論文の概要: Toward Inclusive Low-Code Development: Detecting Accessibility Issues in User Reviews

• arxiv url: http://arxiv.org/abs/2504.19085v1
• Date: Sun, 27 Apr 2025 02:54:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.12556
• Title: Toward Inclusive Low-Code Development: Detecting Accessibility Issues in User Reviews
• Title（参考訳）: 包括的低コード開発に向けて:ユーザレビューにおけるアクセシビリティ問題の検出
• Authors: Mohammadali Mohammadkhani, Sara Zahedi Movahed, Hourieh Khalajzadeh, Mojtaba Shahin, Khuong Tran Hoang,
• Abstract要約: ローコードアプリケーションは、カラーブラインドやロービジョンのような視覚障害のあるユーザーを意図せずに排除することができる。 我々は、アクセシビリティ関連レビューと非アクセシビリティ関連レビューからなる、ローコードアプリケーションレビューの包括的なデータセットを構築した。 提案したハイブリッドモデルは,アクセシビリティ関連問題の検出において精度とF1スコアを78%向上させる。
• 参考スコア（独自算出の注目度）: 4.116734692256577
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Low-code applications are gaining popularity across various fields, enabling non-developers to participate in the software development process. However, due to the strong reliance on graphical user interfaces, they may unintentionally exclude users with visual impairments, such as color blindness and low vision. This paper investigates the accessibility issues users report when using low-code applications. We construct a comprehensive dataset of low-code application reviews, consisting of accessibility-related reviews and non-accessibility-related reviews. We then design and implement a complex model to identify whether a review contains an accessibility-related issue, combining two state-of-the-art Transformers-based models and a traditional keyword-based system. Our proposed hybrid model achieves an accuracy and F1-score of 78% in detecting accessibility-related issues.
• Abstract（参考訳）: ローコードアプリケーションは様々な分野で人気を集めており、非開発者でもソフトウェア開発プロセスに参加できるようになっている。 しかし、グラフィカルなユーザインタフェースに強く依存しているため、色覚障害や低視力といった視覚障害のあるユーザを意図せずに排除することができる。 本稿では,ローコードアプリケーションを用いた場合のアクセシビリティ問題について検討する。 我々は、アクセシビリティ関連レビューと非アクセシビリティ関連レビューからなる、ローコードアプリケーションレビューの包括的なデータセットを構築した。 次に、レビューにアクセシビリティ関連の問題があるかどうかを判断する複雑なモデルの設計と実装を行い、2つの最先端トランスフォーマーベースのモデルと従来のキーワードベースのシステムを組み合わせる。 提案したハイブリッドモデルは,アクセシビリティ関連問題の検出において精度とF1スコアを78%向上させる。

関連論文リスト

• Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [60.881609323604685]
  ブラックボックスAPIを通じてアクセスされるLarge Language Models (LLM)は、信頼の課題をもたらす。 ユーザーは、宣伝されたモデル機能に基づいたサービスの料金を支払う。 プロバイダは、運用コストを削減するために、特定のモデルを安価で低品質の代替品に隠蔽的に置き換えることができる。 この透明性の欠如は、公正性を損なうとともに、信頼を損なうとともに、信頼性の高いベンチマークを複雑にする。
  論文  参考訳（メタデータ） (2025-04-07T03:57:41Z)
• Human or LLM? A Comparative Study on Accessible Code Generation Capability [8.97029281376629]
  GPT-4o と Qwen2.5-Coder-32B-Instruct-AWQ による Web コードのアクセシビリティの比較を行った。 結果から、LCMは色コントラストや代替テキストといった基本的な機能に対して、よりアクセスしやすいコードを生成することが多いことが分かる。 フィードバック駆動型ReActベースのアプローチであるFeedA11yを導入する。
  論文  参考訳（メタデータ） (2025-03-20T06:14:26Z)
• A Prototype VS Code Extension to Improve Web Accessible Development [0.8039067099377079]
  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。
  論文  参考訳（メタデータ） (2025-03-12T17:33:34Z)
• Are your apps accessible? A GCN-based accessibility checker for low vision users [22.747735521796077]
  本稿では,グラフィカルユーザインタフェースをグラフとして表現し,グラフ畳み込みニューラルネットワーク(GCN)を用いて,アクセス不能なコンポーネントのラベル付けを行う,ALVINという新しいアプローチを提案する。 48アプリの実験では、ALVINの精度は83.5%、リコールは78.9%、F1スコアは81.2%で、ベースライン法よりも優れていた。
  論文  参考訳（メタデータ） (2025-02-20T06:04:06Z)
• From Bugs to Benefits: Improving User Stories by Leveraging Crowd Knowledge with CrUISE-AC [0.0]
  我々は,CrUISE-ACを,問題を調査し,与えられたユーザストーリーに対する非自明な追加受け入れ基準を生成する完全自動化手法として提示する。 評価の結果,生成した受け入れ基準の80～82%がユーザストーリーに関連性のある要件を付加していることがわかった。
  論文  参考訳（メタデータ） (2025-01-25T11:44:24Z)
• A Contrastive Framework with User, Item and Review Alignment for Recommendation [25.76462243743591]
  レビュー中心のレコメンデーションのためのコントラストアライメントフレームワーク(ReCAFR)を紹介する。 ReCAFRは、レビューをコア学習プロセスに組み込んで、ユーザ、アイテム、レビュー表現の整合性を確保する。 具体的には、レビューベースの拡張を利用した2つの自己監督型コントラスト戦略を活用して、スパシティを緩和する。
  論文  参考訳（メタデータ） (2025-01-21T08:21:45Z)
• On the Fairness, Diversity and Reliability of Text-to-Image Generative Models [49.60774626839712]
  マルチモーダル生成モデルは 彼らの公正さ、信頼性、そして誤用の可能性について 批判的な議論を呼んだ 組込み空間における摂動に対する応答を通じてモデルの信頼性を評価するための評価フレームワークを提案する。 本手法は, 信頼できない, バイアス注入されたモデルを検出し, バイアス前駆体の検索を行うための基礎となる。
  論文  参考訳（メタデータ） (2024-11-21T09:46:55Z)
• Sketch2Code: Evaluating Vision-Language Models for Interactive Web Design Prototyping [55.98643055756135]
  初歩的なスケッチのWebページプロトタイプへの変換を自動化する上で,最先端のビジョン言語モデル(VLM)を評価するベンチマークであるSketch2Codeを紹介した。 我々は、既存のVLMではSketch2Codeが困難であることを示す10の商用およびオープンソースモデルを分析した。 UI/UXの専門家によるユーザ調査では、受動的フィードバックの受信よりも、積極的に質問を行うのがかなり好まれている。
  論文  参考訳（メタデータ） (2024-10-21T17:39:49Z)
• Retrieval Augmentation via User Interest Clustering [57.63883506013693]
  インダストリアルレコメンデータシステムは、ユーザ・イテム・エンゲージメントのパターンに敏感である。 本稿では,ユーザの関心を効率的に構築し,計算コストの低減を図る新しい手法を提案する。 当社のアプローチはMetaの複数の製品に展開されており、ショートフォームビデオ関連の推奨を助長しています。
  論文  参考訳（メタデータ） (2024-08-07T16:35:10Z)
• UltraEval: A Lightweight Platform for Flexible and Comprehensive Evaluation for LLMs [74.1976921342982]
  本稿では,ユーザフレンドリな評価フレームワークであるUltraEvalを紹介し,その軽量性,包括性,モジュール性,効率性を特徴とする。 その結果のコンポーザビリティにより、統一された評価ワークフロー内で、さまざまなモデル、タスク、プロンプト、ベンチマーク、メトリクスを自由に組み合わせることができる。
  論文  参考訳（メタデータ） (2024-04-11T09:17:12Z)
• The Stereotyping Problem in Collaboratively Filtered Recommender Systems [77.56225819389773]
  行列分解に基づく協調フィルタリングアルゴリズムは,ある種のステレオタイピングを誘導することを示す。 一般のユーザ層では、テキストセットの好みが反相関性がある場合、これらの項目は、ユーザーには推奨されない。 本稿では,各ユーザの多様な利害関係を捉えるために,代替的なモデリング修正を提案する。
  論文  参考訳（メタデータ） (2021-06-23T18:37:47Z)

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。