تتبع المعرفة - حيث تقوم آلة بنمذجة معرفة الطالب أثناء تفاعله مع المواد الدراسية - هو مشكلة معروفة جيدًا في التعليم المدعوم بالحاسوب. رغم أن نمذجة معرفة الطالب بشكل فعال ستكون لها تأثير تعليمي كبير، فإن هذه المهمة تحمل العديد من التحديات الذاتية. في هذا البحث، نستكشف فائدة استخدام شبكات العصبونات المتكررة (Recurrent Neural Networks - RNNs) لنمذجة تعلم الطالب. تعتبر عائلة نماذج RNN ذات أهمية كبيرة مقارنة بالطرق السابقة، حيث لا تتطلب ترميزًا صريحًا للمعرفة البشرية في المجال، ويمكنها التقاط تمثيلات أكثر تعقيدًا لمعرفة الطالب. باستخدام الشبكات العصبية، يتم تحقيق تحسينات كبيرة في أداء التنبؤ على مجموعة متنوعة من قواعد بيانات تتبع المعرفة. بالإضافة إلى ذلك، يمكن استخدام النموذج المتعلم في تصميم المناهج الدراسية الذكية ويوفر تفسيرًا مباشرًا واكتشاف بنية في مهام الطلاب. تقترح هذه النتائج خطًّا جديدًا ومُبشِّرًا للبحث في مجال تتبع المعرفة وتُعد مهمة تطبيقية نموذجية لشبكات العصبونات المتكررة (RNNs).