論文の概要: Towards Automated Accessibility Report Generation for Mobile Apps
- arxiv url: http://arxiv.org/abs/2310.00091v2
- Date: Mon, 16 Oct 2023 18:29:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-21 15:09:14.934367
- Title: Towards Automated Accessibility Report Generation for Mobile Apps
- Title（参考訳）: モバイルアプリのアクセシビリティレポート自動生成に向けて
- Authors: Amanda Swearngin, Jason Wu, Xiaoyi Zhang, Esteban Gomez, Jen
Coughenour, Rachel Stukenborg, Bhavya Garg, Greg Hughes, Adriana Hilliard,
Jeffrey P. Bigham, Jeffrey Nichols
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 14.908672785900832
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many apps have basic accessibility issues, like missing labels or low
contrast. Automated tools can help app developers catch basic issues, but can
be laborious or require writing dedicated tests. We propose a system, motivated
by a collaborative process with accessibility stakeholders at a large
technology company, to generate whole app accessibility reports by combining
varied data collection methods (e.g., app crawling, manual recording) with an
existing accessibility scanner. Many such scanners are based on single-screen
scanning, and a key problem in whole app accessibility reporting is to
effectively de-duplicate and summarize issues collected across an app. To this
end, we developed a screen grouping model with 96.9% accuracy (88.8% F1-score)
and UI element matching heuristics with 97% accuracy (98.2% F1-score). We
combine these technologies in a system to report and summarize unique issues
across an app, and enable a unique pixel-based ignore feature to help engineers
and testers better manage reported issues across their app's lifetime. We
conducted a qualitative evaluation with 18 accessibility-focused engineers and
testers which showed this system can enhance their existing accessibility
testing toolkit and address key limitations in current accessibility scanning
tools.
- Abstract（参考訳）: 多くのアプリは、ラベルの欠如やコントラストの低下など、基本的なアクセシビリティの問題を抱えている。
自動ツールは、アプリ開発者が基本的な問題を見つけるのに役立つが、面倒なことや専用のテストを書く必要がある。
本研究では,大規模技術企業におけるアクセシビリティステークホルダーとの協調的なプロセスにより,さまざまなデータ収集手法(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ことで,アプリケーションアクセシビリティレポート全体を生成するシステムを提案する。
このようなスキャナの多くはシングルスクリーンスキャンに基づいており、アプリアクセシビリティレポートの大きな問題は、アプリ全体で収集された問題を効果的に分離し、まとめることである。
そこで我々は96.9%の精度(88.8%のF1スコア)と97%の精度(98.2%のF1スコア)のUI要素マッチングヒューリスティックスを備えたスクリーングループモデルを開発した。
これらのテクノロジをシステムに組み合わせて、アプリ全体でユニークな問題を報告し、要約し、ユニークなピクセルベースの無視機能を有効にすることで、エンジニアやテスタがアプリの生涯にわたって報告された問題をよりよく管理できるようにします。
18名のアクセシビリティにフォーカスしたエンジニアとテスタによる質的評価を行い,既存のアクセシビリティテストツールキットを強化し,現在のアクセシビリティスキャニングツールの重要な制限に対処できることを示した。
関連論文リスト
- SPA-Bench: A Comprehensive Benchmark for SmartPhone Agent Evaluation [89.24729958546168]
We present SPA-Bench, a comprehensive SmartPhone Agent Benchmark designed to evaluate (M)LLM-based agent。
SPA-Benchは3つの重要なコントリビューションを提供している。 英語と中国語の両方で、システムとサードパーティアプリをカバーする多様なタスクセットで、日々のルーチンで一般的に使用される機能に焦点を当てている。
複数の次元にまたがってエージェントのパフォーマンスを自動的に評価する新しい評価パイプラインは、タスク完了とリソース消費に関連する7つの指標を含んでいる。
論文 参考訳（メタデータ） (2024-10-19T17:28:48Z) - Learning Visuotactile Skills with Two Multifingered Hands [80.99370364907278]
マルチフィンガーハンドとバイソタクティブルデータを用いたバイマニアルシステムを用いて,人間の実演からの学習を探索する。
以上の結果から,バイスオタクティブルデータからの両指多指操作における有望な進歩が示唆された。
論文 参考訳（メタデータ） (2024-04-25T17:59:41Z) - MotorEase: Automated Detection of Motor Impairment Accessibility Issues in Mobile App UIs [8.057618278428494]
MotorEaseは、モバイルアプリのUIにおけるアクセシビリティの問題を特定し、運動不足のユーザに影響を与える。
コンピュータビジョンとテキスト処理技術を適用して、アプリUI画面のセマンティック理解を可能にする。
違反を90%の精度で識別でき、偽陽性率は9%未満である。
論文 参考訳（メタデータ） (2024-03-20T15:53:07Z) - Fairness Concerns in App Reviews: A Study on AI-based Mobile Apps [9.948068408730654]
本研究は,モバイルアプリレビューにおける公平性の懸念を調査することを目的としている。
我々の研究は、AIベースのモバイルアプリレビューに焦点を当てており、AIベースのアプリの不公平な振る舞いや結果が非AIベースのアプリよりも高い可能性がある。
論文 参考訳（メタデータ） (2024-01-16T03:43:33Z) - Testing the Limits: Unusual Text Inputs Generation for Mobile App Crash
Detection with Large Language Model [23.460051600514806]
本稿では,モバイルアプリのクラッシュ検出のための異常なテキスト入力を自動的に生成するInputBlasterを提案する。
異常な入力生成問題をテストジェネレータのセットを生成するタスクとして定式化し、それぞれが異常なテキスト入力のバッチを生成する。
36のテキスト入力ウィジェットで評価され、31の人気のあるAndroidアプリを含むキャッシュバグがあり、その結果、バグ検出率は78%で、最高のベースラインよりも136%高い。
論文 参考訳（メタデータ） (2023-10-24T09:10:51Z) - Vision-Based Mobile App GUI Testing: A Survey [29.042723121518765]
ビジョンベースのモバイルアプリ GUI テストアプローチは、コンピュータビジョン技術の開発とともに現れた。
本稿では,271論文における最新技術に関する包括的調査を行い,92論文は視覚に基づく研究である。
論文 参考訳（メタデータ） (2023-10-20T14:04:04Z) - RH20T: A Comprehensive Robotic Dataset for Learning Diverse Skills in
One-Shot [56.130215236125224]
オープンドメインでのロボット操作における重要な課題は、ロボットの多様性と一般化可能なスキルの獲得方法である。
単発模倣学習の最近の研究は、訓練されたポリシーを実証に基づく新しいタスクに移行する可能性を示唆している。
本稿では,エージェントがマルチモーダルな知覚で数百の現実世界のスキルを一般化する可能性を解き放つことを目的とする。
論文 参考訳（メタデータ） (2023-07-02T15:33:31Z) - Integrating Accessibility in a Mobile App Development Course [0.0]
このコースでは、アクセシビリティ・アウェアネス(法律専門家によるゲスト講演)、技術知識(Androidアクセシビリティガイドラインとテストプラクティスに関する講義)、共感(学生がスクリーンリーダーを使って携帯電話を目隠しして操作する必要がある活動)という3つのアクセシビリティ関連トピックを紹介した。
すべての学生は、スクリーンショットから、現実世界のアプリのユーザーインターフェイスの少なくとも1つのアクセシビリティーの問題を正しく特定することができ、90%が修正のための正しい解決策を提供することができる。
論文 参考訳（メタデータ） (2022-10-12T12:44:33Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳（メタデータ） (2022-03-14T17:05:59Z) - 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) - Families In Wild Multimedia: A Multimodal Database for Recognizing
Kinship [63.27052967981546]
マルチタスク MM キンシップデータセットを初めて公開する。
FIW MMを構築するために,データを自動収集,注釈付け,作成する機構を開発した。
結果は、改善の異なる領域で将来の研究を刺激するエッジケースを強調します。
論文 参考訳（メタデータ） (2020-07-28T22:36:57Z)
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。