AITEE — Tutor Agente para Ingeniería Eléctrica

AITEE -- Agentic Tutor for Electrical Engineering

May 27, 2025

Autores: Christopher Knievel, Alexander Bernhardt, Christian Bernhardt

cs.AI

Resumen

Los sistemas de tutoría inteligente combinados con modelos de lenguaje de gran escala ofrecen un enfoque prometedor para abordar las diversas necesidades de los estudiantes y promover un aprendizaje autónomo y eficaz. Si bien los modelos de lenguaje de gran escala poseen un buen conocimiento fundamental sobre los conceptos básicos de ingeniería eléctrica, siguen siendo insuficientemente capaces de responder preguntas específicas sobre circuitos eléctricos. En este artículo, presentamos AITEE, un sistema de tutoría basado en agentes para ingeniería eléctrica diseñado para acompañar a los estudiantes durante su proceso de aprendizaje, ofrecer apoyo individualizado y fomentar el aprendizaje autodirigido. AITEE admite tanto circuitos dibujados a mano como digitales mediante un proceso de reconstrucción de circuitos adaptado, lo que permite una interacción natural con los estudiantes. Nuestra novedosa medida de similitud basada en grafos identifica el contexto relevante a partir de materiales de clase mediante un enfoque de generación aumentada por recuperación, mientras que la simulación paralela en Spice mejora aún más la precisión en la aplicación de metodologías de solución. El sistema implementa un diálogo socrático para fomentar la autonomía del aprendiz a través de preguntas guiadas. Las evaluaciones experimentales demuestran que AITEE supera significativamente los enfoques de referencia en la aplicación de conocimientos específicos del dominio, mostrando incluso modelos de lenguaje de gran escala de tamaño medio un rendimiento aceptable. Nuestros resultados destacan el potencial de los tutores agentivos para ofrecer entornos de aprendizaje escalables, personalizados y efectivos en la educación de ingeniería eléctrica.

English

Intelligent tutoring systems combined with large language models offer a promising approach to address students' diverse needs and promote self-efficacious learning. While large language models possess good foundational knowledge of electrical engineering basics, they remain insufficiently capable of addressing specific questions about electrical circuits. In this paper, we present AITEE, an agent-based tutoring system for electrical engineering designed to accompany students throughout their learning process, offer individualized support, and promote self-directed learning. AITEE supports both hand-drawn and digital circuits through an adapted circuit reconstruction process, enabling natural interaction with students. Our novel graph-based similarity measure identifies relevant context from lecture materials through a retrieval augmented generation approach, while parallel Spice simulation further enhances accuracy in applying solution methodologies. The system implements a Socratic dialogue to foster learner autonomy through guided questioning. Experimental evaluations demonstrate that AITEE significantly outperforms baseline approaches in domain-specific knowledge application, with even medium-sized LLM models showing acceptable performance. Our results highlight the potential of agentic tutors to deliver scalable, personalized, and effective learning environments for electrical engineering education.