分析与视觉障碍或眼疾相关的可访问性评论

文献标题

Analyzing Accessibility Reviews Associated with Visual Disabilities or Eye Conditions

文献信息

• 主题领域: 移动应用的无障碍性评估与用户反馈分析
• 关键词: 无障碍性, 移动应用, 用户评估, 用户评论, 视觉障碍, 应用商店

研究背景与问题

• 问题或挑战: 作者发现，尽管移动应用的无障碍性对具有视觉障碍或眼疾的用户非常重要，但用户评论中针对无障碍问题的反馈非常稀缺，尤其是与视觉障碍相关的评论。

• 重要性: 移动应用的无障碍设计可显著影响有障碍用户的使用体验。同时，无障碍设计通常未被充分关注，用户评论作为直接反馈的途径，能够为改善应用无障碍性提供有价值的信息。

• 研究动机与相关工作: 作者发现之前的研究主要集中在小型数据集或总体无障碍关注的问题上，对较大数据集以及特定类型障碍（如视觉障碍）的系统性研究较少。这些限制影响了研究的代表性与实用性。

解决方案

• 方法或解决方案:

  • 使用近1.8亿条评论，分析从Google Play应用商店提取的数据。
  • 聚焦视觉残疾或眼疾相关的评论，设定具体筛选和分类标准。
  • 通过包含关键词的字符串过滤方法提取可能相关的评论，并进一步从中识别与视觉障碍相关的评论。
  • 手动检查以排除错误匹配，并对评论进行标签标注（正面/负面反馈、类型）。

• 创新之处:

  • 这是迄今为止最大规模的无障碍相关用户评论研究。
  • 使用先进的主题建模技术（BERTopic）对评论中的内容进行自动分类与主题发现。
  • 专注于视觉障碍相关的问题，而不是一般无障碍性问题。此外，还关联了评论与具体界面组件和资源。

• 实施步骤与关键技术:

  • 用户评论提取：通过非官方Google Play API，采集340个应用的评论。
  • 字符串过滤：根据关键词进行初步文本筛选。
  • 手动检查与标注：五位研究员使用定义的包括/排除标准优化采样。
  • 主题建模：利用BERTopic和文本预处理技术提取评论主题。

研究成果

• 具体成果:

  • 从近1.8亿条评论中筛选出4,999条视觉障碍相关的无障碍性评论，占总评论数的0.003%。
  • 评论中提及36种视觉障碍或眼疾类型，主要包括视觉障碍（2207条）和失明（823条）。
  • 发现了12个主要话题，包括字体大小、色盲问题、屏幕阅读器支持等。
  • 评论与界面组件及资源密切相关，字体、颜色、背景等为与视觉障碍关联最多的资源。

• 优势:

  • 提供了更大规模的代表性数据，以弥补之前小数据集研究的不足。
  • 报告了视觉障碍用户的具体困难和需求，如暗色模式、动态字体调整等。
  • 为开发人员分析界面设计的无障碍性问题提供了新的技术视角和工具。

• 实验或评估结果:

  • 正面反馈通常与较高评分（平均评分4.8）相关。
  • 负面反馈倾向于较低评分（平均评分2.6）。
  • 色盲问题在地图类应用评论中尤为显著，许多用户反馈因色彩编码无法区分交通信息。

• 局限性与未来方向:

  • 评论缺乏细节：多数评论未明确指出具体障碍问题。
  • 跨平台局限性：研究仅聚焦于Android数据，未覆盖iOS等其他平台。
  • 用户活动性：视觉障碍用户参与评论的积极性较低。
  • 未来研究方向包括：深入分析评论内容、设计基于反馈的无障碍优化指南、机器学习模型扩展搜索范围，以及评估随时间的无障碍性改进。

参考文献

论文引用了大量关于无障碍性设计、用户评论分析以及机器学习技术的相关研究，为研究方法提供了背景支持。