- EN: have sparse, irregular answer data

## Keywords

SAKT · AKT · SAINT · simpleKT · pyKT · Transformer · Rasch embedding

## How it works

- PL: SAKT traktuje bieżące pytanie jako zapytanie, a wcześniejsze interakcje jako klucze i wartości samo-uwagi. AKT dodaje monotoniczną uwagę z wygaszaniem w czasie i podobieństwem pytań oraz osadzenia pytań regularyzowane modelem Rascha. Wyjściem jest szansa poprawnej odpowiedzi.
- EN: SAKT treats the current question as the query and past interactions as self-attention keys and values. AKT adds monotonic attention with time decay and question similarity, plus question embeddings regularised by the Rasch model. The output is the probability of a correct answer.

## Limits

- PL: Zyski raportowane w publikacjach bywają zawyżone przez błędy ewaluacji, a w uczciwych porównaniach przewaga nad pierwszym modelem głębokim jest niewielka. Wagi uwagi nie są automatycznie wyjaśnieniem zrozumiałym dla nauczyciela.
- EN: Gains reported in papers are often inflated by evaluation mistakes, and in fair comparisons the edge over the first deep model is small. Attention weights are not automatically an explanation a teacher can use.

## Key terms

- PL: **self-attention**: Ważenie elementów sekwencji według ich związku z bieżącym elementem.
- PL: **monotonic attention**: Uwaga, która z upływem czasu słabnie dla starszych odpowiedzi.
- PL: **Rasch embedding**: Opis pytania jako umiejętność plus poprawka na jego trudność.
- EN: **self-attention**: Weighting sequence items by how they relate to the current item.
- EN: **monotonic attention**: Attention that fades for older answers as time passes.
- EN: **Rasch embedding**: Describing a question as a skill plus a correction for its difficulty.

## Know first

- [Mechanizm self-attention (zapytania, klucze, wartości) (Self-attention (queries, keys, values))](https://aiatlasgraph.com/t/selfattention.md)
- [Głębokie śledzenie wiedzy (DKT) (Deep knowledge tracing (DKT))](https://aiatlasgraph.com/t/dkt.md)

## Sources

- [pyKT: A Python Library to Benchmark Deep Learning based Knowledge Tracing Models](<https://arxiv.org/abs/2206.11460>) `pykt-2022` · by Zitao Liu, Qiongqiong Liu, Jiahao Chen, Shuyan Huang, Jiliang Tang, Weiqi Luo
- [A Self-Attentive model for Knowledge Tracing](<https://arxiv.org/abs/1907.06837>) `pandey-sakt-2019` · by Shalini Pandey, George Karypis
- [Context-Aware Attentive Knowledge Tracing](<https://arxiv.org/abs/2007.12324>) `ghosh-akt-2020` · by Aritra Ghosh, Neil Heffernan, Andrew S. Lan

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/attentionkt · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30