AITEE — Агентный тьютор по электротехнике

AITEE -- Agentic Tutor for Electrical Engineering

May 27, 2025

Авторы: Christopher Knievel, Alexander Bernhardt, Christian Bernhardt

cs.AI

Аннотация

Интеллектуальные системы обучения в сочетании с крупными языковыми моделями предлагают перспективный подход для удовлетворения разнообразных потребностей студентов и содействия самоэффективному обучению. Хотя крупные языковые модели обладают хорошими базовыми знаниями в области основ электротехники, они остаются недостаточно способными для решения конкретных вопросов, связанных с электрическими цепями. В данной статье мы представляем AITEE, агентно-ориентированную систему обучения для электротехники, разработанную для сопровождения студентов на протяжении всего процесса обучения, предоставления индивидуальной поддержки и содействия самостоятельному обучению. AITEE поддерживает как рукописные, так и цифровые схемы благодаря адаптированному процессу реконструкции цепей, что обеспечивает естественное взаимодействие со студентами. Наша новая графовая мера сходства выявляет релевантный контекст из материалов лекций с использованием подхода генерации с усилением поиска, а параллельное моделирование в Spice дополнительно повышает точность применения методик решения. Система реализует сократический диалог для развития автономии обучающихся через направленные вопросы. Экспериментальные оценки показывают, что AITEE значительно превосходит базовые подходы в применении предметных знаний, при этом даже модели языковых моделей среднего размера демонстрируют приемлемую производительность. Наши результаты подчеркивают потенциал агентных тьюторов для создания масштабируемых, персонализированных и эффективных образовательных сред в области электротехники.

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.