Android应用中缺失标签可访问性故障的大规模纵向分析

文献标题

A Large-Scale Longitudinal Analysis of Missing Label Accessibility Failures in Android Apps

文献信息

• 主题领域: 人机交互与移动应用的无障碍性评估
• 关键词: 移动应用无障碍性, 长期分析, 标签缺失, Android 应用, 无障碍设计, 数据挖掘, 可访问性标准, 定量研究, 接口评估, 用户研究

研究背景与问题

• 问题或挑战: 许多 Android 应用未能正确实现无障碍标准，特别是缺少对图像类元素标签的支持，这使得依赖屏幕阅读器的用户无法正常使用应用程序的某些功能。

• 重要性: 移动应用在现代生活中无处不在，但如果应用程序未很好支持无障碍功能，可能对残疾用户的访问造成障碍，从而加剧社会的不平等。

• 研究动机: 此前的无障碍性研究大都以单次快照为主，从未有长期视角的系统研究。网络无障碍性的长期研究已提供许多有价值见解，因此本研究希望将类似的视角引入移动应用。

解决方案

• 方法或解决方案: 作者开发了一种爬虫系统，自动收集和分析312个广受欢迎的Android应用在16个月期间的数据，识别、量化及追踪缺少标签的无障碍问题。

• 创新之处:

  1. 提出了一种新的方法，跟踪同一应用中的多个版本以及其界面元素的长期变化。
  2. 提出并定义了“屏幕等价性”和“元素等价性”的分析标准，从而支持大规模的无障碍性纵向数据比较。

• 实施步骤:

  1. 数据收集: 从2019年12月至2021年3月的每月，利用爬虫获取Google Play商店的应用界面快照。
  2. 无障碍检测: 使用Google的Accessibility Testing Framework以检测图像类元素（如ImageView和ImageButton）是否有标签缺失。
  3. 数据分析: 从多个维度（如应用下载量、应用类别、开发组织）进行统计回归分析，同时考察系统性改进与无障碍性倒退等趋势。

• 关键技术:

  • Android 爬虫开发
  • 机器学习辅助的自动数据检测和准备
  • 混合逻辑回归模型 (Mixed Logistic Regression) 用于处理数据方差

研究成果

• 具体成果:

  1. 定量发现:

     • 55.6%的图像类元素存在标签缺失问题。
     • ImageView 元素的无障碍性未见明显改善，而ImageButton元素有所改进。
     • 8.8%的屏幕需要通过至少一个缺少标签的导航元素才可访问。
     • 应用的无障碍问题与下载量并无显著正相关，且大多数应用并未因流行度上升而变得更易于访问。
     • 大型软件组织（如Google、Microsoft）的无障碍性改进效果显著优于其他机构，但仍存在问题。

  2. 定性观察:

     • 系统性无障碍性改进：如Zillow的两个应用通过修复共享代码中的问题，实现对多个界面的整体改进。
     • 未完成的无障碍性改进：如部分开发者未能为所有界面元素统一添加描述性标签。
     • 界面重新设计：界面重构是引入新无障碍性问题的风险点。
     • 无障碍性倒退：部分已有标签成功实现的元素在之后的更新中失去了支持。

• 优势:

  • 系统性：首次以纵向方式追踪和量化应用的无障碍性变化。
  • 实用性：生成的结果为开发者优化工具和流程改进提供了方向。

• 局限性与未来方向:

  1. 当前研究仅聚焦于Android平台，兼容iOS等平台的数据采集和分析方法尚需扩展。
  2. 数据集仍未覆盖所有类型的界面元素（如动态加载的内容元素）。
  3. 未来可频繁跟踪某些关键更新版本，以更好理解开发人员的行为趋势。

总结

本文为Android应用开发中的无障碍性挑战提供了深入分析，一方面揭示了当前移动应用的普遍问题，另一方面为提升开发工具支持和最佳实践应用提供了重要启示。这种长期定量与定性相结合的研究方法，可进一步扩展到更广泛的无障碍性研究领域。