Fugu-MT 論文翻訳(概要): A Prototype VS Code Extension to Improve Web Accessible Development

論文の概要: A Prototype VS Code Extension to Improve Web Accessible Development

arxiv url: http://arxiv.org/abs/2503.09673v1
Date: Wed, 12 Mar 2025 17:33:34 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-14 15:54:23.055763
Title: A Prototype VS Code Extension to Improve Web Accessible Development
Title（参考訳）: Webアクセシブル開発を改善するプロトタイプVS Codeエクステンション
Authors: Elisa Calì, Tommaso Fulcini, Riccardo Coppola, Lorenzo Laudadio, Marco Torchiano,
Abstract要約: 本稿では、開発者がアクセシビリティの問題を特定し解決するのを支援するために、LLM(Large Language Model)への呼び出しを統合するVisual Studio Codeプラグインを紹介する。このプラグインは,エラーが正しく検出された場合に,アクセシビリティ問題に対する機能的修正を効果的に生成する。
参考スコア（独自算出の注目度）: 0.8039067099377079
License:
Abstract: Achieving web accessibility is essential to building inclusive digital experiences. However, accessibility issues are often identified only after a website has been fully developed, making them difficult to address. This paper introduces a Visual Studio Code plugin that integrates calls to a Large Language Model (LLM) to assist developers in identifying and resolving accessibility issues within the IDE, reducing accessibility defects that might otherwise reach the production environment. Our evaluation shows promising results: the plugin effectively generates functioning fixes for accessibility issues when the errors are correctly detected. However, detecting errors using a generic prompt-designed for broad applicability across various code structures-remains challenging and limited in accuracy.
Abstract（参考訳）: 包括的デジタルエクスペリエンスを構築するためには、Webアクセシビリティの獲得が不可欠である。しかし、アクセシビリティの問題はしばしば、Webサイトが完全に開発された後にのみ特定され、対処が困難になる。本稿では,Large Language Model (LLM) へのコールを統合した Visual Studio Code プラグインを紹介し,IDE のアクセシビリティ問題を特定し解決することを支援する。このプラグインは,エラーが正しく検出された場合に,アクセシビリティ問題に対する機能的修正を効果的に生成する。しかし、様々なコード構造にまたがる広範な適用性のために、汎用的なプロンプトでエラーを検出することは困難であり、精度は限られている。

関連論文リスト

CodeA11y: Making AI Coding Assistants Useful for Accessible Web Development [22.395216419337768]
アクセシビリティツールが特化しているにもかかわらず、初心者の開発者はそれを知らないことが多く、アクセシビリティ違反を含むWebページの96%に繋がる。 16人の開発者によるフォーマティブな調査では、AIがアクセシビリティーにAIを促さないこと、プレースホルダー属性を置き換えるといった重要な手動ステップを省略すること、コンプライアンスを検証できないこと、という3つの重要な課題が明らかになった。これらの問題に対処するため、GitHub Copilot ExtensionであるCodeA11yを開発した。
論文参考訳（メタデータ） (2025-02-15T19:11:21Z)
From Code to Compliance: Assessing ChatGPT's Utility in Designing an Accessible Webpage -- A Case Study [1.999925939110439]
本研究では、Webコンテンツアクセシビリティガイドライン(WCAG)に基づき、ChatGPTによるWebページの生成と改善能力を評価する。 ChatGPTは、インシデント時にアクセシビリティの問題に効果的に対処できるが、デフォルトのコードはコンプライアンスを欠いていることが多い。その結果,ChatGPTの性能は,簡潔さ,構造化されたフィードバックの提供,視覚支援の導入といった効果的なプロンプトエンジニアリングによって著しく向上することがわかった。
論文参考訳（メタデータ） (2025-01-07T06:51:46Z)
Closing the Gap: A User Study on the Real-world Usefulness of AI-powered Vulnerability Detection & Repair in the IDE [5.824774194964031]
プロのソフトウェア開発者が所有する実際のプロジェクトで、脆弱性検出と修正ツールを実装しています。 DeepVulGuardは脆弱性のコードをスキャンし、修正を提案し、警告と修正の自然言語説明を提供し、チャットインターフェースを活用する。最先端のAIによる検出と修正ツールは、将来性を示しているが、偽陽性や適用不可能な修正の頻度が高いため、現実世界での使用には実用的ではない。
論文参考訳（メタデータ） (2024-12-18T20:19:56Z)
Seeker: Towards Exception Safety Code Generation with Intermediate Language Agents Framework [58.36391985790157]
現実世界のソフトウェア開発では、不適切な例外処理がコードの堅牢性と信頼性に重大な影響を与えます。コードにおける例外処理を改善するために,大規模言語モデル (LLM) の利用について検討する。例外処理のエキスパート開発者戦略に触発されたマルチエージェントフレームワークであるSeekerを提案する。
論文参考訳（メタデータ） (2024-12-16T12:35:29Z)
LLMs as Continuous Learners: Improving the Reproduction of Defective Code in Software Issues [62.12404317786005]
EvoCoderは、イシューコード再現のための継続的学習フレームワークである。その結果,既存のSOTA法よりも20%改善した。
論文参考訳（メタデータ） (2024-11-21T08:49:23Z)
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)
Seeker: Enhancing Exception Handling in Code with LLM-based Multi-Agent Approach [54.03528377384397]
現実世界のソフトウェア開発では、不適切な例外処理がコードの堅牢性と信頼性に重大な影響を与えます。コードにおける例外処理を改善するために,大規模言語モデル (LLM) の利用について検討する。例外処理のエキスパート開発者戦略にインスパイアされたマルチエージェントフレームワークであるSeekerを提案する。
論文参考訳（メタデータ） (2024-10-09T14:45:45Z)
CoCoST: Automatic Complex Code Generation with Online Searching and Correctness Testing [51.00909683314142]
大規模言語モデルは、自然言語記述を実行可能なコードに変換することによって、コード生成能力に革命をもたらした。 CoCoSTフレームワークは、オンライン検索によって複雑なコード生成を強化する。 CoCoSTはDS-1000とClassEvalデータセットの厳密な実験によって検証される。
論文参考訳（メタデータ） (2024-03-20T13:33:55Z)
Prompting Large Language Models to Tackle the Full Software Development Lifecycle: A Case Study [72.24266814625685]
DevEvalでソフトウェア開発ライフサイクル全体にわたって、大きな言語モデル(LLM)のパフォーマンスを調査します。 DevEvalは4つのプログラミング言語、複数のドメイン、高品質なデータ収集、各タスクに対して慎重に設計および検証されたメトリクスを備えている。 GPT-4を含む現在のLLMは、DevEvalで提示される課題を解決できないことが実証研究によって示されている。
論文参考訳（メタデータ） (2024-03-13T15:13:44Z)
ACCESS: Prompt Engineering for Automated Web Accessibility Violation Corrections [0.0]
本稿では,基盤モデルを用いて文書オブジェクトモデル(DOM)をリアルタイムで修正することにより,Web上のアクセシビリティ違反を修正する新しいアプローチを提案する。新たなベンチマークであるACCESSの修正後のアクセシビリティ違反エラーを51%以上削減した。
論文参考訳（メタデータ） (2024-01-28T22:49:33Z)
A Design Guideline to Overcome Web Accessibility Issues Challenged by Visually Impaired Community in Sri Lanka [0.0]
視覚障害者コミュニティは、世界でウェブコンテンツへのアクセスを妨げているグループの一つだ。障害によって制限されたアクセス、設計の欠如によるユーザビリティの問題、視覚的に障害のあるアプリケーションの可用性の欠如、コミュニケーションの欠如、Webナビゲーションの問題などが主な問題である。
論文参考訳（メタデータ） (2023-04-14T05:12:13Z)

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。