論文の概要: Characterizing Visual Accessibility Issues in AI Developer Tools: An Empirical Study
- arxiv url: http://arxiv.org/abs/2608.05116v1
- Date: Wed, 05 Aug 2026 17:46:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:44.0667
- Title: Characterizing Visual Accessibility Issues in AI Developer Tools: An Empirical Study
- Title（参考訳）: AI開発ツールにおける視覚的アクセシビリティの問題の特徴:実証的研究
- Authors: Sabrina Haque, Christoph Csallner,
- Abstract要約: 私たちは5つのAI開発者ツールエコシステムの課題とフォーラムの議論を分析します。
スクリーンリーダーとアシストテクノロジーの障壁;視覚的なプレゼンテーション、コントラスト、差別化の問題;AI固有のインターフェイスの可読性、スケーリング、制御の制限。
調査によると、AI開発ツールのアクセシビリティ記録は、インタラクション設計と、周囲のエコシステムのレポートとメンテナンスのプラクティスの両方によって形成されている。
- 参考スコア（独自算出の注目度）: 1.3535770763481905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI-assisted developer tools increasingly mediate programming through chat panels, terminal agents, generated diffs, and streaming status output. These interaction surfaces may create visual accessibility barriers for blind, low-vision, and color-vision-deficient developers, yet little is known about how such barriers are reported in public tool ecosystems. We analyze issues and forum discussions from five AI developer tool ecosystems: GitHub Copilot in VS Code, Cursor, Claude Code, OpenAI Codex, and OpenCode. From 2,652 keyword-retrieved candidates, a three-model ensemble identified 600 unanimously positive visual accessibility reports. A stratified manual sanity check supported this conservative selection. Topic modeling and qualitative analysis identified three recurring categories: screen-reader and assistive-technology barriers; visual presentation, contrast, and differentiation problems; and readability, scaling, and control limitations in AI-specific interfaces. The relative prominence of these concerns varied across ecosystems and reflected differences in editor, terminal, chat, diff, and agent interaction surfaces. An exploratory metadata analysis further identified differences in reporter activity and, across the GitHub-based ecosystems, maintainer participation and closure processes. These findings show that the accessibility record of AI developer tools is shaped by both their interaction design and the reporting and maintenance practices of their surrounding ecosystems.
- Abstract（参考訳）: AI支援の開発者ツールは、チャットパネル、端末エージェント、生成された差分、ストリーミングステータス出力を通じてプログラミングを仲介する。
これらのインタラクションサーフェスは、視覚的アクセシビリティバリアを視覚的に生成する可能性がある。
私たちは、VS CodeのGitHub Copilot、Cursor、Claude Code、OpenAI Codex、OpenCodeの5つのAI開発者ツールエコシステムの問題とフォーラムディスカッションを分析します。
2,652のキーワード検索候補から3モデルアンサンブルが600の全体的肯定的な視覚的アクセシビリティレポートを同定した。
階層化された手動衛生検査はこの保守的な選択を支持した。
トピックモデリングと定性分析は、画面リーダーと補助技術障壁、視覚的表現、コントラスト、微分問題、AI固有のインターフェイスの可読性、スケーリング、制御制限の3つの繰り返しカテゴリを特定した。
これらの関心事の相対的優位性は生態系によって異なり、編集者、端末、チャット、ディフ、エージェントの相互作用面の相違が反映されている。
探索的なメタデータ分析により、レポーターの活動と、GitHubベースのエコシステム全体において、メンテナの参加とクロージャプロセスの相違が明らかになった。
これらの結果は、AI開発ツールのアクセシビリティ記録が、そのインタラクション設計と、周囲のエコシステムのレポートとメンテナンスのプラクティスの両方によって形成されていることを示している。
関連論文リスト
- FLARE-AI: Flaw Reporting for AI [51.64618567247884]
デプロイされたAIシステムの欠陥報告は、システムの障害を特定し、AIの安全性を改善するために不可欠である。
しかし、AIレポートのエコシステムは断片化されている。欠陥を特定する研究者は、報告すべきことを知らないことが多く、レポートを受け取るグループは、他の関連するステークホルダーと共有することはめったにない。
私たちは、AI開発者、サイバーセキュリティグループ、AI欠陥アグリゲータによって公表された12のレポートシステムを監査します。
我々は、既存のシステムとの相互運用性のために設計された、オープンソースのAI欠陥報告システムであるFLARE-AIを紹介する。
論文 参考訳（メタデータ） (2026-06-30T12:27:09Z) - A Comprehensive Perspective on Explainable AI across the Machine Learning Workflow [1.269939585263915]
Holistic Explainable Artificial Intelligence (HXAI)は、データ分析ワークフローのすべてのステージに説明を埋め込む、ユーザ中心のフレームワークである。
HXAIは6つのコンポーネント(データ、分析設定、学習プロセス、モデル出力、モデル品質、通信チャネル)を単一の分類体系に統合する。
112項目の質問銀行がこれらのニーズをカバーしています。
論文 参考訳（メタデータ） (2025-08-15T15:15:25Z) - An Empirical Study of Interaction Bugs in ROS-based Software [27.942783950657166]
本研究は,ロボットオペレーティング・システム(ROS)を用いたロボットシステムにおける相互作用バグ(iBugs)の実証的研究である。
識別されたiBugsは、システム内iBugs、ハードウェアiBugs、環境iBugsの3つの主要なタイプに分類される。
いくつかの発見は、iBugsの性質に光を当て、その予防と検出を改善するための方向性を示唆している。
論文 参考訳（メタデータ） (2025-07-14T12:56:24Z) - Vibe Coding vs. Agentic Coding: Fundamentals and Practical Implications of Agentic AI [0.36868085124383626]
レビューでは、AI支援ソフトウェア開発の新たなパラダイムとして、バイブコーディングとエージェントコーディングの2つを包括的に分析している。
Vibeのコーディングは、インプットベースで対話的なインタラクションを通じて、直感的で、ループ内の人間間インタラクションを強調する。
エージェントコーディングは、最小限の介入でタスクを計画、実行、テスト、反復できる目標駆動エージェントを通じて、自律的なソフトウェア開発を可能にする。
論文 参考訳（メタデータ） (2025-05-26T03:00:21Z) - Signals of Provenance: Practices & Challenges of Navigating Indicators in AI-Generated Media for Sighted and Blind Individuals [4.129013761788427]
自己開示指標によるAIGコンテンツとの相互作用を検討するため,視覚障害者とBLV参加者にインタビューを行った。
我々は、一貫性のない指標配置、不明確なメタデータ、認知的過負荷から生じるユーザビリティの課題を明らかにした。
論文 参考訳（メタデータ） (2025-05-21T22:16:59Z) - Inferring Questions from Programming Screenshots [1.934036432603761]
Stack Overflowのような開発者フォーラムへの生成AIの統合は、問題解決を強化する機会を提供する。
本研究では,このような視覚的入力の解釈における様々な大規模言語モデル (LLM) の有効性を評価する。
我々は、各モデルの応答性と精度を評価するために、コンテキスト内学習、チェーン・オブ・シークレット・プロンプト、少数ショット・ラーニングなど、素早いエンジニアリング技術を採用する。
論文 参考訳（メタデータ） (2025-04-26T12:58:17Z) - GUI Agents: A Survey [159.7656453000263]
グラフィカルユーザインタフェース(GUI)エージェントは、人間とコンピュータのインタラクションを自動化するためのトランスフォーメーションアプローチとして登場した。
GUIエージェントの関心の高まりと基本的な重要性により、ベンチマーク、評価指標、アーキテクチャ、トレーニングメソッドを分類する総合的な調査を提供する。
論文 参考訳（メタデータ） (2024-12-18T04:48:28Z) - Aguvis: Unified Pure Vision Agents for Autonomous GUI Interaction [69.57190742976091]
Aguvisは、自律的なGUIエージェントのためのビジョンベースのフレームワークである。
クロスプラットフォームのインタラクションを標準化し、内部モノローグによる構造化推論を取り入れている。
オフラインおよび実世界のオンラインベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2024-12-05T18:58:26Z) - Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。
我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
論文 参考訳（メタデータ） (2024-01-07T19:11:18Z)
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。