AITEE - Tutor Agente per l'Ingegneria Elettrica

AITEE -- Agentic Tutor for Electrical Engineering

May 27, 2025

Autori: Christopher Knievel, Alexander Bernhardt, Christian Bernhardt

cs.AI

Abstract

I sistemi di tutoraggio intelligenti combinati con modelli linguistici di grandi dimensioni offrono un approccio promettente per soddisfare le esigenze diversificate degli studenti e promuovere un apprendimento autoefficace. Sebbene i modelli linguistici di grandi dimensioni possiedano una buona conoscenza di base dell'ingegneria elettrica, rimangono insufficientemente capaci di rispondere a domande specifiche sui circuiti elettrici. In questo articolo, presentiamo AITEE, un sistema di tutoraggio basato su agenti per l'ingegneria elettrica progettato per accompagnare gli studenti durante il loro processo di apprendimento, offrire supporto individualizzato e promuovere l'apprendimento autonomo. AITEE supporta sia circuiti disegnati a mano che digitali attraverso un processo di ricostruzione del circuito adattato, consentendo un'interazione naturale con gli studenti. La nostra nuova misura di similarità basata su grafo identifica il contesto rilevante dai materiali delle lezioni attraverso un approccio di generazione aumentata dal recupero, mentre la simulazione Spice parallela migliora ulteriormente l'accuratezza nell'applicazione delle metodologie di soluzione. Il sistema implementa un dialogo socratico per favorire l'autonomia dell'apprendimento attraverso domande guidate. Le valutazioni sperimentali dimostrano che AITEE supera significativamente gli approcci di base nell'applicazione di conoscenze specifiche del dominio, con modelli LLM di medie dimensioni che mostrano prestazioni accettabili. I nostri risultati evidenziano il potenziale dei tutor agentici di fornire ambienti di apprendimento scalabili, personalizzati ed efficaci per l'educazione in ingegneria elettrica.

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.