LLMによるWebアクセシビリティ修復：検出・修正・コストの実証研究 LLM Based Web Accessibility Repair: An Empirical Study of Detection, Remediation, and Cost
LLMを用いたWebアクセシビリティ問題の自動検出・修正を実証評価し、精度とコストのトレードオフを分析した研究論文。
English summary
- arXiv:2605.27716v1 Announce Type: new Abstract: Ensuring web accessibility at scale remains challenging because rule-based tools provide limited coverage while manual remediation is costly and error-p
ルールベースツールはWebアクセシビリティ検査のカバレッジが限定的であり、手動修正はコストと工数がかかるという課題に対し、本研究はLLMを活用した自動化アプローチを実証的に検証している。
研究では検出精度・修復品質・処理コストの三軸で評価を行い、LLMがルールベース手法では捉えにくいアクセシビリティ問題を補完できる可能性を示唆している。詳細な手法や評価データセットは論文原文で確認されたい。
大規模なWebサービスにおけるアクセシビリティ対応の自動化に向けた実用的知見を提供しており、開発現場への応用可能性が注目される。
Rule-based accessibility tools offer limited coverage of real-world violations, while manual remediation is both costly and error-prone. This paper proposes using large language models to automate web accessibility detection and repair at scale, empirically measuring how well LLMs can identify and fix issues that traditional scanners miss.
The study evaluates the approach across three dimensions: detection accuracy, remediation quality, and operational cost. The results are intended to give practitioners a clearer picture of where LLMs add value and what trade-offs they introduce compared to existing automated tooling.
This work is relevant to engineering teams responsible for WCAG compliance and to researchers exploring AI-assisted software quality assurance. Specific datasets, models tested, and quantitative findings should be verified in the full paper at the linked arXiv URL.
本ページの本文・要約は AI による自動生成です。正確性は元記事 (arxiv.org) をご確認ください。
