AITEE — Tutor Agente para Engenharia Elétrica

AITEE -- Agentic Tutor for Electrical Engineering

May 27, 2025

Autores: Christopher Knievel, Alexander Bernhardt, Christian Bernhardt

cs.AI

Resumo

Sistemas de tutoria inteligente combinados com modelos de linguagem de grande escala oferecem uma abordagem promissora para atender às diversas necessidades dos alunos e promover a aprendizagem autodirigida. Embora os modelos de linguagem de grande escala possuam um bom conhecimento básico de engenharia elétrica, eles ainda são insuficientemente capazes de responder a perguntas específicas sobre circuitos elétricos. Neste artigo, apresentamos o AITEE, um sistema de tutoria baseado em agentes para engenharia elétrica projetado para acompanhar os alunos ao longo de seu processo de aprendizagem, oferecer suporte individualizado e promover a aprendizagem autodirigida. O AITEE suporta tanto circuitos desenhados à mão quanto digitais por meio de um processo de reconstrução de circuitos adaptado, permitindo uma interação natural com os alunos. Nossa nova medida de similaridade baseada em grafos identifica o contexto relevante dos materiais de aula por meio de uma abordagem de geração aumentada por recuperação, enquanto a simulação Spice paralela aumenta ainda mais a precisão na aplicação de metodologias de solução. O sistema implementa um diálogo socrático para fomentar a autonomia do aprendiz por meio de questionamentos guiados. Avaliações experimentais demonstram que o AITEE supera significativamente as abordagens de linha de base na aplicação de conhecimento específico do domínio, com até mesmo modelos de LLM de médio porte apresentando desempenho aceitável. Nossos resultados destacam o potencial de tutores agentivos para fornecer ambientes de aprendizagem escaláveis, personalizados e eficazes para a educação em engenharia elétrica.

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.