論文の概要: Large Language Models for Web Accessibility: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2605.13873v1
- Date: Wed, 06 May 2026 01:40:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-16 03:05:58.799312
- Title: Large Language Models for Web Accessibility: A Systematic Literature Review
- Title（参考訳）: Webアクセシビリティのための大規模言語モデル: 体系的な文献レビュー
- Abstract要約: 大規模言語モデル(LLM)は、アクセシビリティ関連のタスクをWeb上でサポートするために、ますます研究されている。
本稿では,ウェブアクセシビリティの文脈におけるLLMの利用を調査する38のピアレビュー研究について,体系的な文献レビューを行う。
- 参考スコア（独自算出の注目度）: 5.170807667319543
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Web accessibility aims to ensure that web content and services are usable by people with diverse abilities. In recent years, Large Language Models (LLMs) have been increasingly explored to support accessibility-related tasks on the web, such as content generation, issue detection, and remediation. However, little is known about the characteristics of these approaches, the accessibility issues they target, the standards they follow, and how they are evaluated. In this paper, we present a systematic literature review of 38 peer-reviewed studies that investigate the use of LLMs in web accessibility contexts. We begin by performing a comprehensive search of scientific publications to identify relevant studies. We then conduct a comparative analysis to examine the accessibility tasks addressed, the LLM models and prompting strategies employed, the system architectures adopted, the accessibility issues and guidelines considered, and the evaluation methods used across studies. Our findings show that most studies apply LLMs to text-centric and structurally explicit accessibility tasks, with WCAG serving as the primary reference framework and limited consideration of cognitive accessibility guidelines (COGA). The reviewed approaches predominantly rely on general-purpose LLMs and prompt-based interactions, while evaluation practices vary widely and often lack direct involvement of users with disabilities. We envision this review as a consolidated reference for researchers and practitioners seeking to understand the current landscape of LLM-supported web accessibility, and as a foundation to guide future research and tool development in this area.
- Abstract（参考訳）: Webアクセシビリティは、多様な能力を持つ人々がWebコンテンツやサービスを使えるようにすることを目的としています。
近年,コンテンツ生成や問題検出,修復などのアクセシビリティ関連タスクをサポートするために,LLM(Large Language Models)が研究されている。
しかし、これらのアプローチの特徴、それらが対象とするアクセシビリティの問題、それに続く標準、どのように評価されるかについては、ほとんど分かっていない。
本稿では,ウェブアクセシビリティの文脈における LLM の利用を調査する38のピアレビュー研究について,体系的な文献レビューを行う。
まず,学術論文を総合的に検索し,関連する研究を同定することから始める。
次に、対処されたアクセシビリティタスク、LLMモデルと導入戦略、採用されたシステムアーキテクチャ、検討されたアクセシビリティ問題とガイドライン、および研究全体で使用される評価方法について比較分析を行った。
その結果,ほとんどの研究がテキスト中心で構造的に明示的なアクセシビリティタスクにLLMを適用しており,WCAGが主要な参照フレームワークとして機能し,認知アクセシビリティガイドライン(COGA)を限定的に考慮していることがわかった。
レビューされたアプローチは、主に汎用LLMとプロンプトベースのインタラクションに依存し、評価プラクティスは広く異なり、障害を持つユーザの直接的な関与が欠如していることが多い。
我々は、このレビューを、LLMが支援するWebアクセシビリティの現在の状況を理解したい研究者や実践者のための統合的なリファレンスとして、また、この分野における今後の研究・ツール開発をガイドする基盤として考えています。
関連論文リスト
- Before and After ChatGPT: Revisiting AI-Based Dialogue Systems for Emotional Support [8.364657957347623]
メンタルヘルスは依然として主要な公衆衛生上の問題であり、タイムリーな心理的サポートへのアクセスは限られている。
大規模言語モデル(LLM)の最近の進歩は、この研究領域を大きく変えた。
本研究は、メンタルヘルスのためのAI駆動対話システムの技術的進化を概観する。
論文 参考訳（メタデータ） (2026-03-13T14:52:44Z) - WebDevJudge: Evaluating (M)LLMs as Critiques for Web Development Quality [62.43165871914528]
我々は、Web開発におけるLCM-as-a-judgeのパフォーマンスを評価するための体系的なベンチマークであるWebDevJudgeを紹介する。
WebDevJudgeは、構造化およびクエリグラウンドのルーリックで注釈付けされた、ペア化されたWeb実装よりも人間の好みラベルで構成されている。
詳細な分析によると、このギャップは、機能的同値性認識の失敗、タスク実現可能性の検証、バイアス軽減など、基本的なモデル上の制限に由来する。
論文 参考訳（メタデータ） (2025-10-21T12:16:04Z) - LLM-Assisted Web Measurements [5.090162587197617]
本研究では,大規模言語モデル(LLM)を対象とするWeb計測研究の手段として利用することを検討した。
以上の結果から, LLMはWeb上のセキュリティとプライバシの傾向を分析するための実用的なツールとして機能することを示す。
論文 参考訳（メタデータ） (2025-10-09T11:38:38Z) - A Systematic Literature Review on Detecting Software Vulnerabilities with Large Language Models [2.518519330408713]
ソフトウェア工学における大規模言語モデル(LLM)は、ソフトウェア脆弱性検出への関心を喚起している。
この分野の急速な発展は、断片化された研究の風景を生み出した。
この断片化は、最先端技術の明確な概要を得るのを困難にし、研究を有意義に比較し分類する。
論文 参考訳（メタデータ） (2025-07-30T13:17:16Z) - Inverse Reinforcement Learning Meets Large Language Model Post-Training: Basics, Advances, and Opportunities [62.05713042908654]
本稿では,逆強化学習(IRL)のレンズによる大規模言語モデル(LLM)のアライメントの進歩について概観する。
我々は、人間のデータからニューラル報酬モデルを構築する必要性を強調し、このパラダイムシフトの形式的および実践的意味について議論する。
論文 参考訳（メタデータ） (2025-07-17T14:22:24Z) - Disambiguation in Conversational Question Answering in the Era of LLMs and Agents: A Survey [54.90240495777929]
自然言語処理(NLP)におけるあいまいさは依然として根本的な課題である
LLM(Large Language Models)の出現により、あいまいさに対処することがさらに重要になった。
本稿では,言語駆動システムにおけるあいまいさの定義,形態,含意について考察する。
論文 参考訳（メタデータ） (2025-05-18T20:53:41Z) - How do Large Language Models Understand Relevance? A Mechanistic Interpretability Perspective [64.00022624183781]
大規模言語モデル(LLM)は、関連性を評価し、情報検索(IR)タスクをサポートする。
メカニスティック・インタプリタビリティのレンズを用いて,異なるLLMモジュールが関係判断にどのように寄与するかを検討する。
論文 参考訳（メタデータ） (2025-04-10T16:14:55Z) - A Comprehensive Survey of Machine Unlearning Techniques for Large Language Models [35.893819613585315]
本研究では,大規模言語モデル(LLM)の文脈における機械学習手法について検討する。
LLMのアンラーニングは、LLMから望ましくないデータの影響を取り除くための原則的なアプローチを提供する。
研究の関心が高まりつつあるにもかかわらず、既存の研究を体系的に整理し、重要な洞察を蒸留する総合的な調査は行われていない。
論文 参考訳（メタデータ） (2025-02-22T12:46:14Z) - Adapter-based Approaches to Knowledge-enhanced Language Models -- A Survey [48.52320309766703]
知識強化言語モデル(KELM)は、大規模言語モデルとドメイン固有の知識のギャップを埋めるための有望なツールとして登場した。
KELMsは知識グラフ(KGs)を利用することで、より現実的な精度と幻覚を達成することができる
論文 参考訳（メタデータ） (2024-11-25T14:10:24Z) - Surveying the MLLM Landscape: A Meta-Review of Current Surveys [17.372501468675303]
MLLM(Multimodal Large Language Models)は、人工知能分野における変革の原動力となっている。
本研究の目的は,MLLMのベンチマークテストと評価方法の体系的レビューを提供することである。
論文 参考訳（メタデータ） (2024-09-17T14:35:38Z) - Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。
各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。
我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
論文 参考訳（メタデータ） (2023-12-29T14:25:22Z) - Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳（メタデータ） (2023-09-02T00:32:55Z) - Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。
また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
論文 参考訳（メタデータ） (2023-08-21T15:35:16Z)
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。