AITEE ― 電気工学のためのエージェンシック・チューター

AITEE -- Agentic Tutor for Electrical Engineering

May 27, 2025

著者: Christopher Knievel, Alexander Bernhardt, Christian Bernhardt

cs.AI

要旨

大規模言語モデルと組み合わせたインテリジェントチュータリングシステムは、学生の多様なニーズに対応し、自己効力感のある学習を促進するための有望なアプローチを提供する。大規模言語モデルは電気工学の基礎知識を有しているものの、電気回路に関する具体的な質問に対応する能力は依然として不十分である。本論文では、学生の学習プロセスを支援し、個別化されたサポートを提供し、自己主導型学習を促進するために設計されたエージェントベースの電気工学チュータリングシステム「AITEE」を提案する。AITEEは、手書きおよびデジタル回路を適応型の回路再構築プロセスを通じてサポートし、学生との自然なインタラクションを可能にする。本システムは、新しいグラフベースの類似度測定法を用いて、検索拡張生成アプローチを通じて講義資料から関連する文脈を特定し、並列Spiceシミュレーションにより解法の適用精度をさらに向上させる。また、Socraticダイアログを実装し、ガイド付き質問を通じて学習者の自律性を育む。実験的評価により、AITEEがドメイン固有の知識適用においてベースラインアプローチを大幅に上回り、中規模のLLMモデルでも許容可能な性能を示すことが実証された。本研究の結果は、エージェント型チューターが電気工学教育においてスケーラブルで個別化された効果的な学習環境を提供する可能性を強調している。

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.