Earticle

현재 위치 Home

Environmental Information Technology (EIT)

Prompt Design and Feature Comparison in AI Coding Assistants

첫 페이지 보기
  • 발행기관
    국제인공지능학회(구 한국인터넷방송통신학회) 바로가기
  • 간행물
    The International Journal of Advanced Smart Convergence 바로가기
  • 통권
    Volume 14 Number 4 (2025.12)바로가기
  • 페이지
    pp.616-627
  • 저자
    Yo-Seob Lee
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A481229

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
Large language models have catalyzed significant changes in software development through AI-powered coding assistants. This study examines prompt design strategies and features of three widely-used tools: GitHub Copilot, ChatGPT, and Amazon CodeWhisperer. Through systematic benchmarking using algorithmic problems, API integration tasks, and debugging scenarios, we quantify performance differences across accuracy (71-92%), executability (71-94%), and security vulnerability rates (3-12%). GitHub Copilot demonstrates strongest algorithmic performance (92%), while CodeWhisperer excels in API integration (88%) with lowest security vulnerability rate (3%). We provide evidence-based tool selection guidelines and a practical prompt engineering checklist for developers and educators.

목차

Abstract
1. Introduction
1.1 Overview of AI-assisted programming and its growing role
1.2 Importance of prompt engineering
1.3 Research objectives and methodology
2. Functional Overview of AI Coding Tools
2.1 GitHub Copilot
2.2 OpenAI ChatGPT
2.3 Amazon CodeWhisperer
3. Comparative Analysis of Prompt Efficiency
3.1 Benchmark Methodology and Experimental Design
3.2 Quantitative Performance Results
3.3 Detailed Scenario Analysis
3.4 Prompt Structure Impact Analysis
3.5 Language and Framework Adaptability
4. Discussion and Practical Implications
4.1 Language and Framework Adaptability
4.2 System-Level Context and Integration Patterns
4.3 Effective Prompt Patterns
4.4 Implications for Development Practice
4.5 Educational Considerations
5. Conclusion and Recommendations
5.1 Summary
5.2 Evidence-Based Tool Selection Guidelines
5.3 Prompt Engineering Checklist
5.4 Study Significance
Acknowledgments
References

키워드

AI coding assistants prompt engineering code generation prompt design contextual code completion

저자

  • Yo-Seob Lee [ Professor, Dept. of Smart Contents, Pyeongtaek University ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제인공지능학회(구 한국인터넷방송통신학회) [The International Association for Artificial Intelligence]
  • 설립연도
    2000
  • 분야
    공학>전자/정보통신공학
  • 소개
    인터넷방송, 인터넷 TV , 방송 통신 네트워크 및 관련 분야에 대한 국내는 물론 국제적인 학술, 기술의 진흥발전에 공헌하고 지식 정보화 사회에 기여하고자 한다.

간행물

  • 간행물명
    The International Journal of Advanced Smart Convergence
  • 간기
    계간
  • pISSN
    2288-2847
  • eISSN
    2288-2855
  • 수록기간
    2012~2025
  • 십진분류
    KDC 326 DDC 380

이 권호 내 다른 논문 / The International Journal of Advanced Smart Convergence Volume 14 Number 4

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.