Fugu-MT 論文翻訳(概要): Automated and Context-Aware Repair of Color-Related Accessibility Issues for Android Apps

論文の概要: Automated and Context-Aware Repair of Color-Related Accessibility Issues for Android Apps

arxiv url: http://arxiv.org/abs/2308.09029v1
Date: Thu, 17 Aug 2023 15:03:11 GMT
ステータス: 処理完了
システム内更新日: 2023-10-23 13:51:16.131218
Title: Automated and Context-Aware Repair of Color-Related Accessibility Issues for Android Apps
Title（参考訳）: Androidアプリのカラー関連アクセシビリティ問題の自動修正とコンテキスト認識
Authors: Yuxin Zhang, Sen Chen, Lingling Fan, Chunyang Chen, Xiaohong Li
Abstract要約: アプリケーションにおける色関連アクセシビリティ問題を修正するための,自動かつコンテキスト対応の修復手法であるIrisを提案する。新たなコンテキスト認識技術を活用することで、Irisは最適な色と属性対ペアのローカライゼーションの重要なフェーズを解決した。実験の結果,Irisは91.38%の補修成功率を高い効率と効率で達成できることがわかった。
参考スコア（独自算出の注目度）: 28.880881834251227
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Approximately 15% of the world's population is suffering from various disabilities or impairments. However, many mobile UX designers and developers disregard the significance of accessibility for those with disabilities when developing apps. A large number of studies and some effective tools for detecting accessibility issues have been conducted and proposed to mitigate such a severe problem. However, compared with detection, the repair work is obviously falling behind. Especially for the color-related accessibility issues, which is one of the top issues in apps with a greatly negative impact on vision and user experience. Apps with such issues are difficult to use for people with low vision and the elderly. Unfortunately, such an issue type cannot be directly fixed by existing repair techniques. To this end, we propose Iris, an automated and context-aware repair method to fix the color-related accessibility issues (i.e., the text contrast issues and the image contrast issues) for apps. By leveraging a novel context-aware technique that resolves the optimal colors and a vital phase of attribute-to-repair localization, Iris not only repairs the color contrast issues but also guarantees the consistency of the design style between the original UI page and repaired UI page. Our experiments unveiled that Iris can achieve a 91.38% repair success rate with high effectiveness and efficiency. The usefulness of Iris has also been evaluated by a user study with a high satisfaction rate as well as developers' positive feedback. 9 of 40 submitted pull requests on GitHub repositories have been accepted and merged into the projects by app developers, and another 4 developers are actively discussing with us for further repair. Iris is publicly available to facilitate this new research direction.
Abstract（参考訳）: 世界の人口の約15%が様々な障害や障害に悩まされている。しかし、多くのモバイルUXデザイナや開発者は、アプリを開発する際に障害のある人々にとってアクセシビリティの重要性を軽視している。アクセシビリティ問題を検出するための多くの研究と効果的なツールが実施され、そのような深刻な問題を緩和するために提案されている。しかし、検出と比較すると、修理作業は明らかに遅れている。特にカラー関連アクセシビリティの問題は、視覚やユーザエクスペリエンスに非常に悪い影響を与える、アプリにおける最大の問題のひとつです。このような問題のあるアプリは、視力の低い人や高齢者には使えません。残念ながら、このような問題は既存の修理技術では直接修正できない。そこで本研究では,アプリケーションにおける色関連アクセシビリティ問題(テキストコントラスト問題と画像コントラスト問題)を修正するための,自動かつコンテキスト対応の修復手法であるIrisを提案する。最適な色と属性間ローカライズの重要なフェーズを解決する新しいコンテキスト認識技術を活用することで、irisはカラーコントラストの問題を修復するだけでなく、元のuiページと修正されたuiページの間のデザインスタイルとの一貫性を保証する。実験の結果,イリスは91.38%の修理成功率を高い効率で達成できることがわかった。 irisの有用性は、満足度の高いユーザ調査や、開発者のポジティブなフィードバックによっても評価されている。 githubリポジトリに提出されたプルリクエスト40件のうち9件が受理され、アプリ開発者がプロジェクトにマージされました。 Irisはこの新たな研究の方向性を促進するために公開されている。

関連論文リスト

Does GenAI Make Usability Testing Obsolete? [7.863638253070439]
本稿では,iOSアプリのユーザビリティ問題を予測するLarge Vision-Language Modelを利用した新しいツールUX-LLMを提案する。 UX-LLMの性能を評価するために,中程度の複雑さを持つ2つのオープンソースアプリケーションのユーザビリティ問題を予測し,ユーザビリティの専門家に予測の評価を依頼した。
論文参考訳（メタデータ） (2024-11-01T14:45:34Z)
Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
論文参考訳（メタデータ） (2024-10-29T12:21:23Z)
Automated Code Fix Suggestions for Accessibility Issues in Mobile Apps [6.015259590468495]
FixAllyは、自動アクセシビリティスキャナーによって検出されたアクセシビリティ問題に対するソースコード修正を提案するために設計された自動化ツールである。我々の実証研究は、アクセシビリティスキャナーが発見した問題を解決する修正を提案するFixAllyの能力を実証している。
論文参考訳（メタデータ） (2024-08-07T15:06:07Z)
Responsible Visual Editing [53.45295657891099]
画像内の特定の概念を修正し、変更を最小化しながら、より責任を負うようにする。有害な画像が研究に与える影響を緩和するため、人間の代わりにテディベアを用いて有害な情報を表現した透明でパブリックなデータセットAltBearを作成しました。 AltBearデータセットは、実画像に見られる有害な内容とよく一致し、一貫した実験的な評価を提供する。
論文参考訳（メタデータ） (2024-04-08T14:56:26Z)
Towards Automated Accessibility Report Generation for Mobile Apps [14.908672785900832]
アプリケーションアクセシビリティーレポート全体を生成するシステムを提案する。様々なデータ収集方法(アプリクローリング、手動記録など)と既存のアクセシビリティスキャナを組み合わせる。
論文参考訳（メタデータ） (2023-09-29T19:05:11Z)
Rethinking People Analytics With Inverse Transparency by Design [57.67333075002697]
我々は、デザインによる逆透過性(inverse transparency)と呼ぶ、労働分析のための新しい設計手法を提案する。アーキテクチャの変更はコア機能を阻害することなく行われます。我々は、デザインによる逆透明性は、受け入れられ、責任ある人々の分析を実現するための有望なアプローチである、と結論付けている。
論文参考訳（メタデータ） (2023-05-16T21:37:35Z)
Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
論文参考訳（メタデータ） (2022-11-16T10:00:23Z)
Usability and Aesthetics: Better Together for Automated Repair of Web Pages [2.867517731896504]
本稿ではメタヒューリスティックアルゴリズムに基づくWebページの自動修復手法を提案する。評価対象者の94%でモバイルフレンドリーな問題を解決することができる。
論文参考訳（メタデータ） (2022-01-01T05:13:43Z)
Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
論文参考訳（メタデータ） (2020-08-23T06:34:05Z)
Unblind Your Apps: Predicting Natural-Language Labels for Mobile GUI Components by Deep Learning [21.56849865328527]
10,408のAndroidアプリの分析によると、77%以上のアプリがラベルを欠落している。画像ベースボタンのラベルを自動的に予測するディープラーニングベースモデルであるLabelDroidを開発した。実験の結果,我々のモデルでは正確な予測が可能であり,生成したラベルは実際のAndroid開発者よりも高品質であることがわかった。
論文参考訳（メタデータ） (2020-03-01T02:31:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。