# Głębokie śledzenie wiedzy (DKT)

EN: **Deep knowledge tracing (DKT)** · id `dkt` · aliases: DKT, deep knowledge tracing, głębokie śledzenie wiedzy, RNN 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) › Głębokie śledzenie wiedzy (DKT)

## Description

- PL: Sieć rekurencyjna przewidująca prawdopodobieństwo poprawnej odpowiedzi na kolejne pytania na podstawie sekwencji wcześniejszych interakcji ucznia.
- EN: A recurrent network that predicts the probability of answering upcoming questions correctly from the sequence of a learner's past interactions.

## In one sentence

- PL: Sieć neuronowa czyta całą historię odpowiedzi ucznia i przewiduje, czy poradzi sobie z kolejnym zadaniem.
- EN: A neural network reads a learner's whole answer history and predicts whether they will manage the next task.

## Problem it solves

- PL: Klasyczne modele wymagają ręcznego opisania zależności i przejść między stanami wiedzy, przez co trudno im uchwycić złożone wzorce w długiej historii odpowiedzi.
- EN: Classical models require hand-designed dependencies and transitions between knowledge states, making it hard to capture complex patterns in long answer histories.

## What it does

- PL: Zamiast osobnego licznika dla każdej umiejętności ma jedną wspólną pamięć, która sama zauważa, że sukcesy w jednym dziale zapowiadają sukcesy w innym.
- EN: Instead of a separate counter per skill it keeps one shared memory that notices by itself when success in one section predicts success in another.

## Everyday example

- PL: Platforma z tysiącami zadań matematycznych dobiera kolejne ćwiczenie na podstawie wszystkich wcześniejszych prób ucznia, także z innych działów.
- EN: A platform with thousands of maths tasks picks the next exercise from all of a learner's earlier attempts, including other sections.

## This concerns you if you…

- PL: masz dużo zapisów odpowiedzi uczniów
- PL: chcesz modelować złożone zależności w sekwencji odpowiedzi
- EN: have lots of recorded learner answers
- EN: want to model complex dependencies in answer sequences

## Keywords

LSTM · DKVMN · DKT+ · pyKT · ASSISTments · EdNet · AUC

## How it works

- PL: Każda interakcja (umiejętność lub pytanie plus poprawność) jest kodowana jako wektor i podawana do sieci rekurencyjnej, np. LSTM. Stan ukryty pełni rolę ciągłej reprezentacji wiedzy, a warstwa wyjściowa daje szansę sukcesu dla każdej umiejętności w następnym kroku. Trening minimalizuje entropię krzyżową na kolejnych odpowiedziach.
- EN: Each interaction (skill or question plus correctness) is encoded as a vector and fed to a recurrent network such as an LSTM. The hidden state acts as a continuous knowledge representation, and the output layer gives the success probability for every skill at the next step. Training minimises cross-entropy on the following answers.

## Limits

- PL: Stan ukryty trudno zinterpretować, więc model nie mówi wprost, co uczeń umie. Przewidywania bywają niespójne, np. szansa sukcesu spada po poprawnej odpowiedzi. Przy rzadkich danych uogólnia słabiej, a wiele późniejszych modeli niewiele go przewyższa.
- EN: The hidden state is hard to interpret, so the model does not say directly what a learner knows. Predictions can be inconsistent, e.g. the success chance drops after a correct answer. It generalises worse on sparse data, and many later models barely beat it.

## Key terms

- PL: **interaction encoding**: Zapis pary: które zadanie i czy odpowiedź była poprawna.
- PL: **AUC**: Miara, jak dobrze model oddziela dobre odpowiedzi od złych.
- EN: **interaction encoding**: Recording a pair: which task and whether the answer was correct.
- EN: **AUC**: A measure of how well the model separates right answers from wrong ones.

## Know first

- [LSTM i GRU — sieci z bramkami pamięci (LSTM and GRU (gated recurrent networks))](https://aiatlasgraph.com/t/lstmgru.md)

## Sources

- [Deep Knowledge Tracing](<https://arxiv.org/abs/1506.05908>) `piech-dkt-2015` · by Chris Piech, Jonathan Spencer, Jonathan Huang, Surya Ganguli, Mehran Sahami, Leonidas Guibas, Jascha Sohl-Dickstein
- [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

---

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