AITEE - 전기공학을 위한 에이전트 기반 튜터

AITEE -- Agentic Tutor for Electrical Engineering

May 27, 2025

저자: Christopher Knievel, Alexander Bernhardt, Christian Bernhardt

cs.AI

초록

대형 언어 모델과 결합된 지능형 튜터링 시스템은 학생들의 다양한 요구를 해결하고 자기효능감 있는 학습을 촉진할 수 있는 유망한 접근 방식을 제공합니다. 대형 언어 모델은 전기공학 기초에 대한 탄탄한 기초 지식을 갖추고 있지만, 전기 회로에 대한 구체적인 질문을 다루는 데는 여전히 부족한 능력을 보입니다. 본 논문에서는 학생들의 학습 과정 전반을 지원하고 개별화된 지원을 제공하며 자기 주도적 학습을 촉진하기 위해 설계된 전기공학용 에이전트 기반 튜터링 시스템인 AITEE를 소개합니다. AITEE는 적응형 회로 재구성 프로세스를 통해 손으로 그린 회로와 디지털 회로를 모두 지원하여 학생들과의 자연스러운 상호작용을 가능하게 합니다. 우리의 새로운 그래프 기반 유사도 측정 방법은 검색 증강 생성 접근법을 통해 강의 자료에서 관련된 맥락을 식별하며, 병렬 Spice 시뮬레이션은 해결 방법론 적용의 정확성을 더욱 향상시킵니다. 이 시스템은 소크라테스식 대화를 구현하여 안내된 질문을 통해 학습자 자율성을 촉진합니다. 실험적 평가 결과, AITEE는 도메인 특화 지식 적용에서 기준 접근법을 크게 능가하며, 중간 규모의 LLM 모델도 허용 가능한 성능을 보여줍니다. 우리의 결과는 에이전트 기반 튜터가 전기공학 교육을 위한 확장 가능하고 개인화된 효과적인 학습 환경을 제공할 수 있는 잠재력을 강조합니다.

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.